Pharmaglas-Dokumentation: KI-Assistent für Regulatory Affairs

Das echte Ausmaß des Problems

Fläschchen, Karpulen und Ampullen aus Borosilikatglas sind Primärpackmittel für Arzneimittel. Ein eigenes Medizinprodukt sind sie nicht, ihnen fehlt eine eigene medizinische Zweckbestimmung, sie halten ein Arzneimittel. Das Regelwerk ist deshalb das Arzneimittelrecht, und eure Dokumentation läuft über den Pharmakunden. Er verlangt typischerweise:

• Glasart und Prüfungen nach dem Europäischen Arzneibuch, Ph. Eur. 3.2.1 (Glasbehältnisse zur pharmazeutischen Verwendung), für den US-Markt nach USP <660>
• Hydrolytische Beständigkeit der Innenoberfläche nach ISO 4802-1 oder ISO 4802-2
• Nachweise zur Herstellung unter GMP-Bedingungen, bei Primärpackmittelherstellern verbreitet über eine Zertifizierung nach ISO 15378
• Unterlagen für den Behälterteil seines Zulassungsdossiers (CTD-Modul 3.2.P.7, Behältnis und Verschluss), in den USA oft über ein Drug Master File des Glasherstellers
• Änderungsmitteilungen: Jede relevante Änderung an Rohstoff, Lieferant, Linie oder Prozess muss der Kunde rechtzeitig erfahren, weil er sie gegebenenfalls seiner Behörde anzeigen muss
• Antworten auf Lieferantenaudits und Qualitätsfragebögen

Die Medizinprodukteverordnung kommt erst ins Spiel, wenn Glas Teil eines Produkts mit medizinischer Zweckbestimmung wird. Bilden Spritze oder Karpule und Arzneimittel ein einziges untrennbares Produkt, etwa eine Fertigspritze, gilt dafür das Arzneimittelrecht, für den Produktteil aber die Grundlegenden Sicherheits- und Leistungsanforderungen aus Anhang I MDR (Artikel 1 Absatz 9 MDR). Für diesen Teil braucht der Pharmakunde in der Regel die Stellungnahme einer Benannten Stelle, und die stützt sich auf eure Unterlagen. ISO 15223-1, die Norm für Symbole auf der Kennzeichnung von Medizinprodukten, betrifft leere Fläschchen und Ampullen deshalb nicht.

Was das in der Praxis bedeutet: Wie viel Arbeitszeit eures RA-Teams in Suchen, Formatieren und Versionsabgleich fließt, zeigt eine Woche Zeiterfassung; eine belastbare Branchenzahl dafür haben wir nicht gefunden. Ein Rechenbeispiel: Fließen bei fünf Vollzeitkräften 35 Prozent der Zeit in solche Aufgaben, sind das 1,75 Vollzeitstellen (5 mal 35 Prozent), bei 70.000 € Vollkosten je Stelle 122.500 € im Jahr, gebunden in Arbeit, die wenig inhaltliche Expertise erfordert.

Der Schaden eines verzögerten oder lückenhaften Dossiers ist handfest: Kommt die Änderungsmitteilung zu spät, kann der Kunde die Änderung nicht rechtzeitig bei seiner Behörde anzeigen, und im schlimmsten Fall darf er Ware aus der geänderten Produktion nicht einsetzen. Im Lieferantenaudit werden fehlende Nachweise zum Befund, der euren Status als freigegebener Lieferant berührt.

Mit vs. ohne KI, ein ehrlicher Vergleich

Die Zeitangaben sind Planungsannahmen dieser Seite, keine Messung. Eure Werte liefert die Zeiterfassung im Pilot, siehe Zeitplan.

Der KI-Einsatz ersetzt nicht die fachliche Verantwortung der Regulatory-Affairs-Spezialistinnen und -Spezialisten, das Gegenteil ist der Fall. Weil Such- und Formatierarbeit wegfällt, können sie sich auf die inhaltliche Beurteilung und die Abstimmung mit dem Kunden konzentrieren. Die Freigabe trifft weiterhin ein Mensch.

