Anwendungsbeispiele für ChatGPT in KMU

Die Möglichkeiten von Künstlicher Intelligenz (KI) am Arbeitsplatz sind vielfältig, und werden daher von großen Konzerne, Privatpersonen und verstärkt auch von Kleinen und mittelständischen Unternehmen (KMU) genutzt. Saskia Powell vom RKW stellte dazu Nicole Simon einige Fragen dazu. Das komplette Interview kann im aktuellen RKW-Magazin 1/2024 unter ” Gekommen, um zu bleiben. Wie kleine und mittlere Unternehmen ChatGPT für sich nutzen können” nachgelesen werden. Ich möchte an dieser Stelle die in dem Interview angegebenen Anwendungsbeispiele für ChatGPT in KMU hervorheben:

> Content-Erstellung und Überarbeitung: Marketingtexte, Webseite, Social Media
> Übersetzungen: Inhalte für nichtdeutsche Märkte übersetzen
> Kundenservice: Antworten auf häufige Fragen, 24/7-Support, Sentiment-Analysen
> Marktforschung: Zusammenfassung von Branchenberichten und Analyse von Kundenfeedback, Entwurf von Interview-Fragen
> Entwicklung von Lernmaterialien und Trainings: Umwandlung von Handbüchern in Kurse mit Fragen, Tests und Webanwendungen
> Dokumentation: Beschreibung von Arbeitsabläufen nach definiertem Standard
> Profilerstellung: Zielgruppendefinition anhand von Vertriebs- und Marketingunterlagen
> Vorbereitung von Verkaufsgesprächen: Antizipation möglicher Kundenfragen, Einwandbehandlung
> Brainstorming: Finden von Metaphern und Beispielen
> Programmierung: Dokumentation und Analyse von Codes, Unterstützung bei der Fehlersuche

Darüber hinaus weist Nicole Simon auch darauf hin, dass ChatGPT nicht kreativ ist, und nicht querdenken kann (ebd.). Ich hätte mir weiterhin gewünscht, dass der Blick nicht nur auf ChatGPT gerichtet wird, sondern die Entwicklungen hin zu einem souveränen Arbeitsplatze erwähnt werden, bei dem viele Anwendungen (inkl. eines KI-Assistenten) Open-Source-basiert sind, damit die Daten bei dem jeweiligen kleinen und mittelständischen Unternehmen (KMU) bleiben können. Siehe dazu auch Nextcloud: Geeignete KI-Apps selbst auswählen – ein Beispiel oder Warum kann NEXTCLOUD zukünftig eine interessante Alternative zu ChatGPT (OpenAI) oder Bard (Google) sein?

Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen, Projektmanager/in (IHK) und Projektmanager/in Agil (IHK), die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.

Menschliche Intelligenz und Künstliche Intelligenz: Ein Idealszenario der Arbeitsteilung

Künstliche Intelligenz durchdringt alle Bereiche der Gesellschaft, und somit auch die Arbeitswelt. Für die Arbeitswelt hat Künstliche Intelligenz insofern starke Auswirkungen, als dass repetitive oder auch Routineaufgaben wohl als erstes durch leistungsfähige KI-Anwendungen ersetzt werden. Dadurch können sich wiederum Menschen mit ihren Potenzialen auf komplexere Problemlösungen konzentrieren. Ob das ein Vorteil oder Nachteil ist, liegt wie immer an der Perspektive. Der folgende Abschnitt beschreibt dazu ein Idealszenario.

“Die Maschine nimmt uns die komplizierten, berechenbaren (und oft langweiligen) Routineaufgaben entweder komplett ab oder liefert die passende Zuarbeit für weitere Arbeitsschritte und Entscheidungen. Dadurch wird der Fachkräftemangel gelindert und Menschen werden von repetitiven Tätigkeiten entlastet. Sie können sich dadurch den Aufgaben zuwenden, die auf Kreativität, Empathie, Kontextualisierung in volatilem Umfeld sowie auf zwischenmenschliche Interaktion angewiesen sind. Die Trennung von Kopf, Hand und Herz – wie sie die Arbeit der letzten 100 Jahre vorantrieb – kann so rückgängig gemacht oder verringert werden. Menschen können im Idealfall mehr schöpferisch und nach persönlichen Neigungen wirken. Sie können ihr Potenzial entfalten und zur Verfügung stellen” (Hertling, S. (2024), in RKW-Magazin 1/2024).

