- Vereinbarung von Fachkenntnissen mit Künstliche Intelligenz und aktuellem Projektmanagement
- Bedeutung und Aufgaben der technischen Spezialisten im AI Projektmanagement-Lebenszyklus
- Integration von Fachkompetenz in etablierte IT Projektmanagement Rahmenwerke
- Einhaltung von Vorschriften und Compliance im datengetriebenen Projektmanagement
Projektmethoden & Planung für Spezialisten
- Verwendung von hybriden Projektansätzen mit SCRUM, Kanban und traditionellen Methoden
- Erstellung von Backlogs, Sprint-Zielen und Definition technischer Deliverables durch den AI Project Manager
- Risikomanagement gestützt auf FMECA für komplexe Projektabschnitte
- Aufwandsschätzung und Budgetplanung in AI-unterstützten Entwicklungsprojekten
Kommunikationsstrategien & Visualisierungen im Projekt
- Data Storytelling für die Veranschaulichung technischer Fortschritte im KI-Projektmanagement
- Visualisierung von Kennzahlen mit Matplotlib und Seaborn für Projektteams
- Erstellung zielgruppenorientierter Dashboards für Entscheidungsträger
- Einsatz von generativer KI im Reporting und Kommunikationsablauf
Technologieanwendung & Automatisierung
- Integration von Tools wie Git, Docker, Streamlit und FastAPI in das technische Projektmanagement
- Automatisierung wiederkehrender Aufgaben mit Python und Machine Learning Ops im AI Project Management
- Einrichtung effizienter CI/CD-Pipelines im Entwicklungsprozess
- Einsatz von Cloud-Infrastrukturen für skalierbare Spezialprojekte (AWS, GCP, Kubernetes)
Design Thinking & kreative Ansätze durch Spezialisten
- Nutzerorientierte Methoden zur Förderung von Innovation im Projektmanagement (Empathie, Ideation, Prototyping)
- Visualisierung technischer Konzepte mit Design Tokens und Wireframes
- Testen und agile Iteration im Entwicklungsprozess
- Integrieren von UI/UX-Konzepten in projektbezogene Lösungsentwicklung