"Life Sciences ist eine hochregulierte Industrie"

Im Interview erläutert Commercial-Solutions-Experte Dr. Jörg Mütze, inwieweit Künstliche Intelligenz die Life-Science-Branche unterstützen kann und welche Rolle sie beim wissenschaftlichen Austausch des medizinischen Fachpersonals spielt.

springerprofessional.de: Herr Dr. Mütze, mit welchen technologischen Herausforderungen ist es grundsätzlich verbunden, Künstliche Intelligenz (KI) in großem Maßstab zum Funktionieren zu bringen?

Dr. Jörg Mütze: Die primäre Hürde ist nicht algorithmischer, sondern struktureller Natur. Unsere Erhebungen zeigen, dass 96 Prozent der Führungskräfte in der Biopharma-Branche ihre Daten als noch nicht bereit für den KI-Einsatz einstufen. Die Konsequenz: 67 Prozent mussten KI-Initiativen aufgrund mangelnder Datenqualität oder -verfügbarkeit pausieren oder ganz einstellen. Diese Realität erklärt, warum so viele KI-Bemühungen in der Pilotphase stecken bleiben. Die Skalierung von Künstlicher Intelligenz erfordert den Übergang von isolierten Pilotumgebungen hin zu eingebetteten, industriespezifischen KI-Agenten, die innerhalb validierter Systeme und kontrollierter Datenumgebungen operieren. Erst wenn Künstliche Intelligenz direkt in die täglichen Arbeitsabläufe integriert ist, wird sie nutzbar, wiederholbar und skalierbar. Ebenso wichtig ist der Faktor "Mensch": KI funktioniert am besten, wenn man menschliche Expertise erweitert. Diese eingebetteten KI-Agenten übernehmen administrative und repetitive Aufgaben, während die Entscheidungshoheit, das Urteilsvermögen und die wissenschaftliche Interpretation fest in der Hand des Menschen bleiben. Genau diese Kombination ermöglicht es, KI über Pilotprojekte hinaus zu skalieren und einen echten, messbaren Mehrwert zu schaffen.

Viele Unternehmen aus der Life-Sciences-Branche haben bereits mit KI experimentiert. Warum sind die Ergebnisse beim Experimentieren jedoch so unterschiedlich?

Viele Organisationen starteten Pilotprojekte, ohne die notwendige Datengrundlage und einen klaren Plan für den operativen Einsatz der KI zu haben. Das Ergebnis waren Projekte, die zwar isoliert vielversprechend aussahen, sich aber nicht skalieren ließen und keine konsistenten Erträge lieferten. Wenn KI außerhalb der zentralen Customer-Relationship-Management- (CRM) oder Content-Management-Systeme (CMS) operiert, fehlt ihr der Kontext. Sie wird dann eher als Ablenkung denn als Unterstützung wahrgenommen. Erfolgreiche Unternehmen setzen daher auf eingebettete KI. Sie konzentrieren sich auf spezifische, wertschöpfungsstarke Workflows, bei denen die KI direkt in die Anwendung integriert ist, die der Außendienst täglich nutzt. Konsistenz entsteht durch Kontext; ohne diesen bleibt der Return on Investment (ROI) unvorhersehbar.

Welche Unterstützung kann KI-Technologie der Life-Sciences-Branche konkret bieten?

Wir bewegen uns von der reinen Erkenntnisgewinnung hin zur Orchestrierung der Arbeit von kommerziellen und medizinischen Teams. Im kommerziellen Bereich bedeutet dies, dass Künstliche Intelligenz nicht mehr nur Daten analysiert, sondern aktiv die administrative Last der Außendienstteams reduziert, um wertvollere Interaktionen zu ermöglichen. Eingebettete, industriespezifische KI-Agenten können Teams bei der Planung, Ausführung und Nachbereitung von Kundengesprächen unterstützen, anstatt lediglich Fragen zu beantworten. Für kommerzielle Teams bedeutet dies eine informiertere und zeitgerechtere Interaktion mit Fachkreisen (HCPs). KI-Agenten können proaktiv relevante Informationen und "Next Best Actions" vorschlagen, die auf den einzelnen Arzt zugeschnitten sind, und so eine bessere Account-Planung und -Umsetzung ermöglichen. Sie können zudem Erkenntnisse über die natürliche Sprache erfassen – beispielsweise durch das Aufzeichnen und Strukturieren von Sprachnotizen in Echtzeit – und eine freihändige Interaktion mit CRM-Systemen ermöglichen. Agentische KI hilft auch beim Management von Risiken und Komplexität. Echtzeit-Compliance-Prüfungen bei Text- und Spracheingaben weisen frühzeitig auf potenzielle Probleme hin, während eine KI-gestützte Content-Suche das Auffinden relevanter, freigegebener Materialien erleichtert. Parallel dazu kann KI schnellere medizinische, rechtliche und regulatorische Prüfungen (MLR-Review) unterstützen, indem sie Qualitätschecks automatisiert und den administrativen Aufwand reduziert. So können Teams konforme, personalisierte Inhalte schneller bereitstellen. Bei all dem behält der Mensch die Kontrolle. Künstliche Intelligenz steigert Produktivität und Konsistenz, während Urteilsvermögen, wissenschaftliche Interpretation und Entscheidungsfindung beim Menschen verbleiben – ein kritischer Faktor in einer regulierten Industrie wie den Life Sciences.

