Business Intelligence Analyst mit ITIL® Foundation (Version 5), PRINCE2® 7 Foundation und Practitioner in Project Management
-
Abschlussart: Zertifikat „Business Intelligence Analyst“
Zertifikat „ITIL® Foundation (Version 5)“
Zertifikat „PRINCE2® Project Management Foundation (Version 7)“
Zertifikat „PRINCE2® Project Management Practitioner (Version 7)“ -
Zusatzqualifikationen: Zertifikat „Statistik und Datenanalyse“
Zertifikat „MATLAB und Simulink“
Zertifikat „PCEP™ – Certified Entry-Level Python Programmer”
Zertifikat „Data Engineer“
Zertifikat „Data Analytics“ -
Abschlussprüfung: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
Certified Entry-Level Python Programmer (PCEP™) (in englischer Sprache)
ITIL® Foundation (Version 5) (Prüfungsvoucher im Kurs enthalten)
PRINCE2® Project Management Foundation (Version 7) (Prüfungsvoucher im Kurs enthalten)
PRINCE2® 7 Project Management Practitioner (Version 7) (Prüfungsvoucher im Kurs enthalten) -
Unterrichtszeiten: VollzeitMontag bis Freitag von 8:30 bis 15:35 Uhr (in Wochen mit Feiertagen von 8:30 bis 17:10 Uhr)
-
Dauer: 26 Wochen
Statistik und Datenanalyse
Statistische Grundlagen (ca. 6 Tage)
Messtheoretische Grundlagen (Grundgesamtheit, Stichprobe, Stichprobenarten, Messung, Skalenniveaus)
Univariate Deskriptivstatistik (Häufigkeitsverteilungen, Zentralmaße, Streuungsmaße, Standardisierung, Histogramme, Balkendiagramme, Kreisdiagramme, Liniendiagramme, Boxplots)
Bivariate Deskriptivstatistik (Zusammenhangsmaße, Korrelationskoeffizienten, Kreuztabellen, Streudiagramme, gruppierte Balkendiagramme)
Grundlagen der induktiven Inferenzstatistik (Wahrscheinlichkeitsverteilungen, Normalverteilung, Stichprobenverteilung des Mittelwerts, Signifikanztest, Nullhypothesentest, Signifikanzniveau, Effektgröße, Parameterschätzung, Konfidenzintervalle, Fehlerbalkendiagramme, Poweranalyse, Stichprobenumfang)
Datenaufbereitung und Datenbereinigung mit geeigneter Software
Deskriptive Analyse
Visualisierung statistischer Ergebnisse
KI-gestützte Analyse und Interpretation statistischer Ergebnisse
Methoden zum Vergleich von zwei Gruppen (ca. 5 Tage)
z-Test, t-Test für eine Stichprobe
t-Test für unabhängige und verbundene Stichproben
Pretest-Posttest-Designs mit zwei Gruppen
Unterstützende Signifikanztests (Anderson-Darling-Test, Ryan-Joiner-Test, Levene-Test, Bonett-Test, Signifikanztest für Korrelationen)
Nonparametrische Verfahren (Wilcoxon-Test, Vorzeichentest, Mann-Whitney-Test)
Kontingenzanalysen (Binomialtest, Exakter Test nach Fisher, Chi-Quadrat-Test, Kreuztabellen, Assoziationsmaße)
Interpretation von Testergebnissen
KI-gestützte Ergebnisinterpretation
Grundlagen der Regressionsanalyse (ca. 2 Tage)
Lineare Regression
Modellinterpretation
KI-gestützte Modellinterpretation
Zusammenhangsanalyse
Methoden zum Mittelwertvergleich von mehreren Gruppen (ca. 3 Tage)
Einfaktorielle und zweifaktorielle Varianzanalyse (ANOVA)
Post-hoc-Analysen
Interpretation von Gruppenunterschieden
Mehrfaktorielle Varianzanalyse (Allgemeines Lineares Modell)
Feste, zufällige, gekreuzte und geschachtelte Faktoren
Mehrfachvergleichsverfahren (Tukey-HSD, Dunnett, Games-Howell)
