FSCA unter Zeitdruck: Meldefristen, vier Abteilungen, kein Platz für Koordinationsfehler

Das echte Ausmaß des Problems

Field Safety Corrective Actions sind der Stresstest für jedes Regulatory-Affairs-Team. Art. 87 MDR staffelt die Meldefristen für schwerwiegende Vorkommnisse nach Schwere, jeweils „unverzüglich”, spätestens aber:

• 2 Tage nach Kenntnis bei einer schwerwiegenden Gefahr für die öffentliche Gesundheit (Abs. 4)
• 10 Tage nach Kenntnis bei Tod oder unvorhergesehener schwerwiegender Verschlechterung des Gesundheitszustands einer Person (Abs. 5)
• 15 Tage nach Kenntnis für alle anderen schwerwiegenden Vorkommnisse (Abs. 3)

Für die FSCA selbst gilt keine Tagesfrist, sondern eine Reihenfolge: Sie wird der Behörde gemeldet, bevor sie beginnt, außer in dringenden Fällen (Art. 87 Abs. 8). Die Sicherheitsanweisung im Feld (FSN) muss den Anwendern unverzüglich zugehen, ihr Entwurf geht außer in dringenden Fällen vorher an die zuständige Behörde zur Stellungnahme (Art. 89 Abs. 8). Nicht schwerwiegende Vorkommnisse werden nicht einzeln gemeldet, sie fließen in die Trendanalyse ein, gemeldet wird nach Art. 88 ein statistisch signifikanter Anstieg.

Das klingt überschaubar, ist es aber nicht. Der Grund: Die Behördenmeldung ist nicht das Ende, sondern erst der Anfang.

Die Realität einer FSCA umfasst mindestens diese Aktivitäten:

Phase 1: Vorfallsbewertung (Tage 1–3)

• Kausalitätsprüfung: Ist wirklich das Gerät oder die Chargenvariation Ursache des Vorfalls, oder liegt die Ursache im Anwendungsfehler?
• Scope-Abgrenzung: Welche Chargen, Seriennummern und Märkte sind betroffen?
• Risikobewertung nach den Kriterien aus Art. 89 Abs. 3 MDR: Schwere, Wahrscheinlichkeit, Erkennbarkeit, betroffene Anwender und Patienten. Die Rückrufklassen I bis III der FDA spielen nur eine Rolle, wenn das Produkt auch in den USA vertrieben wird, die MDR kennt keine solchen Klassen.

Phase 2: Field Safety Notice (FSN) Erstellung (Tage 3–8)

• Formulierung muss präzise sein, zu schwach und reguliert es nicht, zu dramatisch und provoziert Panik
• Technische Beschreibung des Risikos mit Häufigkeitsangabe und Schweregrad
• Empfohlene Maßnahmen für Kliniken/Nutzer muss praktisch umsetzbar sein
• Rechtskonforme Formulierungen (keine Werbung, keine Verharmlosung)
• Sprache: die Amtssprache oder Amtssprachen, die der jeweilige Mitgliedstaat vorgibt (Art. 89 Abs. 8), nicht pauschal Englisch
• Pflichtangaben: UDI des Produkts und, soweit vorhanden, die SRN des Herstellers

Phase 3: Behördliche Koordination (parallel, Tage 5–15)

• In allen betroffenen EU-Mitgliedstaaten muss die zuständige Behörde benachrichtigt werden
• In Deutschland: BfArM (Bundesinstitut für Arzneimittel und Medizinprodukte)
• Der FSN-Entwurf geht vor dem Versand an die bewertende Behörde, damit sie Anmerkungen machen kann, außer in dringenden Fällen (Art. 89 Abs. 8). Eine feste Stundenfrist nennt die MDR nicht, plane die Zeit für die Stellungnahme trotzdem ein
• Jedes Land kann andere Anforderungen an die Vorlage haben

Phase 4: Vertrieb und Kundenbenachrichtigung (Tage 8–15)

• Distribution Records abrufen: Wer hat diese Chargen bekommen?
• Kommunikationsstrategie: E-Mail, Anschreiben, telefonische Benachrichtigung?
• Nachverfolgung: Wer hat bestätigt erhalten? Wer nicht?
• Empfangene Geräte: sollen Nutzer das Gerät gar nicht mehr einschalten, oder gibt es eine Übergangslösung?

