MDR-Dossier für den Notified Body: Rückfragen vermeiden, bevor sie Monate kosten

Das echte Ausmaß des Problems

Die technische Dokumentation nach MDR ist nicht ein Dokument. Es ist ein Portfolio von 15–50 Dokumenten, die vollständig, konsistent und aufeinander verweisend sein müssen. Die Anforderungen sind in MDR Anhang II (allgemein) und Anhang III (implantierbar) über insgesamt elf Abschnitte mit Unterpunkten verteilt.

Ein Notified Body prüft beim Audit-Eingang formal und sachlich. Formal heißt: Ist die Struktur da? Sachlich heißt: Sind die Inhalte wirklich zufriedenstellend?

Die Zahlen sind hart: In einer Erhebung des europäischen Notified-Body-Verbands TEAM-NB erhielten etwa 40–50 % der Ersteinreichungen substantielle Rückfragen, also nicht Formalien, sondern inhaltliche Lücken, die Nacharbeit erfordern.

Das Problem ist nicht, dass die Dokumentation schlecht ist. Das Problem ist, dass sie unvollständig oder inkonsistent ist, und die Inkonsistenzen sind oft erst nach intensivem Lesen offensichtlich.

Typische Rückfrage-Gründe nach Notified Body Erfahrung:

1. Klinische Bewertung: Der belegende Referenzbericht zu einem Predicate Device fehlt oder ist zu vage.
2. Risikoanalyse: Die identifizierten Risiken in der Risk Management File sind inkonsistent mit den Kontrollmaßnahmen in der Technischen Dokumentation.
3. Post-Market Surveillance Plan: Ziel und Methode sind definiert, aber die konkrete Studienprotokolle oder Registrierungen fehlen.
4. Software: Wenn das Produkt eine Software-Komponente hat, sind die Anforderungen an Software-Dokumentation (IEC 62304) oft unvollständig.
5. Usability Engineering: Die Verbindung zwischen Usability Test (IEC 62366) und Risk Management ist zu dünn.
6. Biokompatibilität / Materialien: Für einige Materialien fehlen die Biokompatibilitäts-Tests oder -Rechtfertigungen.

Jede dieser Rückfragen braucht typischerweise:

• 2–4 Wochen Prüfung durch den Notified Body
• 2–4 Wochen Bearbeitungszeit im Hersteller-Unternehmen (Lücke füllen, Evidenz beschaffen, Dokument überarbeiten)
• 1–2 Wochen für die nächste Rückfrage-Runde

Eine Rückfrage-Schleife kostet also 6–10 Wochen Kalenderzeit.

Mit 14 Rückfragen sind das mehrere Monate Verzögerung, und das ist nicht ungewöhnlich.

Mit vs. ohne KI, ein ehrlicher Vergleich

¹ Schätzwerte aus Praxisberichten; stark abhängig von Dokumentations-Ausgangslage und Produktkomplexität.

Der größte Gewinn ist zeitlich: Jede vermiedene Rückfrage-Schleife spart etwa 8–10 Wochen Kalenderzeit. Bei durchschnittlich 6–8 Rückfragen pro erstem Audit sind das 2–3 Monate Gesamtverspätung, die vermieden werden.

Einschätzung auf einen Blick

Zeitersparnis, hoch (4/5) Jede vermiedene Rückfrage-Schleife spart 8–10 Wochen Kalenderzeit. Die Direktzeitersparnisse bei der Vorbereitung selbst (20–40 Stunden) sind kleiner, aber die Kalenderzeit-Einsparungen durch vermiedene Feedback-Schleifen sind erheblich. Nicht auf 5, weil die Rückfrage-Quote auch von Notified Body Qualität und Produktkomplexität abhängt, das Tool kann nicht alle Rückfragen vermeiden, aber die vorhersehbaren.

Kosteneinsparung, sehr hoch (5/5) Das ist der stärkste Punkt dieses Anwendungsfalls. Jede fehlgeschlagene erste Einreichung kostet typischerweise 50.000–200.000 Euro in zusätzlichen Consulting-Stunden, Notified Body Audit-Gebühren (typisch 500–1.000 Euro/Stunde, 2–4 weitere Wochen Audit für Rückfragen), und Marktstart-Verzögerungen (jeder Monat Verspätung = verlorene Einnahmen + zusätzliche klinische Studie oder Markt-Analyse Kosten). Ein KI-System, das 40–50 % der Rückfragen vermeidet, amortisiert sich über einen einzigen Produktzyklus.

