KI-Grundlagen, PRINCE2 und PRINCE2 Agile

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
   Diese Weiterbildung verbindet die klassische Projektmanagementmethode PRINCE2 in vier Ausbaustufen mit den Grundlagen künstlicher Intelligenz (KI). Vermittelt werden PRINCE2-Prinzipien, -Praktiken und -Prozesse sowie deren Tailoring in der praktischen Anwendung, ergänzt durch die Verzahnung von PRINCE2 mit agilen Arbeitsweisen wie Scrum und Kanban. Darauf aufbauend behandelt der Kurs KI-Grundlagen, Machine Learning, Datenmanagement sowie den Einsatz künstlicher Intelligenz in Organisationen. Damit entsteht ein durchgängiges Kompetenzprofil aus klassischem, agilem und KI-gestütztem Projektmanagement. Die Länge der Schulung richtet sich nach der jeweiligen Zusammensetzung der Kursmodule sowie der individuellen Vorkenntnisse.
2. 2
   PRINCE2 Foundation
3. 3
   o Kernkonzepte zu Projekten und den fünf integrierten PRINCE2-Elementen: Prinzipien, Menschen, Praktiken, Prozesse, Projektkontext
4. 4
   o Die sieben PRINCE2-Prinzipien: kontinuierliche Geschäftsrechtfertigung, Lernen aus Erfahrung, definierte Rollen, Steuerung nach Stufen und Ausnahmen, Produktfokus, Tailoring
5. 5
   o Die sieben PRINCE2-Praktiken: Business Case, Organisation, Qualität, Pläne, Risiko, Issues, Fortschritt
6. 6
   o Die sieben PRINCE2-Prozesse von der Projektvorbereitung bis zum Projektabschluss
7. 7
   o Prüfungsvorbereitung und Zertifizierung: PRINCE2 Foundation
8. 8
   PRINCE2 Practitioner
9. 9
   o Tailoring der PRINCE2-Prinzipien, -Praktiken und -Prozesse an unterschiedliche Projektumgebungen
10. 10
    o People Management: Führung, Change Management, Kommunikation und Stakeholder-Zusammenarbeit
11. 11
    o Anwendung der Praktiken Business Case, Organisation, Qualität, Pläne, Risiko, Issues, Fortschritt in konkreten Projektszenarien
12. 12
    o Szenariobasierte Bewertung von Rollen, Verantwortlichkeiten und Managementprodukten
13. 13
    o Prüfungsvorbereitung und Zertifizierung: PRINCE2 Practitioner
14. 14
    PRINCE2 Agile Foundation
15. 15
    o Agiles Mindset, agile Werte und Verhaltensweisen für mehr Anpassungsfähigkeit im Projekt
16. 16
    o Verzahnung von PRINCE2 mit agilen Arbeitsweisen wie Scrum, Kanban und Lean Startup auf Ebene Projektsteuerung, Projektmanagement und Produktlieferung
17. 17
    o Stakeholder-Engagement und agile Führungsgrundlagen im Projektteam
18. 18
    o Risiko- und Change-Steuerung sowie Fortschrittsmessung in agilen Projektumgebungen
19. 19
    o Prüfungsvorbereitung und Zertifizierung: PRINCE2 Agile Foundation
20. 20
    PRINCE2 Agile Practitioner
21. 21
    o Management von Produkten und Lieferungen mit User Stories, Product Backlog und Sprint Reviews
22. 22
    o Timeboxing und MoSCoW-Priorisierung zur Steuerung agiler Lieferzyklen
23. 23
    o Governance, Rollenverteilung und Qualitätsmanagement in agilen Projektumgebungen
24. 24
    o Tailoring von PRINCE2-Managementprodukten wie PID und Stage Plans an agile Projektszenarien
25. 25
    o Prüfungsvorbereitung und Zertifizierung: PRINCE2 Agile Practitioner
26. 26
    EXIN BCS Artificial Intelligence Foundation
27. 27
    o Grundlagen der Künstlichen Intelligenz (KI)
28. 28
    o Fachbegriffe, Geschichte und Arten der KI sowie ihre gesellschaftliche Bedeutung und nachhaltige KI
29. 29
    o KI-Ethik, Bias, Datenschutz, ethische Grundprinzipien, Regulierung und Risikomanagement für KI
30. 30
    o Anwendungsbeispiele, Robotik, Grundlagen des Maschinellen Lernens sowie überwachtes, unüberwachtes und semi-überwachtes Lernen
31. 31
    o Datenqualität, Datenrisiken, Daten-Governance, Big Data, Datenvisualisierung, Large Language Models, generative KI und KI-Training
32. 32
    o Business Case für KI, Stakeholder, Projektmanagementansätze, Risiken, Kosten, Nutzen sowie KI-Governance und Implementierung
33. 33
    o Berufliche Chancen, Praxisbeispiele, zukünftige Auswirkungen von KI sowie KI-Bewusstsein und ethische Fragestellungen
34. 34
    o Prüfungsvorbereitung und Zertifizierung: EXIN BCS Artificial Intelligence Foundation
35. 35

    Nächster Schritt

    Unverbindliche Beratung zur individuellen Kurszusammenstellung und flexiblem Starttermin anfragen.
    Diese Weiterbildung kann mit weiteren Kursen aus unserem Angebot im Bereich IT- und Projektmanagement (ITIL®, Kanban, DevOps, Scrum) sowie Microsoft® Office kombiniert werden.
    Über das Qualifizierungschancengesetz ist ein Absolvieren der Weiterbildung ebenfalls berufsbegleitend möglich.

1. 1

   Bremen

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

2. 2

   Oldenburg (Oldb)

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

3. 3

   Hamburg

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

4. 4

   München

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

5. 5

   Berlin

   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