Die Koordination ist das größte Problem. In einer typischen Situation sind vier bis fünf Departments in mindestens zwei verschiedenen Systemen tätig (E-Mail, Ticketing, Dokumentenverwaltung), und der Regulatory-Affairs-Manager wird zum Dispatcher statt zum Strategen.

Zeitlich rechnet diese Seite mit 40 bis 60 Arbeitsstunden von der ersten Nachricht bis zur vollständig dokumentierten Behördenmeldung, plus die Überwachung der Vertriebskommunikation in den nächsten vier Wochen. Das ist eine Annahme, keine Messung. Schreib bei deinem nächsten Fall mit, dann hast du deine eigene Zahl.

Mit vs. ohne KI, ein ehrlicher Vergleich

¹ Annahmen dieser Seite, keine Messung. Eine Studie zum Zeitaufwand von FSCA-Fällen haben wir nicht gefunden. Stark abhängig davon, wie gut die Incident-Ausgangsdaten vorliegen. Die Tabelle ergibt 10 bis 15 Stunden weniger je Fall.

Der größte Gewinn ist nicht die pure Zeitersparnis, sondern die Entlastung und weniger Koordinationsfehler. Wie stark die Fehler sinken, hat niemand gemessen, zähle deshalb ab jetzt Rückfragen und Fristreserven je Fall.

Einschätzung auf einen Blick

Zeitersparnis, mittel (3/5) FSCA-Prozesse sind episodisch, sie treten nicht regelmäßig auf. Wie viele Fälle im Jahr anfallen, hängt am Portfolio, eine belastbare Durchschnittszahl kennen wir nicht, die Rechnung unten nimmt drei an. Die Zeitersparnis pro Fall liegt nach unserer Annahme bei 10–15 Stunden weniger Koordination und Dokumentation, aber der jährliche kumulierte Effekt ist kleiner als bei permanenten Prozessen wie Technische Dokumentation. Der Schmerz ist akut, aber selten.

Kosteneinsparung, sehr niedrig (1/5) Die direkten Kostenersparnisse sind minimal, bei drei Fällen im Jahr frisst die Pflege der Vorlagen die gesparten Stunden fast auf (Rechnung unten). Eine FSCA kostet externe Regulatory-Consulting-Stunden (typisch 100–150 Euro/Stunde), aber der eigentliche Wert liegt nicht in Geld, sondern in vermiedenen Behördenmaßnahmen und Reputationsschaden. Das ist Risikovermeidung, nicht als Kostenposition budgetierbar.

Schnelle Umsetzung, niedrig (2/5) Ähnlich wie bei der Technischen Dokumentation: Das KI-System selbst muss validiert sein, bevor es im FSCA-Prozess eingesetzt wird. Die Pflicht dazu steht nicht in Anhang II der MDR, der die technische Dokumentation des Produkts regelt, sondern in ISO 13485:2016, die Validierung von Software verlangt, die im QMS eingesetzt wird. Das QMS selbst schreibt Art. 10 Abs. 9 MDR vor. 12–18 Wochen Einführungszeit sind realistisch.

ROI-Sicherheit, hoch (4/5) Das ist der stärkste Punkt dieses Anwendungsfalls. Die Meldefristen nach Art. 87 sind nicht flexibel, 15 Tage heißt 15 Tage. Eine verpasste Meldung zieht Behördenmaßnahmen nach sich, bis zur Anordnung eines Rückrufs, und Fragen der Benannten Stelle beim nächsten Audit. Einen eigenen Bußgeldtatbestand für eine verspätete Vorkommnismeldung haben wir in den Straf- und Bußgeldvorschriften des MPDG (§§ 92 bis 94) nicht gefunden, die Folgen sind verwaltungsrechtlich und zertifikatsbezogen. Das ist binär messbar: Frist eingehalten oder nicht. Wie oft Fristen heute knapp werden, weiß kaum ein Team, deshalb ab dem nächsten Fall die Reserve bis zur Frist in Tagen mitschreiben.