Schnelle Umsetzung, niedrig (2/5) Das System muss selbst validiert werden. MDR-Anforderungen ändern sich (MDCG Guidelines werden aktualisiert), und die Checkliste muss auf die eigenen Produkte (Klasse I, II, III) kalibriert werden. 16–24 Wochen bis zum produktiven Einsatz sind realistisch, nicht länger als bei anderen Regulatory-Tools, aber ein erheblicher Investitionsaufwand.

ROI-Sicherheit, hoch (4/5) Der Nutzen ist direkt messbar: Anzahl der Rückfragen beim bisherigen Audit (ohne KI) vs. Anzahl nach KI-Einsatz. Kosten der bisherigen Rückfrage-Schleifen (externe Consulting, Notified Body Audit) vs. Kosten danach. Das ist nicht so binär wie bei FSCA-Meldefristen, aber klarer messbar als bei vielen anderen Regulatory-Anwendungen. Ein Product, das vorher 14 Rückfragen hatte, jetzt 2 → das ist messbar.

Skalierbarkeit, hoch (4/5) Ein kalibriertes Dossier-Check-System kann auf alle neuen Produkte übertragen werden, solange sie in die gleiche Risikoklasse fallen. Für Hersteller mit wachsendem Portfolio ist das der entscheidende Hebel: Ein Produkt kostet 50.000–100.000 Euro einmalig; das zweite und dritte kosten nur noch 10.000–20.000 Euro extra (Anpassung der Checkliste). Nicht auf 5, weil jede neue Produktklasse (z.B. Wechsel von Klasse II zu III) Neuvalidierung braucht.

Richtwerte, stark abhängig von Produktklasse, Komplexität und bestehender Dokumentations-Reife.

Was das System konkret macht

Eine KI-gestützte Dossier-Validierungslösung arbeitet drei Schritte ab:

1. Dossier-Scan und Struktur-Validierung

Das System:

• Erfasst alle eingereichten Dokumente (typisch 20–50 Dateien)
• Mappt sie gegen MDR Anhang II Struktur
• Identifiziert fehlende Dokumente (z.B. “Post-Market Surveillance Plan” genannt, aber File nicht vorhanden)
• Generiert einen strukturierten Überblick: Was ist vorhanden, was fehlt

2. Inhaltliche Checklisten-Prüfung

Das System führt durch eine 60+ Punkte umfassende MDR-Checkliste, beispiels­weise:

• Clinical Evaluation: Sind Predicate Devices identifiziert? Ist die Äquivalenz-Begründung nachvollziehbar? Sind fehlende Daten erklärt?
• Risk Management: Sind die Gefahren vollständig? Sind alle Kontrollmaßnahmen dokumentiert? Sind die verbleibenden Risiken akzeptabel?
• Post-Market Surveillance: Ist der Plan konkret genug? Sind die Studien-Protokolle eingereicht?
• Software (falls zutreffend): Ist IEC 62304 Documentation vollständig? Sind Test-Reports eingereicht?
• Usability (falls zutreffend): Ist die Verbindung zwischen Usability Risks und Risk Management nachvollziehbar?

Das System arbeitet nicht vollautonom. Es stellt strukturierte Leitfragen, ein erfahrener Regulatory-Mitarbeiter beantwortet sie, und die KI erzeugt daraus einen strukturierten Audit-Bericht.

3. Gap-Analyse und Priorisierung

Das System:

• Kategorisiert Lücken nach Schweregrad (Critical = Notified Body wird definitiv rückfragen; Medium = wahrscheinlich; Low = möglich)
• Schätzt den Aufwand, die Lücke zu füllen (1 Std., 1 Woche, 1 Monat)
• Generiert einen Action Plan mit Prioritätsfolge
• Erstellt ein Nachverfolgungs-Dokument für die interne Freigabe

Konkrete Werkzeuge, was wann passt

Option 1: Regulatory Intelligence Plattformen mit KI-Checklisten

Tools wie Veeva Vault, Clarify, oder Eka Insights haben MDR-native Checklisten mit KI-gestützten Prüfungen:

