Scrum Master PSM 1+2 & Scrum Agile Leadership + Scrum Kanban + Scaled Scrum & Python, JavaScript & KI verbindet praxisorientiertes Scrum-Wissen mit Leadership- und Skalierungsfähigkeiten sowie praktischer Programmierung in Python und JavaScript und grundlegenden KI-Anwendungen; die Maßnahme zielt auf verlässliche Lieferung, Empirie und berufliche Handhabbarkeit ab.

Praxisbezug und berufliche Perspektiven

Die Kombination aus Scrum Master PSM 1+2 & Scrum Agile Leadership bereitet auf operative und übergreifende Rollen vor: Scrum Master, Agile Lead, Team-Coach oder Product-gestützte Fachrollen. Anwender lernen, Empirie, Sprint-Takt, DoD und Product Backlog in reale Release- und Delivery-Kontexte zu übertragen. Integration von Kanban und Scaled Scrum erhöht Vorhersagbarkeit und reduziert Risiken; Python, JavaScript und KI-Elemente ermöglichen Automatisierung, Datenanalyse und prototypische Implementierung in Projekten.

Scrum Master 1

Scrum Master 1 vermittelt die Basis von Scrum und die Rolle des Scrum Masters.
Teilnehmende lernen, wie Empirie das Arbeiten leitet, warum kurze Timeboxes wichtig sind und wie Product Owner, Developers und Scrum Master zusammen wirksame Inkremente liefern. Das Sprint Goal, Daily, Review und Retrospektive werden praktisch eingeübt; Artefakte und Commitments schaffen Transparenz.

  • Scrum-Grundsätze und Werte
  • Sprint Planning, Daily, Review, Retrospektive
  • Product Backlog Management
  • Definition of Done (Defintion of Done) und Qualitätsfokus
  • Teamverantwortung und Hindernismanagement

Scrum Master 2

Scrum Master 2 vertieft Werte, Accountabilities und Facilitation.
Der Kurs zeigt, wie Werte Entscheidungen und Verhalten prägen, wie eine lebende Definition of Done Qualität sichert und wie Moderation durch die Groan Zone führt. Teilnehmende entwickeln Fähigkeiten in situativem Coaching, Decision Rules und metrischem, hypothesengetriebenem Arbeiten.

  • Vertiefte Facilitation-Techniken
  • Decision Rules und Umgang mit Groan Zone
  • Ausbau der DoD als Qualitätsmaßstab
  • Coaching vs. Mentoring
  • Outcome-orientierte Metriken und Hypothesen

Scaled Scrum

Scaled Scrum erklärt das Zusammenwirken mehrerer Teams an einem Produkt.
Im Zentrum steht ein gemeinsamer Qualitätsmaßstab, Integration als tägliche Aufgabe und die Sichtbarmachung von Abhängigkeiten. Planung und Release-Prognosen werden als Bandbreiten formuliert; Annahmen, Risiken und historische Daten fließen in verlässliche Vorhersagen ein.

  • Gemeinsame Definition of Done und Integration
  • Abhängigkeitsmanagement und Schnittstellen
  • Vorhersagen als Bandbreiten
  • Veröffentlichungsplanung über Teamgrenzen
  • Reduktion von Übergaben und Erhöhung der Lieferfähigkeit

Scrum Agile Leadership

Scrum Agile Leadership richtet Führung auf Rahmenbedingungen statt auf Detailsteuerung aus.
Der Kurs zeigt, wie Führung durch Gestaltung von Kontext, Klärung von Entscheidungsräumen und Wegräumen von Hindernissen Selbstverwaltung stärkt. Führungskräfte lernen, Erwartungen an Outcome zu formulieren, Unterstützung zu bieten ohne Einmischung und strukturelle Bremsen zu identifizieren.

