Technische Dokumentation nach MDR erstellen

Das echte Ausmaß des Problems

Die technische Dokumentation nach MDR 2017/745 ist kein einfaches Dokument. Anhang II beschreibt die allgemeinen Anforderungen, Anhang III regelt die Anforderungen an implantierbare Geräte, und für komplexe Produkte können 80 bis 120 zusammenhängende Dokumente entstehen, die vollständig und konsistent zueinander sein müssen.

Der Aufwand für die Ersterstellung einer MDR-konformen technischen Dokumentation liegt laut Branchenschätzungen bei 200 bis 500 Arbeitsstunden pro Produkt, abhängig von Risikoklasse, Softwareanteil und vorhandenem Dokumentationsstand. Für ein Team mit zwei Regulatory-Affairs-Mitarbeitenden bedeutet das: Ein einziges neues Produkt bindet für zwei bis vier Monate die gesamten Kapazitäten.

Besonders kritisch sind dabei drei Schwachstellen:

• Vollständigkeitslücken: MDR Anhang II umfasst elf Abschnitte mit zahlreichen Unterpunkten. Selbst erfahrene Regulatory-Profis übersehen Anforderungen, die in der vorherigen MDD noch nicht so spezifisch waren, etwa die systematische Darstellung der klinischen Bewertungsmethodik oder der Post-Market-Surveillance-Planung.
• Inkonsistenz zwischen Dokumenten: Risikoanalyse und klinische Bewertung müssen inhaltlich aufeinander verweisen. Wenn eine Anforderung in der technischen Spezifikation anders formuliert ist als im Risikomanagementfile, erzeugt das Rückfragen.
• Veraltete Dokumentation bei Änderungen: Jede Produktänderung, selbst eine scheinbar kleine, muss bewertet und dokumentiert werden. In der Praxis entsteht ein Rückstau: Die Dokumentation spiegelt nicht mehr den aktuellen Produktstand wider.

Für Hersteller, die sowohl den europäischen (CE) als auch den amerikanischen (FDA 510(k) / De Novo) Markt bedienen wollen, kommt die Parallelarbeit zweier unterschiedlicher Anforderungssysteme hinzu.

Mit vs. ohne KI, ein ehrlicher Vergleich

¹ Erfahrungswerte aus Implementierungsprojekten und Branchenberichten, keine repräsentative Studie; stark abhängig von vorhandenem Dokumentationsstand und Teamgröße.

Die 71-Prozent-Zahl der Notified Bodies (Zertifizierung dauert über 13 Monate) ist der wichtigste Hebel: Jede verkürzte Rückfragen-Runde spart nicht nur Wochen, sondern den gesamten Zeitverlust bis zur nächsten Prüfrunde.

Einschätzung auf einen Blick

Zeitersparnis, sehr hoch (5/5) Die Erstellung technischer Dokumentation ist in der Medizintechnik der zeitintensivste Engpass überhaupt. KI kann Textvorschläge aus Produktspezifikationen generieren, Lücken gegen MDR-Anhänge automatisch prüfen und Querverweise zwischen Dokumenten sichtbar machen, das spart real 30 oder mehr Stunden pro Produkt. In dieser Kategorie ist kein anderer Anwendungsfall im Medizintechnikumfeld so unmittelbar zeitwirksam wie dieser.

Kosteneinsparung, hoch (4/5) Direkte Einsparungen entstehen über drei Wege: weniger externe Regulatory-Consulting-Stunden (typisch 150–300 Euro/Stunde), kürzere Time-to-Market (jeder Monat Verzögerung kostet), und vermiedene Notified-Body-Mehrkosten durch Nacheinreichungen. Die einmaligen Einrichtungskosten von 30.000 bis 80.000 Euro plus laufende 1.000 bis 3.000 Euro monatlich sind real, aber amortisieren sich bereits beim ersten erfolgreich beschleunigten Produkt.

