KI-Grundlagen 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 vermittelt KI-Grundlagen sowie agile Projektmanagement-Kompetenzen und kombiniert die Inhalte von EXIN BCS Artificial Intelligence Foundation, PRINCE2 Agile Foundation und PRINCE2 Agile Practitioner. Der KI-Teil behandelt zentrale Begriffe, technologische Enabler, den Umgang mit Daten sowie ethische und organisatorische Aspekte künstlicher Intelligenz. Der Projektmanagement-Teil verbindet das agile Mindset mit Arbeitsweisen wie Scrum und Kanban sowie deren praktische Anwendung und Anpassung in realen Projekten. Damit entsteht eine Kombination aus KI-Basiswissen und anwendungsorientiertem, agilem Projektmanagement.
2. 2
   PRINCE2 Agile Foundation
3. 3
   o Agiles Mindset, agile Werte und Verhaltensweisen für mehr Anpassungsfähigkeit im Projekt
4. 4
   o Verzahnung von PRINCE2 mit agilen Arbeitsweisen wie Scrum, Kanban und Lean Startup auf Ebene Projektsteuerung, Projektmanagement und Produktlieferung
5. 5
   o Stakeholder-Engagement und agile Führungsgrundlagen im Projektteam
6. 6
   o Risiko- und Change-Steuerung sowie Fortschrittsmessung in agilen Projektumgebungen
7. 7
   o Prüfungsvorbereitung und Zertifizierung: PRINCE2 Agile Foundation
8. 8
   PRINCE2 Agile Practitioner
9. 9
   o Management von Produkten und Lieferungen mit User Stories, Product Backlog und Sprint Reviews
10. 10
    o Timeboxing und MoSCoW-Priorisierung zur Steuerung agiler Lieferzyklen
11. 11
    o Governance, Rollenverteilung und Qualitätsmanagement in agilen Projektumgebungen
12. 12
    o Tailoring von PRINCE2-Managementprodukten wie PID und Stage Plans an agile Projektszenarien
13. 13
    o Prüfungsvorbereitung und Zertifizierung: PRINCE2 Agile Practitioner
14. 14
    EXIN BCS Artificial Intelligence Foundation
15. 15
    o Grundlagen der Künstlichen Intelligenz (KI)
16. 16
    o Fachbegriffe, Geschichte und Arten der KI sowie ihre gesellschaftliche Bedeutung und nachhaltige KI
17. 17
    o KI-Ethik, Bias, Datenschutz, ethische Grundprinzipien, Regulierung und Risikomanagement für KI
18. 18
    o Anwendungsbeispiele, Robotik, Grundlagen des Maschinellen Lernens sowie überwachtes, unüberwachtes und semi-überwachtes Lernen
19. 19
    o Datenqualität, Datenrisiken, Daten-Governance, Big Data, Datenvisualisierung, Large Language Models, generative KI und KI-Training
20. 20
    o Business Case für KI, Stakeholder, Projektmanagementansätze, Risiken, Kosten, Nutzen sowie KI-Governance und Implementierung
21. 21
    o Berufliche Chancen, Praxisbeispiele, zukünftige Auswirkungen von KI sowie KI-Bewusstsein und ethische Fragestellungen
22. 22
    o Prüfungsvorbereitung und Zertifizierung: EXIN BCS Artificial Intelligence Foundation
23. 23

    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 (PRINCE2®, ITIL®, DevOps, Kanban, Scrum) sowie Microsoft® Office kombiniert werden.
    Über das Qualifizierungschancengesetz ist ein Absolvieren der Weiterbildung ebenfalls berufsbegleitend möglich.

1. 1

   Leipzig

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

2. 2

   Leipzig

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

3. 3

   Stuttgart

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

4. 4

   Stuttgart

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

5. 5

   Köln

   26.10.2026 · Blended Learning · Teilzeit · 1–3 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