Einschätzung auf einen Blick

Zeitersparnis, sehr hoch (5/5) Wo ein RA-Team einen großen Teil seiner Zeit mit Suchen, Formatieren und Versionsabgleich verbringt, gibt ein Assistent, der eure Unterlagen durchsuchbar macht und Dossiers auf Vollständigkeit prüft, einen spürbaren Teil davon zurück. Er trifft auf qualifizierte Fachkräfte, die für diese Arbeit überqualifiziert sind. Wie viel es bei euch ist, zeigt die Zeiterfassung im Pilot.

Kosteneinsparung, niedrig (2/5) Der direkte Kostenhebel ist begrenzt: RA-Personal bleibt nötig, Audits und Kundenanforderungen bleiben gleich. Freigesetzte Zeit wird erst Geld, wenn ihr eine geplante Stelle nicht besetzt oder externe Beratung einspart. Der Nutzen ist Geschwindigkeit und Fehlerreduktion, nicht primär Kostensenkung. Im Vergleich zu Ausschuss- oder Energieeinsparungen in anderen Use Cases dieser Kategorie ist das bescheidener.

Schnelle Umsetzung, hoch (4/5) Zwei bis fünf Monate für ein funktionsfähiges System sind im Vergleich zur Branch-Basis kurz, kein Maschinenbau, keine Hardwareintegration, keine SPS-Anbindung. Die Hauptarbeit ist das Indexieren der Unterlagen und Regelwerke und das Validieren der Antwortqualität. Das kann ein RA-Team mit externer technischer Unterstützung in wenigen Monaten leisten.

ROI-Sicherheit, hoch (4/5) Die Zeiteinsparung ist direkt messbar: Dokumentationsstunden vor und nach dem Einsatz, Audit-Vorbereitungszeit, Reaktionszeiten auf Kundenanfragen. Fehlerreduktion ist schwerer zu monetarisieren, aber der Zusammenhang zwischen lückenhaften Dossiers und Nachforderungen ist dokumentierbar.

Skalierbarkeit, mittel (3/5) Das System skaliert gut innerhalb eines Regelwerkrahmens (Ph. Eur., USP, ISO 4802, ISO 15378). Für jeden neuen Zielmarkt mit eigenem Arzneibuch oder jede neue Normfassung braucht es aber Indexierungsarbeit und erneute Validierung. Keine Zero-Cost-Skalierung wie bei reinen Softwareautomatisierungen.

Richtwerte, stark abhängig von Teamgröße, Zahl der Kunden und Regelwerksbreite.

Was der KI-Assistent konkret macht

Ein RAG-basierter (Retrieval-Augmented Generation) KI-Assistent für Regulatory Affairs arbeitet auf einer indexierten Wissensbasis aus euren Unterlagen und den relevanten Regelwerken:

• Ph. Eur. 3.2.1 (Glasbehältnisse zur pharmazeutischen Verwendung) und USP <660> (Containers, Glass)
• ISO 4802-1 / 4802-2 (hydrolytische Beständigkeit der Innenoberflächen von Glasbehältnissen)
• ISO 15378 (GMP-Anforderungen an Primärpackmittel für Arzneimittel)
• ASTM E438 (Spezifikation für Glas in Laborgeräten, oft zur Einordnung von Borosilikatglas herangezogen)
• Anhang I MDR, soweit ihr Spritzen oder Karpulen für Kombinationsprodukte liefert
• Eure SOPs, Prüfberichte, früheren Kundendossiers und die Änderungshistorie

Auf dieser Basis kann das System:

1. Fachfragen mit Fundstelle beantworten “Welche Prüfungen verlangt Ph. Eur. 3.2.1 für Glasbehältnisse Typ I, und welche unserer Prüfberichte decken sie ab?” Das System liefert eine strukturierte Antwort mit Quellenangabe und Versionshinweis, die der RA-Spezialist als Ausgangspunkt nutzt.

2. Kundendossiers auf fehlende Nachweise prüfen Du lädst die Checkliste des Kunden und eure Dokumentenliste hoch. Das System ordnet jede Unterlage einem Punkt zu und listet fehlende oder veraltete Nachweise auf. Was früher 2–3 Stunden manuelles Durchgehen war, dauert Minuten.

