Wo hilft KI in den dokumentenlastigen Prozessen eines Pharma-Betriebs wirklich? Beim Suchen, Zusammenfassen und Vorformulieren: ähnliche Abweichungen aus den Altfällen holen, den ersten Entwurf einer Beschreibung strukturieren, das Qualifizierungsdossier eines Lieferanten vollständig halten. Die Qualitätsentscheidung und das validierte System ersetzt sie nicht, und genau an dieser Linie entscheidet sich, ob ein Projekt trägt oder im Validierungsaufwand stecken bleibt.
Stand: 2026-09-12
Der Dokumentenberg, um den es geht
Regulierte Fertigung ist Dokumentenarbeit. Eine einzige Abweichung erzeugt Beschreibung, Sofortmaßnahme, Ursachenanalyse, Risikobewertung, CAPA und Wirksamkeitsprüfung. Eine Lieferantenqualifizierung erzeugt Fragebögen, Zertifikate, Auditberichte, Vereinbarungen und Wiederbewertungen mit Fristen. Dazu kommen SOPs und Spezifikationen in mehreren Versionen und oft mehreren Sprachen. Nichts davon ist intellektuell schwierig, aber alles ist Suchen, Abgleichen und Formulieren unter Zeitdruck, und genau diese drei Tätigkeiten sind die Stärke von Sprachmodellen.
Was heute real funktioniert
Vier Einsätze haben sich in der Praxis bewährt, alle nach demselben Muster: die KI arbeitet vor, ein Mensch prüft und entscheidet.
Recherche in Altfällen. Die wertvollste Frage bei jeder neuen Abweichung lautet: Gab es das schon? Ein lokales Modell mit Zugriff auf die abgeschlossenen Abweichungen beantwortet sie in Sekunden statt in einem Nachmittag im Archiv, inklusive der damals festgelegten Maßnahmen und ihrer Wirksamkeit. Das verändert die Ursachenanalyse, weil wiederkehrende Muster sichtbar werden, die in Einzelbetrachtung untergehen.
Erstentwürfe. Aus Stichworten des Schichtleiters einen strukturierten Beschreibungsentwurf machen, aus der Ursachenanalyse einen CAPA-Vorschlag formulieren, aus einem Auditbericht die Zusammenfassung für die Wiederbewertung ziehen. Der Entwurf trägt nie eine Unterschrift, er spart die leere Seite.
Dossier-Pflege in der Lieferantenqualifizierung. Fragebogen-Antworten mit dem Vorjahr abgleichen und Abweichungen markieren, ablaufende Zertifikate und überfällige Wiederbewertungen melden, je Lieferant die Lückenliste führen. Der Prozess besteht zu einem großen Teil aus genau dieser Vollständigkeitskontrolle, und sie ist automatisierbar, weil sie regelbasiert prüfbar bleibt.
Übersetzung und Sprachfassung. Lieferanten antworten auf Spanisch, der Mutterkonzern liest Deutsch, der Auditor Englisch. Ein lokales Modell übersetzt die Arbeitsfassung, ohne dass ein Qualitätsdokument einen externen Dienst passiert. Die freigegebene Fassung prüft weiterhin ein Mensch mit Fachkenntnis.
Wo die Grenze verläuft
Die Grenze heißt Validierung. Computergestützte Systeme im GMP-Umfeld unterliegen Anhang 11 des EU-GMP-Leitfadens, und eine KI, deren Ausgabe eine Qualitätsentscheidung trifft oder ein validiertes System ersetzt, müsste selbst validiert werden. Für generative Modelle ist das nach heutigem Stand nicht darstellbar: Ihre Ausgaben sind nicht deterministisch, dieselbe Frage kann unterschiedliche Antworten erzeugen.
