-
Abschlussart: Zertifikat „Six Sigma Green Belt“
Zertifikat „Statistik und Datenanalyse“ -
Abschlussprüfung: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
Six Sigma Green Belt -
Unterrichtszeiten: VollzeitMontag bis Freitag von 8:30 bis 15:35 Uhr (in Wochen mit Feiertagen von 8:30 bis 17:10 Uhr)
-
Dauer: 8 Wochen
Qualitätsmanagement – Six Sigma Green Belt
Einführung in Six Sigma (ca. 1 Tag)
Was ist Six Sigma? Historie, Philosophie und Strategie
DMAIC-Projektphasen, Zielsetzungen und Rollen
Six Sigma im Kontext von Lean, Qualitätsmanagement und Operational Excellence
Hybrides Projektmanagement mit DMAIC für KI-Projekte
KI-gestützte Projektsteuerung (ca. 1 Tag)
Grundlagen Künstlicher Intelligenz
Einsatzfelder entlang DMAIC, Grenzen und Risiken
Daten- und Prompt-Grundlagen, Kontext und Qualitätskriterien
Governance, Sicherheit, EU AI Act und DSGVO
KI-Dashboard, Informationsverdichtung und Quality Gates
Define – Definieren (ca. 3 Tage)
Projektidentifikation, strategische Relevanz und Kennzahlentreiberbaum
Abgrenzung zu KVP und PUL (Problem, Ursache und Lösung)
Projektsteckbrief: Problembeschreibung und SMARTe Zieldefinition
In- und Out-Rahmen sowie KI-gestützte Vollständigkeitsprüfung
LIPOK und Voice of Customer (VoC)
Affinitätsdiagramm und Kano-Modell
VoC-to-CTQ-Transformation, Spezifikationen und Akzeptanzkriterien
KI-gestützte Analyse und fachliche Validierung von Kundenanforderungen
Wirtschaftlichkeit: ROI, TCO und qualitativer Nutzen
Stakeholderanalyse und KI-gestützte Projektplanung
Risikoanalyse und präventive Maßnahmen
Changemanagement und Veränderungsmotivation
Kommunikationsstrategie, Elevator Pitch und KI-gestützte Change Story
Quality Gate Review Define
Measure – Messen (ca. 3,5 Tage)
Mathematisches Prozessmodell und Ursache-Wirkungskette der CTQs
Einflussgrößenanalyse mit Ishikawa und KSR sowie KI-gestützte Messgrößenmatrix
Datentypen und Messskalen
Operationale Definition, Erhebungsmethoden und Stichprobenstrategie
Datensammelplan und Steuerung mit KI-Dashboard
Messsystemanalyse: Bias, Wiederholbarkeit, Reproduzierbarkeit und Gage R&R
Datenqualität, Plausibilitätschecks und KI-gestützte Datenbereinigung
Datenvisualisierung, statistische Kennzahlen sowie Maschinen- und Prozessfähigkeit
KI-gestützte Interpretation der Messergebnisse und Quality Gate Review Measure
Analyze – Analysieren (ca. 3,5 Tage)
Prozesstüre und Datentüre sowie Wertschöpfungsanalyse
Wertstromanalyse, Spaghetti-Diagramm, TIMWOODS und Makigami
Abgrenzung von Symptom, Problem und Ursache
Ursache-Wirkungs- und Pareto-Analyse sowie KI-gestütztes Fehlercode-Clustering
Hypothesenbildung und KI als Sparringspartner
Design of Experiments und KI-gestützte Prüfung von Einflussfaktoren
Korrelations- und Regressionsanalyse sowie statistische Hypothesentests und Gruppenvergleiche
KI-gestützte Evidenzmatrix und FMEA
Quality Gate Review Analyze
Improve – Innovativ verbessern (ca. 3 Tage)
Kreativitätstechniken und KI-gestützte Lösungsentwicklung
Lean-Lösungsprinzipien sowie technische und organisatorische Maßnahmen
Lösungsansätze mit generativer KI, Automatisierung und Robotik
Regulatorische und organisatorische Anforderungen für den KI-Einsatz
KI-spezifische Risikobewertung sowie Machbarkeits- und Reifegradanalyse
Lösungsbewertung
Akzeptanz- und Aufwand-Nutzen-Bewertung
Implementierungsplan und Pilotierung mit Erfolgs- und Abnahmekriterien
Iteratives Vorgehen bei KI-Piloten und Quality Gate Review Improve
Control – Controlling und nachhaltig implementieren (ca. 2 Tage)
Go-Live, Prozessstabilisierung und Begleitung der Anlaufphase
Standard Operating Procedures und Controllingplan
KPIs, statistische Prozesskontrolle, Regelkarten und Reaktionsmaßnahmen
Balanced Scorecard und KI-gestütztes Monitoring
Auditkonzept
Projektabschluss, Übergabe und KI-gestützte Dokumentation
Quality Gate Review Control
Projektarbeit, Prüfungsvorbereitung und Abschlussprüfung (ca. 3 Tage)
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
Änderungen möglich, die Lehrgangsinhalte werden regelmäßig aktualisiert.
Nach dem Lehrgang bist du in der Lage, Six-Sigma-Projekte gemäß ISO 13053-1 und der DMAIC-Systematik eigenständig und erfolgreich umzusetzen. Du wendest die spezifischen Werkzeuge und Methoden der Prozess- und Datenanalyse sicher an, leitest Verbesserungen datenbasiert ab und nutzt KI durchgängig als methodische Assistenz. Du gestaltest Quality Gate Reviews entlang der DMAIC-Systematik und entwickelst KI-gestützte Dashboards zur Projektsteuerung, Qualitätskontrolle und Entscheidungsunterstützung.
Auch verstehst du die Grundlagen der Statistik, kannst Daten aufbereiten, auswerten sowie statistische Datenanalysen und Ergebnisse mit Grafiken darstellen, erläutern und interpretieren.
Projektmanager:innen, Personen mit Studium der Ingenieurwissenschaften, Techniker:innen, Meister:innen sowie Fachkräfte aus dem Produktions- und Dienstleistungssektor und Personen aus den Bereichen Qualitätsmanagement, Verwaltung und Vertrieb, die Verbesserungsprojekte anhand der Six Sigma Methode durchführen und leiten möchten.
Anwender:innen und Fachkräfte aus der Sozial- und Marktforschung, der Betriebswirtschaft (Marketing, Business Intelligence), den technischen Bereichen, der Produktion, der Qualitätssicherung und der Forschung im Gesundheitsbereich.
Six Sigma ist eine international einheitliche und anerkannte Methode des Qualitätsmanagements und ein Managementtool zur Prozessverbesserung. Durch Erlangung des Green Belts beweist du die Beherrschung der Methodik im Beruf. Als Six Sigma Projektmanager:in bist du branchenübergreifend in mittleren und größeren Unternehmen gefragt und wertest somit dein Karriereprofil nachhaltig auf.
Fundierte Kenntnisse in der Statistik stellen eine wertvolle Zusatzqualifikation dar, die in der industriellen Forschung und Entwicklung, in der Arzneimittelentwicklung, in der Betreuung medizinischer Studien, im Bereich Finanz- und Versicherungswesen, in der Informationstechnologie oder in der öffentlichen Verwaltung sehr gefragt.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.