Beyond the Hype: Was Agentic AI wirklich für Life Sciences bedeutet

Doch wie wir bei unserem vergangenen Executive Briefing gemeinsam mit Führungskräften aus den Bereichen Pharma, Medizintechnik und Digital Healthcare erörtert haben, geht es in der eigentlichen Diskussion nicht darum, was KI leisten kann. Es geht vielmehr darum, was Unternehmen bereit sind, in die Praxis umzusetzen.

Für Unternehmen aus dem Life Sciences Umfeld ist die Situation einzigartig. In dieser Branche ist Compliance keine Option, Inhalte werden in einem Medical, Legal und Regulatory Review geprüft, bevor sie auch nur einer einzigen Instanz zugänglich gemacht werden, und der Ansatz „schnell handeln und dabei auch mal Fehler machen“ kann Konsequenzen haben, die weit über eine Produkteinführung hinausgehen. Und dennoch: Der Wandel, den wir derzeit beobachten, unterscheidet sich grundlegend von der Chatbot-Welle vor drei Jahren.

Wir bewegen uns weg von Tools, die Vorschläge machen, hin zu Agenten, die diese tatsächlich ausführen.

Der eigentliche Engpass ist nicht die Technologie – es ist das Geschäftsmodell

Dr. Michael Kurr, ehemaliger Leiter der digitalen Transformation bei Unternehmen wie Boehringer Ingelheim und Novartis, brachte es bei unserer Veranstaltung auf den Punkt: Ohne ein klares Operating Model, definierte Zuständigkeiten und eine angemessene Steuerung bleibt KI im Pilotmodus stecken – ganz gleich, wie leistungsfähig die Technologie auch sein mag.

Dies fand im Publikum großen Anklang. Sämtliche Führungskräfte, mit denen wir sprachen, erkannten das Muster: vielversprechende KI-Initiativen, die nicht aufgrund technischer Einschränkungen ins Stocken geraten, sondern weil niemand die grundlegenden Fragen beantwortet hat. Wer ist für den KI-Workflow verantwortlich? Wo ist er angesiedelt – in der IT oder im Geschäftsbereich? Und wer ist rechenschaftspflichtig, wenn ein KI-Agent eine Entscheidung trifft, die Compliance-Aspekte berührt?

Das sind keine technischen Fragen. Es sind organisatorische Fragen. Und sie sind der Grund, warum die meisten KI-Pilotprojekte in der Pharmabranche nicht skaliert werden.

Vom Massenprodukt zur strategischen Orchestrierung

Unser Managing Partner Volkan Jacobsen hat diesen allgemeinen Wandel besonders betont: In der Software-Branche floss ein erheblicher Teil der Digitalbudgets in der Vergangenheit in manuelle Tätigkeiten wie Programmierung, Content-Erstellung und die Produktion von Assets. Diese Ära neigt sich dem Ende zu.

Wenn jeder Zugang zu KI hat, die in Sekundenschnelle Entwürfe erstellen, programmieren und Inhalte zusammenstellen kann, ist Geschwindigkeit kein Unterscheidungsmerkmal mehr. Sie wird zur Grundvoraussetzung. Was dann zählt, ist, wie man KI-Agenten über komplexe Arbeitsabläufe hinweg koordiniert – insbesondere in einem Umfeld, in dem jeder Inhalt regulatorische Bedeutung hat.

Für ein Pharma-Marketingteam bedeutet dies, dass die Frage nicht mehr lautet: „Wie schnell können wir eine Kampagne produzieren?“, sondern: „Wie stellen wir sicher, dass KI-generierte Inhalte die MLR-Prüfung bestehen, den lokalen Marktanforderungen entsprechen und das richtige HCP-Segment erreichen – ohne drei Wochen manuellen Hin und Her?“

Das offensichtliche Problem: MLR

Jede Marketing-Führungskraft in der Life Science Industrie kennt dieses Szenario. Eine Kampagne ist fertig. Die kreativen Entwürfe sind genehmigt. Und dann durchläuft sie den MLR-Zyklus – die medizinische, rechtliche und regulatorische Prüfung –, wo sie wochenlang liegen bleiben kann, während die Prüfung der Angaben anhand der Quelldokumente erfolgt, Hinweise auf Off-Label-Anwendungen kennzeichnet und die Einhaltung der lokalen Marktvorschriften sicherstellt.

Hier trifft das Versprechen der agentenbasierten KI frontal auf die Realität regulierter Branchen. Und hier müssen ehrliche Gespräche stattfinden.

Das Potenzial liegt auf der Hand: KI, die Inhalte anhand genehmigter Aussagen vorab prüft, bevor sie auf den Prüfungs-Schreibtisch gelangen. Automatisierte Querverweise zwischen Marketingtexten und klinischen Quelldokumenten. Prüfpfade, die als Teil des Workflows generiert werden und nicht erst nachträglich hinzugefügt werden.

