KI-Anwendungen im Projekt­management

Passt der Kurs zu dir?

1. 1
   Motivation und Lernbereitschaft
2. 2
   Zuverlässigkeit im jeweiligen Arbeitsfeld
3. 3
   Konkrete Zulassung des gewählten Weges prüfen

Das lernst du

1. 1
   KI für Projektmanager:innen und Automatisierungsexpert:innen
2. 2
   Zielsetzung des Kurses
3. 3
   Die Weiterbildungsmaßnahme vermittelt Kenntnisse zur Anwendung von Künstlicher Intelligenz (KI) im Projektmanagement und zur Nutzung von KI-gestützten Automatisierungslösungen. Der Fokus liegt auf der praktischen Implementierung von KI-Tools und -Methoden zur Optimierung von Projektabläufen und zur Steigerung der Effizienz. Es werden sowohl die technologischen Grundlagen als auch die ethischen und rechtlichen Aspekte im Umgang mit KI behandelt.
4. 4
   Inhalte
5. 5
   Die Weiterbildung gliedert sich in mehrere Module. Im Bereich "KI für Projektmanager:innen" werden Grundlagen der Künstlichen Intelligenz, spezifische KI-Anwendungen im Projektmanagement sowie der Einsatz von Foundation Models und Open-Source-KI-Tools vermittelt. Themen wie die Implementierung von KI-Projekten, ethische und datenschutzrechtliche Rahmenbedingungen sowie die Evaluation von KI-Lösungen sind ebenfalls enthalten. Ergänzend werden Soft Skills für KI-Projekte, wie Kommunikation, Führung und Veränderungsmanagement, behandelt. Ein Exkurs zum Projektmanagement und zur Arbeit mit ChatGPT sowie zu rechtlichen Rahmenbedingungen für KI-Nutzung runden dieses Modul ab.
6. 6
   Das Modul "KI und Automatisierung" behandelt die Einführung in KI und Automatisierung, die Geschichte und Entwicklung der KI sowie grundlegende Begriffe und Schlüsseltechnologien. Der Umgang mit Automatisierungsprojekten, Datenmanagement und die Dokumentation von Workflows stehen im Mittelpunkt. Die Implementierung von KI-Lösungen in der Praxis, Exkurse zu Large Language Models (LLMs) und KI in der Prozessautomatisierung werden ebenso thematisiert wie Fallstudien und Zukunftstrends.
7. 7
   Das Modul "ISO 27001 Lead Auditor" vermittelt Kenntnisse über Informationssicherheits­managementsysteme (ISMS) und die Norm ISO/IEC 27001. Inhalte umfassen Grundprinzipien der Informationssicherheit, Auditprinzipien, Vorbereitung, Durchführung und den Abschluss von Audits. Die Managementbewertung, interne Audits, Verbesserungspotenziale sowie Rollen und Verantwortlichkeiten im Auditprozess werden behandelt. Die Vorbereitung auf die Zertifizierung und Praxisübungen sind ebenfalls Teil des Moduls.
8. 8

   KI für Projektmanager:innen

   Einführung in Künstliche Intelligenz (KI)
   KI-Anwendungen im Projektmanagement
   Foundation Models und OpenSource KI-Tools
   KI im Projektalltag
   Implementierung von KI-Projekten
   Ethik, Datenschutz und rechtliche Rahmenbedingungen
   Evaluation von KI-Lösungen
   Soft Skills für KI-Projekte: Kommunikation und Führung
   Soft Skills für KI-Projekte: Veränderungsmanagement
   Exkurs: Projektmanagement
   Zusatzthema: Arbeiten mit ChatGPT
   Rechtliche Rahmenbedingungen für die Verwendung von KI

9. 9

   KI und Automatisierung

   Einführung in KI und Automatisierung
   Geschichte und Entwicklung der KI
   Das Automatisierungsprojekt
   Grundbegriffe und Schlüsseltechnologien
   Make.com Foundations
   Automation Basics: Datenmanagement
   Workflows dokumentieren, Fehler beheben und Reports automatisieren
   Exkurs: Daten als Grundlage von KI-Systemen
   Implementierung von KI-Lösungen in der Praxis
   Exkurs: Large Language Models (LLMs)
   KI in der Prozessautomatisierung
   Fallstudien und Best Practices
   Zukunftstrends und Innovationen in KI und Automatisierung

