KI-Einsatz 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
   Zielsetzung des Kurses
2. 2
   Diese Weiterbildungsmaßnahme kombiniert drei Kurse, um Fachkräften umfassende Kompetenzen im Bereich Künstliche Intelligenz (KI) und DevOps zu vermitteln. Sie zielt darauf ab, Projektmanager:innen und IT-Fachkräfte zu befähigen, KI-Technologien effektiv in Projekten einzusetzen, DevOps-Prinzipien zur Beschleunigung von Entwicklungsprozessen zu nutzen und die strategische Rolle eines KI Officers zu übernehmen.
3. 3
   Inhalte
4. 4

   Die Weiterbildung gliedert sich in die folgenden thematischen Bereiche

   KI für Projektmanager:innen
   Einführung in Künstliche Intelligenz (KI) und ihre grundlegenden Konzepte.
   Spezifische KI-Anwendungen im Projektmanagement.
   Überblick über Foundation Models und Open-Source KI-Tools.
   Integration von KI in den Projektalltag.
   Methodiken zur Implementierung von KI-Projekten.
   Auseinandersetzung mit Ethik, Datenschutz und rechtlichen Rahmenbedingungen bei KI-Einsatz.
   Verfahren zur Evaluation von KI-Lösungen.
   Entwicklung von Soft Skills für KI-Projekte, einschließlich Kommunikation, Führung und Veränderungsmanagement.
   Bearbeitung einer Abschlussaufgabe und Sammlung relevanter Ressourcen.
   Exkurs: Projektmanagement-Aspekte im Kontext von KI.
   Zusatzthema: Praktische Anwendung von ChatGPT.
   Vertiefung der rechtlichen Rahmenbedingungen für die Verwendung von KI.
   DevOps Foundation Fast Track
   Grundlagen und Motivation von DevOps sowie die Verbindung zu agilen Konzepten.
   Kernwerte, Prinzipien und die Bedeutung von DevOps Culture und Immunity.
   Identifikation von Stakeholdern und Förderung der Kollaboration.
   Agile Methoden und Servicemanagement im DevOps-Kontext.
   DevOps-Rollen, Toolchains und die Gestaltung der Zusammenarbeit.
   Zentrale DevOps-Praktiken, einschließlich Continuous Integration, Delivery und Deployment.
   Exkurs: Der holistische Ansatz von Continuous Everything.
   Testmethoden und Qualitätssicherung.
   Container, Microservices und Open-Source-Technologien.
   Lean Thinking und Lean Production Prinzipien.
   Exkurs: Die Tool-Landschaft im DevOps-Umfeld.
   Metriken, KPIs und Performance-Messung.
   Change Management und Resilienz.
   Exkurs: Strategien für typische Herausforderungen bei der Automatisierung.
   Scrum, Kanban und skalierte agile Rahmenwerke.
   Innovative Praktiken wie ChatOps und Experimente.
   Value Stream Mapping und Constraint Management zur kontinuierlichen Verbesserung.
   Wissensaustausch und Lernkultur.
   Exkurs: The Three Ways und die Verbesserungskata.
   Exkurs: ChatOps und Kollaboration.
   DevOps in der Praxis und Kursabschluss.
   Exkurs: Change Failure Rate und Change Fatigue.
   Exkurs: Change Lead Time und Zykluszeiten.
   Exkurs: DevSecOps und Site Reliability Engineering (SRE).
   Exkurs: Anwendungsschnittstellen (API).
   KI Officer
   Einführung in die Rolle und Aufgaben des KI Officers.
   Überblick über den EU KI Act und weitere relevante Gesetzgebungen.
   Ethische Leitlinien und Verantwortlichkeiten in der KI-Entwicklung.
   Risikomanagement und Compliance für KI-Anwendungen.
   Datenschutz und Datensicherheit in KI-Systemen.
   Anforderungen an Transparenz und Nachvollziehbarkeit von KI-Modellen.
   Implementierung von Audit- und Zertifizierungsprozessen.
   Anwendungsfälle und Best Practices aus der Praxis.
   Dokumentation und Berichterstattung in KI-Projekten.
   Stakeholder-Management und Kommunikation im KI-Umfeld.
   Konzeption von Schulungs- und Sensibilisierungsprogrammen für KI.
   Change Management und Strategien zur Implementierung von KI.
   Bewertung von KI-Systemen anhand von Metriken und Performance-Analysen.
   Zukunftsperspektiven und kontinuierliche Weiterentwicklung im KI-Management.
   Bedeutung von kritischem Denken im KI-Management.
   Werkzeuge für kritisches Denken im KI-Kontext.
   Lernziele

5. 5

   Nach Abschluss dieser Weiterbildung sind die Teilnehmenden in der Lage

   KI-Konzepte und ihre Anwendungsmöglichkeiten im Projektmanagement zu verstehen und zu nutzen.
   DevOps-Prinzipien und Praktiken zur Optimierung von IT-Prozessen anzuwenden.
   Die Rolle und die Verantwortlichkeiten eines KI Officers zu erfüllen.
   KI-Projekte strategisch zu planen, zu implementieren und zu evaluieren.
   Rechtliche, ethische und datenschutzrechtliche Aspekte im Umgang mit KI zu berücksichtigen.
   Die Zusammenarbeit zwischen Entwicklungs- und Betriebsteams durch DevOps zu verbessern.
   Risiken und Chancen von KI-Implementierungen zu bewerten.
   Berufsperspektiven
   Die Weiterbildung richtet sich an Projektmanager:innen, IT-Fachkräfte, Teamleiter:innen und Führungskräfte, die ihre Kenntnisse im Bereich KI und DevOps erweitern möchten. Absolvent:innen sind qualifiziert für Positionen, die die strategische Planung, Implementierung und das Management von KI-Lösungen sowie die Optimierung von IT-Entwicklungs- und Betriebsprozessen umfassen. Dies schließt Rollen wie KI Officer, Projektleiter:in für KI-Projekte, DevOps Engineer oder IT-Manager:in ein. Die erworbenen Kompetenzen sind relevant für verschiedene Branchen, in denen digitale Transformation und der Einsatz von KI eine zentrale Rolle spielen.

1. 1

   Berlin

   21.12.2026 · Blended Learning · Vollzeit · 1–3 Monate · 1.000–5.000 €

2. 2

   Bielefeld

   21.12.2026 · Blended Learning · Vollzeit · 1–3 Monate · 1.000–5.000 €

3. 3

   Bremen

   21.12.2026 · Blended Learning · Vollzeit · 1–3 Monate · 1.000–5.000 €

4. 4

   Bremen

   21.12.2026 · 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