Doch die Kluft zwischen Potenzial und Produktionsreife ist beträchtlich. Bei MLR-Workflows geht es nicht nur um Geschwindigkeit – sie bergen rechtliche Haftung, variieren je nach Markt und erfordern ein Maß an Rückverfolgbarkeit, für das die meisten KI-Implementierungen noch nicht auf Herz und Nieren geprüft wurden. Die Frage ist nicht, ob Künstliche Intelligenz MLR-Prozesse verändern wird. Die Frage ist, wer das Governance-Framework aufbaut, das dies ermöglicht – und wer dieses Framework anhand der regulatorischen Standards validiert, denen Ihr Unternehmen unterliegt.

Genau diese Art von Herausforderung tauchte während unserer Veranstaltung immer wieder auf: technisch machbar, organisatorisch komplex und ohne klare Zuständigkeiten unmöglich zu lösen.

Vom Labor zur Markteinführung: KI in wissenschaftlichen Arbeitsabläufen

Dr. Marco Polidori von Eppendorf brachte eine Perspektive ein, die über das Marketing hinaus bis in den Laborbetrieb reichte. Sein Vortrag zeigte, wie KI bereits heute die täglichen Arbeitsabläufe im Labor verändert – doch die Erfolgsfaktoren sind dieselben: Datenqualität, Einhaltung gesetzlicher Vorschriften und interdisziplinäre Zusammenarbeit zwischen IT, Wissenschaft und Betrieb.

Die Erkenntnis für die Zuhörenden war klar: Ob man KI nun auf Content-Workflows oder Laborprozesse anwendet, das Muster ist identisch. Die Technologie funktioniert. Die Herausforderung besteht darin, die organisatorischen Kapazitäten aufzubauen, um sie verantwortungsvoll und in großem Maßstab einzusetzen.

AI Impact Framework: Vom Pilotprojekt zur Skalierung

Wir treten in das ein, was Unternehmen wie McKinsey als das „Jahr des Pilotprojekts“ bezeichnen. Doch für Life-Sciences-Unternehmen ist ein Pilot ohne einen Weg zur Skalierung nur ein wissenschaftliches Projekt.

Um diese Lücke zu schließen, haben wir das AI Impact Framework entwickelt – einen strukturierten Ansatz, um von der Idee zur einsatzfähigen KI zu gelangen:

1. Fundament. Identifizierung der hochwertigen Anwendungsfälle, die tatsächlich Auswirkungen auf die Ergebnisse haben. Nicht „Wo können wir KI einsetzen?“, sondern „Wo löst KI ein Problem, das uns derzeit Zeit, Geld kostet oder Compliance-Risiken bringt?“

2. Minimum Viable AI. Entwicklung eines funktionierenden Prototyps mit den in Ihrer Branche erforderlichen Sicherheitsvorkehrungen. Keine Demo, sondern ein System, das bereit ist, in einem realen Arbeitsablauf einem Stresstest unterzogen zu werden.

3. Scale & Govern. Einführung des Governance-Modells, des Change Managements und der operativen Prozesse, die es ermöglichen, dass aus einem erfolgreichen Pilotprojekt ein Standardverfahren wird.

Timing: Der richtige Zeitpunkt zu handeln

Es ist verlockend, abzuwarten. Andere voranzugehen zu lassen, aus ihren Fehlern zu lernen und die Technologie später mit geringerem Risiko einzuführen. In vielen Branchen ist das eine vernünftige Strategie.

Im Life Sciences Umfeld sieht die Gleichung anders aus. Die Unternehmen, die jetzt Rahmenbedingungen für die KI-Governance schaffen, die heute ihre Business Cases definieren, ihre Teams schulen und Compliance-konforme Arbeitsabläufe etablieren, werden die Standards setzen, denen andere folgen müssen. Der Preis des Abwartens besteht nicht nur darin, hinter die Konkurrenz zurückzufallen. Es bedeutet auch, das Rahmenwerk eines anderen übernehmen zu müssen, anstatt das eigene zu gestalten.

Künstliche Intelligenz in Life Sciences: Wie geht es weiter?

Die Technologie ist bereit. Die Frage ist, ob Ihre internen Prozesse, Governance-Strukturen und Teamkompetenzen bereit sind, diese voranzutreiben. Wenn Sie herausfinden möchten, wie das für Ihr Unternehmen aussehen könnte, gibt es zwei Möglichkeiten, damit zu beginnen:

Deep Dive: Nehmen Sie an unserem „AI Impact Workshop“ teil, in der wir das Rahmenkonzept auf Ihre konkreten Anwendungsfälle, Arbeitsabläufe und organisatorischen Gegebenheiten anwenden. Sprechen Sie uns gerne darauf an!

Kontakt aufnehmen: Vereinbaren Sie ein 30-minütiges Gespräch mit unserem Team. Keine Verkaufspräsentation. Kein Druck. Nur eine ehrliche Einschätzung, wo KI in Ihrem Kontext echten Mehrwert schaffen kann. Und um zu ergründen, was nötig ist, um dieses Ziel zu erreichen.

Dieser Artikel gibt Einblicke in unsere Führungskräfteveranstaltung „Agentic AI in Life Sciences“, die in Zusammenarbeit mit Acquia und Conductor in Hamburg stattfand. Zu den Referenten gehörten Dr. Marco Polidori (Eppendorf), Dr. Michael Kurr (ehemals Boehringer Ingelheim / Novartis) und Volkan Jacobsen (Factorial).