Skalierbarkeit, mittel (3/5) Das FSCA-Template und die Checklisten können auf das gesamte Produktportfolio angewendet werden, aber jedes neue Produkt hat unterschiedliche Risikocharakteristiken und Kundengruppen. Für Hersteller mit wachsendem Portfolio ist die Skalierung positiv, aber es braucht Anpassungen pro Produktfamilie. Nicht auf 4 oder 5, weil die Validierungsanforderungen pro Produkt auch skalieren.

Richtwerte, stark abhängig von Produktrisikoklasse, Portfolio-Größe und bestehender CAPA-Reifegrad.

Was das System konkret macht

Ein KI-unterstützter FSCA-Prozess hat drei klar abgrenzbare Aufgaben:

1. Strukturierte Vorfallsbewertung und Scope-Abgrenzung

Das KI-System stellt eine Interviewfrage-Serie: Welches Gerät? Welche Charge? Wie viele Einheiten? In welchen Märkten? Wie viele betroffene Patienten? Letale oder ernsthafte Morbidität? Ist die Kausalität etabliert oder nur suspekt?

Aus den Antworten generiert das System automatisch:

• Einen Vorschlag zur Meldefrist nach Art. 87 (2, 10 oder 15 Tage) mit Begründung, zur Entscheidung durch die verantwortliche Person
• Eine Scope-Tabelle mit geografischen und Chargen-Unter­grenzen
• Eine Prioritäts-Matrix (wer muss wann benachrichtigt werden)

2. Field Safety Notice (FSN) Generierung und Prüfung

Das System nutzt als Vorlage:

• Das GHTF-Dokument SG2 N57R8:2006 zum Inhalt von Field Safety Notices (internationale Best Practice)
• Die MDR-Anforderungen an die Sicherheitsanweisung im Feld aus Art. 89 Abs. 8 (Amtssprache, UDI, SRN, Gründe ohne Verharmlosung, klare Handlungsanweisungen)
• Länderspezifische Behördenvorgaben (z. B. das BfArM für Deutschland)

Aus den strukturierten Incident-Daten generiert es einen FSN-Entwurf mit allen notwendigen Abschnitten:

• Produktidentifikation (Modell, Charge, Seriennummern, UDI, SRN des Herstellers)
• Risikobeschreibung (was kann passieren, wie häufig, wie schwerwiegend)
• Beweise für Kausalität oder Verdacht
• Empfohlene Maßnahmen (in praktischen Schritten, nicht juristischem Jargon)
• Kontaktinformationen für Fragen

Die KI prüft den Entwurf gegen eine 20-Punkt-Checkliste:

• Keine Werbungssprache
• Keine Verharmlosung oder Überzeichnung
• Alle betroffenen Märkte genannt
• Praktisch umsetzbare Handlungsempfehlungen
• Konsistenz mit früheren FSCA-Dokumenten (kein Widerspruch)

3. Behördenmeldung und Nachverfolgungs-Koordination

Das System generiert automatisch:

• Entwürfe der Meldeformulare für Vorkommnis und FSCA, die ein Mensch prüft und über den vorgeschriebenen Meldeweg einreicht
• Nationale Behördenschreiben (pro Land ein angepasstes Schreiben)
• Ein Distributions-Nachverfolgungs-Template (mit Anbindung an das Vertriebs-CRM)
• Einen Gantt-Chart mit den kritischen Fristen (wer muss bis wann reagiert haben)

Das System ruft Alarme auf, wenn Deadlines nahekommen, nicht für die KI, sondern für die verantwortlichen Teams (Vertrieb, Legal, Qualität).

