Scrum Master PSM 1 & Scrum Kanban & Python & KI verbindet agiles Arbeiten, Kanban-orientierten Fluss sowie Programmiersprachen- und KI-Grundlagen. In Scrum Master Basic (PSM 1), Scrum with Kanban (PSK 1), Python trifft KI und KI Grundlagen steht die Praxisnähe im Vordergrund: Teilnehmende entwickeln Empirie-gestützte Arbeitsweisen, programmatische Fähigkeiten und ein verantwortungsvolles KI-Verständnis.
Praxisbezug und berufliche PerspektivenDie Maßnahme verknüpft Scrum Master PSM 1 & Scrum Kanban & Python & KI mit konkreten Einsatzszenarien: Product Owner- und Team-Interaktion, Release-Planung, Flussoptimierung und Automatisierung mit Python. Einsatzorte sind Produktentwicklung, IT, Data-Teams, Marketing und Prozessinnovation.
Praktische Anwendung
Einsatz in agilen Teams, Integration von KI-Tools für Text- und Datenaufgaben, Prognosen auf Basis von Durchsatz und Wartezeiten.
Berufliche Perspektiven: Scrum Master, Agile Coach, Python Developer, Data-Analyst, KI-Anwenderin.
Scrum Master 1 vermittelt, warum Scrum ein empirisches Rahmenwerk ist und wie Werte, Events und Artefakte täglich wirken. Teilnehmende erlernen, wie Sprint Goal, Sprint Planning, Daily, Review und Retrospektive den Takt setzen und Anpassungen ermöglichen.
- Rollen: Product Owner, Developers, Scrum Master, gemeinsame Verantwortung
- Artefakte: Product Backlog, Sprint Backlog, Inkrement mit Definition of Done
- Events: Timeboxing, Zweck und Ablauf für Ergebnisorientierung
- Empirie: Beobachten, Auswerten, Anpassen zur Qualitätssteigerung
- Coaching: Moderation, Hindernisse entfernen, Team-Effektivität fördern
Ergebnisorientierung
Fähigkeit, Sprint-Ziele zu formulieren, Fortschritt täglich zu steuern und Inkremente nutzbar zu liefern.
Der Kurs zeigt, wie Scrum und Kanban-Prinzipien kombiniert werden, um Fluss, Vorhersagbarkeit und Release-Planung zu verbessern. Teilnehmende lernen, wie sichtbare Arbeit, klare Start-/End-Kriterien und Begrenzung paralleler Arbeit Verzögerungen reduzieren.
- Flussmessungen: Durchsatz, Bearbeitungs- und Wartezeiten
- Prognosen: Bandbreiten statt fixe Zusagen, historische Daten nutzen
- Product Backlog: Ergebnisorientierte Einträge, Priorisierung nach Nutzen
- Grenzen für parallele Arbeit, Losgrößen und Engpässe erkennen (enkpässe)
- Selbstorganisation: Teams entscheiden Zuschnitt und Arbeitsregeln
Steuerung und Anpassung
Praxisfähigkeiten: Messen, interpretieren und gezielt eingreifen, um Vorhersagbarkeit zu erhöhen.
Der Kurs vermittelt Künstliche Intelligenz, Machine Learning, ethische Aspekte und den produktiven Einsatz von KI-Tools. Teilnehmende erlernen Prompt Engineering, Testen von Chatbots sowie kritische Bewertung von Ergebnissen für den beruflichen Alltag.
- Grundkonzepte: Definition, Geschichte, schwache vs. starke KI
- ML & Deep Learning vereinfacht erklärt
- Einsatz: Textgenerierung, Bild- und Sprach-KI, Datenanalyse
- Ethik, Datenschutz, Bias erkennen und adressieren
- Praktische Übungen: Chatbots, Prompt-Optimierung, Integration in Prozesse
Nutzen und Risikoabwägung
Fähigkeit, KI-Tools verantwortungsvoll einzusetzen, Ergebnisse zu interpretieren und Automatisierungspotenziale zu identifizieren.
Der Kurs verbindet Python-Grundlagen mit KI-gestützten Arbeitsmethoden. Teilnehmende planen, schreiben und debuggen eigene Programme, nutzen Bibliotheken und integrieren KI-Tools zur Unterstützung beim Coden.
- Syntax: Variablen, Datentypen, Operatoren
- Kontrollstrukturen: if/elif/else, for, while
- Funktionen, Module, Listen und Dictionaries
- Fehlerbehandlung: try/except, Debugging, saubere Struktur
- Bibliotheken: math, datetime, statistics, json, re; kleine Projekte
Praxisprojekte und Tool-Einsatz
Ergebnis: eigenständige Skripte, modularer Aufbau, KI-gestützte Code-Verbesserung und dokumentierte Miniprojekte.
Die Weiterbildung bereitet auf die Prüfung bei Scrum.org vor, wird aber weder von Scrum.org unterstützt noch ist sie mit Scrum.org ..verbunden.