KI Manager

Künstliche Intelligenz verändert Geschäftsprozesse, Entscheidungsgrundlagen und ganze Berufsfelder in einem Tempo, das kaum einen Bereich unberührt lässt. Wer in Unternehmen Verantwortung trägt oder tragen möchte, kommt nicht mehr daran vorbei, KI-Systeme zu verstehen, einzuschätzen und ihre Einführung aktiv zu begleiten. Dieser Kurs bereitet auf genau diese Rolle vor: die des KI-Managers, der technische Möglichkeiten kennt, Risiken bewertet und den Wandel im Team moderiert. Daneben vermittelt die Weiterbildung agiles Projektmanagement nach dem Scrum-Framework, das heute als Standardmethode für iterative Entwicklungsprojekte gilt.

Grundlagen künstlicher Intelligenz In diesem ersten Block lernen die Teilnehmenden, wie KI-Systeme technisch funktionieren, ohne dabei tief in Mathematik oder Programmiercode einzutauchen. Der Fokus liegt auf konzeptionellem Verständnis: Was unterscheidet regelbasierte Systeme von lernenden Algorithmen? Welche Datentypen brauchen welche Modelle? Wie entstehen Ergebnisse, und wo liegen typische Schwächen?

• Überblick über KI-Kategorien: regelbasierte Systeme, Machine Learning, generative Modelle
• Supervised, unsupervised und reinforcement learning im Vergleich
• Neuronale Netze und Deep Learning: Aufbau und Funktionsprinzip
• Große Sprachmodelle: Einsatzmöglichkeiten und Grenzen
• Datenbeschaffung, Datenqualität und Vorverarbeitungsschritte
• Typische Fehlerquellen: Bias, Overfitting, fehlende Generalisierung

Strategischer KI-Einsatz im Unternehmen Hier rückt die Frage in den Mittelpunkt, wie sich KI-Projekte sinnvoll initiieren und steuern lassen. Welche Prozesse profitieren von Automatisierung, wo bleibt menschliches Urteilsvermögen unverzichtbar? Was kostet KI-Infrastruktur, und welche Geschäftsmodelle entstehen durch datengetriebene Dienste?

• Identifikation geeigneter Anwendungsfälle in verschiedenen Branchen
• Make-or-buy-Entscheidungen: Eigenentwicklung versus API-Integration
• Kostenmodelle, ROI-Betrachtungen und typische Investitionsfehler
• Regulatorische Rahmenbedingungen, insbesondere der EU AI Act
• Datenschutz und Informationssicherheit im KI-Kontext
• Kommunikation von KI-Vorhaben an interne und externe Stakeholder

Scrum und agiles Projektmanagement Das Scrum-Framework strukturiert komplexe Entwicklungsvorhaben in kurze, überprüfbare Zyklen. In diesem Modul erarbeiten die Teilnehmenden das vollständige Scrum-Gerüst aus Rollen, Meetings und Lieferobjekten und wenden es anhand typischer KI-Projektszenarien an.

• Agile Werte und Prinzipien laut Agile Manifesto
• Scrum-Rollen: Product Owner, Scrum Master, Entwicklungsteam
• Sprint-Zyklus: Planning, Daily, Review, Retrospektive
• Product Backlog, Sprint Backlog, Increment und Definition of Done
• Schätzverfahren: Planning Poker, T-Shirt Sizing, relative Schätzung
• Skalierung: Zusammenarbeit mehrerer Teams bei größeren KI-Initiativen

Praxis: KI-Projekte managen Der Praxisteil verbindet die Lernstränge. Anhand typischer Projektsituationen üben die Teilnehmenden, Anforderungen zu erheben, Teams zu koordinieren und Ergebnisse zu bewerten. Dabei kommen echte Werkzeuge und Methoden aus dem KI-Projektmanagement zum Einsatz.