3. Änderungsmitteilungen und Auditantworten entwerfen Aus strukturierten Eingaben (Beschreibung der Änderung, betroffene Produkte, Prüfergebnisse, Risikobewertung) generiert das System einen Entwurf für die Änderungsmitteilung an den Kunden oder die Antwort auf einen Auditfragebogen, inklusive Gliederung und Querverweisen. Die inhaltliche Bewertung bleibt beim Menschen.

4. Normaktualisierungen einarbeiten Erscheint eine neue Fassung von ISO 4802 oder ein neuer Nachtrag des Arzneibuchs, prüft das System bestehende Dokumente auf veraltete Referenzen und markiert Überarbeitungsbedarf.

Was der KI-Assistent nicht kann

Das System halluziniert, das ist bei jedem LLM-basierten System möglich. Normreferenzen können plausibel klingen aber falsch sein. Deshalb gilt: Jede KI-Ausgabe, die in Unterlagen für einen Kunden oder eine Behörde einfließt, muss von einer qualifizierten Regulatory-Affairs-Person geprüft und freigegeben werden. Die KI liefert den Entwurf. Die Verantwortung liegt beim Menschen, rechtlich und regulatorisch.

Der Assistent ist kein Ersatz für regulatorische Expertise und trifft keine Freigabeentscheidungen. Fehlerhafte Angaben in einem Kundendossier, die auf unkritisch übernommene KI-Ausgaben zurückgehen, liegen in eurer Verantwortung als Hersteller.

Konkrete Werkzeuge, was wann passt

Claude (Anthropic), Besonders geeignet für Vollständigkeitsprüfungen und Dokumentenanalysen, weil das Kontextfenster (bis zu 1 Million Tokens bei Sonnet 5 und Opus 5) ein komplettes Kundendossier in einer einzigen Session auswertbar macht. Du kannst die Checkliste des Kunden, das bestehende Dossier und eine neue Prüfanforderung gleichzeitig laden und direkt fragen: “Welche Abschnitte in diesem Dossier sind mit der neuen Anforderung inkonsistent?” Für unveröffentlichte Prüfberichte und Lieferanteninformationen kommt der Team-Tarif (ab zwei Plätzen) oder die API in Frage, dort kein Training auf euren Inhalten. Das Pro-Abo nur mit öffentlichen Texten. Keine EU-Datenregion.

ChatGPT , Guter Einstieg für Teams, die RAG noch nicht eingerichtet haben. In einem ChatGPT-Projekt hinterlegt ihr Unterlagen als Dateien und feste Anweisungen als Wissensbasis. Custom GPTs taugen dafür nicht mehr: OpenAI hat am 11. September 2026 angekündigt, sie in allen Plänen auslaufen zu lassen. Gut für Standardfragen und Entwürfe. Für sehr große Dokumentenprüfungen ist das Kontextfenster kleiner, für diese Aufgaben besser Claude. Datenschutz: Business oder Enterprise, dort kein Training auf Eingaben; Datenresidenz in der EU gibt es nur in Enterprise und über die API.

Gemini Notebook (Google, ehemals NotebookLM), Einstiegstool für Teams ohne technisches Setup-Budget. Du lädst Texte hoch und kannst direkt Fragen stellen, keine API-Konfiguration, keine Prompt-Ingenieursarbeit. Achtung bei den Regelwerken: Arzneibuch, USP und ISO-Normen sind lizenzpflichtig, prüft vor dem Hochladen in einen Cloud-Dienst, was eure Lizenz erlaubt. Frei verfügbar sind EU-Rechtstexte wie die MDR auf EUR-Lex. Einschränkung: kein API-Zugang, keine Integration in bestehende Dokumentenmanagementsysteme, keine automatisierten Prüfroutinen. Datenhaltung auf US-Servern, für vertrauliche Unterlagen ungeeignet.

Azure OpenAI Service mit LlamaIndex oder LangChain, Für Unternehmen mit strengen Datenschutz- und Hosting-Anforderungen. Azure bietet EU-Rechenzentren und einen AVV. Mit LlamaIndex oder LangChain baut ihr eine eigene RAG-Pipeline in eurer Azure-Instanz: Unterlagen und Regelwerke indexieren, semantische Suche einrichten, Dokumente automatisch prüfen. Das ist die technisch aufwendigste, aber auch skalierbarste Option, besonders wenn ihr Dossiers aus einem DMS (Dokumentenmanagementsystem) automatisch einspeisen wollt. Erfordert Developer-Kompetenz für Setup und Betrieb.

