Datengetriebenes Change Management mit IPMA Level D

Change Management Foundation (APMG)

• Einführung
• Zielsetzung und Ansatzpunkte
• Modelle des Change Prozesses
• Entstehender Wandel
• Schlüsselrollen im organisatorischen Wandel
• Stakeholderengagement
• Kommunikation, Feedback
• Kommunikationskanäle, -strategien
• Management von Veränderungsprozessen, Methoden

• Definition Change Management, Ansätze
• Auslöser von Unternehmenswandel
• Intern vs. extern ausgelöster Wandel
• Widerstand im Change Management
• Hemmnisse des Wandels
• Das System Unternehmen und seine Umwelt
• Ursachen fürs Scheitern, Umgang mit Widerständen
• Erfolgsfaktorenmodell im Veränderungsmanagement
• Erfolgsfaktoren

• Standards und Methoden im Projektmanagement
• Die richtige Kommunikation im Projektmanagement
• Vom Projektantrag zum Projektauftrag
• Anforderungen, Ziele und Schätzverfahren im Projektmanagement
• Qualitätssicherung im Projektmanagement
• Kosten- und Ressourcenplanung
• Change Management im Projektmanagement
• Das Projektteam

• Die Grundlagen der Programmierung
• Dictionaries, Verschachtelung
• Code Testing, insbes. Funktionen, Klassen
• Einführung in die Programmiersprache Python
• Dateien und Ausnahmen
• Klassen
• Standardbibliotheken von Python
• Funktionen
• Benutzereingaben und while-Schleifen
• Variablen und einfache Datentypen
• if-Anweisungen
• Arbeiten mit Listen, Einführung in Listen

• Einführung in Datenbanken
• Datentypen, Vorteile der Verwendung von Datentypen
• Schlüssel in Datenbanken
• Entitiy-Relationship-Modell (ERM)
• Erstellung von Tabellen in Datenbanken
• Structured Query Language (SQL) und die Anwendung
• Basic SQL-Befehle, erweiterte SQL-Befehle, SQL-Joins
• Speicher- und Leistungsoptimierung von Datenbanken
• Sicherheit von Datenbanken
• Datenbankmanagementsysteme

• Einführung und Überblick
• Excel als Datenbank
• Strukturierung von Tabellen
• Verwendung von Formeln und Zellinhalten
• Filtern und Sortieren von Daten

• Fortgeschrittene Anwendungen in MS Excel
• Übersicht und Fachbegriffe
• Erstellung von Pivot-Tabellen
• Nutzung von Solver, Diagrammen und der SVERWEIS-Funktion
• Import und Export von Daten
• Erstellung von Trendtabellen und Verwendung der Zielwertsuche

• Definition und Theoretische Grundlagen für Date Science
• Statistik
• Grundlagen ausgewählter Methoden von Data Science
• Integration von Data Science im Unternehmen
• CRISP-DM Vorgehensmodell
• Fallstudien
• Einführung in Trustworthy AI
• Rechtliche Rahmenbedingungen in der EU
• Bias und vertrauenswürdige KI
• Ethik und Fairness in KI-Systemen
• Erklärbare Künstliche Intelligenz (XAI)
• Instrumentarien zur Risiko(Folge)abschätzung