• Anforderungserhebung für KI-Systeme: User Stories, Akzeptanzkriterien
• Stakeholder-Mapping und Kommunikationsplanung
• Datenlieferanten, Modellentwickler und Fachabteilung koordinieren
• Qualitätsbewertung von KI-Ausgaben: Metriken verstehen und interpretieren
• Pilotprojekte aufsetzen, testen und iterativ verbessern
• Lessons Learned aus realen KI-Einführungen analysieren
• Change Management: Widerstände erkennen und produktiv aufgreifen
• Ethik-Checkliste für KI-Projekte erarbeiten und anwenden
• Abschlusspräsentation eines eigenen KI-Projektkonzepts vorbereiten
• Feedback-Schleifen zwischen Nutzenden und Entwicklerteam gestalten
• Rollout-Szenarien bewerten: schrittweise versus Big-Bang-Einführung
• Dokumentation und Wartung von KI-Systemen nach dem Launch

Zum Abschluss des Praxisteils präsentieren die Teilnehmenden ein eigenes Konzept für ein KI-Vorhaben. Das kann ein reales Problem aus dem eigenen beruflichen Umfeld sein oder ein konstruiertes Szenario, das typische Herausforderungen abbildet. Die Präsentation schärft sowohl die inhaltliche Auseinandersetzung als auch die Kommunikationsfähigkeit gegenüber Entscheiderinnen und Entscheidern.

Dieser Kurs richtet sich an Personen, die in Unternehmen Verantwortung für digitale Prozesse tragen oder übernehmen wollen und dabei KI strategisch mitdenken möchten. Vorkenntnisse in Programmierung oder Datenwissenschaft sind ausdrücklich nicht erforderlich.

• Fachkräfte, die KI-Projekte aus der Nutzer- oder Auftraggeberperspektive begleiten
• Personen mit Berufserfahrung, die in eine Schnittstellenrolle zwischen IT und Fachabteilung wechseln wollen
• Teamleitungen und Projektverantwortliche, die agile Methoden für technologiegetriebene Vorhaben einsetzen möchten
• Quereinsteiger mit Interesse an einem strukturierten Überblick über KI und Projektsteuerung
• Selbstständige und Beraterinnen, die Kunden bei KI-Initiativen begleiten

Der Kurs verbindet Theorieinput mit praxisorientierten Übungen und Gruppenaufgaben. Konzepte werden zuerst erklärt, dann anhand von Fallbeispielen vertieft und schließlich in kleinen Projektaufgaben angewendet. Das Lernen in der Gruppe spielt eine wichtige Rolle: Diskussionen, gegenseitiges Feedback und das gemeinsame Erarbeiten von Szenarien helfen, das Gelernte zu festigen. Digitale Lernressourcen ergänzen den Präsenz- bzw. Onlineunterricht.

Der Kurs wird in Vollzeit durchgeführt. Die konkrete Gesamtdauer hängt vom gewählten Anbieter ab; typische Angebote im Markt liegen zwischen mehreren Wochen und einigen Monaten. Details zu Terminen und Stundenplänen stehen auf den Einzelangebots-Seiten.

Nach erfolgreichem Abschluss erhalten die Teilnehmenden ein trägerinternes Zertifikat. Dieses Zertifikat dokumentiert die Weiterbildungsteilnahme und die erworbenen Kompetenzen im Bereich KI-Management und Scrum. Darüber hinaus bereitet der Kurs auf die externe Scrum-Zertifizierung vor, die separat abgelegt werden kann.

KI-Kompetenz ist in der deutschen Wirtschaft eines der meistgesuchten Profile, und gleichzeitig fehlt es an Personen, die technische Möglichkeiten mit strategischem Denken verbinden. Wer diesen Kurs absolviert, spricht mit Entwicklerinnen auf Augenhöhe und kann gleichzeitig Vorständen und Geschäftsführungen erklären, warum ein bestimmtes KI-Projekt sinnvoll oder riskant ist. Das ist eine Schnittstellenrolle, die Unternehmen aktiv suchen. Der agile Anteil des Kurses ist kein Beiwerk: Scrum und verwandte Methoden sind inzwischen in fast allen Technologieprojekten Standard. Wer KI-Initiativen steuert und dabei strukturiert in Sprints denkt, Backlogs pflegt und Retrospektiven moderiert, erzielt messbar bessere Ergebnisse als Projektleitungen, die nach klassischem Wasserfall-Plan vorgehen. Die Kombination aus KI-Verständnis und agilem Handwerkszeug ist daher kein zufälliges Doppelpaket, sondern eine in der Praxis gewachsene Notwendigkeit. Langfristig eröffnet die Weiterbildung Wege in Rollen wie KI-Projektmanagement, Product Ownership in datengetriebenen Teams oder interne Beratung für digitale Transformation. Auch der Wechsel in Branchen, die KI gerade erst einführen, wird durch das im Kurs erworbene Orientierungswissen erheblich leichter.