Veeva Vault , Keine KI-Eigenentwicklung, sondern branchenspezifisches DMS für Pharma und Life Sciences, das mittlerweile KI-Funktionen integriert. Wenn ihr Veeva Vault bereits nutzt, ist das der direkteste Weg zu KI-gestützter Regulatory-Dokumentation, ohne eigene Modellinfrastruktur. Kostenintensiv, Jahreslizenzen laut unserer Toolseite ab rund 25.000 €, aber bewährt in regulierten Umgebungen mit Audit-Trail-Anforderungen.

Zusammenfassung: Wann welcher Ansatz

• Erster Test mit öffentlichen Texten, kein technisches Setup → Gemini Notebook oder Claude
• Arbeit mit eigenen, vertraulichen Unterlagen → ChatGPT Business oder Claude Team
• Flexible RAG-Konfiguration, Datenhaltung in der EU → Azure OpenAI Service + LlamaIndex
• Bereits Veeva Vault im Einsatz → Veeva Vault AI-Module

Datenschutz und Datenhaltung

Kundendossiers und RA-Unterlagen enthalten meist wenige personenbezogene Daten, etwa Namen von Prüfern, Auditoren und Ansprechpartnern, aber sensible betriebliche Informationen: unveröffentlichte Spezifikationen, Prüfergebnisse, Lieferanteninformationen und die Unterlagen eurer Pharmakunden.

Für den KI-Einsatz bedeutet das:

• AVV, soweit Personendaten dabei sind: Für personenbezogene Daten braucht ihr einen Auftragsverarbeitungsvertrag nach Art. 28 DSGVO. Bei den Business-Tarifen und APIs von OpenAI und Anthropic sowie bei Azure ist er Teil der Vertragsbedingungen oder abrufbar; mit einem privaten Google-Konto für Gemini Notebook habt ihr keinen.
• Geschäftsgeheimnisse brauchen Schutzmaßnahmen: Für Spezifikationen und Prüfergebnisse zählt ein anderes Gesetz. Ein Geschäftsgeheimnis ist nach § 2 Nr. 1 GeschGehG nur eine Information, die „Gegenstand von den Umständen nach angemessenen Geheimhaltungsmaßnahmen” ist. Ein Business-Tarif mit vertraglichem Trainingsausschluss und eine interne Regel, was in welches Werkzeug darf, sind solche Maßnahmen.
• Kein Modelltraining auf eure Daten: Standard-API-Nutzung bei OpenAI und Anthropic schließt Training auf Nutzerdaten aus. In den Consumer-Tarifen von ChatGPT ist das Training voreingestellt, bei Claude hängt es an der Einstellung. Prüft die aktuell gültigen Bedingungen des jeweiligen Anbieters.
• Vorgaben eurer Pharmakunden: Qualitätssicherungs- und Vertraulichkeitsvereinbarungen regeln oft, mit welchen Systemen Kundenunterlagen verarbeitet werden dürfen. Lest sie, bevor ihr Kundendokumente in einen Assistenten ladet.
• EU-Hosting wo möglich: Azure OpenAI Service mit EU-Region bietet die stärkste Datentrennung. Für Dossiers mit nicht-öffentlichen Prüfberichten oder Lieferanteninformationen ist EU-Hosting empfehlenswert.
• Regulatorischer Hinweis: Ein KI-Assistent für die Dokumentenerstellung ist selbst kein Medizinprodukt. Setzt ihr ihn in GMP-relevanten Prozessen ein, gehört er in euer Qualitätsmanagementsystem, und ob er als computergestütztes System zu validieren ist (EU-GMP-Leitfaden, Anhang 11), klärt eure Qualitätssicherung.

