AI and Machine Learning Specialist with CAPM Certification

Diese Weiterbildung verbindet den Aufbau solider Kenntnisse in Artificial Intelligence und Machine Learning mit der Vorbereitung auf das CAPM (Certified Associate in Project Management) des Project Management Institute (PMI). Der AI-and-ML-Teil legt den Schwerpunkt auf überwachtes und unüberwachtes Lernen, neuronale Netze und den strukturierten Umgang mit Daten entlang des gesamten Modell-Lebenszyklus — von der Datenbeschaffung über das Feature-Engineering bis zur Modellbewertung. Das CAPM ergänzt diese technische Basis um eine anerkannte Einstiegs-Projektmanagement-Qualifikation: Sie lernen, wie KI-Vorhaben in Lastenheften greifbar gemacht, in Phasen gegliedert und mit definierten Lieferergebnissen abgenommen werden. Wer nach dem Kurs eigenverantwortlich an KI-Implementierungsprojekten mitwirken will, erhält hier das methodische Rüstzeug dafür.

Modul 1 — Grundlagen und Algorithmen des maschinellen Lernens Der erste Block führt Sie systematisch in die konzeptionellen und mathematischen Fundamente ein, die hinter modernen ML-Systemen stehen. Sie arbeiten mit realen Datensätzen und erleben, wie unterschiedliche Algorithmen auf denselben Eingabedaten verschiedene Schwerpunkte setzen — von Klassifikation bis Clustering.

• Grundbegriffe: Training, Validierung, Test-Split; Bias-Varianz-Dilemma
• Überwachtes Lernen: lineare und logistische Regression, Support Vector Machines, Naive Bayes
• Entscheidungsbäume und Ensemble-Methoden (Random Forests, Gradient Boosting)
• Unüberwachtes Lernen: k-Means, hierarchisches Clustering, Dimensionsreduktion mit PCA
• Evaluationsmetriken im Vergleich: wann welche Metrik sinnvoll ist
• Einführung in Python-Bibliotheken für ML (scikit-learn, pandas, matplotlib)

Modul 2 — Neuronale Netze und Deep-Learning-Grundlagen Aufbauend auf dem ersten Block widmet sich dieser Abschnitt dem Aufbau und Training neuronaler Netze. Der Fokus liegt auf dem konzeptionellen Verständnis — welche Architektur eignet sich für welche Aufgabe, und wie erkennt man typische Trainingsprobleme?

• Perceptron, mehrschichtige Netze (MLP) und Backpropagation
• Aktivierungsfunktionen: ReLU, Sigmoid, Softmax und ihre Auswirkungen auf das Training
• Convolutional Neural Networks (CNNs) für Bildaufgaben: Aufbau und Pooling-Schichten
• Rekurrente Netze (RNN/LSTM) für sequenzielle Daten und Zeitreihen
• Transfer Learning: vortrainierte Modelle adaptieren statt von Grund auf trainieren
• Praktische Werkzeuge: TensorFlow/Keras-Grundlagen, GPU-Nutzung und Batch-Training

Modul 3 — Daten-Pipelines, Feature Engineering und MLOps Ein trainiertes Modell ist nur so gut wie die Daten, auf denen es lernt. Dieser Block zeigt, wie Rohdaten in Produktions-Pipelines systematisch aufbereitet werden und wie Modelle nach dem Deployment überwacht und weiterentwickelt werden.

• Datenerhebung, Bereinigung und Normalisierung: fehlende Werte, Ausreißer, Duplikate
• Feature Engineering: Encoding kategorischer Variablen, Merkmalsskalierung, Interaktionsterme
• Datenpipelines mit Python: automatisiertes Preprocessing und Wiederverwendbarkeit
• Modell-Deployment: REST-APIs mit FastAPI/Flask, Containerisierung (Docker-Grundlagen)
• MLOps-Grundlagen: Versionierung von Modellen und Daten (MLflow, DVC)
• Monitoring und Drift-Erkennung: wie erkennt man, wenn ein Modell im Produktionsbetrieb degradiert?

Modul 4 — CAPM-Vorbereitung: Projektmanagement-Methodik des PMI Das CAPM (Certified Associate in Project Management) ist das anerkannte Einstiegs-Zertifikat des PMI für Projektmanagement und setzt keine langjährige Berufserfahrung voraus. Dieser Block vermittelt die Kernkonzepte des PMBOK in Verbindung mit konkreten KI-Projektbeispielen.

