KI-Coaching: Candidate-Listening, Candidate-Personas, Funnel-Audits

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
   Zielsetzung
2. 2
   Diese Weiterbildungsmaßnahme richtet sich an alle Interessierten, die ihre beruflichen Kenntnisse erweitern möchten. Die Praxisbeispiele und Übungsaufgaben sind so gewählt, dass sie besonders gut auf den Berufsalltag von Talent-Acquisition-Profile übertragbar sind; die Teilnahme steht ausdrücklich allen offen, unabhängig von der aktuellen beruflichen Tätigkeit. Vermittelt werden Methoden, Werkzeuge und Inhalte, die in unterschiedlichen Tätigkeitsfeldern eingesetzt werden können.
3. 3
   Praxisbezug für Talent-Acquisition-Profile
4. 4

   Die folgenden typischen Aufgaben aus dem Berufsalltag von Talent-Acquisition-Profile dienen als Beispiele in den Übungen; sie können in der Veranstaltung auf andere Tätigkeitsfelder übertragen werden

   Sourcing-Strings
   Talent-Pool-Pflege
   Hiring-Briefings
   Employer-Branding
   Candidate-Personas
   Inhalte der Weiterbildung
   KI-gestützte Datenanalyse
   Grundlagen des maschinellen Lernens, überwachtes und unüberwachtes Lernen
   Datenaufbereitung, Datenbereinigung und Feature Engineering
   KI-Code-Beschleuniger und Automatisierung mit GitHub Copilot
   Aufbau von KI-Analyse-Pipelines vom Rohdatum zur Business-Strategie
   Deep Learning in der Datenanalyse
   Modellbewertung, Performance-Metriken und Interpretierbarkeit von KI-Modellen
   Ethik und Datenschutz in der KI-gestützten Datenanalyse
   Einsatz von KI-gestützten Analysetools und Softwarelösungen
   Erstellung eines eigenen KI-Motors mit lokalen KI-Tools wie Knime
   Durchführung eines Praxisprojekts zur Umsetzung einer KI-gestützten Datenanalyse
   Scrum Product Owner:in (PSPO I)
   Grundlagen der agilen Welt und Scrum-Prinzipien
   Die Rolle des Product Owners und des Scrum Masters
   Definition von Product Value, Produktvision und Produktstrategie
   Management von Stakeholdern und Integration von Kundenfeedback
   Erstellung und Management des Product Backlogs
   Release- und Sprint-Planung
   Agile Schätzmethoden und Fortschrittsüberwachung
   Umgang mit Komplexität und Unsicherheit
   Skalierung von Scrum
   Exkurs in die generative Künstliche Intelligenz
   Prüfungsvorbereitung für den Scrum Product Owner 1 (PSPO I) der Scrum.org
   Lernziele
   Anwendung von KI-Methoden zur Analyse und Interpretation von Daten.
   Aufbau und Implementierung von KI-gestützten Analyse-Pipelines.
   Automatisierung von Datenanalyseprozessen mittels KI-Tools.
   Verständnis und Anwendung der Scrum-Frameworks für agile Produktentwicklung.
   Effektive Ausübung der Rolle des Scrum Product Owners, einschließlich Backlog-Management und Sprint-Planung.
   Vorbereitung auf die Prüfung zum Scrum Product Owner 1 (PSPO I).
   Berufsperspektiven
   Die erworbenen Kompetenzen qualifizieren für Tätigkeiten in den Bereichen Datenanalyse, KI-Management, Projektleitung und agiles Produktmanagement. Absolventen sind befähigt, datengesteuerte Entscheidungen zu treffen, KI-Projekte zu konzipieren und umzusetzen sowie agile Entwicklungsprozesse in Unternehmen zu gestalten. Insbesondere die Kombination aus KI-Expertise und Scrum-Kenntnissen eröffnet vielfältige Einsatzmöglichkeiten in technologieorientierten Branchen.

1. 1

   Berlin

   26.10.2026 · Blended Learning · Vollzeit · 1–3 Monate · 1.000–5.000 €

2. 2

   Bielefeld

   26.10.2026 · Blended Learning · Vollzeit · 1–3 Monate · 1.000–5.000 €

3. 3

   Bielefeld

   26.10.2026 · Blended Learning · Teilzeit · 3–6 Monate · 1.000–5.000 €

4. 4

   Bremen

   26.10.2026 · Blended Learning · Vollzeit · 1–3 Monate · 1.000–5.000 €

5. 5

   Bremen

   26.10.2026 · Blended Learning · Teilzeit · 3–6 Monate · 1.000–5.000 €

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