Menü

4. Juni 2019

Zukunftsfähig und praxisnah – wie die DGQ und ihre Trainer neue Lehrgänge entwickeln

Die Welt der Weiterbildungsangebote wandelt sich schnell und kontinuierlich. Denn neue Trends, Methoden und Techniken in der Arbeitswelt liefern Anlässe, Themen stetig neu zu denken und Trainingsformate auf die Herausforderungen der Zukunft auszurichten. Bei der Entwicklung neuer DGQ-Trainings leisten Trainer einen entscheidenden Beitrag. Sie wirken bei der Entwicklung neuer Lehrgänge, Seminare und DGQ-Praxiswerkstätten mit und überarbeiten regelmäßig bestehende Formate.

Ziel der DGQ ist es, Teilnehmern aktuelles und praxisnahes Wissen, nützliche Werkzeuge und nachhaltige Methodenkompetenz zu vermitteln. Dies alles, um einerseits das Unternehmen voran zu bringen, aber auch persönliche Karrierechancen zu steigern und mit dieser Kompetenz im Unternehmen wirksam zu sein.

Aktuelles Beispiel – aus Statistik wird Data Analytics

Die Zusammenarbeit zwischen DGQ und Trainern wird an dem aktuellen Beispiel der Neuausrichtung der DGQ-Statistik-Lehrgänge deutlich, bei denen das Thema Data Analytics in den Fokus gerückt wurde. Die Digitalisierung verändert die Anforderungen an Datenerhebung und -analyse. Moderne Methoden der Datenanalyse bieten Unternehmen bemerkenswertes Potenzial, um sich im Markt besser zu positionieren. Gefragt sind gut ausgebildete Mitarbeiter, die Daten richtig erheben, smart auswerten und nutzen können. Hier setzen die neuen Data Analytics-Lehrgänge der DGQ an.

Wie entsteht ein neues DGQ-Training?

Am Anfang des Prozesses steht in der Regel ein Impuls, wie z.B. die Revision einer Norm, neue Methoden oder neue Kompetenzen. Im Fall der Data Analytics-Lehrgänge ist es die zunehmende Bedeutung von Daten und deren Verarbeitung z.B. im Produktionsprozess.

Im nächsten Schritt der Entwicklung werden Informationen aus verschiedenen Quellen eingeholt – z. B. mittels Literaturrecherchen, Marktanalysen, Umfragen und Workshops mit Experten. Zu diesen gehören die DGQ-Trainer, die so in die Rolle des thematischen Experten für die Trainingsinhalte schlüpfen. Auf Grundlage der gesammelten Informationen erstellen die DGQ-Produktmanager und Trainer gemeinsam ein Trainingskonzept, dass sie im weiteren Verlauf zu einem Feinkonzept weiterentwickeln. Im Laufe dieses Prozesses werden unterschiedliche Entscheidungen gefällt: die Auswahl und der Zuschnitt der Inhalte, die Wahl der passenden Methoden sowie die Frage nach dem Einsatz von Medien und nach den Formaten, in denen Inhalte angeboten werden. Die Expertise der Trainer ist im gesamten Entwicklungsprozess eine wichtige Unterstützung und Entscheidungshilfe.

Darüber hinaus gibt es eine Reihe von Schnittstellen, die miteinbezogen werden müssen – von der Marketingabteilung über die Personenzertifizierung bis zur Layout-Abteilung, die die Lehrgangsunterlagen erstellt. Am Ende dieses Prozesses steht der Pilottermin des neuen Trainings. Dieser dient auch dazu, die ersten Eindrücke der Trainer und Teilnehmer aufzugreifen und mögliche Anregungen in kommende Veranstaltungen zu integrieren.

Was macht einen guten Autor aus?

Trainings zu entwickeln und zu überarbeiten erfordert definierte fachliche, didaktische, soziale und kreative Kompetenzen. Grundvoraussetzung ist jedoch die Bereitschaft von Trainern, ihr Wissen einzubringen, zu teilen und zur Diskussion zu stellen. Diese Offenheit ermöglicht es, die wesentlichen Inhalte einer Weiterbildungsveranstaltung zu identifizieren. Darüber hinaus ist eine exzellente Kommunikationsfähigkeit der Autoren entscheidend. Vor allem dann, wenn es darum geht, komplexe Inhalte so aufzubereiten, dass sie schnell erlernbar und unmittelbar anzuwenden sind.  Hier ist die Kunst des Weglassens bzw. der didaktischen Reduktion gefragt. Ein weiteres Plus für Kunden: Die DGQ-Trainer arbeiten mit einer Fülle von Praxisbeispielen und Modellen, welche die Theorie lebendig und abwechslungsreich gestalten.

Verschiedene Rollen für vielfältige Aufgaben

Um die inhaltlich abwechslungsreiche und methodisch vielfältige Lehrgangsreihe Data Analytics marktgerecht zu entwickeln, ist ein Team von unterschiedlichen Trainerpersönlichkeiten notwendig.