• Projektmanagement-Grundbegriffe: Projektphasen, Deliverables, Baselines, Scope
• Die zehn Wissensgebiete des PMBOK: Integration, Scope, Zeit, Kosten, Qualität, Risiko, Kommunikation, Beschaffung, Ressourcen, Stakeholder
• Initiierungsprozess: Business Case für KI-Vorhaben, Projektcharta, Stakeholder-Register
• Planungsphase: Work Breakdown Structure (WBS), Meilensteinplan, Ressourcenschätzung
• Qualitäts- und Risikomanagement: Akzeptanzkriterien für Modelle, typische KI-Projektrisiken
• Prüfungsvorbereitung CAPM: Aufbau des Examens (150 Fragen), Registrierungsvoraussetzungen, PMI-Terminologie

Diese Weiterbildung richtet sich an Personen mit IT-Interesse oder erstem technischem Hintergrund, die einen strukturierten Einstieg in das Thema maschinelles Lernen suchen und diesen unmittelbar mit einer Projektmanagement-Qualifikation verbinden wollen.

• IT-Einsteiger und Quereinsteiger aus angrenzenden Berufsfeldern (Informatik, Ingenieurwesen, BWL)
• Junior-Entwickler oder Analyst:innen, die ML-Grundlagen ergänzen und sich für Projektverantwortung qualifizieren möchten
• Fachkräfte, die künftig in KI-Projekten mitwirken und die methodische Sprache des Projektmanagements beherrschen wollen
• Berufsbegleitend Tätige oder Umsteiger, die ein anerkanntes Zertifikat als Karriere-Einstieg anstreben
• Personen ohne formale PM-Zertifizierung, die das CAPM als ersten international anerkannten Beleg ihrer Projektmanagement-Kenntnisse erwerben möchten

Der Kurs wird im Combined-Learning-Format durchgeführt: Live-Unterricht im virtuellen Klassenzimmer kombiniert sich mit Selbstlernphasen, in denen Sie Programmieraufgaben und Prüfungsübungen eigenständig bearbeiten. In den synchronen Einheiten erarbeiten Sie gemeinsam mit der Kursgruppe und erfahrenen Dozenten Konzepte anhand realer Datensätze und PMBOK-Szenarien. Fallstudien verknüpfen ML-technische Entscheidungen mit PM-Prozessschritten, sodass Sie den Praxisbezug beider Disziplinen unmittelbar erleben. Wer einen Präsenzarbeitsplatz in einem New-Horizons-Center nutzen möchte, hat dort Zugang zu Dual-Monitor-Arbeitsplätzen; alternativ ist die Teilnahme vollständig von zu Hause aus möglich.

Der Lehrgang läuft im Vollzeitmodus über mehr als einen und bis zu drei Monate. Die genaue Stundenanzahl hängt von der individuellen Modulkombination ab, die im Beratungsgespräch vor Kursbeginn festgelegt wird. Da die CAPM-Prüfungsgebühr separat beim PMI fällig wird, empfiehlt es sich, diesen Termin frühzeitig zu planen. Start- und Endtermine können individuell vereinbart werden; auch Teilzeit-Varianten sind auf Anfrage möglich.

Nach erfolgreichem Abschluss des Lehrgangs erhalten Sie ein trägerinternes Lehrgangszertifikat, das die absolvierten Inhalte und Stunden dokumentiert. Der CAPM-Teil bereitet auf das externe PMI-Examen vor, das separat abgelegt wird — die eigentliche CAPM-Zertifizierung wird vom Project Management Institute ausgestellt und ist weltweit anerkannt. Das Lehrgangszertifikat und ein bestandenes CAPM-Examen zusammen belegen sowohl die fachlich-technische als auch die methodische Qualifikation.

Der entscheidende Vorteil dieser Kombination liegt darin, dass beide Qualifikationen — technische KI-Kompetenz und strukturiertes Projektmanagement — in vielen Stellenprofilen gemeinsam gesucht werden. Wer maschinelles Lernen versteht, aber Projekte nicht strukturieren kann, scheitert oft an der Implementierung; wer Projekte plant, ohne die technischen Grenzen von ML-Systemen zu kennen, setzt unrealistische Erwartungen. Diese Weiterbildung schließt genau diese Lücke. Das CAPM ist das bewusst einzige nicht-technische Element dieses Lehrgangs. Es vermittelt die Sprache, mit der Teams, Auftraggeber und Stakeholder über Vorhaben sprechen — Scope, Meilensteine, Risiken, Abnahmekriterien. Wer nach dem Kurs an KI-Projekten mitwirkt, kann diese Diskussionen auf Augenhöhe führen und eigene Beiträge im Projektzusammenhang verständlich verorten. Die Nachfrage nach Fachkräften, die technisches ML-Verständnis mit PM-Grundlagen kombinieren, wächst, weil Unternehmen KI-Initiativen zunehmend als Projekte mit Budget, Zeitplan und Abnahme steuern. Das CAPM als Einstiegs-Zertifizierung des PMI — ohne die Erfahrungsvoraussetzungen des PMP — ist ein realistisch erreichbarer, global anerkannter Nachweis, der das Berufsprofil deutlich schärft.