Konkrete Werkzeuge, was wann passt

Diese Art von KI-Unterstützung kann mit Standard-Tools umgesetzt werden:

ChatGPT oder Claude

• Für schnelle FSCA-Drafts direkt im Regulatory Team
• Prompt-Template: „Du bist Regulatory Affairs Assistent. Hier ist der Incident Report. Generiere einen FSN-Entwurf nach Art. 89 Abs. 8 MDR und GHTF SG2 N57R8…”
• Passt für: Einzelfälle, Teams ohne Budget für spezialisierte Software
• Tarif: nur ChatGPT Business oder Claude Team mit Auftragsverarbeitungsvertrag, beide ab zwei Plätzen, nicht das private Abo
• Grenze: Keine native Anbindung an EUDAMED oder interne Systeme, und beide Dienste hosten laut unseren Toolseiten in den USA

Spezialisierte Regulatory- und QMS-Plattformen (z. B. Veeva Vault )

• Vorlagen für Vigilanz und CAPA, Checklisten-Automatisierung, Audit-Trail
• Passt für: Mittlere und größere Hersteller (ab 5+ Produkten)
• Kosten: Veeva Vault laut unserer Toolseite ab rund 25.000 Euro Jahreslizenz, Enterprise-Installationen typisch ab 100.000 Euro im Jahr
• Grenze: lange Einführungszeiten (12–24 Wochen)

Hybrid-Ansatz: QMS-System + LLM

• Viele Hersteller haben bereits ein eQMS (z. B. MasterControl, Greenlight Guru)
• Ergänzung mit generativer KI für Dokumenten-Drafting
• Passt für: Unternehmen mit bestehendem eQMS

Die Wahl hängt davon ab, ob du eher ein allgemeines Problem-Schnell-Fix (ChatGPT) oder ein strukturiertes, validiertes Langzeit-System willst.

Datenschutz und Datenhaltung

FSCA-Dokumentation enthält typischerweise:

• Patientenidentifizierende Informationen (in gewissen Fällen, wenn bekannt)
• Ärztliche Diagnosen oder Behandlungsdetails
• Interne Produktkonstruktionsdaten

Das macht Datenschutz zur Kritikalität:

DSGVO-Compliance:

• Patientenidentifizierer müssen pseudonymisiert werden, wenn sie nicht zwingend im Originalzustand gebraucht werden. Für einen FSN-Entwurf reichen Fallzahl und Schweregrad, Patientenangaben braucht das Sprachmodell gar nicht
• Pseudonymisierte Gesundheitsdaten bleiben personenbezogene Daten nach Art. 9 DSGVO, solange jemand im Haus die Zuordnung kennt
• EUDAMED-Daten unterliegen europäischem Datenschutzrecht
• Ein Auftragsverarbeitungsvertrag (AVV) gehört zum Vertrag mit jedem Tool-Anbieter. Bei ChatGPT und Claude gibt es ihn nur in den Business- und Team-Tarifen, nicht in Plus oder Pro

EU vs. US Datenhosting:

• Regulatorisch sicherer: Speicherung im EU-Datenraum (z.B. Deutschland)
• Weniger sicher: Cloud-Speicherung außerhalb der EU (z.B. US-Cloud)
• Empfehlung: Tools mit EU-Datenzentren bevorzugen (z.B. Veeva hat EU-Deployments)

Audit-Trail:

• Alle Änderungen an einer FSCA-Dokumentation müssen nachverfolgbar sein (wer, wann, was geändert)
• Das ist nicht nur Best Practice, sondern MDR-Anforderung

Was es kostet, realistisch gerechnet

Einmalige Kosten:

• LLM-basierter Ansatz (Prompt-Set und Vorlagen für ein Business-Sprachmodell)

  • Prompt-Engineering und Validierung
  • Interne Dokumentation und Schulung
  • Konfiguration für deine Produktfamilien
  • Total: 3–4 Wochen Regulatory-Zeit, also 120 bis 160 Stunden, plus externe Konsultation. Zu den 120 Euro je Stunde, mit denen die Rechnung unten arbeitet, sind das 14.400 bis 19.200 Euro, bevor der erste Fall läuft.