10. 10

    ISO 27001 Lead Auditor

    Einführung in das Informationssicherheits­managementsystem (ISMS) und die ISO/IEC 27001
    Grundprinzipien der Informationssicherheit
    Auditprinzipien, Vorbereitung und Veranlassen eines Audits
    Anforderungen der ISO/IEC 27001
    Vor-Ort Audittätigkeiten
    Abschließen des Audits
    Grundlagen des Auditierens
    Auditplanung und -vorbereitung
    Durchführung von Audits
    Audit-Bericht und Nachverfolgung
    Managementbewertung und interne Audits
    Verbesserungspotentiale und kontinuierliche Verbesserung
    Rollen und Verantwortlichkeiten im Audit-Prozess
    Kommunikation und Berichterstattung
    Schlussfolgerungen aus Audits und Maßnahmenpläne
    Vorbereitung auf die Zertifizierung
    Praxisübung und Fallstudien
    Lernziele

11. 11

    Nach Abschluss der Weiterbildung sind die Teilnehmenden in der Lage

    KI-Konzepte und deren Anwendungspotenziale im Projektmanagement zu analysieren.
    KI-gestützte Werkzeuge zur Optimierung von Projektprozessen einzusetzen.
    Automatisierungslösungen zur Effizienzsteigerung in Arbeitsabläufen zu entwickeln und zu implementieren.
    Die Grundlagen der Informationssicherheit gemäß ISO 27001 zu verstehen und anzuwenden.
    Audits im Bereich Informationssicherheit nach ISO 27001 vorzubereiten, durchzuführen und abzuschließen.
    Ethische und rechtliche Aspekte im Umgang mit KI zu berücksichtigen.
    Berufsperspektiven
    Die erworbenen Kompetenzen qualifizieren für Tätigkeiten im Projektmanagement, IT-Management und in der IT-Service-Management. Die Kenntnisse im Bereich KI und Automatisierung sind relevant für Rollen, die sich mit der Digitalisierung von Geschäftsprozessen und der Implementierung neuer Technologien befassen. Die Qualifikation als ISO 27001 Lead Auditor eröffnet Möglichkeiten im Bereich der Informationssicherheitsaudits und -beratung.

1. 1

   Berlin

   21.12.2026 · Blended Learning · Vollzeit · 1–3 Monate · 5.000–10.000 €

2. 2

   Berlin

   21.12.2026 · Blended Learning · Teilzeit · 3–6 Monate · 5.000–10.000 €

3. 3

   Bielefeld

   21.12.2026 · Blended Learning · Teilzeit · 3–6 Monate · 5.000–10.000 €

4. 4

   Bremen

   21.12.2026 · Blended Learning · Teilzeit · 3–6 Monate · 5.000–10.000 €

Förderwege

Wer deinen Kurs zahlt

Brutto im Monat

Mitte und Viertel bundesweit

3 Schritte vom Kurs in den Beruf

1. 1

   KI auf echte Arbeitsaufgaben anwenden

   Deine Branchenkenntnis bleibt wertvoll, wenn du einen Prozess mit KI unterstützt und das Ergebnis prüfst. Gute Praxis beschreibt Ausgangslage, Daten, menschliche Kontrolle und eine überprüfbare Verbesserung, ohne Automatisierung pauschal zu versprechen. Beispiel: Bearbeite einen kleinen Prozess aus deinem bisherigen Beruf und vergleiche Zeitbedarf und Qualität vorher und nachher.

2. 2

   Fachwissen mit neuen Werkzeugen verbinden

   Branchenkenntnis, Kommunikation und Qualitätskontrolle bleiben wichtig. Gerade im Quereinstieg ergänzt du vorhandene Erfahrung durch ein Projekt mit Quellenprüfung, Versionierung, Freigabe und dokumentierten Grenzen. Beispiel: Ein Bewerbungsbeispiel beschreibt Aufgabe, verwendete Werkzeuge, Prüfung der Ergebnisse und Grenzen des Ansatzes.

3. 3

   Verantwortung schrittweise aufbauen

   Projektkoordination, Schulung und Prozessgestaltung verlangen mehr als Toolbedienung. Achte auf Inhalte zu Use-Case-Auswahl, Datenqualität, Prüfung, Dokumentation und Zusammenarbeit. Vergleiche die Kursaufgaben mit den Zielstellen, die du erreichen möchtest. Beispiel: Vergleiche einen Grundlagenkurs mit einem Projektkurs und entscheide nach deinem aktuellen Kenntnisstand.

Themen

Arbeitsmarkt

KI & Machine Learning bundesweit in Zahlen