Was es kostet, realistisch gerechnet

Einstieg (minimal)

• Claude Team: 25 USD je Platz und Monat, 20 USD bei Jahreszahlung, ab zwei Plätzen
• ChatGPT Business: 25 USD je Person und Monat, 20 USD bei Jahresabrechnung, ab zwei Personen
• Gemini Notebook: kostenlos mit Google-Konto, nur für öffentliche Texte
• Interne Aufwände für Indexierung und Prompt-Kalibrierung: 5–15 Arbeitstage für einen RA-Spezialisten mit technischer Unterstützung
• Validierung der Antwortqualität (stichprobenartige Prüfung): laufend, ca. 2–4 Stunden/Monat

Ausbaustufe (eigene RAG-Pipeline)

• Azure OpenAI Service: Abrechnung nach Tokens. Mit den GPT-4o-Preisen laut unserer Toolseite (2,50 USD je Million Eingabe-Tokens, 10 USD je Million Ausgabe-Tokens) kosten 2.000 Anfragen im Monat mit je 20.000 Tokens Kontext und 1.000 Tokens Antwort: 40 Millionen Eingabe-Tokens und 2 Millionen Ausgabe-Tokens, also 40 × 2,50 USD + 2 × 10 USD = 120 USD, plus Suchindex und Speicher
• LlamaIndex/LangChain-Setup (externe Dienstleistung): 15.000–35.000 € einmalig
• Laufende Pflege (Normaktualisierungen, Neuindexierung): 1–2 Arbeitstage/Quartal

Was du gegenzurechnen kannst Nimm das Rechenbeispiel von oben: 1,75 Vollzeitstellen für Such-, Formatier- und Abgleicharbeit, 122.500 € im Jahr. Nimmt der Assistent davon angenommen 40 Prozent ab, werden 0,7 Vollzeitstellen frei (1,75 mal 40 Prozent), ein Gegenwert von 49.000 € (0,7 mal 70.000 €).

Das ist Kapazität, kein Geld auf dem Konto. Kassenwirksam wird sie, wenn ihr eine geplante Stelle nicht besetzt oder externe Beratung einspart. Dagegen stehen für fünf Personen 100 bis 125 USD Lizenzen im Monat (5 mal 20 bis 25 USD) und 5 bis 15 Arbeitstage Einrichtung, die bei 0,7 freien Vollzeitstellen nach wenigen Wochen wieder eingespielt sind.

Hinzu kommt der indirekte Nutzen: Ein Dossier, das vollständig und korrekt beim Kunden ankommt, vermeidet Nachforderungen, Fristverlängerungen und Auditbefunde. Was das wert ist, zeigen eure letzten Nachforderungen.

Drei typische Einstiegsfehler

1. Das Regelwerk nicht aktuell halten. Der häufigste Fehler: Das System wird einmal mit einer Fassung des Arzneibuchs oder einer Normversion indexiert, und nach dem nächsten Nachtrag gilt eine neue, aber das Wissen im KI-Assistenten ist veraltet. Das ist besonders gefährlich, weil das System weiterhin plausible Antworten liefert, die inhaltlich falsch sind. Lösung: Einen festen Revisionsprozess einrichten, wer ist verantwortlich dafür, neue Fassungen in das System einzuspielen? Und wann?

2. KI-Ausgaben ohne Quellenprüfung in Kundenunterlagen übernehmen. Ein KI-Assistent, der eine Checkliste mit euren Unterlagen abgleicht, kann Abschnittsnummern oder Normreferenzen leicht falsch zuordnen, und das klingt trotzdem präzise und überzeugend. Wer den Entwurf ohne Querprüfung am Originaltext übernimmt, riskiert ein Dossier mit falschen Verweisen. Lösung: Jede Normreferenz in KI-generierten Passagen wird gegen das Originaldokument geprüft. Das ist kein Misstrauen, das ist das korrekte Review-Verfahren.

3. Den Assistenten für regulatorische Einordnungen nutzen. “Ist unsere Karpule ein Medizinprodukt, ein Teil eines Kombinationsprodukts oder ein Primärpackmittel?” ist keine Frage für einen KI-Assistenten. Die Einordnung hat rechtliche Konsequenzen und erfordert qualifiziertes regulatorisches Urteil, oft im Gespräch mit dem Pharmakunden. Ein KI-System kann die Begriffsbestimmungen in Artikel 2 MDR und die Regeln für untrennbare Kombinationen erklären, die Entscheidung selbst muss ein Mensch mit regulatorischer Verantwortung treffen.

