Scrum Product Owner PSPO 1+2 & Scrum Agile Leadership + Scrum Kanban + Scaled Scrum & Python (auch bekannt als Product Owner Experte (PSPO1 + 2), Scrum Agile Leadership & Kanban & Scaled Scrum (PAL 1 & PSK 1 & SPS), Python trifft KI) verbindet Product Ownership, Führungskompetenz, skalierte Zusammenarbeit und Python-Programmierung zu einer praxisorientierten Weiterbildungsmaßnahme, die Wertschaffung, Vorhersagen und technische Umsetzung verzahnt.

Praxisbezug und berufliche Perspektiven

Die Maßnahme qualifiziert für Rollen wie Product Owner, Agile Lead, Scrum Master, Kanban-Coach und Python-Entwicklerin mit Fokus auf datengetriebene Entscheidungen.
Konkrete Anwendungsszenarien: Priorisierung von Backlogs, Evidence Based Management zur Steuerung von Produktwert, Release-Planung mit Bandbreiten, Skalierung über mehrere Teams, Flussoptimierung mit Kanban sowie Automatisierung und Datenanalyse mit Python. Damit eröffnen sich Einsatzgebiete in Produktmanagement, IT-Produktentwicklung, Data Science und agiler Organisationsentwicklung.

Scrum Product Owner 1

Scrum Product Owner 1 vermittelt, wie Produktverantwortung konsequent auf Wertschöpfung ausgerichtet wird und wie Product Vision und Backlog die Arbeit fokussieren.
Teilnehmende lernen, messbare Ziele aus der Vision abzuleiten, Backlog-Einträge klar zu beschreiben und probabilistische Vorhersagen mit Bandbreiten zu erstellen. Evidence Based Management verbindet Kennzahlen mit Entscheidungen, damit Fortschritt und Potenziale sichtbar werden.

  • Formulierung von Product Vision und Zielen
  • Backlog-Pflege und verständliche Einträge
  • Priorisierung nach erwartetem Nutzen
  • Wahrscheinlichkeitsbasierte Prognosen und Release-Planung
  • Kennzahlen für Wirkung statt Umfang

Scrum Product Owner 2

Scrum Product Owner 2 vertieft die Ausrichtung auf Wirkung, Stakeholder-Management und organisatorische Hebel, damit Entscheidungen auf Ergebnissen basieren.
Teilnehmerinnen lernen, ein Backlog so zu gestalten, dass es Strategie in nachvollziehbare, wertorientierte Schritte überführt und Rückmeldungen konstruktiv einbindet. Evidence Based Management wird genutzt, um Ziele, Messgrößen und Entscheidungen zu verknüpfen.

  • Wertdefinition und Erfolgskriterien
  • Stakeholder-Kommunikation und Erwartungsabgleich
  • Backlog-Strukturierung nach Outcome
  • Organisationale Rahmenbedingungen identifizieren
  • Metriken für Wirkung und Lernfähigkeit

Scaled Scrum

Scaled Scrum zeigt, wie mehrere Teams gemeinsam an einem Produkt arbeiten, gemeinsame Qualitätsmaßstäbe setzen und Integration zuverlässig sicherstellen.
Der Fokus liegt auf einem einheitlichen Done-Standard, der funktionale und nicht-funktionale Anforderungen einschließt, auf Sichtbarkeit von Abhängigkeiten und auf Vorhersagen, die Bandbreiten und Integrationsrisiken berücksichtigen. Planung schafft verlässliche Erwartungen statt illusionärer Termine.

  • Gemeinsamer Qualitätsmaßstab (Definition of Done)
  • Schnittstellen- und Abhängigkeitsmanagement
  • Reihenfolge nach Wirkung und Risiko
  • Vorhersagen über Teamgrenzen mit Bandbreiten
  • Integration, Betrieb und Performance berücksichtigen

Scrum Agile Leadership

Scrum Agile Leadership fokussiert Führung als Kontextgestaltung: Unterstützung statt Steuerung, Klarheit schaffen und Selbstverwaltung ermöglichen.
Die Teilnehmenden lernen, Verantwortlichkeiten zu klären, Informationsflüsse zu etablieren und Hindernisse zu beseitigen, damit Teams Entscheidungen tragen. Führung wird situativ eingesetzt, um Orientierung und Sicherheit zu geben, ohne Autonomie zu unterminieren.

  • Verantwortungsräume und Entscheidungsrechte
  • Rahmenbedingungen für Selbstorganisation
  • Interventionen: Orientierung vs. Einmischung
  • Organisationsstrukturen und Governance
  • Entwicklung von Kompetenzen und Transparenz

Scrum mit Kanban

Scrum mit Kanban erläutert, wie Flussprinzipien den Wertstrom stabilisieren und Vorhersagbarkeit erhöhen, ohne Scrum-Prinzipien aufzugeben.
Teams lernen, Arbeit sichtbar zu machen, Work-in-Progress zu begrenzen, Durchsatz und Durchlaufzeit zu messen und Prognosen als Bandbreiten zu kommunizieren. Das Product Backlog wird als geordnete Darstellung nächster wirksamer Schritte genutzt, nicht als Aufgabenstapel.

  • Visualisierung des Flusses und WIP-Grenzen
  • Durchsatz, Wartezeit und Engpassanalyse
  • Losgrößen und Übergaben optimieren
  • Prognosen auf Basis historischer Daten
  • Vereinbarungen zur Steuerung des Flusses

KI und IT- Programmieren für die Zukunft: Python

Python trifft KI verbindet Programmiergrundlagen mit KI-gestützten Methoden zum Schreiben, Testen und Refaktorieren von Code.
Teilnehmende erlernen Variablen, Datentypen, Kontrollstrukturen, Funktionen, Listen und Dictionaries; nutzen Bibliotheken (json, re, math, datetime) und setzen Debugging sowie try/except-Fehlerbehandlung ein. Praxisnahe Projekte und Prompt Engineering zeigen, wie KI-Tools Entwicklungsprozesse beschleunigen.

  • Sprachelemente: Variablen, Typen, Operatoren
  • Kontrollstrukturen: if/elif/else, for, while
  • Funktionen, Module und saubere Struktur
  • Bibliotheken, Debugging und Fehlerbehandlung
  • KI-gestützte Tools und Prompt Engineering

Fachliche Kompetenz und Integration

Nach Abschluss setzen Teilnehmende Produktvision, Backlog-Pflege, Evidence Based Management, probabilistische Vorhersagen und Skalierungsprinzipien zu einem konsistenten Arbeitsmodus zusammen.
Sie kommunizieren Prognosen als Bandbreiten, machen Annahmen sichtbar, reduzieren organisatorische Hürden und fördern Selbstverwaltung. Zusätzlich erwerben sie grundlegende Python-Kompetenzen und den sicheren Umgang mit KI-Assistenz, um Automatisierung, Datenauswertung und prototypische Lösungen umzusetzen. Integrtation und kontinuierliche Verbesserung bleiben durch messbare Wirkung zentral.

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