Scrum Master + Scrum Product Owner PSM 2 + PSPO 1 & Scrum Agile Leadership + Scaled Scrum & Python & KI verbindet vertiefte Scrum-Expertise mit Produktverantwortung, Führungskompetenz, Skalierung, Python-Programmierung und praxisnahen KI-Grundlagen. Die Maßnahme zielt auf wertgetriebene Produktentwicklung, wirksame Selbstverwaltung und technische Praktiken zur Automatisierung und Analyse ab.

Praxisbezug und berufliche Perspektiven

Die Kombi aus Scrum Master, Product Owner (PSM 2, PSPO 1), Agile Leadership (PAL 1), Scaled Scrum (SPS) sowie Python und KI bereitet auf Rollen wie Scrum Master, Product Owner, Agile Coach, Produktmanagerin und technische Mitarbeitende vor. Anwenderszenarien reichen von Backlog-Pflege über Release-Planung bis zu Automatisierung und datengetriebener Entscheidungshilfe. Gelerntes lässt sich in Produktentwicklung, IT-Projektteams, Digitalisierungsinitiativen und Innovationsprojekten unmittelbar anwenden.

Scrum Master 2

Scrum Master 2 vertieft das Verständnis für Werte, Accountabilities, Ereignisse und Inkremente. Teilnehmende entwickeln Fähigkeiten zur Moderation, Hindernisentfernung und Stärkung der Selbstverwaltung, ohne Steuerung zu übernehmen. Die Definition of Done wird als lebender Qualitätsstandard etabliert und bei mehreren Teams synchronisiert. Facilitation-Techniken und Decision Rules helfen, Gruppen durch die Groan Zone zu führen und tragfähige Vereinbarungen zu erzielen.
Lerninhalte

  • Scrum Values, Accountabilities, Events und Artefakte
  • Definition of Done als Qualitäts- und Lieferstandard
  • Coaching, Moderation und Hindernisbeseitigung
  • Facilitation, Decision Rules, Umgang mit Groan Zone
  • Selbstverwaltung, Transparenz und Risikoreduktion

Ergebniskompetenz
Teilnehmende können Teams coachen, DoD kommunizieren und als Scrum Master in komplexen Umfeldern Wirkung erzielen.

Scrum Product Owner 1

Scrum Product Owner 1 fokussiert Produktvision, Wertmaximierung und das Product Backlog als einzige Quelle geplanter Vorhaben. Es werden Techniken vermittelt, um Einträge nach Nutzen, Risiko und Abhängigkeiten zu gestalten und verlässliche, bandbreitenbasierte Vorhersagen zu erstellen. Evidence Based Management (EBM) verknüpft Ziele, Kennzahlen und Entscheidungen, sodass Outcome messbar und Anpassungen begründet erfolgen.
Lerninhalte

  • Formulierung von Produktvision und Zielen
  • Product Backlog-Pflege, Nutzenorientierung und Zerlegung
  • Vorhersagen mit Bandbreiten, Annahmen und Historie
  • Evidence Based Management und Kennzahlen
  • Wirkung vs. Auslieferung, Priorisierung nach Wert

Ergebniskompetenz
Teilnehmende erstellen realistische Prognosen, pflegen Backlogs zielgerichtet und leiten Prioritäten aus Wirkung ab.

Scaled Scrum

Scaled Scrum zeigt, wie mehrere Teams an einem Produkt zusammenarbeiten, ohne Scrum-Prinzipien zu verlieren. Ein gemeinsamer Qualitätsmaßstab wird verhandelt, Integration wird frühzeitig geplant, Abhängigkeiten sichtbar gemacht und Releases als Bandbreiten kommuniziert. Fokus liegt auf Schnittstellen, Integrationstakt und realistischen Veröffentlichungsplänen, sodass Skalierung organisatorisch handhabbar wird.
Lerninhalte

  • Gemeinsame Definition of Done über Teams hinweg
  • Schnittstellenmanagement und Abhängigkeitsvisualisierung
  • Integration, Sicherheit, Leistung und Betriebsfähigkeit
  • Veröffentlichungplanung und Prognosen als Bandbreiten
  • Zuschnitt von Arbeitspaketen für Unabhängigkeit

Ergebniskompetenz
Teilnehmende schaffen einheitliche Qualitätsstandards, reduzieren Abhängigkeiten und gestalten verlässliche Integrations- und Releaseprozesse.

Scrum Agile Leadership

Scrum Agile Leadership behandelt Führung als Rahmengestaltung: Erwartungen klären, Entscheidungsräume sichern und Kompetenzen entwickeln. Führungskräfte lernen situativ zu intervenieren, Coaching von Teams zu leisten und strukturelle Bremsen sichtbar zu machen. Ergebnis ist eine Kultur, in der Teams eigenverantwortlich arbeiten und Organisationen Bedingungen für kontinuierliche Verbesserung schaffen.
Lerninhalte

  • Gestalten von Rahmenbedingungen statt Detailsteuerung
  • Klare Ziele, Entscheidungsrechte und Informationsflüsse
  • Unterscheidung Coaching vs. Mentoring, situative Führung
  • Identifikation organisatorischer Hindernisse
  • Förderung von Eigenverantwortung und Lernfähigkeit

Ergebniskompetenz
Teilnehmende unterstützen Führungskräfte beim Loslassen, fördern Selbstorganisation und verbessern Durchlaufzeiten sowie Wertzustellung.

KI Grundlagen und praktische Anwendungen

KI Grundlagen vermittelt Definitionen, Maschinelles Lernen, Deep Learning und praktische Einsatzfelder. Schwerpunkt sind Prompt Engineering, Text- und Bild-KI, Automatisierung und ethische Aspekte wie Bias und Datenschutz. Teilnehmende probieren Chatbots, Sprach- und Bild-KI aus und lernen, KI-Ergebnisse kritisch zu interpretieren sowie KI sinnvoll in Arbeitsprozesse zu integrieren.
Lerninhalte

  • KI-Definitionen, ML, DL, schwache vs. starke KI
  • Prompt Engineering und optimale Anfrageformulierung
  • Einsatz von KI für Textgenerierung, Datenanalyse, Automatisierung
  • Ethik, Datenschutz, Bias und Interpretationskompetenz
  • Interaktive Übungen mit Chatbots und Bild-KI

Ergebniskompetenz
Teilnehmende setzen KI-Tools produktiv ein, formulieren effektive Prompts und bewerten Chancen und Risiken für den eigenen Arbeitskontext.

KI und IT- Programmieren für die Zukunft: Python

Python trifft KI verbindet Programmiergrundlagen mit praktischer Nutzung von KI-gestützten Tools. Teilnehmende lernen Variablen, Datentypen, Kontrollstrukturen, Funktionen, Datenstrukturen und Modulpraxis sowie Fehlerbehandlung und Debugging. Projekte zeigen, wie Python für Automatisierung, Datenauswertung und kleine Anwendungen eingesetzt wird; Prompt Engineering unterstützt beim Coden und Refaktorieren.
Lerninhalte

  • Einführung Python: Variablen, Datentypen, Operatoren
  • Kontrollstrukturen, Schleifen, Funktionen, Module
  • Listen, Dictionaries, Bibliotheken (math, json, re, datetime)
  • Fehlerbehandlung (try/except), Debugging, saubere Struktur
  • KI-Tools zur Code-Generierung, Testing und Refactoring

Ergebniskompetenz
Teilnehmende planen, schreiben und testen kleine, modulare Programme, nutzen KI-Assistenz beim Coden und legen die Basis für Data Science, Automatisierung und ML-Integration.

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