Schnelle Umsetzung, niedrig (2/5) Das ist der ehrliche Preis dieses Anwendungsfalls: Jede KI-Unterstützung im Regulatory-Bereich muss selbst validiert werden, das fordert MDR Anhang II für Software-Tools, die in den Erstellungsprozess einfließen. Zwischen 16 und 24 Wochen von der Entscheidung bis zum produktiven Einsatz sind realistisch. Wer das unterschätzt, kauft sich in der Praxis nur ein neues Projektmanagementproblem.

ROI-Sicherheit, hoch (4/5) Der Nutzen ist direkt messbar: Wie viele Rückfragen kamen beim letzten Einreichungsversuch? Wie viele Stunden wurden für Lückenanalysen aufgewendet? Wie lange dauerte die letzte Notified-Body-Runde? Das sind Zahlen, die ein Regulatory-Affairs-Team kennt, und gegen die man nach 6 Monaten KI-Einsatz sauber vergleichen kann. Nicht auf Platz 5, weil das Qualitätsniveau des KI-Outputs stark von der Güte der Eingangsdokumente abhängt.

Skalierbarkeit, hoch (4/5) Einmal eingerichtet, lässt sich der KI-Assistent auf jedes neue Produkt im Portfolio anwenden, ohne proportional steigenden Aufwand. Für Hersteller mit 5 oder mehr Produkten ist der Skalierungshebel erheblich. Nicht auf 5, weil bei sehr unterschiedlichen Produktkategorien (z. B. Klasse I und Klasse III im gleichen Portfolio) die Konfiguration für jede Klasse separat validiert werden muss.

Richtwerte, stark abhängig von Unternehmensgröße, Produktkomplexität und bestehendem Dokumentationsstand.

Was das System konkret macht

KI übernimmt bei der technischen Dokumentation nach MDR drei klar abgrenzbare Aufgaben:

1. Strukturprüfung und Lückenanalyse Ein KI-Assistent kann, einmal mit den Anforderungen aus MDR Anhang II trainiert oder prompt-gesteuert konfiguriert, eine bestehende technische Dokumentation systematisch gegen die Checkliste der Anforderungen prüfen. Das Ergebnis: eine Liste fehlender oder unvollständiger Abschnitte, priorisiert nach regulatorischer Kritikalität. Was früher ein Regulatory-Consultant gegen 200 Euro/Stunde erledigt hat, lässt sich mit einem gut konfigurierten LLM in Stunden statt Tagen durchführen.

2. Textgenerierung aus Produktdaten Viele Abschnitte der technischen Dokumentation (Gerätebeschreibung, Zweckbestimmung, Betriebsbedingungen) sind strukturiert aus vorhandenen Produktdaten ableitbar. KI kann aus Pflichtenheften, technischen Spezifikationen oder Labordaten strukturierten Fließtext generieren, der als Entwurf dient und von der Fachperson überarbeitet wird, statt bei Null anzufangen.

3. Konsistenzprüfung zwischen Dokumenten Wenn in der Risikoanalyse ein bestimmtes Anwendungsszenario beschrieben wird, sollte es auch in der klinischen Bewertung auftauchen. KI kann solche Querverweise prüfen und Inkonsistenzen markieren, noch bevor der Notified Body sie findet.

Wichtig: KI ersetzt hier nicht das Fachwissen des Regulatory-Affairs-Teams. Sie produziert Entwürfe und Hinweise, die fachliche Verantwortung und die inhaltliche Überprüfung bleiben beim Menschen. Das ist keine Schwäche, sondern regulatorische Notwendigkeit: Für Medizinprodukte der Klasse IIa aufwärts muss der Hersteller die fachliche Verantwortung für die Dokumentation explizit nachweisen.

