Scrum Master PSM 1 & Scrum Agile Leadership + Scrum Kanban + Scaled Scrum & Python, JavaScript & KI kombiniert Scrum-Fähigkeiten mit Führungskompetenz, KanbanFlow, Skalierung und praxisnahem Einsatz von KI in Python und JavaScript. Die Maßnahme vermittelt empirische Arbeit, technische Skills und anwendbare Methoden zur Produktlieferung.

Praxisbezug und berufliche Perspektiven

Konkrete Anwendungsszenarien und Einsatzgebiete
Die Weiterbildung "Scrum Master PSM 1 & Scrum Agile Leadership + Scrum Kanban + Scaled Scrum & Python, JavaScript & KI" (auch bekannt als Scrum Master Basic (PSM 1), Scrum Agile Leadership & Kanban & Scaled Scrum (PAL 1 & PSK 1 & SPS), KI in Action Python & JavaScript, KI Grundlagen) verbindet Teamcoaching, Releaseplanung und Programmierpraxis. Anwender setzen Scrum im Takt (Sprint), nutzen KanbanMetriken für Vorhersagen und wenden KI-Tools zur Automatisierung und Datenanalyse an. Berufsfelder: Scrum Master, Agile Coach, Product Owner, Entwickler, Data Analyst.

Scrum Master 1

Einstieg in Scrum, Rollen und Events
Scrum Master 1 vermittelt Scrum als empirisches Rahmenwerk: Sprint, Sprint Goal, Daily, Review, Retroperspektive und Artefakte werden praktisch eingeübt. Der Fokus liegt auf Transparenz, Inspect & Adapt und der Definition of Done, damit am Sprintende ein nutzbares Inkrement steht. Teilnehmende lernen, wie der Scrum Master Hindernisse entfernt und TeamEmpirie fördert.

  • ScrumPrinzipien, Werte und empirische Steuerung
  • Rollen: Product Owner, Developers, Scrum Master
  • Events: Sprint Planning, Daily, Review, Retrospektive
  • Artefakte und Commitments (Product Goal, Sprint Goal, DoD)
  • Coaching, Moderation und Hindernismanagement

Anwendung: Priorisierung nach Wert, Kontrolle des Fortschritts und Förderung selbstverwalteter Teams.

Scaled Scrum

Skalierung über mehrere Teams hinweg
Scaled Scrum zeigt, wie mehrere Teams an einem Produkt arbeiten, ohne Scrum zu verwässern. Ein gemeinsamer Qualitätsmaßstab, regelmäßige Integration und sichtbare Abhängigkeiten sorgen für verlässliche Lieferfähigkeit. Vorhersagen werden als Bandbreiten kommuniziert, Releasepläne an beobachtete Ergebnisse angepasst und Risiken transparent gemacht.

  • Gemeinsamer Qualitätsmaßstab und Integrationsgrundsätze
  • Schnittstellen, Abhängigkeiten und Reduktion von Blockern
  • Planung über Teamgrenzen: Prognosen als Bandbreiten
  • Integrationszyklen, Releaseplanung und Risikomanagement
  • Maßnahmen zur Erhöhung der Vorhersagbarkeit

Ergebnis: ein Arbeitsmodell, das Skalierung als geordnetes Zusammenwirken ermöglicht und verlässliche Lieferungen fördert.

Scrum Agile Leadership

Führung zur Ermöglichung von Selbstverwaltung
Der Kurs vertieft situative Führung, die Rahmenbedingungen für Selbstorganisation schafft. Führung wird als Kontextgestaltung verstanden: Ziele klären, Entscheidungsräume definieren, Kompetenzen fördern und Hindernisse beseitigen. Organisationale Bremsen wie Reporting, Budget und Übergaben werden analysiert und adressiert.

  • Führung als Kontextgestaltung statt Detailsteuerung
  • Schaffen klarer Entscheidungsräume und Transparenz
  • Erkennen struktureller Ursachen für Verzögerungen
  • Methoden zur Entwicklung von Kompetenzen und Vertrauen
  • Balance zwischen Orientierung und Loslassen

Outcome: Führungskräfte unterstützen Teams, damit Wert zuverlässig entsteht und Entscheidungen überprüfbar bleiben.

