Scrum Product Owner PSPO 1+2 & Scrum Scaled Scrum + Scrum Kanban & Python verbindet Product Ownership, skaliertes Scrum, Kanban-Prinzipien und Python-Programmierung; als Product Owner Experte (PSPO1 + 2), Scaled Scrum & Kanban (PSK 1 & SPS), Python trifft KI zielt die Maßnahme auf messbaren Wert und praktische Umsetzung.

Praxisbezug und berufliche Perspektiven

Konkrete Anwendungsszenarien und Einsatzgebiete
Die Kombination aus Scrum Product Owner PSPO 1+2 & Scrum Scaled Scrum + Scrum Kanban & Python qualifiziert für Rollen wie Product Owner, Product Manager, Scrum Master, Agile Coach, Data Analyst oder Python Developerin. Die Inhalte lassen sich in Produktstrategie, Backlog-Pflege, Release-Planung, Integration mehrerer Teams, Flussoptimierung und Automatisierung/Datenauswertung einsetzen.

  • Priorisierung nach Wirkung statt Umfang
  • Release-Planung mit Bandbreiten und Annahmen
  • Flussoptimierung, Durchsatz- und Wartezeit-Analyse
  • Einsatz von Python zur Automatisierung und Datenanalyse

Scrum Product Owner 1

Grundlegende Produktverantwortung praxisnah erlernen
Scrum Product Owner 1 vermittelt, wie Produktvision, Ziele und ein transparentes Product Backlog so gestaltet werden, dass das Scrum Team konsequent auf Wirkung arbeitet. Teilnehmende lernen, Backlog-Einträge nutzwertig zu formulieren, Zerlegung vorzunehmen und Vorhersagen als Bandbreiten zu erstellen.

  • Produktvision formulieren und in überprüfbare Ziele übersetzen
  • Product Backlog als einzige Quelle geplanter Vorhaben
  • Nutzenorientierte Eintragsbeschreibung und Zerlegung
  • Wahrscheinlichkeitsbasierte Vorhersagen mit Annahmen
  • Evidence Based Management zur Verknüpfung von Kennzahlen und Entscheidungen

Scrum Product Owner 2

Vertiefung von Wirkung, Stakeholderarbeit und Evidence Based Management
Scrum Product Owner 2 (auch Teil der Product Owner Experte Ausbildung) schärft das Verständnis für Wirkung statt Umfang, stärkt Backlog-Management und den Umgang mit Stakeholdern. Organisationale Hebel und Governance werden betrachtet, sodass Entscheidungen unter Unsicherheit fundiert getroffen werden.

  • Wertbeitrag präzise beschreiben und messen
  • Backlog als Ordnungsprinzip für nächste sinnvolle Schritte
  • Stakeholder- und Kundenkommunikation zur Erwartungsklärung
  • Organisationsstrukturen erkennen und Hebel benennen
  • Evidence Based Management zur Steuerung über Wirkung

Scaled Scrum

Skalierung über mehrere Teams mit gemeinsamer Qualität
Scaled Scrum zeigt, wie mehrere Teams an einem Produkt arbeiten ohne Scrum-Prinzipien zu verwässern. Ein gemeinsamer Qualitätsmaßstab und Integrationszyklen sichern, dass done durchgängige Integration, Sicherheit und Betriebsfähigkeit bedeutet; Prognosen berücksichtigen Teamgrenzen und Integrationsrisiken.

  • Gemeinsamer Qualitätsmaßstab und Definition of Done
  • Zuschnitt von Einträgen zur Minimierung von Abhängigkeiten
  • Integration früh und häufig planen
  • Vorhersagen als Bandbreiten, Annahmen offenlegen
  • Veröffentlichungplanung über Teamgrenzen hinweg

Scrum mit Kanban

Flussorientierung, Vorhersagbarkeit und Selbstorganisation
Scrum mit Kanban verbindet Flussprinzipien mit Scrum-Zyklen, sodass Arbeit sichtbarer und berechenbarer wird. Teams definieren Regeln für Beginn, Fortschritt und Abschluss, messen Durchsatz, Bearbeitungs- und Wartezeiten und leiten daraus Maßnahmen zur Engpassbeseitigung ab. Prognosen basieren auf Beobachtung und historischen Daten.

  • Sichtbarmachung des Workflows und klare Regeln
  • Flussmessungen: Durchsatz, Durchlauf- und Wartezeiten
  • Losgrößensteuerung und Begrenzung paralleler Arbeit
  • Prognosen als Bandbreiten, regelmäßiger Abgleich mit Realität
  • Teams steuern sich selbst und passen Absprachen im Alltag an

KI und IT- Programmieren für die Zukunft: Python

Praxisnahe Python-Grundlagen mit KI-gestützten Methoden
Der Python-Kurs vermittelt Variablen, Datentypen, Kontrollstrukturen, Schleifen, Funktionen, Listen und Dictionaries sowie den Umgang mit Bibliotheken (math, datetime, statistics, json, re). Fehlerbehandlung mit try/except, Debugging, Modularisierung und der Einsatz von KI-Tools sowie Prompt Engineering zur Unterstützung beim Coden werden praktisch geübt.

  • Grundlagen: Variablen, Datentypen, Operatoren
  • Kontrollstrukturen, Schleifen und Funktionen
  • Datenstrukturen: Listen, Dictionaries
  • Bibliotheken nutzen, Fehlerbehandlung und Debugging
  • KI-gestützte Tools, Prompt Engineering und kleine Projekte

Fachliche Kompetenzen und Transfer
Ergebnisorientiertes Produktmanagement und technische Basis verbinden
Nach Abschluss setzen Teilnehmende Product Vision, Backlog-Pflege, Vorhersagen mit Bandbreiten und Evidence Based Management in ein stimmiges Arbeitsmodell um. Sie schaffen Transparenz über Annahmen, kommunizieren Prognosen als Bandbreiten und leiten Prioritäten aus Wirkung ab. Ergänzt durch Python-Kenntnisse nutzen sie Automatisierung, Datenauswertung und KI-Unterstützung, um Entscheidungen datenbasiert zu treffen und kontinuierlich zu lernen.

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