Der Artikel thematisiert in seiner Überschrift auch auf Menschliche Intelligenz, fokussiert im Text allerdings sehr stark auf die Künstliche Intelligenz. Den Begriff Menschliche Intelligenz thematisiert der Autor leider nur indirekt, indem er Begriffe wie “Empathie”, “Kreativität“, “zwischenmenschliche Interaktionen” oder auch “Skills” verwendet. Unklar bleibt, von welchem Intelligenzverständnis hier ausgegangen wird. Ist es die Perspektive eines Intelligenz-Quotienten (IQ), oder die Perspektive einer Emotionalen Intelligenz oder aber die Perspektive von Multiplen Intelligenzen nach Howard Gardner? Erst durch diese Klärung würde ein “in-Beziehung-setzen” von Menschlicher Intelligenz und Künstlicher Intelligenz Sinn machen. Erste Hinweise auf ein angemessenes Intelligenz-Konstrukt habe ich bei Funke gefunden:

Funke (2006) hat dazu einen ausführlichen Beitrag zum ersten Intelligenztest (PDF) geschrieben. Auf Seite 38 steht: “Inhaltlich hat sich das Intelligenzkonzept in den letzten 100 Jahren ausdifferenziert (vgl. Funke u. Vatterodt-Plünnecke 2004): An der Stelle einer einzigen Intelligenzdimension (´general intelligence´, g-Faktor) ist heute die Konzeption Multipler Intelligenzen im Sinne unterschiedlicher Teilkompetenzen (z.B. logisches Schlussfolgern, verbale Intelligenz, kreatives Problemlösen, emotionale Kompetenz, Körperbeherrschung) getreten, für die jeweils andere Erfassungsinstrumente benötigt werden.”

Projektmanagement: Verzerrungen bei Entscheidungsprozessen

Ein Projekt ist durch die “Einmaligkeit der Bedingungen in ihrer Gesamtheit” gekennzeichnet (DIN 69901). Im einfachsten Fall können Projekte in der Stacey-Matrix positioniert werden, um das geeignete Vorgehensmodell (plangetrieben, hybrid, agil) abzuleiten. Daraus leitet sich wiederum ab, dass es in Projekten zu ambiguen Situationen kommt, in denen Entscheidungen getroffen werden müssen. Doch diese Entscheidungsprozesse sind oftmals durch Verzerrungen geprägt. Doch was ist eine Verzerrung?

“Als Verzerrung ist eine systematische Diskrepanz zwischen dem durchschnittlichen Urteil einer Person und einem wahren Wert oder einer Norm zu verstehen” (Lächelt/Portillo/Braun (2024) in Anlehnung an Gigerenzer (2018), in projektmanagementaktuell 2/2024).

Die folgende Übersicht zeigt, wie vielfältig diese Verzerrungen sein können (ebd.):

Strategische Falschdarstellung („strategic misrepresentation“)

Optimismusverzerrung („optimism bias“)

Eskalation des Commitments („escalation of commitment“)

Verfügbarkeitsverzerrung („availability bias“)

Prävalenzfehler („base rate fallacy“)

Einsichtsverzerrung („hindsight bias“)

Selbstüberschätzung („overconfidence bias“)

Verankerung („anchoring“)

Einzigartigkeitsverzerrung („uniqueness bias“)

Planungsirrtum („planning fallacy“)

Es ist für alle Projektbeteiligten wichtig, sich diese Verzerrungen klar zu machen, um dann Strategien zu entwickeln, diese zu bewältigen. Dazu bieten sich verhaltensbasierte oder auch KI-unterstütze Techniken an.

Solche Zusammenhänge berücksichtigen wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in AGIL (IHK). Informationen dazu, und zu aktuellen Terminen, finden Sie auf unserer Lernplattform.

“Fachkräftemangel”: Ist der jeweilige Bezugspunkt richtig?