• Passt für: Mittlere und große Hersteller (ab 5+ Produkten)
• Kosten: 30.000–100.000 Euro Einrichtung, 10.000–40.000 Euro/Jahr
• Vorteil: Validiert, EUDAMED-integriert, Audit-Trail built-in
• Grenze: Lange Einführungszeiten (16–24 Wochen)

Option 2: Spezialisierte Notified Body Support Services

Viele Notified Bodies bieten Pre-Audit-Consultancy an:

• Passt für: Kleinere Hersteller, die eine externe Zweitmeinung brauchen
• Kosten: 5.000–15.000 Euro pro Dossier-Prüfung
• Vorteil: Direkte Insight in Notified Body Erwartungen; kein IT-Risiko
• Grenze: Nicht skalierbar; ad-hoc, nicht strukturiert in deinen Prozess

Option 3: LLM-basierte Eigenlösung

Nutze Claude oder ChatGPT mit einer MDR-Checkliste-Prompt:

• Passt für: Kleine bis mittlere Hersteller, Budget-bewusst
• Kosten: 10.000–20.000 Euro einmalig (Prompt-Engineering), 50–200 Euro/Monat (API-Nutzung)
• Vorteil: Günstig, schnell zu implementieren, flexibel für eigene Anforderungen
• Grenze: Nicht validiert; du trägst die Validierungsverantwortung; keine Audit-Trail

Die Wahl hängt ab von: Unternehmensgröße, Portfolio, Budget, und wie wichtig Audit-Trail-Compliance ist.

Datenschutz und Datenhaltung

Zulassungsunterlagen enthalten sensible Daten:

• Technische Spezifikationen (Geschäftsgeheimnis)
• Klinische Studiendaten (oft mit Patientenidentifikatoren)
• Herstellungsprozesse (Konkurrenz-relevant)

DSGVO-Anforderungen:

• Wenn Zulassungsunterlagen Patientenidentifikatoren enthalten (z.B. aus Usability Tests mit echten Namen): Pseudonymisierung oder Anonymisierung
• Auftragsverarbeitungsvertrag (AVV) mit jedem cloudbasierten Tool-Anbieter
• Besondere Sorgfalt bei Datenübertragung zwischen Regulatory und IT-Systemen

EU vs. US Datenhosting:

• Regulatorisch am sichersten: EU-Datenhosting (z.B. Deutschland, Schweiz)
• Risiko-eleviert: US Cloud (z.B. Azure, AWS US-Region), hier greift das US CLOUD Act (Government kann Zugriff fordern)
• Empfehlung: Veeva Vault und ähnliche Plattformen mit EU-Deployment verwenden, wenn verfügbar

Notified Body Anforderungen:

• Manche Notified Bodies verbieten Cloud-Speicherung der Originalunterlagen (müssen bei Hersteller bleiben)
• Andere akzeptieren Cloud, wenn Audit-Trail und Encryption Standards erfüllt sind
• Klärung mit deinem NB vor Implementierung ist wichtig.

Was es kostet, realistisch gerechnet

Einmalige Kosten:

• LLM-basierte Eigenlösung (Claude oder ChatGPT): 10.000–20.000 Euro

  • Regulatory-Zeit für Prompt-Design: 40–80 Stunden
  • MDR-Checklisten-Validierung: 20–40 Stunden
  • Interne Prozessdefinition: 20–40 Stunden
  • Externe Beratung (optional): 5.000–10.000 Euro

• Spezialisierte Plattform (Veeva Vault, Clarify): 30.000–100.000 Euro

  • Softwarelizenz (erstes Jahr): 10.000–40.000 Euro
  • Einführung und Konfiguration: 20.000–50.000 Euro
  • Notified-Body-Pre-Audit: 10.000–20.000 Euro

Laufende Kosten:

• LLM-Lösung: 50–200 Euro pro Monat (API-Nutzung)
• Spezialisierte Plattform: 10.000–40.000 Euro pro Jahr
• Notified-Body-Pre-Audits (bei Bedarf): 5.000–15.000 Euro pro Audit
• Interne Regulatory-Prüfzeit: zusätzlich 0,3–0,5 FTE pro Jahr

ROI-Szenario (konservativ):

Ein Hersteller mit zwei neuen Produkten pro Jahr in Klasse IIb:

