Scrum Master PSM 1 & Scrum Agile Leadership + Scrum Kanban + Scaled Scrum & Python verbindet Scrum-Kernwissen mit Führungskompetenzen, Flussorientierung, Skalierung und praktischer Python-Programmierung. In Scrum Master Basic (PSM 1), Scrum Agile Leadership & Kanban & Scaled Scrum (PAL 1 & PSK 1 & SPS), Python trifft KI steht die Fähigkeit im Fokus, verlässliche Takte, klare Ziele und messbare Ergebnisse durch Empirie und automatisierbare Werkzeuge zu etablieren.

Praxisbezug und berufliche Perspektiven

Die Maßnahme bereitet auf operative Rollen wie Scrum Master, Agile Coach und Teamlead sowie auf technische Aufgaben in Data Analysis und Python-Entwicklung vor.
Anwendungsszenarien umfassen Sprintsteuerung, Backlog-Pflege, Release- und Veröffentlcihungsplanung über Teamgrenzen, Flussoptimierung mit Kanban sowie Automatisierung und Datenverarbeitung mittels Python und KI-Tools.
Einsatzgebiete sind Produktentwicklung, IT-Projektarbeit, Operations und analytische Rollen; die Kombination stärkt Produktivität, Vorhersagbarkeit und technische Umsetzbarkeit.

Scrum Master 1

Scrum Master 1 vermittelt, dass Scrum ein empirisches Rahmenwerk ist und wie das Team durch Werte, Events und Artefakte verlässlich liefert.
Teilnehmende erlernen die Formulierung eines Sprint Goal, die Planung von Sprintarbeit, das Daily Scrum zur Steuerung, Sprint Review für Stakeholder-Feedback und Retrospektive zur Verbesserung. Sie vertiefen die Rolle des Scrum Master beim Coaching, Moderieren, Hindernismanagement und bei der Förderung konsequenter Empirie.

  • Scrum-Prinzipien und Werte
  • Rollen: Product Owner, Developers, Scrum Master
  • Events: Sprint, Sprint Planning, Daily, Review, Retrospektive
  • Artefakte und Commitments: Product Backlog, Sprint Backlog, Inkrement, DoD
  • Coaching-Techniken und Hindernisse entfernen

Scaled Scrum

Scaled Scrum zeigt, wie mehrere Teams an einem Produkt arbeiten, ohne Grundprinzipien zu verwässern, und wie ein gemeinsamer Qualitätsmaßstab entsteht.
Inhalte behandeln gemeinsame Definition of Done, Integration als tägliche Aufgabe, Sichtbarmachung von Abhängigkeiten und die Erstellung von Vorhersagen als Bandbreiten. Planung zielt auf verlässliche Erwartungen statt auf exakte Termine ab; Risiken und Annahmen werden offen gelegt.

  • Gemeinsamer Qualitätsmaßstab und Integrationsregeln
  • Arbeitsschnitt und unabhängige Teamlieferung
  • Sichtbarmachung von Abhängigkeiten und Risiko
  • Prognosen, Bandbreiten und Release-Planung
  • Maßnahmen zur Verkürzung von Durchlaufzeiten

Scrum Agile Leadership

Scrum Agile Leadership vertieft Führung als Gestalten von Kontext, damit Teams selbstverwaltet entscheiden und Verantwortung tragen.
Der Kurs zeigt, wie klare Ziele, Entscheidungsräume und Kompetenzen aufgebaut werden, wie Führung Orientierung gibt ohne zu steuern und wie organisatorische Schnittstellen oder Reportingwege Selbstverwaltung behindern können. Führungskräfte lernen, Erwartungen zu klären, Hindernisse zu beseitigen und Entwicklungskompetenzen zu fördern.

  • Rahmenbedingungen für Selbstverwaltung
  • Situatives Führungsverhalten und Interventionen
  • Transparente Entscheidungswege und Informationsflüsse
  • Erkennen struktureller Bremsen und konkrete Verbesserungen
  • Förderung von Verantwortung und Lernfähigkeit

Scrum mit Kanban

Scrum mit Kanban verbindet Scrum-Events mit Flussprinzipien, um Vorhersagbarkeit und Durchsatz zu erhöhen.
Teilnehmende lernen, Arbeit sichtbar zu machen, Regeln für Beginn/Fortschritt/Abschluss zu definieren und Flussgrößen wie Durchsatz, Bearbeitungs- und Wartezeiten zu nutzen. Prognosen entstehen auf Basis historischer Daten; das Product Backlog wird so geschnitten, dass Fluss und Wert in Einklang stehen.

  • Visualisierung des Workflows und WIP-Grenzen
  • Metriken: Durchsatz, Lead Time, Cycle Time
  • Backlog-Schnitt und Losgrößenoptimierung
  • Engpassanalyse und Reaktionsstrategien
  • Integration von Prognosen in Release-Planung

KI und IT- Programmieren für die Zukunft: Python

Python trifft KI vermittelt grundlegende Programmierkenntnisse und den produktiven Einsatz von KI-Tools beim Entwickeln und Refaktorieren.
Teilnehmende erlernen Variablen, Datentypen, Kontrollstrukturen, Schleifen, Funktionen, Listen und Dictionaries sowie Fehlerbehandlung mit try/except. Einsatz von Bibliotheken, Debugging-Methoden, Modularisierung und Prompt Engineering für KI-gestützte Entwicklungsprozesse wird praxisnah eingeübt.

  • Grundlagen: Datentypen, Operatoren, Kontrollstrukturen
  • Funktionen, Module und saubere Programmstruktur
  • Datenstrukturen: Listen, Dictionaries
  • Fehlerbehandlung, Debugging und Tests
  • Nutzung von Bibliotheken und KI-Tools; Prompt Engineering

Fachliche Kompetenz und erwartete Ergebnisse
Absolventinnen können Scrum in der Praxis einsetzen, Sprint-Ziele formulieren, Arbeit planen, Fortschritt steuern und ein nutzbares Inkrement liefern. Sie setzen Qualitätsmaßstäbe durchgängig um, kommunizieren Prognosen als Bandbreiten und gestalten Skalierung mit verlässlicher Integration.
Technisch beherrschen Teilnehmende Python-Grundlagen, strukturieren Code modular, nutzen Bibliotheken, setzen Debugging ein und nutzen KI zur Unterstützung beim Coden und Testen; dies bildet die Basis für Rollen in Entwicklung, Data Analysis und KI-gestützter Automation.

Die Weiterbildung bereitet auf die Prüfung bei Scrum.org vor, wird aber weder von Scrum.org unterstützt noch ist sie mit Scrum.org ..verbunden.