Überall ist wieder zu hören und zu lesen, dass es einen Fachkräftemangel gibt. Ich formuliere es bewusst so, da diese Diskussion schon vor ca. 20 Jahren in der Merkel-Ära auf die politische Agenda gesetzt wurde. Überall wurden Arbeitskreise gebildet, um das Problem zu lösen. In dieser Zeit war ich beispielsweise selbst in einem Projektbeirat eingebunden. Da die Diskussionen in eine aus meiner Sicht falsche Richtung liefen, habe ich mich aus dem Projektbeirat allerdings wieder verabschiedet. Um meine Gedanken etwas konkreter zu begründen, möchte ich folgenden Text beispielhaft zitieren:

“Diesem würden nach Schätzungen des Deutschen Beamtenbundes (DBB) bei einer Beibehaltung der aktuellen Strukturen bereits heute circa 360.000 Fachkräfte fehlen; bis zum Jahr 2030 werden zudem circa 1,3 Millionen Beschäftigte des öffentlichen Dienstes in den Ruhestand gehen (Klenner 2022). Gerade im öffentlichen Dienst gäbe es allerdings grundsätzlich viele hochgradig standardisierbare Abläufe und Tätigkeiten, die automatisiert werden könnten (Achleitner, Schmidt et al. 2023). Eine digitalisierte öffentliche Verwaltung würde die Grundlage für KI-basierte Automatisierung im öffentlichen Dienst schaffen. Doch die meisten Behörden haben zum heutigen Zeitpunkt in wesentlichen Aspekten der Digitalisierung Aufholbedarf”(Schmidt, C. M., ; Stich, A.; Suchy, O. et al. (2024): KI für die Fachkräftesicherung nutzen. Lösungsansätze für Automatisierung, Teilhabe und Wissenstransfer).

Wenn wir also die aktuellen Strukturen beibehalten, ergeben sich die genannten Zahlen. Die aktuellen Strukturen sind also der Bezugspunkt für die Aussage, dass ein Mangel an Mitarbeitern bestehen könnte. Es ist eben alles relativ, um es in Anlehnung an Albert Einstein auf den Punkt zu bringen. Das ist auch beim Ärztemangel, beim Lehrermangel oder bei der Anzahl der Apotheken (“Apothekensterben”) usw. so, da der Bezug die aktuelle Struktur ist.

Was ist, wenn wir die Strukturen endlich einmal anpassen?

Beispielsweise, indem wir Verwaltungsstrukturen auf allen Ebenen (Land, Stadt, Gemeinde) anders organisieren, da wir durch die neuen technologischen Möglichkeiten auch neue Möglichkeiten haben, Abläufe für die Burger zu vereinfachen und zu verbessern, und damit Werte für die Allgemeinheit schaffen. Es macht keinen Sinn, bestehende, nicht mehr zeitgemäße Strukturen digital abzubilden. Das ist nicht nur bei der Öffentlichen Verwaltung so, sondern auch in vielen Unternehmen der Fall.

Da sich das Umfeld von Gesellschaften stark verändert – und auch in Zukunft verändern wird – ist es eine gesellschaftliche Aufgabe, mit diesen Veränderungen Schritt zu halten, und dabei möglichst alle Menschen mitzunehmen. Diese Entwicklungen sind nicht alle 20 Jahre “auf einmal da”, sondern sind eine permanente Aufgabe. Es macht keinen Sinn, Themen wie Fachkräfte, Klima, Demographie, Technologie etc. einzeln zu betrachten, da diese miteinander vernetzt sind.

Welchen Beitrag kann Künstliche Intelligenz (KI) zur Fachkräftesicherung leisten?

KI-Beiträge zur Fachkräftesicherung (Schmidt, C. M., ; Stich, A.; Suchy, O. et al. (2024))

Der Einsatz von Künstlicher Intelligenz (KI) ist – wie bei neuen Technologien immer – ambivalent. Es kommt darauf an, Künstliche Intelligenz (KI) zum Wohle von Gesellschaften zu nutzen und nicht nur für die Geschäftsmodelle einiger großer Unternehmen.