Scrum mit Kanban

Flussorientierung in ScrumTeams
Scrum mit Kanban verbindet Timeboxed Sprints mit FlowMetriken: Durchsatz, Durchlaufzeit (Lead Time) und WIP gelten als Steuergrößen. Das Product Backlog wird so geschnitten, dass Arbeit unabhängig und integrierbar bleibt. Prognosen beruhen auf historischen Daten, Losgrößen werden angepasst, Engpässe sichtbar gemacht und behoben.

  • Sichtbarmachung von Arbeit, WIPLimits und Flussregeln
  • Messgrößen: Durchsatz, Durchlaufzeit, Wartezeiten
  • BacklogSlicing zur Reduktion von Abhängigkeiten
  • Prognosen als Bandbreiten basierend auf Daten
  • Maßnahmen bei Engpässen und zur Losgrößensteuerung

Praxis: Teams erreichen höhere Vorhersagbarkeit und verringerte Verzögerungen durch kontineous Beobachtung und Anpassung (contineous).

KI Grundlagen und praktische Anwendungen

Konzepte, Tools und ethische Aspekte
Der Kurs vermittelt Grundkonzepte der Künstlichen Intelligenz, Machine Learning und Deep Learning sowie Anwendungsfelder für Text, Bild und Datenanalyse. Teilnehmende erlernen Prompt Engineering, den Einsatz von KITools zur Automatisierung und die kritische Bewertung von Ergebnissen unter Berücksichtigung von Datenschutz und Bias.

  • Definitionen, Geschichte und Anwendungsfelder der KI
  • Maschinelles Lernen, Deep Learning und Unterschiede schwach/stark
  • Prompt Engineering und Text/BildKIExperimente
  • Datenschutz, Ethik und Bias in KISystemen
  • Integration von KI in Arbeitsprozesse und Risikoabschätzung

Ergebnis: handhabbare KIKompetenz zur Effizienzsteigerung und reflektierten Nutzung im Unternehmen.

KI und IT- Programmieren für die Zukunft: Python

Python für Automatisierung, Analyse und KIUnterstützung
Der PythonKurs bietet praxisorientierte Grundlagen: Variablen, Datentypen, Kontrollstrukturen, Funktionen und Datenstrukturen. Teilnehmende entwickeln kleine Projekte, nutzen Bibliotheken und lernen Debugging sowie den produktiven Einsatz von KITools zum Schreiben und Refaktorieren von Code.

  • Datentypen, Kontrollstrukturen und Schleifen
  • Funktionen, Modularisierung und Fehlerbehandlung (try/except)
  • Listen, Dictionaries und Datenverarbeitung
  • Bibliotheken: math, datetime, json, re und Statistik
  • KITools beim Coden, Tests und Prompt Engineering

Fachkompetenz: eigenständige Skripte, modulare Projekte und KIgestützte Entwicklungsarbeit.

Programmierkonzepte in der IT- JavaScript und KI

JavaScript für dynamische Webanwendungen und KIAssistenz
Der JavaScriptKurs vermittelt Variablen, Kontrollstrukturen, Funktionen, Arrays und Objekte sowie DOMInteraktion und Debugging. Der Fokus liegt auf saubrer Projektstruktur, Einsätzen von KIWerkzeugen zur Codeverbesserung und auf Best Practices für moderne FrontendEntwicklung.

  • Datentypen, Bedingungen, Schleifen und Funktionen
  • Arrays, Objekte und Datenmodellierung
  • DOMGrundlagen und BrowserInteraktion
  • Debugging, Visual Studio Code und Projektstruktur
  • KIUnterstützung beim Testen, Schreiben und Optimieren von Code

Outcome: solide FrontendGrundlagen, automatisierbare Workflows und KIgestützte Effizienz in Entwicklungsprojekten.

Schlüsselbegriffe: Scrum, Sprint Goal, Product Backlog, Definition of Done, Empirie, Integration, Qualitätsmaßstab, Durchsatz, Lead Time, WIP, Prompt Engineering, KI, Machine Learning, Deep Learning, Datenschutz, Bias, Debugging, Python, JavaScript, Skalierung, Selbstverwaltung, Führung, prognosen, integrierung.

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