Lehrgangsziel:

In dieser Weiterbildung lernst du, digitale Produktentwicklung in Unternehmen so zu verstehen und zu steuern, dass Entscheidungen, Architektur, Daten, Schnittstellen, KI und Automatisierung zusammenpassen. Du lernst, typische Ursachen für Verzögerungen und Fehlentwicklungen zu erkennen (z. B. unklare Anforderungen, schwache Datenbasis, instabile Integrationen, große Releases ohne Absicherung, fehlende Tests oder unklare Verantwortlichkeiten). Du lernst, die "Blackbox IT" zu öffnen, ohne selbst programmieren zu müssen, und mit Entwicklung, Fachbereich und Management eine gemeinsame Sprache zu finden.

Du lernst, Optionen wie Build, Buy oder Low-Code nachvollziehbar abzuwägen und die Auswirkungen auf Sicherheit, Datenschutz, Betrieb und Änderbarkeit zu erläutern. In einem Praxisprojekt wendest du das Vorgehen auf einen realitätsnahen Anwendungsfall an und übst, Entscheidungen und Ergebnisse so zu präsentieren, dass sie für unterschiedliche Stakeholder verständlich sind.

Rolle, Mindset und Grundlagen digitaler Produktentwicklung
  • Du lernst, wie digitalisierte Unternehmen funktionieren, welche Rolle Software, Daten und KI in Geschäftsmodellen spielen und warum IT längst kein Unterstützungsbereich mehr ist, sondern Teil des Kerngeschäfts.
  • Du lernst, was genau mit Begriffen wie Digitalisierung, Automatisierung, KI, Architektur, Schnittstelle, System, Plattform, Low Code gemeint ist. Ziel ist nicht, Definitionen auswendig zu kennen, sondern in Meetings nicht mehr innerlich auszusteigen.
  • Du verstehst deine mögliche Rolle in diesem Spiel. Zum Beispiel als Product Owner, Projektleiter oder Prozessverantwortlicher. Du erkennst, dass du nicht "der Technik sagst, was sie programmieren soll", sondern dass du Probleme klärst.
  • Du lernst, in Wertströmen zu denken. Das heißt, du schaust auf den gesamten Weg vom Kundenbedürfnis bis zur Lieferung der Lösung, statt nur auf einzelne Aufgaben oder Tools.

Kunden, Nutzer und Mitarbeiter verstehen
  • Du lernst, wie Kunden, Nutzer und Mitarbeiter Entscheidungen treffen und warum sie sich oft anders verhalten, als sie es in Workshops sagen. Du lernst typische Muster: Abkürzungen im Kopf, Gewohnheiten, Angst vor Veränderung, Bequemlichkeit, Silodenken.
  • Du lernst, einfache Kunden und Mitarbeiterreisen aufzunehmen. Du kannst beschreiben, was jemand erlebt, bevor er einen Prozess startet, während er ihn durchläuft und danach.
  • Du lernst, Gespräche so zu führen, dass nicht nur über Funktionen und Features gesprochen wird, sondern über Ärger, Risiken, Ängste und heimliche Workarounds.

Software, Daten und Schnittstellen verstehen
  • Du lernst, wie Software und Daten grob aufgebaut sind. Was ist eine Datenbank, was ist ein Datenmodell, was ist eine Tabelle, was ein Feld. Du verstehst, warum schlechte Datenmodelle später jede Automatisierung ausbremsen.
  • Du lernst, was ein System ist und wie Systeme über Schnittstellen miteinander sprechen. Du verstehst Begriffe wie API, Batch, Echtzeit, Event, ohne in Protokolle oder Code zu gehen. Du erkennst typische Stolpersteine, zum Beispiel doppelte Datenhaltung, etc.
  • Du lernst, den Unterschied zwischen einem "Monolithen" und verteilter Architektur zu verstehen, ohne in Technologiekriege einzusteigen. Du erkennst, wann ein modularer Monolith sinnvoll ist und wann Microservices Vorteile bringen.
  • Du lernst, wie ein Request durch ein System wandert. Vom Klick eines Nutzers, über Frontend, Backend, Datenbank bis zur Antwort. Damit kannst du in Störungen und Architektur Diskussionen gezieltere Fragen stellen.