Interaktionsanalyse
Poweranalyse bei Varianzanalysen
Einführung in die Versuchsplanung (DoE, Design of Experiments) (ca. 1 Tag)
Vollfaktorielle und teilfaktorielle Versuchspläne
Projektarbeit (ca. 3 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse
Mathematische Modellierung mit MATLAB und Simulink
Grundlagen MATLAB (ca. 2 Tage)
MATLAB-Oberfläche
Auslesen von Daten aus einer Datei
Variablen, Arrays, Operatoren, Grundfunktionen
Grafische Darstellung von Daten
Anpassen von Diagrammen
Exportieren von Grafiken
Variablen und Befehle (ca. 2 Tage)
Relationale und logische Operatoren
Mengen, Mengen bei 2D-Körpern (Polyshape)
Durchführung mathematischer und statistischer Berechnungen mit Vektoren
Grafiken in der Statistik
Analyse und Visualisierung (ca. 1 Tag)
Erstellen und Verändern von Matrizen
Mathematische Operationen mit Matrizen
Grafische Darstellung von Matrixdaten
Matrixanwendungen: Abbildungen, Rotation, Lineare Gleichungssysteme, Least Square Verfahren
Künstliche Intelligenz (KI) im Arbeitsprozess
Vorstellung von konkreten KI‐Technologien
sowie Anwendungsmöglichkeiten im beruflichen Umfeld
Datenverarbeitung (ca. 1 Tag)
Datentypen: Structure Arrays, Cell Arrays, String vs. Char, Categorical, Datetime u. v. m.
Anlegen und Organisieren tabellarischer Daten
Bedingte Datenauswahl
Importieren/Exportieren mit Matlab: Ordnerstrukturen, .mat-Daten, Tabellendaten, Fließtexte
MATLAB-Programmierung (ca. 3 Tage)
Kontrollstrukturen: Schleifen, if-else, Exceptions
Funktionen
Objektorientierte Programmierung
App Design
Simulation in MATLAB (ca. 5 Tage)
Numerische Integration und Differenziation
Grundlagen der Simulation gewöhnlicher Differentialgleichungen, Matlab ODE und Solveroptionen
Simulationstechnik in Matlab: Eingabeparameter, Dateninterpolation, Simulationsstudien
Simulationssteuerung: Eventfunctions (Zero Crossing), Outputfunctions
Anwendungsbeispiele, z. B. Simulation eines Elektromotors, Simulation einer Rakete
Simulink (ca. 4 Tage)
Grundlagen in Simulink: Schaubilder, Funktionen, Signale und Differentialgleichungen
Funktionen, Subsysteme und Bibliotheken
Import/Export, Lookup-Tabellen, Regelung
Zero-Crossing, Automatisierung von Simulationsaufgaben (Matlab Zugriff)
Anwendungsbeispiele, z. B. Simulation eines Flugzeugtriebstrangs
Projektarbeit (ca. 2 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse
Programmierung mit Python
Grundlagen Python (ca. 1 Tag)
Geschichte, Konzepte
Verwendung und Einsatzgebiete
Syntax
Lexis, Semantik
PEP-8-Konventionen
Interpreter vs. Compiler
Numeral Systems: binär, oktal, hexadezimal
Scientific Notation
Erste Schritte mit Python (ca. 5 Tage)
Zahlen
Zeichenketten
Datum und Zeit
Standardeingabe und -ausgabe
Numerische Operatoren
Vergleichs-, logische und bitweise Operatoren
Datentypumwandlung
list, tuple, dict, set
List-Funktionen und -Methoden
Verzweigungen und Schleifen (if, for, while)
Mitgliedsoperatoren
String-Basics: escaping, multiline strings
Operatoren priorisieren und binden
Künstliche Intelligenz (KI) im Arbeitsprozess
Vorstellung von konkreten KI‐Technologien
sowie Anwendungsmöglichkeiten im beruflichen Umfeld
Funktionen (ca. 5 Tage)