Was mit der Einführung wirklich passiert, und was nicht

Das Projekt scheitert selten an der Technik. Es scheitert an der Frage: “Können wir einem KI-generierten Entwurf trauen?”

Die korrekte Antwort ist: Nicht ohne Review, aber mit Review ist ein KI-Entwurf genauso vertrauenswürdig wie ein Entwurf eines Junior-Mitarbeiters. Und ehrlich gesagt: Die meisten Dossier-Entwürfe in kleinen RA-Teams kommen von Junior-Mitarbeitern, die genauso reviewt werden. Die KI-Ausgabe ist das neue Junior-Dokument, nur schneller.

Was häufig passiert:

Die Qualitätsdiskussion verzögert den Start. Das QMS-Team fragt: “Müssen wir diesen KI-Einsatz in unserem Qualitätsmanagementsystem dokumentieren?” Antwort: Fast sicher ja, und das ist kein Blocker, das ist eine Aufgabe. Ein einfacher Prozessschritt “KI-unterstützter Erstentwurf, Review durch [Name], Freigabe durch [Funktion]” im SOP löst das Problem. Klärt das vor dem Pilot-Start, nicht danach.

Das Team nutzt das System selektiv. Erfahrene RA-Spezialisten nutzen den Assistenten intensiv, weil sie schnell erkennen, wann die Ausgabe gut ist und wann sie verfeinert werden muss. Einsteiger übernehmen zu viel ungeprüft. Lösung: In den ersten Wochen gemeinsam Review-Sessions machen, explizit zeigen, welche KI-Ausgaben gut sind und welche nicht.

Normaktualisierungen werden vergessen. Drei Monate nach dem Launch gibt es eine neue Fassung. Niemand hat sie ins System eingespielt. Lösung: Kalendereinträge für quartalsweise Normprüfung, wer ist zuständig?

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

“Wir arbeiten in einem regulierten Umfeld, KI ist da ein Risiko.” Der Einwand ist verständlich, aber er verwechselt das Werkzeug mit der Entscheidung. Ein KI-Assistent, der einen Dossier-Entwurf liefert, ist regulatorisch gesehen ein Schreibwerkzeug. Die Verantwortung für den Inhalt liegt weiterhin bei der freigebenden Person. Was das Risiko senkt: ein klarer Review-Prozess, dokumentiert im QMS.

“Unsere Normlandschaft ist zu spezifisch und zu komplex für ein generisches Modell.” Das ist nur für das Basismodell wahr. Wenn ihr die lizenzierten Regelwerke, eure Prüfberichte und eure SOPs als Wissensbasis in das System ladet, arbeitet der Assistent auf eurer Dokumentenbasis, nicht auf generischem Internet-Wissen. Die Spezifik liegt in der Indexierung, nicht im Basismodell.

“Wir haben nicht die IT-Ressourcen, um das selbst aufzusetzen.” Für den ersten Test braucht ihr keine IT: Gemini Notebook oder Claude lassen sich mit öffentlichen Texten ohne IT-Ticket morgen ausprobieren. Für eure eigenen Unterlagen braucht ihr einen Business- oder Team-Tarif, und den gibt es ohne Serverzugang und ohne Programmierkenntnis. Die eigene RAG-Pipeline ist der Schritt für später, wenn der Business-Case bewiesen ist.

Woran du merkst, dass das zu dir passt

• Dein RA-Team hat drei oder mehr Personen und verbringt messbar Zeit mit Formatierungs- und Checklisten-Aufgaben statt mit inhaltlicher Regulierungsarbeit
• Ihr verschickt mehrmals im Jahr Änderungsmitteilungen oder Dokumentationspakete an Pharmakunden, oder beantwortet regelmäßig Auditfragebögen
• Kundenaudits haben schon fehlende oder veraltete Nachweise bemängelt, nicht wegen inhaltlicher Fehler, sondern wegen Dokumentenstruktur
• Die Vorbereitung eines Kundenaudits bindet euer Team für zwei oder mehr Wochen vollständig

Wann es (noch) nicht passt, drei harte Ausschlusskriterien:

1. Nur ein oder zwei Dokumentationsvorgänge im Jahr. Bei sehr niedrigem Volumen übersteigt der Setup-Aufwand (Indexierung, Validierung, SOP-Anpassung) den Nutzen bei weitem. Eine gut gepflegte Checkliste in Word oder Notion leistet dann dasselbe.