• Spezialisierte Regulatory-Plattform (z. B. Veeva Vault)

  • Software-Lizenz: laut unserer Toolseite ab rund 25.000 Euro im Jahr
  • Implementierung und Validierung: 20.000–60.000 Euro
  • Total: 12–18 Wochen
  • Gilt für Unternehmen ab 5+ Produkten

Laufende Kosten:

• ChatGPT Business oder Claude Team: je Platz 25 US-Dollar im Monat, ab zwei Plätzen, also mindestens 2 mal 25 US-Dollar
• Spezialisierte Plattform: ab rund 25.000 Euro im Jahr
• Pflege von Prompts und Vorlagen nach jedem Fall und bei neuen MDCG- oder BfArM-Vorgaben: wir setzen zwei bis fünf Arbeitstage im Jahr an, also 16 bis 40 Stunden (Annahme)

ROI-Szenario, ehrlich gerechnet:

Ein Hersteller mit drei FSCA-Fällen pro Jahr:

• Zeitersparnis: 3 mal 10 bis 15 Std. = 30 bis 45 Std./Jahr
• Wert (à 120 Euro/Stunde Regulatory): 3.600 bis 5.400 Euro/Jahr, aber nur, wenn die Stunden wirklich anders genutzt werden oder externe Beraterstunden ersetzen
• Pflege: 16 bis 40 Std. mal 120 Euro = 1.920 bis 4.800 Euro/Jahr
• Tarif: 12 mal 2 mal 25 US-Dollar = 600 US-Dollar/Jahr

Im Saldo bleiben zwischen 1.200 Euro Minus und 3.480 Euro Plus im Jahr, davon gehen noch die 600 US-Dollar für den Tarif ab. Die 14.400 bis 19.200 Euro Einrichtung holt das nie oder erst nach vielen Jahren herein. Eine Amortisation in Geld gibt es bei drei Fällen im Jahr nicht, auch nicht für die Plattform. Wer den LLM-Ansatz einführt, bezahlt für Fristsicherheit und weniger Chaos im Ernstfall, und sollte das im Budget auch so nennen.

Wann es sich trotzdem lohnt: wenn ihr ohnehin ein KI-gestütztes Beschwerdemanagement aufbaut und die FSCA-Vorlagen darin mitlaufen, dann teilen sich Einrichtung und Pflege.

Drei typische Einstiegsfehler

1. Generische Vorlagen ohne Validierung übernehmen. Viele Teams laden sich ein FSCA-Template aus dem Internet und hoffen, dass es passt. Dann setzt man ein LLM auf diese allgemeine Vorlage an, und bekommt etwas, das formal vollständig aussieht, aber inhaltlich weder zur Produktlinie noch zu den typischen Risikoprofilen passt. Was hilft: Eure Vorlage an den letzten zwei realen FSCA-Fällen validieren. Diese Fälle (pseudonymisiert) als Beispiele in den Prompt einbauen, die KI lernt so euren tatsächlichen Stil statt eine Mustervorlage.

2. Die Behörden-Rückfrageschleifen unterschätzen. Ein Team führt KI-gestütztes FSCA-Drafting ein, freut sich über schnellere Entwürfe, und bekommt vom BfArM trotzdem drei Rückfragen zur Präzision der Risikobeschreibung. Die KI hat den Entwurf erstellt, aber nicht die regulatorische Strategie: welche Risiken in welcher Schärfe beschrieben werden, wo Zurückhaltung klug ist, wo klare Sprache Vertrauen schafft. Was hilft: Die KI wird als Schreibwerkzeug eingesetzt, das einen Teil der Routinearbeit abnimmt, nicht als Entscheider. Ein erfahrener Regulatory-Manager prüft jeden Entwurf, bevor er an eine Behörde geht.

3. Patientendaten ohne Pseudonymisierung ans LLM geben. Ein Team füttert das LLM mit realen FSCA-Fällen für Few-Shot-Beispiele, und übergibt dabei patientenidentifizierende Angaben an einen US-Cloud-Dienst. Das ist ein DSGVO-Verstoß und kann selbst zum meldepflichtigen Datenschutzvorfall werden. Was hilft: Vor jedem Prompt-Einsatz alle realen Fälle pseudonymisieren und nur Tarife mit Auftragsverarbeitungsvertrag nutzen, denn auch pseudonymisiert bleiben es Gesundheitsdaten. Oder lokale Modelle beziehungsweise EU-Plattformen ( Aleph Alpha , Mistral ) einsetzen, die keine Daten in US-Clouds ausleiten.