Eigene Funktionen definieren
Variablen
Parameter und Argumente
Rückgabewerte
Rekursion
Namensräume
Funktionale Programmierung
Parameterarten: positional, keyword, mixed
Defaultwerte
Shadowing und global keyword
None und Rückgabe ohne Wert
Fehlerbehebung (ca. 0,5 Tage)
Grundlagen der Fehlerbehandlung mit try und except
Typische Fehlertypen und Exception Hierarchie
Fehlerweitergabe und Programmunterbrechungen
Strukturierung der except Blöcke
Objektorientierte Programmierung (ca. 4,5 Tage)
Python-Klassen
Methoden
Unveränderliche Objekte
Datenklasse
Vererbung
Projektarbeit, Zertifizierungsvorbereitung und Zertifizierungsprüfung „PCEP™ – Certified Entry-Level Python Programmer” in englischer Sprache (ca. 4 Tage)
Data Engineer
Grundlagen Business Intelligence (ca. 2 Tage)
Anwendungsfelder, Dimensionen einer BI Architektur
Grundlagen Business Intelligence, OLAP, OLTP, Aufgaben der Data Engineers
Data Warehousing (DWH): Umgang und Verarbeitung von strukturierten, semi-strukturierten und unstrukturierten Daten
Anforderungsmanagement (ca. 2 Tage)
Aufgaben, Ziele und Vorgehensweise in der Anforderungsanalyse
Datenmodellierung, Einführung/Modellierung mit ERM
Einführung/Modellierung in der UML
· Klassendiagramme
· Use-Case Analyse
· Aktivitätsdiagramme
Künstliche Intelligenz (KI) im Arbeitsprozess
Vorstellung von konkreten KI‐Technologien
sowie Anwendungsmöglichkeiten im beruflichen Umfeld
Datenbanken (ca. 3 Tage)
Grundlagen von Datenbanksystemen
Architektur von Datenbankmanagementsystemen
Anwendung RDBMS
Umsetzung Datenmodell in RDBMS, Normalformen
Praktische und theoretische Einführung in SQL
Grenzen von Relationalen Datenbanken, csv, json
Data Warehouse (ca. 4 Tage)
Star Schema
Datenmodellierung
Erstellung Star Schema in RDBMS
Snowflake Schema, Grundlagen, Datenmodellierung
Erstellung Snowflake Schema in RDBMS
Galaxy Schema: Grundlagen, Datenmodellierung
Slowly Changing Dimension Tables Typ 1 bis 5 – Restating, Stacking, Reorganizing, mini Dimension und Typ 5
Einführung in normal, causal, mini und monster, heterogeneous und sub Dimensions
Vergleich von state und transaction oriented
Faktentabellen, Density und Storage vom DWH
ETL (ca. 4 Tage)
Data Cleansing
· Null Values
· Aufbereitung von Daten
· Harmonisierung von Daten
· Anwendung von Regular Expressions
Data Understanding
· Datenvalidierung
· Statistische Datenanalyse
Datenschutz, Datensicherheit
Praktischer Aufbau von ETL-Strecken
Data Vault 2.0, Grundlagen, Hubs, Links, Satellites, Hash Key, Hash Diff.
Data Vault Datenmodellierung
Praktischer Aufbau eines Data Vault Modells – Raw Vault, praktische Umsetzung von Hash-Verfahren
Projektarbeit (ca. 5 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse
Data Analytics
Einführung Datenanalyse (ca. 1 Tag)
CRISP-DM Referenzmodell
Data Analytics Workflows
Begriffsabgrenzung Künstliche Intelligenz, Machine Learning, Deep Learning
Anforderungen und Rolle im Unternehmen der Data Engineers, Data Scientists und Data Analysts
Wiederholung Grundlagen Python (ca. 1 Tag)
Datentypen
Funktionen
Datenanalyse (ca. 3 Tage)
Zentrale Python-Module im Kontext Data Analytics (NumPy, Pandas)
Prozess der Datenaufbereitung