Konkrete Werkzeuge, was wann passt

Greenlight Guru, Das meistgenutzte spezialisierte eQMS für Medizinproduktehersteller. Bietet strukturierte Design Controls, Risikoregister nach ISO 14971 und Traceability bis auf Anforderungsebene. Starke Integration zwischen technischer Dokumentation und Post-Market-Modulen. Einschränkungen: ausschließlich englischsprachig, US-Hosting, hohe Einstiegskosten (25.000–35.000 USD/Jahr) und Mindestvertragslaufzeit von 2–3 Jahren. Empfehlung für Hersteller, die auch den FDA-Markt bedienen.

meddevo eTD, Deutsche Alternative mit EU-Hosting und deutschsprachigem Support. Speziell auf MDR/IVDR-Anforderungen ausgerichtet, Dokumentenstruktur nach MDR Anhang II vorkonfiguriert. Für rein europäisch ausgerichtete Hersteller oft die bessere Wahl als US-basierte Plattformen. Preise auf Anfrage.

Formwork von OpenRegulatory, Die einzige QMS-Lösung für Medizinprodukte mit echtem kostenlosen Einstiegstarif. Vom Team hinter openregulatory.com entwickelt, einer der bekanntesten deutschen Ressourcen für MDR-Compliance. Geeignet für Startups und kleine Hersteller mit erstem Produkt. Für komplexe Portfolios schnell zu schmal.

Claude AI oder ChatGPT mit regulatorischem Prompt, Für Teams ohne Budget für ein spezialisiertes Tool: Ein gut konfigurierter KI-Assistent kann eine bestehende technische Dokumentation gegen MDR-Anhang-Checklisten prüfen und Entwurfstexte generieren. Kein strukturiertes Traceability-System, aber als Einstieg und für Lückenanalysen sehr wirksam. Wichtig: Die Ausgaben müssen fachlich überprüft werden, und die verwendeten Dokumente dürfen keine nicht-öffentlichen Patientendaten enthalten.

Zusammenfassung: Wann welcher Ansatz

• Startup, erstes CE-Produkt, kleines Budget → Formwork (kostenlos, EU-gehostet)
• Europäischer Hersteller, Klasse IIa–III, deutschsprachiges Team → meddevo
• Dual-market (CE + FDA), mittleres bis großes Unternehmen → Greenlight Guru
• Schneller Einstieg, Lückenanalyse ohne Tool-Investition → Claude AI / ChatGPT mit Prompt

Rechtliche Besonderheiten

Das ist der Abschnitt, den viele KI-Einführungsberatungen weglassen, weil er den Enthusiasmus bremst. Deshalb steht er hier explizit.

Software als Teil der Erstellung technischer Dokumentation unterliegt MDR Anhang II, Abschnitt 9. Das bedeutet: Jedes Software-Tool, das in die Erstellung oder Prüfung der technischen Dokumentation einfließt, muss im Qualitätsmanagement dokumentiert werden. Nicht notwendigerweise als Medizinprodukt validiert, aber als qualifizierter Prozessschritt mit definierten Anforderungen, Einschränkungen und Überprüfungsprozessen.

In der Praxis bedeutet das: Bevor du Claude AI oder ein anderes LLM produktiv in die Dokumentationserstellung integrierst, braucht dein QMS eine SOP, die beschreibt, wofür das Tool eingesetzt wird, welche Ausgaben manuell geprüft werden müssen, und wer die fachliche Verantwortung trägt. Das ist kein Showstopper, aber ein notwendiger Schritt, den du einplanen musst.

Halluzinationsgefahr bei regulatorischen Anforderungen: Ein allgemeines LLM kann MDR-Anforderungen falsch zitieren oder erfinden. Das ist gefährlich, weil die Ausgaben gut klingen, und niemand, der kein Regulatory-Experte ist, den Fehler erkennt. Die Lösung: Normtexte nie durch KI zitieren lassen. KI generiert Entwurfstexte, Menschen prüfen gegen die Primärquelle.

