- Rolle und Bedeutung von KI-Projektmanagement in datengetriebenen Firmen
- Vergleich von traditionellem Projektmanagement und KI-Projektmanagement
- Ethische und regulatorische Anliegen im KI-Projektmanagement, einschließlich DSGVO und Green IT
- Kompetenzen und Aufgaben eines AI Project Managers in der KI-Projektmanagement-Sphäre
Agiles Management & Methodenvielfalt
- SCRUM, Kanban sowie hybride Methoden im KI-Projektmanagement
- Verwendung von JIRA, Gantt- und PERT-Charts für agile Planung
- Iteratives Arbeiten und Priorisierung im datengetriebenen Umfeld
- Integration von Projektvision und Sprint-Zielen in AI-Projekten
Integration von KI in agilen Umgebungen
- Automatisierung durch generative KI in KI-Projektmanagement-Prozessen
- NLP, Chatbots und Text Mining zur Prozessverbesserung nutzen
- Optimierung der Teamkommunikation im AI-Projekt mit Prompt Engineering
- Prototyping mit KI zur Förderung von Stakeholder-Workflows
Design-Thinking in AI-Projekten
- Nutzerfokussierte Problemlösungen via Design Thinking im KI-Projektmanagement
- Prototyping Tools wie UI-Komponenten anwenden
- Einbeziehung und Umsetzung von Nutzerfeedback in agilen Schleifen
- Innovationsprozesse in AI-Projekten mit Tools unterstützen
Data Management & Visuals
- Analyse von Daten mit Python, Pandas und SQL im Projektkontext
- Datenvisualisierung in KI-Projektmanagement mit Matplotlib und Seaborn
- Erstellung von Streamlit- und Gradio-Dashboards zur Kommunikation
- KPI-Überwachung und Projektbewertung durch Data Storytelling
CI/CD und AI-Bereitstellung in agilen Teams
- Toolchain für KI-Projektmanagement mit Docker, FastAPI und MLFlow
- Deployment von AI-Anwendungen durch AWS, GCP und Lambda
- Skalierung und API-Management für Anwendungen
- Automatisiertes Testen und Versionskontrolle im AI-Projekt