In dem Whitepaper Schmidt, C. M., ; Stich, A.; Suchy, O. et al. (2024): KI für die Fachkräftesicherung nutzen. Lösungsansätze für Automatisierung, Teilhabe und Wissenstransfer (PDF) wird herausgearbeitet, wie Künstliche Intelligenz zur Fachkräftesicherung beitragen kann. In dem Beitrag werden grundsätzlich drei Richtungen herausgestellt (Abbildung), die ich hier nur auszugsweise nennen kann.

Automatisierung und KI-basierte Assistenz: Die KI-basierte Automatisierung von Tätigkeiten kann den künftigen Bedarf an Fachkräften zum Teil mindern.

Integration in den Arbeitsmarkt: Das Reservoir an potenziellen Beschäftigten muss noch besser genutzt werden, um den konkreten Bedarf an Fachkräften zu erfüllen, und mit passenden Rahmenbedingungen in die Lage versetzt werden, am Arbeitsmarkt zu partizipieren.

Wissenstransfer in die Zukunft: KI kann beim Up-Skilling von Beschäftigten unterstützen. Wichtige Elemente können individualisierte Weiterbildungspläne, KI-basierter Wissenstransfer sowie lern- und erfahrungsförderliche Arbeitsumgebungen (mit und durch KI) sein.

Den Autoren ist selbstverständlich klar, dass Künstliche Intelligenz (KI) nicht alleine dafür sorgen kann, die anstehenden Veränderungen bei den Fachkräften abzufangen, dennoch kann Künstliche Intelligenz (KI) ein wichtiger Baustein sein.

Wissensbasierte Systeme als Teilgebiet der Künstlichen Intelligenz

Der Umgang mit Wissen wird heutzutage stark mit den neuen technologischen Möglichkeiten, wie der Künstlichen Intelligenz in Verbindung gebracht. Dabei spielen wissensbasierte Systeme als Teilgebiet der Künstlichen Intelligenz eine zentrale Rolle. Doch was macht so ein wissensbasiertes System aus? Dazu habe ich in einem aktuellen Glossar folgendes gefunden:

“Der Wesenskern wissensbasierter Systeme ist, dass sie eine explizite Repräsentation von Wissen besitzen, und dieses Wissen maßgeblich für das Verhalten des Systems ist. Dies wurde etwa im Jahr 1982 als sogenannte KR Hypothese (engl. knowlegde representation hypothesis) von Brian Smith formuliert (Smith 1982). Demnach beinhaltet ein (intelligentes) wissensbasiertes System eine Komponente, die das Wissen des Systems repräsentiert und Komponenten, in denen dieses Wissen das Verhalten des Systems maßgeblich beeinflusst. Wissensbasierte Systeme stellen ein Teilgebiet der Künstlichen Intelligenz dar. Eine frühe, aber gute Darstellung von wissensbasierten Systemen findet sich in (Davis 1986). Eine aktuelle Übersicht über Methoden und Systeme geben (Beierle und Kern-Isberner 2019). Einer der Vorzüge wissensbasierter Systeme ist, dass eine einfache Übertragung eines Systems auf einen neuen Anwendungsfall oder eine neue Domäne möglich ist. Dazu muss lediglich das Wissen im alten System durch das Wissen der neuen Domäne ausgetauscht werden. Die restlichen Systemkomponenten können unverändert bleiben. Außerdem kann durch die explizite Repräsentation des Wissens oft einfacher eine Form der Erklärbarkeit hergestellt werden (Meske et al. 2022). Die ist auch angesichts der Datenschutzgrundverordnung (Goodman und Flaxman 2017) und der KI-Regulierung der EU von zunehmender Bedeutung” (Richter et al. (2024): Glossar Künstliche Intelligenz für die interdisziplinär vernetzte Arbeitsforschung).

Etwas stutzig macht mich hier, dass es bei wissensbasierten Systemen so einfach möglich sein soll, Wissen auf eine andere Domäne (auf einen anderen Kontext) zu übertragen. Wenn man allerdings Wissen auf explizites Wissen reduziert, wird dieser Umstand klarer, denn in diesem Fall sind wissensbasierte Systeme im Kern Softwaresysteme, die mit expliziten Wissen umgehen (Quelle).