Was mit der Einführung wirklich passiert, und was nicht

Was passiert:

• Das Regulatory-Team bekommt schneller Entwürfe und kann sich auf die Strategie konzentrieren
• Lücken in formalen Anforderungen (Vollständigkeit FSN) fallen vor dem Versand auf statt bei der Rückfrage
• Koordinationsprozesse werden transparenter, wer hat reagiert, wer nicht

Was nicht passiert:

• Die FSCA wird nicht „automatisch” freigegeben, ein Senior Regulatory Manager muss immer noch freigeben
• Die Behördenmeldung wird nicht schneller beantwortet, wenn deine Antwort fehlt
• Das Tool ersetzt kein echtes Incident Management oder Qualitätssystem

Typische Widerstände und Lösungen:

Realistischer Zeitplan mit Risikohinweisen

Kritischer Pfad: 12–18 Wochen von Entscheidung bis vollständiger operativer Betrieb. Das ist nicht kurz, aber unvermeidbar, wenn das System validiert sein muss.

Häufige Einwände, und was dahintersteckt

Einwand 1: “Unsere Behördenkommunikation ist zu taktisch, das kann KI nicht nachbilden.”

Hinter diesem Einwand steckt oft die richtige Beobachtung: FSCA ist nicht nur Dokumentation, sondern Strategie. Manchmal willst du die Risikoeinschätzung etwas konservativer formulieren, um Überreaktionen zu vermeiden. Manchmal willst du eine Risikowarnung sehr deutlich machen, um das Vertrauen zu bewahren.

Ehrliche Antwort: Das stimmt teilweise. KI kann die Dokumentation generieren, aber nicht die strategischen Entscheidungen treffen. Das bleibt eine menschliche Verantwortung. Aber KI kann die Routine (Datenorganisation, Template-Struktur, Checklist-Durcharbeitung) abnehmen, sodass dein Senior Regulatory Manager mehr Zeit für die Strategie hat.

Einwand 2: “Wenn wir ein KI-System falsches generiert, haftet dann der Hersteller oder der Software-Anbieter?”

Das ist eine echte juristische Frage. Die Antwort: Der Hersteller haftet für die veröffentlichte Dokumentation, unabhängig davon, ob KI oder Mensch sie geschrieben hat. Das KI-System ist ein Werkzeug, wie eine Textverarbeitung. Intern ist nach Art. 15 Abs. 3 MDR die für die Einhaltung der Regulierungsvorschriften verantwortliche Person dafür zuständig, dass die Vigilanz-Meldepflichten erfüllt werden.

Abhilfe: Im QMS klar dokumentieren, dass die KI ein Schreibwerkzeug ist, dass jeder Entwurf durch eine regulatorisch geschulte Person geprüft wird und dass die finale Freigabe (Unterschrift) in der Verantwortung des Unternehmens bleibt.

Einwand 3: “Das Ganze bringt nicht viel, wenn wir nur drei FSCA-Fälle pro Jahr haben.”

Das ist ein echtes Kostenargument. Drei Fälle pro Jahr mit je 40–60 Stunden Aufwand, das ist kein Tagesgeschäft. Eine Plattform ab rund 25.000 Euro Lizenz im Jahr plus Einführung rechnet sich darüber nicht.

Ehrliche Antwort: Stimmt, und für den LLM-Ansatz gilt dasselbe, nur auf kleinerem Niveau: 3 bis 4 Wochen Einrichtung und ein Business-Tarif ab 2 mal 25 US-Dollar im Monat holt man mit 30 bis 45 gesparten Stunden im Jahr nicht herein. Wer es trotzdem macht, kauft Fristsicherheit im Ernstfall. Das kann die richtige Entscheidung sein, sie sollte nur so heißen.