  • Gestaltung von Entscheidungsräumen
  • Unterstützende Führung statt Steuerung
  • Erkennen struktureller Hemmnisse
  • Förderung von Teamautonomie und Lernfähigkeit
  • Balance zwischen Orientierung und Loslassen

Scrum mit Kanban

Scrum mit Kanban verbindet Flow- und Pull-Prinzipien mit Scrum-Struktur.
Teilnehmende lernen, Arbeit sichtbar zu machen, Grenzen für parallele Arbeiten zu setzen und Kennzahlen wie Durchsatz, Cycle Time und Wartezeiten zu nutzen. Das Product Backlog wird als geordnete Darstellung wirksamer nächster Schritte verstanden; Prognosen basieren auf beobachtetem Flow und historischen Ergebnissen.

  • Anwendung von Kanban-Prinzipien im Scrum-Kontext
  • Messen von Durchsatz und Durchlaufzeiten
  • Losgrößen, Engpassanalyse und Flussoptimierung
  • Product Backlog als Flusssteuerungsinstrument
  • Vorhersagen auf Basis historischer Daten

KI Grundlagen und praktische Anwendungen

KI Grundlagen vermittelt Basiskonzepte, Anwendungsfälle und ethische Aspekte.
Teilnehmende erarbeiten maschinelles Lernen, Deep Learning und Unterschiede zwischen schwacher und starker KI, lernen Prompt Engineering und den gezielten Einsatz von KI-Tools für Text, Bild und Datenanalyse. Ethische Risiken, Bias und Datenschutz werden praxisnah diskutiert; Übungen mit Chatbots und Bild-KI vertiefen die Anwendung.

  • Grundbegriffe ML und Deep Learning
  • Prompt Engineering und KI-Tools
  • Ethik, Bias und Datenschutz
  • Praxisübungen: Chatbots, Sprach- und Bild-KI
  • Integration von KI in Arbeitsprozesse

KI und IT- Programmieren für die Zukunft: Python

Python-Kurs kombiniert Programmiergrundlagen mit KI-gestützter Entwicklung.
Teilnehmende lernen Variablen, Datentypen, Kontrollstrukturen, Funktionen und Datenstrukturen sowie die Nutzung von Bibliotheken und Error-Handling. Projekte zeigen Automatisierung, Datenauswertung und Einsatz von KI-Tools zum Schreiben, Testen und Refaktorisieren von Code.

  • Variablen, Datentypen, Kontrollstrukturen
  • Schleifen, Funktionen und Module
  • Listen, Dictionaries und Datenauswertung
  • Bibliotheken, Debugging und try/except
  • KI-gestützte Tools und Prompt-Techniken

Programmierkonzepte in der IT- JavaScript und KI

JavaScript verbindet Webprogrammierung mit KI-unterstützter Praxis.
Der Kurs vermittelt Syntax, Datenstrukturen, DOM-Grundlagen, Funktionen und Debugging; Fokus liegt auf interaktiven Webanwendungen und produktivem Einsatz von KI-Tools zur Code-Optimierung. Arbeitsumfeld und Projektstrukturierung mit VS Code werden praktisch eingeübt.

  • Variablen, Arrays, Objekte, Kontrollstrukturen
  • Funktionen, Modularisierung, Wiederverwendbarkeit
  • DOM-Interaktion und Browser-APIs
  • Debugging, Projektstruktur, VS Code
  • KI-gestützte Entwicklung und Prompting

Fachliche Kompetenz nach Abschluss
Teilnehmende setzen Scrum so ein, dass Takt, Sprint-Ziele, transparente Artefakte und ein stabiler Qualitätsmaßstab verlässlich Ergebnisse liefern. In komplexen Umfeldern halten sie Werte, DoD und Selbstverwaltung funktionsfähig. Skalierung gelingt mit gemeinsamen Qualitätsregeln, Integration und realistischen Prognosen. Zusätzlich entwickeln Teilnehmende grundlegende Programmier- und KI-Kompetenzen in Python und JavaScript, um Automatisierung, Datenanalyse und prototypische Lösungen praktisch zu realisieren.

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