Im Prozess der Entwicklung dieser Lehrgänge haben sich folgende idealtypische Rollen herauskristallisiert. Diese lassen sich oft auf eine Person beziehen. Eine Person kann jedoch auch verschiedene Rollen gleichzeitig einnehmen:

  • Die Rolle des Bewahrers
  • Die Rolle des Transferleisters
  • Die Rolle des Praktikers
  • Der Rolle des Visionärs

Der Bewahrer  zwischen Tradition und Zukunft

Für die Entscheidung, welche Bestandteile eines existierenden Lehrgangs zukunftsfähig sind und in neue Lehrgänge überführt werden sollten, ist die Meinung derjenigen DGQ-Trainer wichtig, die die Veranstaltung bereits sehr gut kennen. Somit ist mindestens ein Teammitglied aus der bestehenden Trainerschaft in der Rolle des Bewahrers. Im Kontext der Data Analytics Themen ist dies der Trainer, der bewährte Modelle wie Normalverteilung und Feststellung von Merkmalszusammenhängen wie Korrelation und Regression in die neuen Lehrgänge integriert.

Der Transferleister – Wissenschaft trifft Praxisfähigkeit

Um neue wissenschaftliche Erkenntnisse in die Lehrgänge einzubringen, bedarf es der Rolle des Transferleisters. Universitäres Know-how wird in den neuen Data Analytics-Lehrgängen z. B. durch Mitarbeiter der Technischen Universität Berlin abgebildet. Am Wendepunkt digitaler Datenerfassung stellen Mitautoren bei der Lehrgangsüberarbeitung sicher, dass neueste wissenschaftliche Erkenntnisse und Methoden einfließen. So garantiert die DGQ, dass Inhalte anschlussfähig und zukunftsorientiert sind und die Teilnehmer für die aktuellen Herausforderungen der Datenanalyse optimal rüsten. In den Data Analytics-Lehrgang zum Thema Zuverlässigkeitsanalyse (Reliability) fließen beispielsweise aktuelle wissenschaftliche Erkenntnisse und Forschungsergebnisse in Form praxisorientierter Übungen ein.

Der Praktiker – Alltagsfähigkeit statistischer Methoden

Bei der Idealbesetzung eines Lehrgangsentwicklungsteams ist eine weitere wichtige Rolle die des Praktikers mit fundiertem Branchenwissen. Zukünftige Inhalte müssen geeignet sein, um den Anforderungen von heute und morgen gerecht zu werden. Daher vereint die DGQ in der Trainerschaft Branchenexpertise z.B. aus den Bereichen Automotive, Medizinprodukte, Dienstleistung und Maschinenbau. Der Praktiker wählt Methoden aus, die von der Einzelfertigung bis zur Serienfertigung angewendet werden können, um Normen und gesetzliche Rahmenbedingungen zu erfüllen, Entwicklungsprozesse zu begleiten oder Kundenanforderungen umzusetzen. Die Autoren beherrschen Werkzeuge der klassischen Statistik ebenso wie aktuelle Methoden zur Datenanalyse.

Der Visionär – von der Idee zur praktischen Anwendung

Pioniere und neue Geschäftsmodelle werden dort gebraucht, wo es darum geht, neueste Erkenntnisse als Unternehmensmodell zu gründen und neue Methoden zu etablieren. Das können beispielsweise Projekte zum Thema Machine Learning oder Analysemethoden zu Big Data sein sowie neue Trends wie Industrie 4.0. Visionäre erkennen die Chancen neuer Trends und erproben diese in ihrer beruflichen Praxis. In dieser Rolle sind sie bestens geeignet, um die Modelle und Lösungen der Zukunft bereits heute zu vermitteln. Die Teilnehmer profitieren vom Know-how der Visionäre und können mit dem Erlernten die Zukunft ihres Unternehmens mitgestalten.

Unterschiedliche Trainer-Persönlichkeiten fördern beruflichen Erfolg

Im Fall der neuen Data Analytics-Lehrgänge ist eine Trainingsreihe entstanden, die bewährte, moderne und zukunftsweisende Inhalte vereint. In sechs Lehrgängen verbindet sich die jahrzehntelange Erfahrung der DGQ in der Vermittlung praxisrelevanter, statistischer Methoden für Industrie und Dienstleistung mit neu entwickelten Lösungen für die aktuellen Anforderungen an die professionelle Analyse von Daten. Hierzu hat die enge Zusammenarbeit zwischen DGQ-Produktmanagement und Trainern den entscheidenden Beitrag geleistet. Einen Beitrag, durch den jeder Teilnehmer in jedem Lehrgang nachhaltig an Kompetenz gewinnt.

 

Big Data mit explorativen Methoden analysieren

Lernen Sie verschiedene Verfahren sowie Zusammenhänge, Muster und Ursachen zur Analyse von Big Data kennen.

Mehr Details

Zuverlässigkeit methodisch beschreiben und analysieren

Lernen Sie grundlegende statistische Methoden, um Zuverlässigkeitsanalysen erfolgreich durchzuführen.

Mehr Details