Es stellt sich natürlich sofort die Frage, wie wissensbasierte Systeme als Teilgebiet der Künstlichen Intelligenz mit impliziten Wissen (Tacit Knowledge) umgehen. Siehe dazu auch Implizites Wissen sollte in Organisationen stärker beachtet werden.

Entscheidungen unter Unsicherheit: Schnelles Denken und Langsames Denken

Kahneman, D. (2014): Schnelles Denken, Langsames denken (2. Auflage) – Eigenes Foto (c) Dr. Robert Freund

Daniel Kahneman ist Professor für Psychologie und hat den Nobelpreis für Wirtschaft erhalten. In seinem ursprünglichen, englischsprachigen Buch Kahneman, D. (2011): Thinking Fast and Slow wurden viele wissenschaftliche Untersuchungen zusammengetragen, die u.a. zu dem Schluss führten, dass beim Denken zwei Systeme zusammenspielen. Das System 1 ist intuitiv, schnell und assoziativ, wohingegen das System 2 eher analytisch, langsam und aufmerksam ist. Die deutschsprachige Fassung Kahneman, D. (2014): Schnelles Denken, Langsames denken (2. Auflage) ist über 600 Seiten stark . Weiterhin stellt der Autor heraus, wie man unter Unsicherheit entscheidungsfähig, und daher handlungsfähig bleiben kann.

“Die zentrale Botschaft von „Schnelles Denken, Langsames Denken“ ist also, dass sowohl System 1 als auch System 2 benötigt werden, um unter Unsicherheit handlungsfähig zu sein. Es werden dort Erkenntnisse dargestellt, wie Intuition und Rationalität wirken und Handlungsempfehlungen gegeben, wie beide zu kombinieren sind, um stabile Entscheidungen herbeizuführen. – Im Angesicht von Unsicherheit benötigen wir Intuition und Rationalität” (Oswald/Köhler (2013): Schnelles und langsames Denken in Projekten, Teil 1, in projektmanagementaktuell 5/2013).

Es geht also nicht darum entweder das System 1 oder das System 2 zu bevorzugen, sondern (wie so oft) um das sinnvolle Zusammenwirken von Intuition (System 1) und Rationalität (System 2). Gerade bei der Projektarbeit (Planbasiert, Hybrid, Agil) ist das ein wichtiger Aspekt, da Projekte komplexe Systeme darstellen, in denen unter Unsicherheit Entscheidungen zu fällen sind.

Solche Zusammenhänge thematisieren wir auch in dem von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager AGIL (IHK). Informationen dazu, und zu aktuellen Terminen, finden Sie auf unserer Lernplattform.

Wissensmanagement: Datenbasierte Wissensnutzung in Projekten mit KI

Zeichen, Daten und Informationen sind stellen die Basis für jede Art von Wissen, der Wissensnutzung und der Wissenskonstruktion dar. Der Aufbau einer Wissensbasis während der Projektabwicklung hilft dabei das Projektmanagement zu verbessern, und das projektspezifische Wissen auch anderen Projekten zur Verfügung zu stellen. Gerade in Zeiten neuer Möglichkeiten wie der KI (Künstliche Intelligenz) ist das Projektmanagementwissen ein spannendes Thema. Doch worauf sollte dabei geachtet werden? Dazu habe ich folgendes gefunden:

“Wissensmanagement (WM): Die Wiederverwendung von Wissen, insbesondere Projektwissen, ist im PM essentiell. Angewandte Techniken sind vor allem Information Retrieval (IR), Natural Language Processings, und Ontologien als Wissensspeicher. Kenntnisse aus diesen Wissensgebieten sind notwendig, da sie a) aus PM-Sicht dafür sorgen, dass die richtigen Daten identifiziert werden, b) dass die Daten aus Data Analytics-Sicht richtig erfasst und untersucht werden und c), dass die Daten aus Sicht des Wissensmanagements in einer Wissensstruktur für die Nachnutzung sauber bereitgestellt werden” (…) Die Verwendung von Ontologien als Speicher von Wissensobjekten und die integrierte Anwendung der Methode des Case-Based Reasoning eröffnet im genannten Kontext Potentiale für ein verbessertes Projektmanagement” (Kusturica, W. Laroque, C. (2024) in Bernert et al. (2024): KI in der Projektwirtschaft).

