Chancen und Herausforderungen: Wie etablierte Projektmanagement-Standards das Potenzial der Künstlichen Intelligenz entfesseln können – und wo ihre Grenzen liegen.

• Prinzipien agiler Projekte: Flexibilität, kontinuierliche Verbesserung, enge Zusammenarbeit im Team und mit Stakeholdern sowie die schnelle Anpassung an Veränderungen.
• Ausgewählte Methoden des agilen Projektmanagements, die Flexibilität und Effizienz in der Projektarbeit fördern.
• Einsatzmöglichkeiten und Grenzen agiler Methoden in verschiedenen Projektarten, einschließlich ihrer Vorteile und potenziellen Herausforderungen.

Projektinitiierung starten

• Detaillierte Eignungsbewertung von Problemstellungen zur Überprüfung ihrer Relevanz und Machbarkeit für die erfolgreiche Durchführung von Data-Science-Projekten
• Personelle Besetzung und gezielte Auswahl von Expertinnen und Experten für Data-Science-Projekte, um sicherzustellen, dass das Team über die notwendigen Fähigkeiten und Erfahrungen verfügt.
• Aufwandsschätzung zur Bestimmung des benötigten Zeit- und Ressourcenaufwands für ein Projekt oder eine Aufgabe

Vorgehensmodelle für die Durchführung von Data-Science-Projekten

• Die wichtigsten Phasen eines Data-Science-Projektes, von der Problemidentifikation und Analyse bis hin zur Modellierung und Nutzbarmachung.
• Geeignete Beteiligung relevanter Interessengruppen, um sicherzustellen, dass ihre Perspektiven, Meinungen und Bedürfnisse in den Entscheidungsprozess einbezogen werden.