Scrum Master PSM 1 & Scrum Scaled Scrum + Scrum Kanban & Python & KI verbindet klassische und skalierte Scrum-Kompetenzen mit Kanban-Prinzipien sowie Python- und KI-Grundlagen; in Scrum Master Basic (PSM 1), Scaled Scrum & Kanban (PSK 1 & SPS), Python trifft KI und KI Grundlagen steht die anwendungsorientierte Umsetzung von Empirie, Flusssteuerung und programmatischer Automatisierung im Fokus.

Praxisbezug und berufliche Perspektiven

Die Maßnahme bereitet auf operative und koordinierende Rollen vor, von Scrum Master und Teamlead bis zu Product Ownern, Agile Coaches und technischen Anwenderinnen, die Python und KI praktisch nutzen.
Typische Einsatzfelder sind Produktentwicklung, Release-Planung, Prozessautomatisierung und Data-Analytics-Projekte.
Teilnehmende lernen, Empirie, Vorhersagen (Bandbreiten) und ethische KI-Aspekte in reale Arbeitsabläufe zu überführen.

Scrum Master 1

Scrum Master 1 erklärt, wie Scrum als empirisches Rahmenwerk tägliche Arbeit strukturiert und wie der Scrum Master Team-Effektivität fördert.
Es wird gezeigt, wie Sprint Planning, Daily, Review und Retrospektive zusammenwirken, wie Sprint Goal entsteht und wie Artefakte (Product Backlog, Sprint Backlog, Inkrement) Transparenz schaffen.
Lerninhalte und Kompetenzen:

  • Empirie im Alltag anwenden: Beobachtung, Auswertung, Anpassung
  • Rollenverständnis: Product Owner, Developers, Scrum Master klar abgrenzen
  • Sprint-Orientierung, Sprint Goal formulieren und verteidigen
  • Definition of Done (Defintion of Done) und Qualitätssicherung
  • Coaching, Moderation und Hindernisbeseitigung

Am Ende können Teilnehmende Fortschritt gegen Ziele steuern, nutzbare Inkremente liefern und Verbesserungen systematisch anstoßen.

Scaled Scrum

Scaled Scrum vermittelt, wie mehrere Teams an einem Produkt zusammenarbeiten, ohne Scrum-Prinzipien zu verwässern, und wie ein gemeinsamer Qualitätsmaßstab entsteht.
Fokus liegt auf Integration, Fixierung von Done-Kriterien, Sichtbarmachung von Abhängigkeiten und auf Vorhersagen als Bandbreiten basierend auf historischer Lieferfähigkeit.
Lerninhalte und Kompetenzen:

  • Einrichten gemeinsamer Qualitätsstandards für funktionale und nicht-funktionale Anforderungen
  • Schnittstellen, Abhängigkeiten sichtbar machen und reduzieren
  • Release-Planung und Prognosen mit Bandbreiten und Annahmen
  • Integration als tägliche Aufgabe, nicht als seltenes Event
  • Organisationsentscheidungen, die Skalierung erleichtern

Teilnehmende setzen ein Arbeitsmodell auf, das Transparenz schafft, verlässliche Lieferungen fördert und Erwartungen gegenüber Stakeholdern begründet.

Scrum mit Kanban

Scrum mit Kanban zeigt, wie Flussprinzipien in Scrum-Teams Vorhersagbarkeit und Durchsatz verbessern und wie Teams Arbeit sichtbar machen und Begrenzungen nutzen.
Es wird erläutert, wie Product Backlog als geordnete, wertorientierte Liste funktioniert, wie Messgrößen Durchsatz, Lead- und Cycle-Time genutzt werden und wie Losgrößen angepasst werden.
Lerninhalte und Kompetenzen:

  • Sichtbarmachung von Arbeit, Regeln für Beginn, Fortschritt und Abschluss
  • Flussmessungen: Durchsatz, Wartezeiten, Engpassanalyse
  • Prognosen aus historischen Daten ableiten und regelmäßig validieren
  • Grenzen paralleler Arbeit und Anpassung von Losgrößen
  • Selbstorganisation und Verabredungen im Alltag

Absolventinnen gestalten ein Arbeitssystem, das Verzögerungen reduziert, Vorhersagbarkeit erhöht und Produktentscheidungen auf beobachtbaren Ergebnissen basiert.

KI Grundlagen und praktische Anwendungen

Der Kurs vermittelt Grundkonzepte der Künstlichen Intelligenz, Einsatzfelder, ethische Aspekte, Prompt Engineering und den praktischen Umgang mit Text-, Bild- und Analyse-KI.
Teilnehmende probieren Chatbots und Bild-KI, lernen Automatisierungsmöglichkeiten kennen und üben, Prompts effektiv zu formulieren und Resultate kritisch zu interpretieren.
Lerninhalte und Kompetenzen:

  • Definition, Geschichte und Einsatzfelder von KI
  • Maschinelles Lernen und Deep Learning verständlich erklärt
  • Prompt Engineering und praktische Tests mit KI-Tools
  • Datenschutz, Bias und ethische Reflexion
  • Integration von KI in Arbeitsprozesse zur Effizienzsteigerung

Nach Abschluss können Teilnehmende KI-Tools zur Textgenerierung und Datenanalyse einsetzen, Ergebnisse bewerten und Chancen sowie Risiken im Unternehmen einschätzen.

KI und IT- Programmieren für die Zukunft: Python

Python trifft KI verbindet Programmiergrundlagen mit KI-gestützten Entwicklungspraktiken, vom Variablenverständnis bis zu modularer Projektstruktur und Debugging.
Ziel ist, kleine, wartbare Programme zu planen, zu schreiben und KI-Tools beim Coden, Testen und Refaktorieren produktiv zu nutzen; Prompt-Techniken für die Programmierhilfe sind integriert.
Lerninhalte und Kompetenzen:

  • Datentypen, Kontrollstrukturen, Funktionen und Module
  • Listen, Dictionaries und datenorientierte Verarbeitung
  • Bibliotheken nutzen: json, datetime, math, statistics, re
  • Fehlerbehandlung mit try/except und Debugging-Methoden
  • Praxisprojekte: Quiz, Mini-Rechner, Datenauswertung mit KI-Unterstützung

Absolventinnen entwickeln saubere Skripte, nutzen KI zur Code-Verbesserung und schaffen Grundlagen für Data Science, Automatisierung und weiterführende ML-Themen.

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