Woran du merkst, dass das zu dir passt

Das passt zu dir:

• Dein Unternehmen hat bereits ein Quality Management System (QMS) oder eQMS etabliert
• Ihr hattet in den letzten zwei Jahren mind. einen FSCA-Fall, das zeigt, dass es eine realistische Wahrscheinlichkeit gibt
• Dein Regulatory Team ist frustriert über ad-hoc Koordination und Fehlerquoten bei Behördenmeldungen
• Ihr wollt nicht massiv mehr in Compliance-Personal investieren, aber wollt Risiken senken

Das passt aktuell nicht zu dir:

• Euer Regulatory-Team ist sehr klein (unter 1,5 FTE) und hat die bestehenden Prozesse noch nicht im Griff, erst die Grundlagen etablieren, dann KI
• Du hast noch kein dokumentiertes FSCA-Verfahren, KI bringt nichts, wenn das Basis-Prozess unklar ist
• Deine regulatorischen Anforderungen sind extrem produktspezifisch, und du hast weniger als zwei ähnliche Produkte, zu wenig Standard für Template-Ansätze

Das kannst du heute noch tun

Schritt 1 (30 Min): Audit deiner letzten FSCA-Fälle

Guck dir deine letzten zwei bis drei FSCA-Dokumentationen an. Was war gut? Wo gab es Rückfragen von der Behörde? Wo warst du frustriert über Zeitverschwendung?

Das ist nicht nur Vorbereitung auf ein KI-System, das ist ein Mittel, um zu verstehen, ob du überhaupt eine FSCA-Lösung brauchst.

Schritt 2 (1–2 Std): Einen FSCA-Prozess mit ChatGPT durchspielen

Nimm einen abgeschlossenen Fall aus deinem Archiv und streiche alle Patientenangaben bis auf Fallzahl und Schweregrad. Nutze ChatGPT Business oder Claude Team mit Auftragsverarbeitungsvertrag, nicht dein privates Abo, denn Vorkommnis- und Konstruktionsdaten sind vertraulich. Dann frag:

Der erste Entwurf steht in Minuten, die Prüfung dauert den Rest der ein bis zwei Stunden, und du siehst, ob die KI-Qualität brauchbar ist oder nicht.

Schritt 3 (optional, 4 Stunden): Regulatorische Anforderungen strukturieren

Schreib auf, welche Anforderungen eure zuständige Behörde an FSCAs hat, welche BfArM-Hinweise ihr in den letzten Jahren bekommen habt und welche Formatvorlagen ihr schon genutzt habt. Diese Sammlung ist die Grundlage für ein späteres maßgeschneidertes Prompt-Set, und sie zeigt dir jetzt schon, wie viel Material für ein eigenes System bereits vorhanden ist.

Quellen & Methodik

• MDR Art. 87 bis 89 und Art. 15: Verordnung (EU) 2017/745, konsolidierte Fassung vom 19.07.2026 (eur-lex.europa.eu, abgerufen am 19.09.2026). Art. 87 Abs. 3 bis 5: Meldefristen 15, 10 und 2 Tage für schwerwiegende Vorkommnisse; Art. 87 Abs. 8: Meldung der FSCA vor ihrer Durchführung; Art. 88: Trendmeldung; Art. 89 Abs. 8: Inhalt, Sprache und Vorabvorlage der Sicherheitsanweisung im Feld; Art. 15 Abs. 3 Buchst. d: Zuständigkeit der verantwortlichen Person für die Berichtspflichten.
• GHTF/SG2/N57R8:2006: „Medical Devices Post Market Surveillance: Content of Field Safety Notices”, internationale Orientierung für den Aufbau einer FSN. Die GHTF ist seit 2012 im IMDRF aufgegangen.
• MDCG 2023-3 rev. 2 (Januar 2025): „Questions and Answers on vigilance terms and concepts as outlined in the Regulation (EU) 2017/745 on medical devices and Regulation (EU) 2017/746”, Auslegungshilfe zu den Begriffen der Vigilanz (Übersicht der MDCG-Leitlinien, health.ec.europa.eu, abgerufen am 19.09.2026).
• Sanktionen: §§ 92 bis 94 MPDG (gesetze-im-internet.de, abgerufen am 19.09.2026). Ein Bußgeldtatbestand, der auf Art. 87 MDR verweist, findet sich dort nicht.
• BfArM Behördenvorgaben: Deutsche spezifische Anforderungen an Field Safety Notices
• Zeitaufwand je Fall, Zeitersparnis, Pflegeaufwand: Annahmen dieser Seite, keine Messung