Die Autoren haben diesen Ansatz in dem Beitrag anhand eines Fallbeispiels ausführlich dargestellt.

Solche Zusammenhänge thematisieren wir auch in dem von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager AGIL (IHK). Informationen dazu, und zu aktuellen Terminen, finden Sie auf unserer Lernplattform.

Was hat Goethe mit KANBAN zu tun?

Es ist manchmal erstaunlich, was man so in historischen Texten findet. Diesmal ist es ein Satz von Johann Wolfgang von Goethe, der immer noch, bzw. gerade in der jetzigen Zeit, seine Relevanz hat.

Was immer du tun kannst, oder wovon du träumst – fange es an. In der Kühnheit liegt Genie, Macht und Magie. Beginne es jetzt sofort“, schrieb J. W. von Goethe. Dieser Satz entstand schon vor 200 Jahren. Heute hat sich das Umfeld gravierend verändert. Hat damit auch dieser Spruch seine Gültigkeit verloren? Wohl kaum! (Raschke, R. (2001)).

Den Hinweis auf die “Kühnheit des Anfangens” finden wir auch bei KANBAN. Auch KANBAN weist darauf hin, einfach einmal anzufangen – am besten mit einem Board, einem KANBAN Board. Die wenigen Regeln von KANBAN wie z.B. ein priorisiertes Backlog, die Begrenzung von parallel durchzuführender Arbeit (WIP: Work in Progress), das PULL-Prinzip etc. ermöglichen es, komplexe Arbeitsprozesse am Board zu besprechen. Das Board ist das Kommunikationsinstrument, für Verbesserungen im Ablauf, um Werte zu schaffen.

Als Teil des Lean-Gedankens (Lean Production, Lean Management, Lean Thinking) ist KANBAN in der Zwischenzeit aus der ursprünglich produktionsorientierten Anwendung (Toyota Produktions-System) zu einer Möglichkeit geworden, wissensbasierte, komplexe Arbeit zu organisieren. Anderson hat das in seinem Buch in 2010 umfassend dargestellt.

Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager AGIL (IHK). Informationen dazu, und zu aktuellen Terminen, finden Sie auf unserer Lernplattform.

Projektmanagement: Bauchgefühl, Intelligenz und Erfahrung

Image by reallywellmadedesks from Pixabay

In mehreren Blogbeiträgen habe ich schon über das Phänomen des Bauchgefühls in komplexen Problemlösungsprozessen geschrieben. Siehe dazu beispielsweise Das “Bauchgefühl”: Eine unbewusste Intelligenz? oder auch Kann Intuition als Brücke zwischen impliziten und expliziten Wissen gesehen werden? Darüber hinaus habe ich auch etwas mit Verbindung zum Projektmanagement gefunden:

Bauchgefühle sind gewissermaßen Äußerungen unserer unbewussten Intelligenz. Das Unterbewusstsein ordnet unsere Einfälle, je nachdem wie erfolgreich sie in der Vergangenheit waren. Deshalb kommen Fachleuten die besten Ideen meist zuerst. Und auch deshalb ist es so wichtig, seinem Bauch nur zu trauen in Bereichen, in denen man Erfahrung hat. Beispielsweise beim Schachspielen, beim Sport – oder beim Projektmanagement beispielsweise. (… ) „Take the Best“-Faustregel schlägt komplexe Entscheidungsmethodik” (Interview mit Prof. Gerd Gigerenzer in projektmanagementaktuell 3/2008).

Mitarbeiter mit Erfahrungen werden auch als Experten bezeichnet, die in komplexen Problemlösungsprozessen Muster erkennen – oder auch erspüren – die andere einfach nicht sehen/erspüren. Diese Expertise in einem beruflichen Umfeld (einer beruflichen Domäne) scheint – zusammen mit einer inneren Intelligenz – komplexen Methoden zur Entscheidungsfindung überlegen zu sein. Gigerenzer klärt an dieser Stelle allerdings nicht, was er unter der inneren Intelligenz versteht. Ich gehe hier von Howard Gardner´s Theorie der Multiplen Intelligenzen aus.

Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen, Projektmanager/in (IHK) und Projektmanager/in Agil (IHK), die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.