KI in der Pharmaindustrie: Eine Datenbasis für Drug Discovery, Trials und RWE

Vor allem drei Dinge: schnellere Drug Discovery, gezieltere klinische Studien mit kürzerer Rekrutierungszeit und belastbare RWE für Zulassung und Erstattung. Die Wirkung hängt an der Datenbasis. Eine Discovery-Modellierung ohne Bindungs- und Toxikologie-Kontext oder eine Trial-Rekrutierung ohne RWE liefern keinen belastbaren Effekt. Die Grenzen liegen an Datenqualität in EDC und RWE, GxP-Validierung und Change-Management in klinischen Studien.

Eine Lakehouse-Basis ist eine gemeinsame Datenbasis für R&D, klinische Studien, RWE und Pharmacovigilance mit einheitlichen Berechtigungen und klarer Nachvollziehbarkeit. Ein klassisches Studien-Data-Warehouse deckt EDC- und CTMS-Daten gut ab, ist aber kein Analytik-Stack für Multi-Modal-Daten, Genomik und RWE-Joins zugleich. Studien-Datenbanken bleiben als operative Systeme bestehen.

Meist Drug Discovery zuerst, weil die Wirkung in Iterationsgeschwindigkeit und Lead-Qualität direkt margenrelevant ist. Klinische Studien folgen, sobald RWE für Rekrutierung und Site-Steuerung verfügbar wird, gefolgt von Real World Evidence für Zulassung und Erstattung sowie Pharmacovigilance, sobald Sicherheits-Signale aus mehreren Quellen zusammenkommen müssen.

Modelle auf Claims-, EHR- und Register-Daten identifizieren Patientenkohorten, die den Einschlusskriterien einer geplanten Studie entsprechen, und schlagen passende Prüfzentren vor. Damit lässt sich die Time-to-First-Patient typischerweise um Wochen verkürzen. Voraussetzung sind eine pseudonymisierte RWE-Anbindung, eine saubere EDC-Verknüpfung und ein Audit-Trail über die gesamte Datenkette.

Cold-Chain-Telemetrie aus IoT-Sensoren, ERP-Bewegungsdaten und Shipment-Tracking-Daten der Logistikpartner liegen typischerweise getrennt. Auf einer gemeinsamen Lakehouse-Basis lassen sich Echtzeit-Temperaturüberwachung, Bestandsprognose und OTIF-Metriken in einem Control-Tower zusammenführen. Johnson & Johnson hat damit nach eigener Angabe rund 50 Prozent Kostenreduktion und eine Verkürzung der Datenlieferzeit von 24 Stunden auf 10 Minuten erreicht.

Databricks healthcare ersetzt EDC, CTMS oder LIMS nicht. Diese Systeme bleiben als operative Quellen bestehen. Databricks liest auf einer kontrollierten Strecke aus den operativen Systemen und führt die Daten mit RWE, Genomik und Bildgebung zusammen. Bestehende BI-Tools wie Power BI oder Tableau greifen über Databricks SQL auf das Lakehouse zu, Genie erlaubt zusätzlich Self-Service-Abfragen in natürlicher Sprache.

Eine Life-Sciences-Datenplattform verbindet R&D-Repositories, Studien-Daten, RWE, Pharmacovigilance, Bildgebung und Genomik auf einer Analytik-Basis mit einheitlicher Governance. Ein reiner Studien-Stack deckt EDC und CTMS ab, ein Genomik-Stack bringt Sequenzierungs-Pipelines mit; beide bleiben Spezial-Systeme ohne gemeinsamen Patienten-, Studien- und Compound-Kontext.

Entscheidend ist weniger die Unternehmensgröße als die Datenlage: mehr als fünf Datenquellen über R&D, Clinical und RWE, mehrere therapeutische Areas mit eigener Datenkultur oder spürbarer Druck durch EHDS, EMA-RWE-Frameworks und Pharmacovigilance-Pflichten sind realistische Schwellen. Mittelständische Biotech- und Pharma-Unternehmen mit wachsenden Pipelines erreichen diese Schwellen oft schneller als erwartet.