Diese Weiterbildung vermittelt dir die Kompetenzen, um KI-Projekte im Projektmanagement professionell zu planen, umzusetzen und zu steuern. Du kombinierst praxisnahe Methoden der Künstlichen Intelligenz mit agilem Projektmanagement und Scrum, inklusive Skalierung in komplexen Organisationsstrukturen.

Im Fokus stehen die sichere Anwendung von Prompting, Machine Learning und Automatisierung sowie die Projektsteuerung nach IPMA®-Logik und Scrum-Standards. Ergänzend lernst du, Kanban für Flow-Optimierung einzusetzen und Projektarbeit mit einem kompakten Praxisprojekt umzusetzen.

Inhalte der Weiterbildung

Anwendung von künstlicher Intelligenz

  • Grundlagen der Künstlichen Intelligenz (KI) und ihrer Bedeutung für Unternehmen.
  • Anwendung von Prompting-Techniken für Textgenerierung, NLP und Chatbot-Entwicklung.
  • Nutzung von KI für Bilderkennung, Bilderzeugung und Deepfake-Anwendungen.
  • Evaluierung und Optimierung von KI-Modellen durch Datenvorbereitung und Tools.
  • Zukunftstrends und Best Practices in der KI-gestützten Automatisierung und Generierung.

Anwendung von künstlicher Intelligenz - Aufbaukurs

  • Vertiefung in Machine Learning, Deep Learning und Automatisierungstechniken.
  • Entwicklung, Implementierung und Testing von KI-Modellen zur Prozessoptimierung.
  • Management und Skalierung von KI-Projekten mit Tools wie ComfyUI.
  • Ethische und rechtliche Aspekte: Datenschutz, Sicherheit und gesetzliche Rahmenbedingungen.
  • Praxisorientierte Abschlussprojekte mit Fokus auf Risiko- und Performance-Management.

Projektmanagement mit IPMA®

  • Grundlagen des Projektmanagements und Einführung in IPMA Level D.
  • Strategisches Projektumfeld: Governance, Compliance, Kultur und Werte.
  • Persönliche Kompetenzen: Führung, Kommunikation, Teamarbeit und Konfliktmanagement.
  • Methodisches Wissen: Projektdesign, Planung, Steuerung, Risiko- und Ressourcenmanagement.
  • Vorbereitung und Unterstützung zur erfolgreichen Zertifizierung.

Scaled Professional Scrum®

  • Agile Transformation und strategische Ausrichtung in skalierten Umgebungen (OKR, Beyond Budgeting).
  • Unternehmensstrukturen und Einsatz von Data Science (KI, Big Data) zur Entscheidungsunterstützung.
  • Einführung in Frameworks wie SaFe, LeSS und Scrum@Scale mit praxisnahen Fallstudien.
  • Vertiefung des Nexus-Frameworks und seiner Anwendung.
  • Vorbereitung und Unterstützung zur erfolgreichen Zertifizierung.

Scrum® mit Kanban

  • Nutzung des Kanban-Boards zur Visualisierung und Optimierung des Arbeitsflusses.
  • Work-in-Progress (WIP)-Limits und Umgang mit Engpässen.
  • Metriken wie Cycle Time, Lead Time und Durchsatz zur kontinuierlichen Verbesserung.
  • Integration von Scrum und Kanban in der Praxis mit Rollen und realen Fallstudien.
  • Vorbereitung und Unterstützung zur erfolgreichen Zertifizierung.

Praxisanwendung Projektmanagement - Kompakt

  • Einführung in Agile, Scrum und Projektmanagement-Grundlagen.
  • Nutzung von Jira und Confluence für Projektplanung und -durchführung.
  • Durchführung von Projekten mit Fokus auf Daily Scrum, Analysen und Zieldefinition.
  • Sprint Review, Retrospektive und Steuerung von Projektphasen.
  • Präsentation und Abschlussdiskussion zur Reflektion der Projektergebnisse.

Nach der Weiterbildung kannst du

  • KI-Projekte konzipieren, KI-Use-Cases bewerten und geeignete Prompting- und Modellansätze auswählen.
  • Projekte nach IPMA®-Grundlagen planen, steuern und Risiken sowie Ressourcen strukturiert managen.
  • Scrum-Teams anleiten, Events und Artefakte sicher anwenden und Scrum in skalierten Umgebungen einordnen.
  • Arbeitsflüsse mit Kanban-Metriken optimieren und Projektergebnisse in einem Praxisprojekt mit Jira und Confluence umsetzen und präsentieren.

Für wen ist die Weiterbildung geeignet

  • (Angehende) Projektmanager und Teilprojektleiter, die KI-Projekte mit agilem Projektmanagement und Scrum umsetzen möchten.
  • Product Owner, Scrum Master und Agile Coaches, die KI, Skalierung und Flow-Optimierung in ihre Projektpraxis integrieren wollen.
  • Fach- und Führungskräfte aus IT, Digitalisierung und Data-Umfeldern, die KI-Initiativen strukturiert und compliance-orientiert steuern müssen..