2. Kein funktionierendes QMS, das KI-Einsatz in Dokumentationsprozessen abbilden kann. Wenn euer QMS keinen Prozessschritt für “KI-unterstützte Entwurfserstellung” vorsieht und niemand die Kapazität hat, das kurzfristig einzuführen, schafft ihr Unklarheit über die Dokumentenverantwortung. Klärt das zuerst, sonst ist der KI-Assistent ein Compliance-Problem, kein Effizienzgewinn.

3. Eure Pharmakunden schließen KI-Werkzeuge für ihre Unterlagen vertraglich aus. Manche Qualitätssicherungsvereinbarungen regeln, mit welchen Systemen Kundendaten verarbeitet werden dürfen. Prüft das, bevor ihr Kundenunterlagen in einen Assistenten ladet, und beschränkt den Assistenten sonst auf eure eigenen Dokumente.

Das kannst du heute noch tun

Wenn ihr Spritzen oder Karpulen für Kombinationsprodukte liefert: Lade Anhang I der MDR herunter, er ist kostenlos auf EUR-Lex verfügbar, und lade ihn in Gemini Notebook . Frage dann: “Welche Grundlegenden Sicherheits- und Leistungsanforderungen aus Anhang I betreffen den Glaszylinder einer Fertigspritze?” Vergleiche die Antwort mit euren Unterlagen.

Wenn ihr Fläschchen und Ampullen liefert: Nimm ein Produktdatenblatt, das ohnehin auf eurer Website steht, und frage: “Welche Angaben fehlen hier, die ein Pharmakunde für den Behälterteil seines Zulassungsdossiers typischerweise braucht?” Vergleiche die Antwort mit der Checkliste eures letzten Kundenaudits.

Du siehst in 20 Minuten, ob der Assistent für deine Fragestellungen nützlich ist, und wo er Normreferenzen korrekt oder falsch zuordnet, ohne dass eine vertrauliche Unterlage das Haus verlassen hat.

Quellen & Methodik

• Einordnung untrennbarer Kombinationen: Verordnung (EU) 2017/745 (MDR), Artikel 1 Absatz 9 Unterabsatz 2, EUR-Lex, abgerufen am 19.09.2026. Belegt: Für ein untrennbares Produkt aus Medizinprodukt und Arzneimittel gilt das Arzneimittelrecht, für den Produktteil die Grundlegenden Sicherheits- und Leistungsanforderungen aus Anhang I.
• Ph. Eur. 3.2.1: Europäisches Arzneibuch, Glasbehältnisse zur pharmazeutischen Verwendung; EDQM (aktuelle Ausgabe, lizenzpflichtig).
• USP <660>: United States Pharmacopeia, Containers, Glass (lizenzpflichtig).
• ISO 4802-1 und ISO 4802-2: Hydrolytische Beständigkeit der Innenoberflächen von Glasbehältnissen, Titrationsverfahren und flammenspektrometrisches Verfahren.
• ISO 15378: Primärpackmittel für Arzneimittel, besondere Anforderungen für die Anwendung von ISO 9001 unter Berücksichtigung der Guten Herstellungspraxis (GMP).
• ASTM E438: Standard Specification for Glasses in Laboratory Apparatus; ASTM International (aktuelle Fassung).
• Geschäftsgeheimnis: § 2 Nr. 1 Gesetz zum Schutz von Geschäftsgeheimnissen, gesetze-im-internet.de/geschgehg/__2.html, abgerufen am 19.09.2026.
• Zeitaufwand Regulatory Affairs: Für den Anteil von Such- und Formatierarbeit haben wir keine belastbare öffentliche Erhebung gefunden. Die Zeitangaben und die 35 Prozent im Rechenbeispiel sind Annahmen dieser Seite, eure Zahlen liefert die Zeiterfassung.
• Preise und Datenschutzbedingungen Claude, ChatGPT, Gemini Notebook, Azure OpenAI Service, Veeva Vault: laut unseren Toolseiten, dort mit Quellen belegt.
• RAG-Systemaufbau mit LlamaIndex/LangChain: LlamaIndex Documentation (2024); LangChain Documentation (2024).