Welchen Einfluss übt KI beispielsweise auf den wissenschaftlichen Austausch und die Interaktion mit medizinischem Fachpersonal aus?

KI erzwingt eine Umkehrung des traditionellen Modells von "Push" zu "Pull". Ärzte nutzen zunehmend Künstliche Intelligenz, um auf wissenschaftliche Informationen zuzugreifen und diese zu konsumieren. Das bedeutet, dass traditionelle, einseitige "Push"-Modelle der wissenschaftlichen Kommunikation nicht mehr ausreichen. Für Medical Affairs hebt dies die Messlatte deutlich an. Die Rolle des Medical Science Liaison (MSL) wandelt sich vom Überbringer statischer Daten hin zum Anbieter kontextbezogener Interpretation. KI ermöglicht dies, indem sie MSLs sofortigen Zugriff auf konforme, strukturierte wissenschaftliche Erkenntnisse bietet. Die Interaktion wird zu einer Partnerschaft auf Augenhöhe, die sich auf komplexe klinische Entscheidungsfindung konzentriert, während die KI die Bereitstellung der Basisinformationen übernimmt.

Welche Rolle spielen hierbei die Themen "Datenschutz" und "Datensicherheit"?

Life Sciences ist eine hochregulierte Industrie, in der Datenschutz, Datensicherheit und Compliance nicht verhandelbar sind. Deshalb bewegen sich Biopharma-Unternehmen hin zu einer industriespezifischen KI, die direkt in validierte Workflows eingebettet ist. Im Gegensatz zu universellen Tools ist diese Art von Künstlicher Intelligenz für den regulierten wissenschaftlichen und kommerziellen Einsatz konzipiert und versteht die Struktur und den Kontext von Life-Sciences-Daten. Dies stellt sicher, dass die KI innerhalb bestehender Governance-Modelle arbeitet, den Menschen dabei aber in der Kontrolle belässt. Vertrauen ist hier kein Feature, sondern das Fundament.

Welche Entwicklungen sehen Sie hier für die kommenden Jahre?

In den kommenden Jahren wird sich Künstliche Intelligenz nahtlos in den Arbeitsalltag integrieren, in den Hintergrund der Software treten und so unverzichtbar werden. Gleichzeitig wird KI zunehmend als aktiver Teilnehmer in kommerziellen und medizinischen Prozessen agieren, Workflows orchestrieren, Handlungsoptionen aufzeigen und eine schnellere, relevantere Interaktion mit Fachkreisen unterstützen. Da Ärzte ebenfalls zunehmend KI nutzen werden, um auf wissenschaftliche Informationen zuzugreifen, werden die Erwartungen an Geschwindigkeit, Kontext und Relevanz weiter steigen. Mit Blick auf das Jahr 2030 sehen wir den Aufstieg von "KI-augmentierter Medizin" bis hin zu "KI-Ärzten". Diese KI-gestützten Systeme können Ärzte sowie Patienten bei fachlichen Fragen, Diagnosen, Prävention und Selbstmanagement unterstützen. Dadurch werden Ärzte mehr Zeit für die Arbeit am Patienten haben, was zu einer Verbesserung des Zugangs zur Gesundheitsversorgung führen wird. In dieser Welt wird die Interaktion mit Pharmaunternehmen zunehmend digital sein. Menschliche Interaktion wird seltener, aber signifikant wertvoller werden – reserviert für komplexe Problemlösungen, bei denen menschliches Urteilsvermögen unersetzbar ist. Kommerzielle Teams werden sich entsprechend weiterentwickeln und darauf fokussieren, dass die richtigen wissenschaftlichen Inhalte durch digitale Kanäle fließen und KI-Systeme auf akkuraten, vertrauenswürdigen medizinischen Informationen basieren. Damit wird die Rolle des Menschen noch wichtiger. Erfolgreiche Organisationen werden KI nutzen, um die menschliche Expertise zu stärken – mit einem stärkeren Fokus auf spezialisierte Außendienstteams und persönliche Beziehungen. Diese Balance wird die nächste Phase der KI-Adoption in den Life Sciences definieren.