Data Mining Algorithmen in Python
Künstliche Intelligenz (KI) im Arbeitsprozess
Vorstellung von konkreten KI‐Technologien
sowie Anwendungsmöglichkeiten im beruflichen Umfeld
Datenvisualisierung (ca. 3 Tage)
Explorative Datenanalyse
Insights
Datenqualität
Nutzenanalyse
Visualisierung mit Python: Matplotlib, Seaborn, Plotly Express
Data Storytelling
Datenmanagement (ca. 2 Tage)
Big Data Architekturen
Relationale Datenbanken mit SQL
Vergleich von SQL- und NoSQL-Datenbanken
Business Intelligence
Datenschutz im Kontext der Datenanalyse
Datenanalyse im Big Data Kontext (ca. 1 Tag)
MapReduce-Ansatz
Spark
NoSQL
Dashboards (ca. 3 Tage)
Bibliothek: Dash
Aufbau und Customizing von Dashboards
Callbacks
Text Mining (ca. 1 Tag)
Data Preprocessing, Visualisierung
Bibliothek: SpaCy
Projektarbeit (ca. 5 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse
ITIL® Foundation (Version 5)
Wichtige ITIL Begriffe und Definitionen (ca. 2 Tage)
Management digitaler Produkte und Services
Produkte, Services und Serviceangebote
Wertschöpfung und Servicebeziehungen
Servicekonsumenten, Service Provider, Sponsor, Kundschaft und Anwender:innen
Servicequalität und Service Level Agreements (SLA)
Utility, Warranty, User Experience und Nachhaltigkeit
ITIL Produkt- und Servicelebenszyklus
Continual Improvement
Die vier Dimensionen des Produkt- und Servicemanagements von ITIL (ca. 1 Tag)
Organisationen und Menschen
Partner und Lieferanten
Informationen und Technologie
Wertströme und Prozesse
Ganzheitlicher Ansatz und externe Einflussfaktoren
Der ITIL Produkt- und Servicelebenszyklus (ca. 1 Tag)
Discover, Design, Acquire und Build
Transition, Operate, Deliver und Support
Wertschöpfung im Produkt- und Servicelebenszyklus
Iterative und nicht-lineare Nutzung des Lebenszyklus
Das ITIL Value System (ca. 2 Tage)
Komponenten des ITIL Value Systems und ITIL Grundprinzipien
Governance, Wertschöpfungskette und Betriebsmodell
Management-Practices, Practice-Leitfäden und Continual Improvement
Wertorientierung, Zusammenarbeit und Optimierung
Servicebetrieb, Releases und Problemmanagement
Continuous Integration, Continuous Delivery und Continuous Deployment
Site Reliability Engineering (SRE) und Observability
Messgrößen und Critical Success Factors (CSF)
Wertstromidentifizierung, -abbildung und -management (ca. 1 Tag)
Wertströme und Wertstrommanagement
Hauptwertströme und unterstützende Wertströme
Komplexitätsdenken und Workflowoptimierung
Wertstromdarstellung
ITIL und KI (ca. 0,5 Tage)
Künstliche Intelligenz (KI) und KI-Reife
Generative KI (GenAI) und Agentic KI
KI im Produkt- und Servicelebenszyklus
KI-Governance
ITIL und andere Rahmenwerke (ca. 0,5 Tage)
ITIL und DevOps
ITIL und PRINCE2
Projektmanagement im Produkt- und Servicelebenszyklus
Projektarbeit, Zertifizierungsvorbereitung und Zertifizierungsprüfung (ca. 3 Tage)
PRINCE2® Project Management Foundation (Version 7)
Einführung in das Projektmanagement basierend auf PRINCE2® (ca. 1 Tag)
Definition und Charakteristiken eines Projekts
Projektsteuerungskreislauf des Projektmanagements und die sechs Projektdimensionen
Herausforderungen im Projektmanagement – warum scheitern Projekte?