Datenschutz und Datenhaltung

Technische Dokumentation enthält in der Regel keine personenbezogenen Patientendaten, sie beschreibt das Produkt, nicht einzelne Patienten. Das vereinfacht die DSGVO-Bewertung erheblich.

Relevant ist aber: Produktspezifikationen, Fertigungsgeheimnisse und Designdaten sind vertraulich. Wenn du diese Daten in ein cloud-basiertes KI-Tool hochlädst, gibst du Geschäftsgeheimnisse weiter. Die Risikoabwägung hier ist keine Datenschutz-, sondern eine IP-Frage. Empfehlungen:

• Für US-gehostete Tools (Claude API, ChatGPT Enterprise, Greenlight Guru): prüfe die Datenverarbeitungsverträge auf IP-Klauseln und stelle sicher, dass Trainingsdatennutzung ausgeschlossen ist
• Für EU-gehostete Lösungen (meddevo, Formwork): einfachere Ausgangslage, aber AVV nach Art. 28 DSGVO trotzdem abschließen
• Für hochsensible Produktdaten (Klasse III, implantierbare Geräte): On-Premise-Deployment oder EU-konforme Privat-Cloud erwägen

Alle drei genannten Anbieter bieten AVV-Prozesse, aber du musst sie aktiv anfordern.

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

• Auswahl und Konfiguration des Tools: 4–8 Wochen interner Aufwand
• Validierung der KI-Unterstützung im QMS (erforderlich nach MDR): 20–40 Stunden interne Regulatory-/QM-Zeit
• Bei eQMS-Tools (Greenlight Guru, meddevo): Onboarding und Datenmigration 10.000–30.000 Euro (Tool-Einrichtung durch Anbieter oder Dienstleister)
• Bei LLM-basiertem Ansatz (Claude AI / ChatGPT): primär interne Personalzeit, externe Kosten minimal

Laufende Kosten (monatlich)

• Greenlight Guru: ca. 2.000–3.000 Euro/Monat (bei typischen Vertragsgrößen, umgerechnet)
• meddevo: ca. 500–1.500 Euro/Monat (Schätzung)
• Formwork: kostenlos (Einstiegstarif)
• LLM-Nutzung: 20–100 Euro/Monat bei intensiver Nutzung über API

Was du dagegenrechnen kannst Ein Regulatory-Affairs-Consultant kostet 150–300 Euro/Stunde. Eine typische Lückenanalyse für eine Ersteinreichung umfasst 15–30 Consultant-Stunden, das sind 2.250 bis 9.000 Euro pro Einreichung. Dazu kommt: Jede Notified-Body-Rückfragen-Runde kostet mindestens 4–6 Wochen Verzögerung. Bei einem Produkt mit 500.000 Euro Jahresumsatz sind 6 Wochen Verzögerung direkt messbar.

Wie du den Nutzen tatsächlich misst Führe Buch über Rückfragen je Einreichung, aufgewandte Regulatory-Stunden je Produkt und die Zahl externer Consulting-Einsätze. Vergleiche nach 12 Monaten. Wenn das System funktioniert, sinken alle drei Kennzahlen, und du hast den ROI schwarz auf weiß.

Typische Einstiegsfehler

1. Das KI-Tool als Autorität behandeln, nicht als Entwurfshelfer. Der gefährlichste Fehler: Regulatory-Mitarbeitende, die unter Zeitdruck stehen, akzeptieren KI-generierte Texte ohne gründliche Überprüfung. Ein LLM kann MDR-Anforderungen plausibel klingende, aber inhaltlich falsche Aussagen produzieren. Die Faustregel: Alles, was normativ zitiert wird, muss gegen den Primärtext geprüft werden. Niemals.

2. Das Tool ohne QMS-Integration einführen. KI-Unterstützung, die außerhalb des Qualitätsmanagementsystems läuft, schafft Schatten-Prozesse, die bei einem Audit sofort auffallen. Jede KI-gestützte Aktivität im Dokumentationsprozess braucht eine SOP: Was tut das Tool? Was prüft der Mensch nach? Wer zeichnet ab? Das vor dem Start klären, nicht danach.