Software Design und Architekturen für digitale Produkte
  • Du lernst die wesentlichen Architekturprinzipien kennen, jedoch in Alltagssprache. Zum Beispiel: Trennung von Verantwortlichkeiten, Entkopplung, hohe Kohäsion, geringe Kopplung.
  • Du lernst, wie verschiedene Architekturstile funktionieren. Schichtenarchitektur, modulare Monolithen, Microservices, Ereignis orientierte Architekturen. Du ordnest zu, wann welcher Stil zu typischen Problemen passt.
  • Du lernst, was Clean Architecture in der Praxis bedeutet. Nicht als Dogma, sondern als Denkmodell: Fachlogik im Zentrum, technische Details am Rand. Du erkennst, warum es sinnvoll ist, die Fachsprache im Code und in Modellen konsequent zu halten.
  • Du lernst, wie Modulzuschnitte und Teamzuschnitte zusammenhängen. Du verstehst das Prinzip "Conways Law" und kannst erklären, warum eine Organisation mit Silos fast automatisch zu einer zersplitterten Systemlandschaft führt.
  • Du lernst, typische Architekturschäden zu erkennen. Architektur Wildwuchs, Kopplung über Datenbanken, point to point Schnittstellen, fehlende Domänengrenzen. Du gehst nicht mit Diagramm Details hausieren, sondern beschreibst die Folgen für das Geschäft.
  • Du lernst, welche Rolle Dokumentation spielt. Nicht als 200 Seiten PDF, die keiner liest, sondern als zielgerichtete Darstellung: Kontexte, Domänen, Abhängigkeiten, kritische Pfade, technische Schulden.
  • Du lernst, wie Low Code und Standardsoftware in eine Gesamtarchitektur eingebettet werden, ohne Insellösungen zu erzeugen.

KI, AI und Automatisierung in der digitalen Produktentwicklung
  • Du lernst, was KI fachlich bedeutet. Unterschied zwischen klassischer Programmierung, Machine Learning und Deep Learning. Du verstehst, was prädiktive KI und was generative KI ist und wie beides zusammenwirkt.
  • Du lernst, welche Arten von Problemen sich für KI eignen und welche nicht. Du erkennst Muster wie: viele gleichartige Entscheidungen, große Datenmengen, komplexe Mustererkennung. Und du erkennst Fälle, in denen KI eher schadet.
  • Du lernst, realistische Einsatzfelder von KI in Marketing, Vertrieb, Service, Produktion und Verwaltung kennen. Nicht als bunte Sammlung, sondern aus der Sicht "welches Problem wird hier besser gelöst".
  • Du lernst, wie Automatisierung mit KI zusammenspielt. Du erkennst, wo klassische Workflow Automatisierung, Regeln oder Low Code völlig ausreichen und wo KI Bausteine eingebettet werden können.
  • Du lernst, wie Daten für KI Projekte vorbereitet werden müssen. Du sprichst nicht über konkrete Tools, aber über Datengüte, Labeling, Verzerrungen, Repräsentativität.
  • Du lernst die wichtigsten organisatorischen und rechtlichen Rahmenbedingungen kennen, etwa den AI Act, Datenschutzfragen, Verantwortung bei automatisierten Entscheidungen und die Frage, wie Transparenz in KI gestützten Prozessen hergestellt werden kann.
  • Du lernst, wie du KI Vorhaben strukturierst. Von der Problemdefinition, über Hypothesen, erste Experimente, Pilotbetrieb, Integration in Prozesse, bis zur Skalierung.

Delivery, DevOps, Organisation und Change im Architektur und KI Kontext
  • Du lernst die Grundprinzipien von agilem Arbeiten und DevOps aus Sicht der digitalen Produktentwicklung. Du verstehst, warum kurze Feedbackzyklen, automatisierte Tests, kontinuierliche Integration und Lieferung nicht "nice to have" sind.
  • Du lernst, wie ein Wertstrom von Idee bis laufender Lösung aussieht und wo typischerweise Engpässe entstehen. Du erkennst, warum Übergaben zwischen Fachbereich, Entwicklung, Test, Betrieb immer wieder zu Verzögerungen führen können.
  • Du lernst, wie Organisation und Architektur zusammenhängen. Du erkennst, warum Teamzuschnitte an Domänen, Produkte oder Services gekoppelt sein sollten und warum Projektorganisation nach Abteilungen fast automatisch zu Flickenteppich Architekturen führt.
  • Du lernst, welche Metriken für dich als nicht technischer Verantwortlicher hilfreich sind. Nicht Story Points oder technische Kennzahlen, sondern Durchlaufzeiten, Fehlerraten, Release Frequenz, Stabilität, Wiederherstellungszeit.
  • Du lernst, wie du mit externen Dienstleistern arbeitest, ohne dich komplett auszuliefern. Du erkennst typische Probleme in Ausschreibun…