Vorteile der PRINCE2® Projektmanagement-Methode
Kunden-Lieferanten-Umgebungen
Projekte in einem kommerziellen Umfeld
Struktur der PRINCE2®-Methode und ihre fünf integrierten Bausteine
Die Managementprodukte von PRINCE2®
Digitale Werkzeuge und KI gestützte Analyse im modernen Projektmanagement
Die PRINCE2® Grundprinzipien (ca. 1 Tag)
Die sieben Grundprinzipien von PRINCE2®
Aussagen und Inhalte der Grundprinzipien
Beziehung zwischen den Grundprinzipien und den Themen von PRINCE2®
Anpassung von PRINCE2® an die Projektumgebung unter Berücksichtigung digitaler Arbeitsweisen
Die Bedeutung von Menschen für PRINCE2® Projekte (ca. 1 Tag)
Änderungsmanagement
Führung und Management
Kommunikation im Projekt
Auswirkungen digitaler und KI gestützter Systeme auf Zusammenarbeit und Veränderungsprozesse
Die sieben Themen von PRINCE2® (ca. 3 Tage)
Business Case (Nutzenmanagement-Ansatz und Nachhaltigkeitsmanagement-Ansatz)
Organisation (Projektstruktur, Rollen und Verantwortlichkeiten)
Erstellung von Plänen
Qualitätsplanung und Qualitätskontrolle
Risikomanagement unter Einsatz moderner Analyseverfahren und datenbasierter Auswertungen
Issue-Management
Steuerung des Projektfortschritts
Die sieben Prozesse von PRINCE2® (ca. 2 Tage)
Zusammenspiel der sieben PRINCE2® Prozesse im Projektablauf
Aktivitäten in den jeweiligen PRINCE2® Prozessen
Vorbereiten, Lenken und Initiieren eines Projekts
Steuern einer Phase
Managen der Produktlieferung
Managen der Phasenübergänge
Abschließen eines Projekts
Projektarbeit, Zertifizierungsvorbereitung und Zertifizierungsprüfung (ca. 2 Tage)
PRINCE2® Project Management Practitioner (Version 7)
Einführung (ca. 1 Tag)
Überblick über die PRINCE2®-Methodik und die Practitioner-Prüfung
Unterschiede zur Foundation-Prüfung
Personalmanagement in Projekten anwenden (ca. 1 Tag)
Führungsansätze im Projektszenario bewerten
Kommunikationsmanagement-Ansatz anwenden, auch unter Nutzung digitaler und KI-gestützter Analysewerkzeuge
Changemanagement-Ansatz anwenden
Menschen im Mittelpunkt der PRINCE2 Methode
PRINCE2®-Prinzipien im Kontext anwenden (ca. 1 Tag)
Geschäftliche Rechtfertigung
Aus Erfahrungen lernen
Rollen, Verantwortlichkeiten und Beziehungen
Stufenweises Management
Management durch Ausnahmen
Produktfokus
Maßgeschneiderte Lösung
PRINCE2®-Praktiken im Kontext anwenden (ca. 2,5 Tage)
Business Case, Organisation, Pläne
Qualität, Risiken, Probleme, Fortschritt
Risikoanalyse und Fortschrittsbewertung unter Nutzung datenbasierter und KI-gestützter Analysewerkzeuge
Anwendung und Bewertung im Projektszenario
PRINCE2® Prozesse im Kontext anwenden (ca. 1,5 Tage)
Starten eines Projekts
Lenken eines Projekts
Initiieren eines Projekts
Steuern einer Phase
Verwalten der Produktlieferung
Managen eines Phasenübergangs
Projekt schließen
Anwendung von PRINCE2® in der Praxis (ca. 1,5 Tage)
Anpassung von PRINCE2® an unterschiedliche Projekte
Umgang mit Abweichungen und Risikomanagement
Praktische Anwendung von Themen, Prinzipien und Prozessen unter Nutzung digitaler Analyse- und Entscheidungswerkzeuge
Projektarbeit, Zertifizierungsvorbereitung und Zertifizierungsprüfung (ca. 1,5 Tage)
Änderungen möglich, die Lehrgangsinhalte werden regelmäßig aktualisiert.
Nach dem Lehrgang verfügst du über wesentliche Kenntnisse in der Statistik, kannst mit MATLAB und Simulink umgehen und beherrschst die Programmiersprache Python. Verbunden mit dem im Kurs vermittelten Fachwissen des Data Engineerings und der Datenanalyse bist du in der Lage, umfangreiche Datensätze zu managen, statistisch effizient auszuwerten und die Ergebnisse anschaulich und leicht verständlich zusammenzufassen.
Zusätzlich verstehst du die zentralen Konzepte des Managements digitaler Produkte und Services nach ITIL® Foundation (Version 5). Du kennst den ITIL Produkt- und Servicelebenszyklus, das ITIL Value System, Wertströme, Wertschöpfung und Servicebeziehungen sowie moderne Konzepte wie KI, Automatisierung und Continual Improvement und kannst diese im organisatorischen Kontext einordnen. Des Weiteren kannst du in PRINCE2®-Projekten mitarbeiten, kennst deren Ablauf und die Begrifflichkeiten. Du bist auch in der Lage, IT-Projekte zu planen, durchzuführen und Erfolge zu messen.