Die Regulierung zieht diese Linie inzwischen selbst nach. Mit dem Entwurf eines neuen Anhangs 22 zum EU-GMP-Leitfaden, der im Juli 2025 in die Konsultation ging, formuliert die EU erstmals eigene Regeln für KI in der Herstellung. Der Entwurf unterscheidet klar: statische, deterministische Modelle können für kritische Anwendungen qualifiziert werden, generative Modelle wie Sprachmodelle sieht er dort nicht vor. Ihr Platz ist die Unterstützung außerhalb der kritischen Anwendungen, mit dokumentierter menschlicher Prüfung. Das deckt sich mit der Praxis: Wer KI als Vorarbeiter einsetzt und die Entscheidung beim Menschen lässt, bewegt sich auf der sicheren Seite der Linie, heute und absehbar auch unter dem kommenden Anhang.
Für die Rollenfrage unter der KI-Verordnung gilt dasselbe wie in anderen Branchen: Wer ein fertiges Modell im Haus betreibt und nicht umbaut, ist Betreiber, nicht Anbieter.
Warum das lokal laufen sollte
In Abweichungen stehen Rezepturbestandteile und Prozessparameter. In Qualifizierungsdossiers stehen Lieferantenkonditionen und Auditbefunde. Das sind Betriebsgeheimnisse, teils auch personenbezogene Daten, und sie haben in einem fremden Cloud-Konto nichts verloren. Ein lokal betriebenes Modell hält die Dokumente im Haus: keine Übertragung an Dritte, kein Auftragsverarbeitungsvertrag für den Kernprozess, und im Kunden-Audit ein einfacher Nachweis statt einer Vertragskette. Das ist derselbe Grund, aus dem viele Betriebe ihre Datensouveränität inzwischen zur Architekturfrage machen statt zur Vertragsfrage.
Woher wir das kennen
Das Team von Freshlab kommt aus 30 Jahren pharmazeutischer Lohnherstellung und ERP-Projekten, mit Wurzeln in Bayern und deutschsprachiger Betreuung. Abweichungsbögen, Qualifizierungsdossiers und die Frage, was ein Auditor sehen will, kennen wir nicht aus Schulungsfolien, sondern aus dem eigenen Betrieb. Genau deshalb versprechen wir nicht die validierte Wunder-KI, sondern den Aufbau, der sich heute verantworten lässt.
Diese Darstellung ist unser Verständnis der aktuellen Regelungslage und ersetzt keine regulatorische Beratung im Einzelfall. Wenn Sie prüfen wollen, welcher Ihrer Dokumentenprozesse die Vorarbeit einer lokalen KI verträgt, ohne die Validierungsgrenze zu berühren, sprechen Sie mit uns über ein Pilotprojekt.
Häufige Fragen
Darf KI im GMP-Umfeld überhaupt eingesetzt werden?
Ja, aber nicht überall gleich. Als Unterstützung mit menschlicher Prüfung, etwa für Recherche in Altfällen, Erstentwürfe und Übersetzungen, ist der Einsatz heute machbar. In kritischen, validierungspflichtigen Anwendungen sieht der Entwurf des neuen Anhangs 22 zum EU-GMP-Leitfaden generative Modelle dagegen nicht vor.
Kann KI eine Abweichung selbstständig bewerten und schließen?
Nein. Die Bewertung einer Abweichung ist eine Qualitätsentscheidung und bleibt bei der benannten Person. Was KI beiträgt, ist die Vorarbeit: ähnliche Altfälle finden, den Beschreibungsentwurf strukturieren, Vollständigkeit und Fristen prüfen. Die Entscheidung selbst trifft und dokumentiert ein Mensch.
Was bringt KI in der Lieferantenqualifizierung konkret?
Sie hält das Dossier zusammen: Fragebögen mit früheren Antworten abgleichen, ablaufende Zertifikate melden, Auditberichte zusammenfassen und Lücken je Lieferant auflisten. Das spart die Sucharbeit, aus der dieser Prozess zum großen Teil besteht, ohne die Bewertung des Lieferanten zu übernehmen.
Warum sollte die KI dafür lokal laufen und nicht in der Cloud?
Weil in diesen Dokumenten Rezepturen, Batch-Daten und Lieferantenkonditionen stehen, also Betriebsgeheimnisse. Bei einem lokal betriebenen Modell verlassen sie das Haus nicht, was den Nachweis gegenüber Kunden-Audits und Datenschutz deutlich vereinfacht.