3. Mit allen Produkten gleichzeitig starten. Der Reflex ist verständlich: Wenn das Tool gut ist, wollen alle davon profitieren. Eine simultane Einführung auf zehn Produkte führt aber dazu, dass Qualitätsmängel im System erst spät auffallen, und dann in zehn Dokumentationen gleichzeitig behoben werden müssen. Starte mit einem Produkt, validiere das Ergebnis, dann skaliere.

4. Die Validierung als lästige Pflicht behandeln. Regulatory-Teams, die die MDR-Anforderungen an die Dokumentation der eingesetzten Tools als Bürokratie sehen, riskieren ein Audit-Problem. Die Validierung der KI-Unterstützung ist kein extra Aufwand, sie ist der Nachweis, dass du deinen Erstellungsprozess unter Kontrolle hast. Wer diese Dokumentation von Anfang an sauber aufbaut, hat beim nächsten Audit ein starkes Argument: Das Tool ist kein Risiko, es ist ein kontrollierter Prozess.

Was mit der Einführung wirklich passiert, und was nicht

Die Technik ist das Einfachste. Was die meisten Projekte scheitern lässt, ist der Mensch.

Erfahrene Regulatory-Mitarbeitende haben oft jahrelange persönliche Workflows entwickelt: Word-Vorlagen, Excel-Checklisten, ein mentales Modell der MDR-Anforderungen. Ein neues System fühlt sich zunächst wie mehr Arbeit an, nicht weniger. Dieser Widerstand ist verständlich und normal. Was hilft: Die erfahrenste Person im Team frühzeitig einbeziehen, ihr Feedback in die Konfiguration einfließen lassen. Wer das System mitgestaltet hat, verteidigt es bei der nächsten Auditsvorbereitung.

Neue Regulatory-Mitarbeitende sind oft sofort begeistert, weil das System ihnen Struktur gibt, die sie sonst mühsam aufbauen müssten. Diese Gruppe ist der natürliche Champion für die Einführung.

Das Management erwartet oft einen sofortigen Effekt. Die Realität: In den ersten drei Monaten steigt der Aufwand, weil alte Dokumentation migriert, das System konfiguriert und das Team eingearbeitet werden muss. Der ROI beginnt typischerweise mit dem zweiten oder dritten Produkt, das komplett im neuen System erstellt wird.

Was konkret hilft:

• Einen 90-Tage-Pilot mit einem einzigen Produkt und einem klaren Messziel festlegen
• Die Validierungsdokumentation von Anfang an als eigenes Dokument führen, nicht als Nacharbeit
• Wöchentliche kurze Retros im ersten Quartal, um Konfigurationsprobleme früh zu beheben

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„KI kann keine Regulatory-Entscheidungen treffen.” Richtig. Und das soll sie nicht. Der Anwendungsfall ist nicht Entscheidungsautomatisierung, sondern strukturierte Entwurfs- und Prüfunterstützung. Der Regulatory-Experte entscheidet, KI hilft dabei, nichts zu vergessen und schneller erste Entwürfe zu haben.

„Wir können kein US-Tool verwenden, DSGVO.” Für US-gehostete Tools ist eine gründliche Prüfung der Datenverarbeitungsverträge notwendig, das stimmt. Aber es gibt EU-gehostete Alternativen (meddevo, Formwork), und für LLM-basierte Ansätze lässt sich der Datentransfer so konfigurieren, dass keine personenbezogenen oder geheimen Produktdaten übertragen werden.

