Pharma-Digitalisierung: Das Datenproblem sitzt tief

Wer in der Pharmaindustrie arbeitet, kennt das. Die Systeme sind vorhanden. SAP läuft. Ein LIMS ist im Einsatz. Vielleicht sogar Benchling oder ein anderes spezialisiertes Labor-Tool. Und trotzdem funktioniert die Zusammenarbeit zwischen diesen Systemen oft nicht so, wie sie sollte. 

Was wir dabei in Gesprächen mit IT-Verantwortlichen und Fachbereichen immer wieder hören: Die Daten sind da, aber wir kommen nicht wirklich ran. 

Das liegt meistens nicht daran, dass zu wenig gespeichert wird. Es liegt daran, was beim Speichern verloren geht. Und das hat direkte Konsequenzen für alles, was Unternehmen heute mit ihren Daten vorhaben, von Prozessoptimierung bis KI. 

Nicht alle kämpfen mit denselben Problemen.

Kleine Traditionsunternehmen haben oft noch nicht einmal den Schritt zur digitalen Dokumentenverwaltung gemacht. SOPs werden ausgedruckt, von Hand unterschrieben, in Kartons archiviert. Wenn drei Standorte involviert sind und ein Bereichsleiter beim letzten Schritt die Unterschrift verweigert, weil ein Absatz nicht stimmt, fängt der gesamte Genehmigungsprozess von vorne an. 

Mittelgroße Unternehmen haben das gelöst und kämpfen mit der nächsten Stufe: den Schulungsnachweisen. In der Pharmaproduktion muss für jeden Mitarbeiter, der einen Prozessschritt ausführt, nachweisbar sein, dass er dafür geschult wurde. Wer das auf Excel-Listen abbildet, hat im nächsten Audit ein Problem. 

Größere Konzerne haben beides im Griff und stehen vor einer anderen Frage. Sie haben die Daten. Aber die Daten haben keinen Kontext. Der Messwert ist da. Wer ihn gemessen hat, unter welchen Bedingungen, in welchem Prozessschritt, das ist irgendwo zwischen System A und System B verloren gegangen. 

blu BEYOND begleitet Unternehmen auf allen drei Stufen. Was sich dabei immer wieder zeigt: Die Probleme auf der dritten Stufe entstehen auf der ersten.

Die klassische Antwort auf fehlende Datendurchgängigkeit ist Schnittstellen bauen. SAP redet mit dem LIMS, das LIMS redet mit dem Analysesystem. Das funktioniert, solange die Systeme stabil bleiben. 

In der Life-Science-IT tun sie das oft nicht. Softwareprodukte werden in dieser Branche, gerade in Gebieten wie der Zell- und Gentherapie, schneller ausgetauscht als in fast jeder anderen. Bis eine Schnittstelle zwischen System A und System B fertig gebaut ist, steht System B manchmal schon zur Ablösung bereit. Firmen investieren erhebliche Ressourcen in Verbindungen, die wenige Jahre später obsolet sind. 

Ein anderer Ansatz: nicht die Systeme integrieren, sondern die Geschäftsprozesse. Statt einer Schnittstelle zwischen SAP und Benchling definiert man einen Service für Auftragsanalysen, unabhängig davon, welche Software diesen Service gerade erbringt. Wenn das Analysesystem wechselt, ändert sich nur die Anbindung im Hintergrund. Der Prozess selbst bleibt erhalten. 

Daten, die auf Prozessebene anfallen, beschreiben nicht, was ein System gespeichert hat, sondern was im Prozess passiert ist. Sie sind von Haus aus kontextualisiert und lassen sich für Analysen nutzen, die auf Systemebene schlicht nicht möglich wären. 

Ein Beispiel aus der Praxis: In einem Projekt haben wir festgestellt, dass Analyseanfragen donnerstags systematisch länger dauerten als an anderen Tagen. Die Ursache war ein Standing Meeting des zuständigen Laborleiters zur Mittagszeit, das seine Freigaben verzögerte. Diese Information war in keinem der beteiligten Systeme sichtbar. Erst die Integration auf Prozessebene hat sie sichtbar gemacht. 

Bei blu BEYOND arbeiten wir genau an dieser Architekturebene. Nicht weil sie technisch elegant ist, sondern weil sie die einzige ist, die in einem Umfeld mit hoher Systemvolatilität langfristig trägt.