Scrum Master PSM 1 & Scaled Scrum & Python & KI verbindet Scrum-Grundlagen mit skalierten Praktiken und praxisorientierter Python-Programmierung sowie KI-Grundlagen. In Scrum Master Basic (PSM 1), Scaled Scrum (SPS), Python trifft KI, KI Grundlagen steht die verlässliche Lieferung von Wert, Empirie und technische Umsetzung im Zentrum: Teilnehmende erlernen agile Abläufe, Skalierungsprinzipien, Python-Skills und den verantwortlichen Einsatz von KI.

Praxisbezug und berufliche Perspektiven

Die Maßnahme verbindet Scrum Master-Aufgaben mit skalierten Lieferketten, Python-Entwicklung und KI-Einsatz. Typische Anwendungen sind Sprint-Steuerung, Integration über Teamgrenzen, Automatisierung und datengestützte Entscheidungsunterstützung. Berufliche Perspektiven: Scrum Master, Agile Coach, Python Developer, Data Analyst und KI-Anwenderin in Produktentwicklung oder Kundenservice. Die Inhalte lassen sich direkt in Releaseplanung, Backlog-Pflege und Automatisierungsprojekte übernehmen.

Scrum Master 1

Scrum Master 1 vermittelt das empirische Rahmenwerk und die tägliche Praxis der Rolle Scrum Master, inkl. Coaching, Moderation und Hindernisentfernung.
Teilnehmende lernen, ein Sprint Goal zu formulieren, Daily Scrums zu steuern und die Definition of Done anzuwenden. Sie verstehen Product Backlog, Sprint Backlog und Inkrement als transparente Artefakte und erkennen, wie Werte und Timeboxing Empirie stützen. Aufgaben werden so geplant, dass am Sprintende ein nutzbares Inkrement steht und Stakeholder-Feedback in Reviews eingeht. Typische Skills:

  • Empirie, Beobachtung, Auswertung und Anpassung
  • Formulierung von Sprint Goals und Backlog-Priorisierung
  • Moderation und Coaching für Team-Effektivität
  • Anwendung der Definition of Done und Inkrement-Sicherung
  • Umgang mit Werte-orientierter Zusammenarbeit

Scaled Scrum

Scaled Scrum behandelt die Zusammenarbeit mehrerer Teams an einem Produkt, Fokus auf gemeinsamen Qualitätsmaßstab und Integration.
Kursinhalte erklären, wie Abhängigkeiten sichtbar gemacht, Einträge so zugeschnitten und Integrationszyklen kurz gehalten werden. Prognosen werden als Bandbreiten formuliert, Annahmen und Risiken transparent gemacht und Veröffentlichungsplanung diszipliniert angepasst. Ziele sind verlässliche Lieferfähigkeit, einheitliche Qualitätsmaßstäbe und reduzierte Schnittstellen. Wichtige Aspekte:

  • Gemeinsamer Qualitätsmaßstab für funktionale und nicht-funktionale Kriterien
  • Schnittstellenminimierung durch geeigneten Zuschnitt
  • Integration als tägliche Praxis und frühe Zusammenführung
  • Vorhersagen als Bandbreiten mit Annahmen und Risiken
  • Transparente Veröffentlichungsplanung

KI Grundlagen und praktische Anwendungen

KI Grundlagen und praktische Anwendungen vermittelt Kernkonzepte, ethische Aspekte und konkrete Einsatzwege von KI-Tools im Arbeitsalltag.
Teilnehmende erlernen Definitionen, ML- und DL-Grundlagen, Prompt Engineering und praktische Nutzung von Text-, Sprach- und Bild-KI. Der Kurs fördert die Fähigkeit, KI-Ergebnisse kritisch zu prüfen, Bias und Datenschutz zu berücksichtigen und Automatisierungs-Potenziale zu identifizieren. Angewandt werden Chatbots, Analyse-Workflows und Content-Generierung, um Prozesse effizienter zu gestalten. Kernpunkte:

  • Grundbegriffe KI, ML und Deep Learning
  • Prompt Engineering und Einsatz von KI-Tools
  • Ethik, Datenschutz und Bias-Reflexion
  • Praxis: Chatbots, Bild- und Text-KI testen
  • Integration von KI in Arbeitsprozesse

KI und IT- Programmieren für die Zukunft: Python

KI und IT- Programmieren für die Zukunft: Python verbindet grundlegende Programmierkenntnisse mit KI-gestützten Arbeitsmethoden und Praxisprojekten.
Die Teilnehmenden lernen Variablen, Kontrollstrukturen, Schleifen, Funktionen, Listen und Dictionaries sowie Bibliotheken (math, datetime, json, re). Fehlerbehandlung mit try/except, Debugging und modulare Strukturierung werden geübt. KI-Tools unterstützen beim Schreiben, Testen und Refaktorieren; Prompt-Techniken für Code werden vermittelt. Kleine Projekte zeigen Automatisierung, Datenauswertung und interaktive Anwendungen. Wichtige Lernschritte:

  • Syntax, Datentypen und Kontrollstrukturen
  • Funktionen, Module und saubere Programmstruktur
  • Datenstrukturen: Listen, Dictionaries
  • Fehlerbehandlung, Debugging und Tests
  • Einsatz von KI-Tools zur Code-Verbesserung und Prompting

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