„Wir werden das Tool eh wieder wechseln, wenn MDR sich ändert.” MDR-Updates werden inkrementell durch Guidance-Dokumente der MDCG konkretisiert, radikale Strukturänderungen der technischen Dokumentation sind nicht zu erwarten. Ein gut konfiguriertes System kann auf neue Guidance-Anforderungen angepasst werden. Der Aufwand für einen Tool-Wechsel ist deutlich höher als für eine Rekonfiguration.

Woran du merkst, dass das zu dir passt

• Dein Regulatory-Team verbringt mehr als 30 Prozent seiner Zeit mit Strukturprüfungen und Lückenanalysen, nicht mit inhaltlicher Beurteilung
• Ihr habt mehr als ein Produkt in der CE-Zertifizierungspipeline gleichzeitig, der Engpass bei der Dokumentation ist systematisch, nicht zufällig
• Die letzte Notified-Body-Einreichung hat Rückfragen generiert, bei denen im Nachhinein klar war: Das hätten wir selbst finden können
• Das Team wächst und ihr onboardet Regulatory-Nachwuchs, ein strukturiertes Tool reduziert die Abhängigkeit von einem einzigen erfahrenen Mitarbeitenden
• Ihr plant neue Produktkategorien oder Varianten des bestehenden Portfolios, je mehr Produkte, desto größer der Skalierungshebel

Wann es sich (noch) nicht lohnt, drei harte Ausschlusskriterien:

1. Einzelnes Produkt, das bereits CE-zertifiziert ist und keine Änderungen plant. Wenn die technische Dokumentation fertig ist und gepflegt wird, ist der Einführungsaufwand eines neuen Systems nicht gerechtfertigt.

2. Team ohne dedizierten Regulatory-Affairs-Experten. KI-Unterstützung ersetzt kein Regulatory-Fachwissen, sie macht vorhandenes Fachwissen effizienter. Ein Tool, das niemand fachlich überprüfen kann, erzeugt falsche Sicherheit.

3. Keine QM-Infrastruktur vorhanden. Wenn das Unternehmen noch kein ISO-13485-konformes Qualitätsmanagementsystem hat, ist die Einführung eines KI-Tools der falsche erste Schritt. Erst das QMS etablieren, dann digitalisieren.

Das kannst du heute noch tun

Öffne Claude AI oder ChatGPT und lade die erste Seite einer bestehenden technischen Dokumentation hoch. Verwende diesen Prompt, der die Anforderungen von MDR Anhang II als Prüfrahmen nutzt:

Quellen & Methodik

• 71 Prozent der Notified Bodies berichten über mehr als 13 Monate Zertifizierungsdauer: European Commission Notified Body Survey 2023, zitiert in: Casus Consulting, „Updated Notified Body MDR/IVDR Survey” (Juli 2023) sowie Emergo by UL, „European Notified Body Survey Shows Uptick in MDR, IVDR Applications”.
• 75 Prozent der Ablehnungen wegen unvollständiger Unterlagen: Exponent, „New Medical Device Survey Reveals EU MDR Certification Gap” (2023), basierend auf EC Notified Body Survey Daten.
• 200–500 Stunden Aufwand Ersterstellung TD: Erfahrungswerte aus Regulatory-Consulting-Projekten; vgl. auch TÜV SÜD Academy Schulungsunterlagen „Technische Dokumentation für Medizinprodukte nach MDR” (aktuell 2024).
• Greenlight-Guru-Preisangaben: OpenRegulatory, „Greenlight Guru Price” (Dezember 2025 Update); Capterra-Listings (Stand April 2026).
• MDR Anhang II und III: Verordnung (EU) 2017/745 des Europäischen Parlaments und des Rates über Medizinprodukte in der aktuell gültigen Fassung.
• Art. 28 DSGVO (AVV): Datenschutz-Grundverordnung in der aktuell gültigen Fassung.

Du willst wissen, welcher Tool-Ansatz für euren spezifischen Produkttyp und eure Teamgröße sinnvoll ist? Meld dich, das besprechen wir konkret in einem kurzen Gespräch.