KI in regulierten Laboren: Warum Vertrauen, Rückverfolgbarkeit und Governance wichtiger sind als der Hype

Die Demo, die jeder schon gesehen hat

Die meisten Laborverantwortlichen haben inzwischen dieselbe Demonstration gesehen. Jemand tippt eine Frage in Alltagssprache ein, und einen Moment später erscheint eine vollständige, selbstbewusste Antwort. Das ist eindrucksvoll - und zugleich der einfachste Teil des Problems. Die entscheidende Frage ist nie, ob ein System eine Antwort erzeugen kann. Entscheidend ist, ob diese Antwort vertrauenswürdig, rückverfolgbar und im Ernstfall belastbar ist. In einem regulierten Labor ist eine Antwort, die niemand erklären kann, kein Vorteil. Sie ist ein Risiko mit benutzerfreundlicher Oberfläche.

KI verstärkt das Fundament, auf dem sie aufbaut

In vielen Gesprächen über Labortechnologie steckt derzeit eine unausgesprochene Annahme: Ein ausreichend leistungsfähiges Modell werde den Zustand der zugrunde liegenden Daten ausgleichen. Das wird es nicht. KI erhebt sich nicht über ihr Fundament, sondern verstärkt es. Ein Labor, das Ergebnisse weiterhin manuell von einem Gerät in eine Tabelle überträgt, Arbeit zwischen nicht protokollierten Systemen weitergibt und keine lückenlose Chain of Custody nachweisen kann, erhält durch KI keine besseren Entscheidungen. Es erhält schnelleres Rauschen, das überzeugender klingt und schwerer zu erkennen ist.

Die Reihenfolge ist der entscheidende Punkt. Beseitigen Sie manuelle Übertragungen, durch die sich ein Wert von seiner Quelle entfernen kann. Verbinden Sie die Systeme - vom Gerät und wissenschaftlichen Datenmanagementsystem (SDMS) bis zum LIMS -, sodass jede Übergabe klar zugeordnet und protokolliert wird. Schaffen Sie Rückverfolgbarkeit, damit jedes Ergebnis auf seinen Ursprung verweist. Erst dann besitzt eine zusätzliche Intelligenzschicht eine vertrauenswürdige Grundlage für ihre Schlussfolgerungen. Den größten Nutzen aus KI ziehen nicht die Labore, die sie zuerst einführen, sondern diejenigen, die zuerst ihr Fundament in Ordnung gebracht haben.

Governance ist der zweite Akt

Nehmen wir an, das Fundament ist solide. Dann lautet die nächste Frage Governance - und genau diese überspringen die meisten Demonstrationen. In einer regulierten GxP-Umgebung muss ein System, das Labordaten verarbeitet, vier einfache Fragen beantworten. Woher stammt die Antwort, also welche kontrollierten Quellen wurden verwendet? Kann die Antwort mit Quellenangaben belegt werden, statt nur behauptet zu werden? Wird jede Interaktion protokolliert, damit ein Prüfer rekonstruieren kann, was das System getan hat und warum? Und werden Zugriffsrechte durchgesetzt, sodass das System nur sehen und ausführen kann, wozu die nutzende Person berechtigt ist? Ohne diese vier Elemente bleibt ein ungesteuertes Chatfenster mit Zugriff auf regulierte Daten - genau das, was Qualitätsverantwortliche zu Recht misstrauisch macht.

Hier teilt sich der Markt. Viele Botschaften zu Labor-KI beginnen heute mit Autonomie, also mit einem System, das selbst entscheidet und handelt. In einem GMP-Umfeld lässt diese Vorstellung Qualitätsverantwortliche aufhorchen - und das sollte sie auch. Der nützliche Ansatz ist das Gegenteil. Wertvoll ist nicht ein System, das den Menschen aus der Entscheidung entfernt, sondern eines, das ihn beschleunigt und zugleich jede Aktion einer Person zuordnet, versioniert und überprüfbar hält. Menschliche Verantwortung, maschinelle Geschwindigkeit. Dafür kann ein reguliertes Labor tatsächlich einstehen.

Versprechen versus Praxis

Die Lücke zwischen Versprechen und Praxis bei Labor-KI liegt nicht wirklich an den Modellen, sondern an allem, was sie umgibt. Ein Versprechen ist ein Satz auf einer Website. Praxis ist eine ausgelieferte, validierte und produktiv eingesetzte Fähigkeit mit einem Datensatz, den ein Auditor prüfen kann. Zeigt ein Anbieter eine beeindruckende Antwort, lautet die faire Anschlussfrage nicht, ob sie intelligent klingt. Entscheidend ist, ob er ihre Quellen, das Interaktionsprotokoll und die angewendeten Zugriffskontrollen zeigen kann. Sind diese vorhanden, entspricht die Praxis dem Versprechen. Fehlen sie, war die Demonstration nur Inszenierung.

Das bedeutet nicht, dass ein Labor warten sollte. Es bedeutet, dass es die richtige Reihenfolge einhalten muss. Ein solides Datenfundament ist bereits vor jeder Intelligenzschicht wertvoll, weil es manuellen Aufwand und Risiko gleichzeitig reduziert. Branchenanalysen digitalisierter Qualitätskontrolllabore weisen in dieselbe Richtung. McKinsey schätzte in einer Studie aus dem Jahr 2019 zur Zukunft der pharmazeutischen Qualitätskontrolle, dass Digitalisierungsanwendungen in diesen Laboren Abweichungen um mehr als 65 Prozent reduzierten und frühe Industry-4.0-Anwendungen Produktivitätssteigerungen von 30 bis 40 Prozent erzielten. Das sind Schätzungen für pharmazeutische Qualitätskontrolllabore, keine allgemeingültigen Garantien. Der Mechanismus ist jedoch klar: Wird das Fundament vernetzt und bereinigt, sinken Risiko und manueller Aufwand gemeinsam. Das lohnt sich unabhängig davon, ob jemals eine einzige KI-Funktion aktiviert wird.

Die entscheidende Frage

Im ehrlichen Gespräch über Labor-KI geht es nicht darum, welcher Anbieter das fortschrittlichste Modell besitzt. Es geht darum, welcher Anbieter die Infrastruktur unter der Antwort offenlegen kann. Die Frage für jede Demonstration ist daher einfach: Wenn Ihr System mir eine Antwort gibt, können Sie zeigen, woher sie stammt, wer die Frage stellen durfte und was das System getan hat? Ein Anbieter, der das beantworten kann, beschreibt Praxis. Ein Anbieter, der das Thema wechselt, beschreibt ein Versprechen.

Was das für Confience bedeutet

Dieser Gedanke prägt die Architektur von myLIMS, dem Laborinformationsmanagementsystem (LIMS) von Confience, und den Umgang von Confience mit Intelligenz im Labor. Systeme zu verbinden, manuelle Übertragungen zu beseitigen und eine lückenlose Chain of Custody aufrechtzuerhalten, dient nicht dazu, eine KI-Demonstration zu gewinnen. Es sorgt dafür, dass der vertrauenswürdige Datensatz der einzige Datensatz ist, damit jede darauf aufbauende Fähigkeit dieses Vertrauen übernimmt, statt es zu untergraben. Deshalb wird die Arbeit von Menschen geleitet, die die Wissenschaft des Kunden verstehen - und nicht einem System überlassen, das dies nur vorgibt.

‍