Future-Tech im Praxiseinsatz

 © Prof. Johner Use Cases für die Anwendung neuer Technologien im Gesundheitssektor

Autor:innen: Manfred Hörter & Lena Löhe | msg industry advisors


Wie schnell lässt sich das ideal geeignete Medikament gegen eine Virusinfektion finden: in Jahren, Monaten oder Wochen? Das kommt auf den Anwendungsfall an  und welche Rolle dabei Technologien wie KI (Künstliche Intelligenz) übernehmen. Ein Paradebeispiel lieferte ein KI-Algorithmus des Biotechnologie-Unternehmens Atomwise in der Arzneimittelforschung zur Entwicklung einer Behandlung für Ebola-Virusinfektionen. Der Algorithmus ermittelte nicht nur treffend zwei Medikamente, die zu einer deutlichen Reduzierung der Ebola-Infektiosität führen könnten, sondern verkürzt sogar den Zeitraum für diese Analyse auf weniger als einen Tag.


Dieser Use Case für den Einsatz von KI im Gesundheitssektor liegt nun bereits sieben Jahre zurück und seitdem haben sich KI-Anwendungen in Varianz und Leistungsfähigkeit enorm weiterentwickelt. Unter anderem, weil sich das Spektrum an Zukunftstechnologien durch AR (Augmented Reality), VR (Virtual Reality), IoT (Internet of Things), Health-Apps, RPA (Robotic Process Automation), Organ on Chips und 3D-Printing erweitert hat.

Für Pharma-, Medizintechnik- und Biotech-Unternehmen bringt diese Fülle an Handlungsfeldern und Tools eine große Herausforderung mit sich. Es müssen kurzfristig die richtigen Investitionsentscheidungen getroffen werden, um neue Produkt-Pipelines zu entwickeln und Markteinführungszeiten zu verkürzen — was natürlich ohne Einbußen bezüglich Qualität oder regulatorischer Compliance geschehen muss.

Für Orientierung sorgt der msgTechRADAR. Die Bewertungsplattform unterstützt Unternehmen dabei, schnell das notwendige Wissen über Zukunftstechnologien aufzubauen und die passenden Anwendungen für den eigenen Bedarf zu identifizieren. Einen Testzugang stellt msg industry advisors gerne auf Anfrage an info@msg-advisors.com zur Verfügung. Die folgenden Einsatzbeispiele zeigen exemplarisch, welche Technologie-Innovationen in den genannten Branchen besonders relevant sind.

Qualitätsmanagement mit KI-Agenten
Wie lassen sich Fehler im Fertigungsprozess schneller erkennen und präziser klassifizieren? Für diese Aufgabe setzt ein Automobilhersteller Deep Neural Networks als „KI-Agenten“ ein. Das Toolkit „Fast AI“ überprüft die Fahrzeuge in der Auditierung der Produktion mit Hilfe von Kamerasystemen. Fehler oder Qualitätsabweichungen erkennt die KI automatisch und klassifiziert diese, anschließend wird ein Eintrag dazu im System erzeugt.
Für die Prozessindustrie ist diese Anwendung ebenso attraktiv, da sich branchenspezifische Anforderungen im Qualitätsmanagement in einer entsprechend adaptierten Anwendung ideal integrieren ließen. So ermöglicht die KI im Use Case eine stetige Verbesserung hin zu einer schnelleren und einfacheren Fehlerbilderfassung, was etwa im Kontext der Kontrolle von Medikamenten-Chargen ebenfalls hilfreich ist. Auch die automatische Übernahme des erkannten Fehlerbildes in das Audit-System ist mit Blick auf die Dokumentationspflicht wertvoll. Eine aufwändige manuelle Suche der korrekten Teile-/Werkstoff- und Fehlerbezeichnungen entfällt, was zusätzlich Initiativen zur papierlosen Fertigung und Dokumentation begünstigt. Da die KI-Anwendung zudem alle relevanten Fehlerattribute automatisch „befüllt“, ist auch die Vollständigkeit der Daten sichergestellt.
 
Prozessautomatisierung mit RPA 
Robotic Process Automation (RPA) beschleunigt und verbessert die Effizienz im Austausch zwischen Legacy-Systemen im Unternehmen. Eine Fülle von aufwendigen, zeitraubenden Aufgaben, bei denen aus regulatorischer Sicht keine Anwenderinteraktion erforderlich ist, werden von Software-Robotern übernommen: zum Beispiel bearbeiten die digitalen Helfer im Einkauf Bestellanforderungen aus unternehmensweiten Fachbereichen und verbessern so die Effizienz und Qualität des BANF-to-Order-Prozesses. Sie vereinfachen und beschleunigen die Einreichung von Zulassungsanträgen, verbessern die Aufzeichnung von Produktions- und Vertriebsaktivitäten und unterstützen bei der Überwachung von Nebenwirkungen zugelassener Medikamente. Aber auch in der Forschungsphase kommen RPA bereits zum Einsatz, indem sie die Konsistenz bei der Dateneingabe und Qualitätsprüfung in der klinischen Entwicklung erhöhen und so die Ausgaben für Studien reduzieren. 
Einer der Vorteile der Software-Roboter liegt darin, dass diese nicht programmiert, sondern mit Hilfe von aufgezeichneten Benutzerinteraktionen „trainiert“ werden. Dies ermöglicht nicht nur eine einfache Umsetzung, bei der die vorhandenen Systeme und Anwendungen nicht verändert werden, sondern auch einen zielgerichteten Einsatz in den Anwendungsfeldern mit dem höchsten Bedarf und Verbesserungspotenzial. Nach Erfahrungen aus bisherigen Projekten liegt der durchschnittliche ROI einer RPA-Anwendung bei unter einem Jahr. 

Fehler eliminieren mit AR
Pharma- und Medizintechnikunternehmen sind regelmäßig mit monotonen, zeitaufwändigen und fehleranfälligen Prozessen konfrontiert, die von den Mitarbeiter:innen ein hohes Maß an Konzentration erfordern. Nach vielversprechenden Industrieerfahrungen mit Augmented Reality (AR)-Technologien im Einsatz, entwickelt msg industry advisors bereits mit seinen Kunden erste Anwendungsfälle in der Produktion und Qualitätskontrolle für zukünftige MES- und LIMS-Implementierungen. 

 

Mehr erfahren: Smarte Assistenten für Pharma und Medizintechnik 
Was leistet der msg.COVID-19-Bot? Wie verbessern KI-gestützte Sprachassistenten Prozesse in der Pharmaindustrie? Diese und weitere Anwendungsbeispiele werden im Beitrag „Smarte Assistenten für Pharma und Medizintechnik“ erläutert.

 

Information zu den Autor:innen 
Manfred Hörter ist Senior Manager bei den msg industry advisors. Seine Beratungsschwerpunkte liegen in den Bereichen GxP-Compliance, Pharma-Geschäftsprozessmanagement und darauf basierender unternehmensweiter Digitalisierungskonzepte.

Lena Löhe ist Consultant bei den msg industry advisors. Ihre Beratungsschwerpunkte liegen in den Bereichen GxP-Compliance und Computerised Systems Validation in der Lifescience Industrie.