Venture Clienting mit Boehringer Ingelheim

Der folgende Abschnitt gibt dir einen ausführlichen Überblick zur Fokus-Area „AI-Driven Data Analytics“ und welche Partner Boehringer Ingelheim sucht.

Wen Boehringer Ingelheim sucht

Boehringer Ingelheim sucht Startups, Scale-ups und Tech-Unternehmen mit Expertise in künstlicher Intelligenz, Datenanalyse und automatisierter Compliance-Prüfung. Gesucht werden innovative Anbieter, die in der Lage sind, skalierbare und zuverlässige Lösungen zu entwickeln. Die finale Lösung wird im Rahmen einer Venture Client Partnerschaft gemeinsam erarbeitet und implementiert, um die Datenverarbeitung und Mustererkennung zu optimieren.

• Wichtig: In der ersten Phase geht es nicht um finale Lösungen, sondern darum zu demonstrieren, dass ihr in der Lage seid, in einer Venture Client Partnerschaft innovative Lösungen für einen der aufgeworfenen Problemstellungen umzusetzen.

Mustererkennung in Logbüchern

• Kontext: Die Analyse und Einhaltung von Vorschriften in pharmazeutischen Produktionsumgebungen erfordern eine akkurate und zeitnahe Auswertung von Logbüchern. Derzeit wird dieser Prozess manuell durchgeführt, was zeitaufwändig ist und das Risiko menschlicher Fehler birgt.
• Ziel: Entwicklung einer KI-basierten Lösung zur automatischen Analyse von elektronischen Logbüchern, die verborgene Muster und Abweichungen erkennt, bevor sie zu Compliance-Problemen führen. Die Lösung soll gezielt Ausnahmen identifizieren, die einer Überprüfung durch qualifiziertes Personal bedürfen.
• Key Question: Wie kann KI zur automatisierten Mustererkennung in GxP-klassifizierten Logbüchern eingesetzt werden, um Compliance sicherzustellen und Effizienzverluste zu reduzieren?

Smart Deviation Management

• Kontext: In der pharmazeutischen Produktion treten regelmäßig Abweichungen auf, die die Produktqualität und Sicherheit gefährden können. Beispiele hierfür sind Qualitätsschwankungen bei Reinraumbedingungen, Ausrüstungsfehler in HVAC-Systemen oder Prozessabweichungen durch Verstöße gegen Standard Operating Procedures (SOPs). Diese Abweichungen müssen schnell und präzise identifiziert werden, um Produktionsstillstände zu vermeiden. Derzeit liegt die Bewertung und Berichterstattung bei einem Compliance Officer, der Daten aus verschiedenen Systemen manuell (z. B. Gebäudeautomation, Produktionssteuerung und Logbücher) zusammenführt.
• Ziel: Implementierung eines LLM-gestützten Deviation Management Systems, das bestehende Datenquellen auswertet, um Abweichungen in nahezu Echtzeit zu erkennen und zu bewerten. Im long-run soll die Lösung automatisch Textvorschläge für Ursachenanalyse und Risk Assessments generieren, welche durch den Compliance Officer auf Plausibilität überprüft werden. 
• Key Question: Wie kann ein LLM-gestütztes System Datenanomalien erkennen und Handlungsempfehlungen geben, um die Effizienz und Qualität im Deviation Management zu erhöhen?