Des Weiteren erlangst du umfassendes Verständnis der PRINCE2-Methodik. Du lernst alle wichtigen Prinzipien, Themen und Prozesse kennen, die du für die Anwendung von PRINCE2 in realen Projekten benötigst. Durch praxisnahe Beispiele und eine strukturierte Herangehensweise lernst du, wie PRINCE2 flexibel auf verschiedene Projektsituationen anwendet wird.
Der Lehrgang richtet sich an Personen mit abgeschlossenem Studium in der Informatik, Wirtschaftsinformatik, BWL, Mathematik oder vergleichbarer Qualifikation.
Dieser Kurs richtet sich außerdem an angehende Fach- und Führungskräfte aus IT, Digitalisierung, Service Management und Projektmanagement, die ihr Wissen mit den Methoden ITIL® und PRINCE2® erweitern möchten. Vor allem Personen aus dem IT-Bereich und der Netzwerkadministration wie Geschäftsführer:innen, Consultants, Organisationsentwickler:innen und IT-Leiter:innen profitieren von einer Zusatzqualifikation im IT-Service- und Projektmanagement mit ITIL® und PRINCE2®.
Business Intelligence Analysts sind für die Durchführung von Unternehmensanalysen zuständig und fungieren als Bindeglied zwischen Fachabteilung und IT-Team. Fach- und Führungskräfte mit entsprechenden Kenntnissen sind sowohl bei großen als auch mittelständischen Unternehmen in Industrie, Handel, Dienstleistungs- und Finanzwesen nachgefragt.
Mit Kenntnissen im IT-Service und Projektmanagement mit ITIL® und PRINCE2® weist du deine zusätzliche Qualifikation auf, die vor allem in der IT-Branche vielfach nachgefragt ist.
Zudem weist dein PRINCE2 Practitioner-Zertifikat nach, dass du die Methodik in komplexen Projekten praktisch und verantwortungsvoll anwenden kannst.
Didaktisches Konzept
Deine Dozierenden sind sowohl fachlich als auch didaktisch hoch qualifiziert und werden dich vom ersten bis zum letzten Tag unterrichten (kein Selbstlernsystem).
Du lernst in effektiven Kleingruppen. Die Kurse bestehen in der Regel aus 6 bis 25 Teilnehmenden. Der allgemeine Unterricht wird in allen Kursmodulen durch zahlreiche praxisbezogene Übungen ergänzt. Die Übungsphase ist ein wichtiger Bestandteil des Unterrichts, denn in dieser Zeit verarbeitest du das neu Erlernte und erlangst Sicherheit und Routine in der Anwendung. Im letzten Abschnitt des Lehrgangs findet eine Projektarbeit, eine Fallstudie oder eine Abschlussprüfung statt.
Virtueller Klassenraum alfaview®
Der Unterricht findet über die moderne Videotechnik alfaview® statt - entweder bequem von zu Hause oder bei uns im Bildungszentrum. Über alfaview® kann sich der gesamte Kurs face-to-face sehen, in lippensynchroner Sprachqualität miteinander kommunizieren und an gemeinsamen Projekten arbeiten. Du kannst selbstverständlich auch deine zugeschalteten Trainer:innen jederzeit live sehen, mit diesen sprechen und du wirst während der gesamten Kursdauer von deinen Dozierenden in Echtzeit unterrichtet. Der Unterricht ist kein E-Learning, sondern echter Live-Präsenzunterricht über Videotechnik.
Die Lehrgänge bei alfatraining werden von der Agentur für Arbeit gefördert und sind nach der Zulassungsverordnung AZAV zertifiziert. Bei der Einreichung eines Bildungsgutscheines oder eines Aktivierungs- und Vermittlungsgutscheines werden in der Regel die gesamten Lehrgangskosten von deiner Förderstelle übernommen.
Eine Förderung ist auch über den Europäischen Sozialfonds (ESF), die Deutsche Rentenversicherung (DRV) oder über regionale Förderprogramme möglich. Als Zeitsoldat:in besteht die Möglichkeit, Weiterbildungen über den Berufsförderungsdienst (BFD) zu besuchen. Auch Firmen können ihre Mitarbeiter:innen über eine Förderung der Agentur für Arbeit (Qualifizierungschancengesetz) qualifizieren lassen.