• Historisch: 10–12 Rückfragen pro Produkt × 2 Produkte = 20–24 Rückfragen/Jahr
• Kosten pro Rückfrage: 8.000–15.000 Euro (Consulting, Notified Body, Intern)
• Jährliche Kosten: 160.000–360.000 Euro

Mit KI: Reduktion auf 2–4 Rückfragen pro Produkt

• Neue jährliche Kosten: 32.000–120.000 Euro
• Jährliche Einsparung: 40.000–240.000 Euro

Breakeven:

• LLM-Lösung: nach ~1–2 Produkten (spätestens 6 Monate)
• Spezialisierte Plattform: nach 3–5 Produkten oder 18–24 Monate
• Notified Body Pre-Audits (Pay-as-you-go): Breakeven bei 2+ Produkten/Jahr

Drei typische Einstiegsfehler

1. Die MDR-Checkliste ist zu allgemein gehalten.

Ein Team lädt die MDR Anhang II-Struktur herunter und nutzt sie als Checkliste: “Abschnitt 1.1? Ja. Abschnitt 1.2? Ja. …” Das ist Struktur-Validierung, aber nicht Qualitäts-Validierung.

Die echte Frage ist nicht, ob ein Dokument existiert, sondern ob es gut genug ist. Beispiel: Ein Risk Management File “existiert”, aber die Kontrollmaßnahmen sind nicht verifiziert, die Risk-Akzeptanzbegründung ist schwach. Das wird der NB definitiv rückfragen.

Was hilft: Eine Checkliste mit konkreten Qualitätskriterien, nicht nur Strukturfragen. Beispiel: “Risk Management: Sind wirklich alle identifizierten Gefahren auch in der Technischen Dokumentation mit Kontrollmaßnahmen hinterlegt?” Das ist eine Frage, die Lücken sichtbar macht.

2. Notified-Body-Erwartungen unterschätzen.

Verschiedene Notified Bodies haben unterschiedliche Erwartungsniveaus. Ein Notified Body in Deutschland (z.B. TÜV Süd, BG) könnte eine klinische Bewertung akzeptieren, die in den Niederlanden (DNV) oder in der Schweiz (Swissmedic Partner) nicht akzeptiert wird.

Ein Team validiert sein Dossier mit einer zu allgemein MDR-Checkliste, und der Notified Body hat trotzdem Rückfragen, weil ihre Erwartungen höher sind.

Was hilft: Wenn möglich einen Pre-Audit-Termin mit eurem Notified Body vereinbaren, viele bieten das gegen Gebühr an. Konkret fragen: Was waren die drei häufigsten Rückfragegründe in den letzten zwölf Monaten? Diese Erkenntnisse gehören direkt in die Checkliste.

3. Dokumentationsaktualisierungen während des laufenden Audits übersehen.

Ein Team hat sein Dossier validiert, das KI-System gibt grünes Licht, und während des Audits publizieren klinische Studien neue Ergebnisse, die eine vorhandene Äquivalenzbegründung hinfällig machen. Das passiert, wenn die Validierung ein Zeitpunkt-Snapshot ist statt ein mitlaufender Prozess.

Was hilft: Eine Quartalsprüfung aufsetzen. Alle drei Monate durchlaufen die kritischen Dokumentationsteile eine Aktualisierungsprüfung, neu publizierte Literatur, neue Vergleichsprodukte, aktualisierte MDCG-Guidances. So bleibt das Dossier auch über einen 6–12-monatigen Audit-Zyklus aktuell.

Was mit der Einführung wirklich passiert, und was nicht

Was passiert:

• Die Dossier-Vorbereitung wird strukturierter, weniger ad-hoc-Fehler
• Die Rückfrage-Quote sinkt, typischerweise 40–60 % Reduktion (Schätzwert aus Praxisberichten)
• Die Kalenderzeit bis Zertifikat sinkt um 2–4 Monate

Was nicht passiert:

• Der Notified Body wird nicht schneller, ihre Audit-Geschwindigkeit ändert sich nicht
• Komplexe produkttechnische Fragen werden nicht gelöst (das braucht echte Engineering)
• Der Notified Body vertraut dem System nicht einfach, weil du es eingeführt hast

Typische Widerstände und Lösungen:

Realistischer Zeitplan mit Risikohinweisen

Kritischer Pfad: 8–12 Wochen von Entscheidung bis produktiver Einsatz, deutlich schneller als große Plattformen.

Häufige Einwände, und was dahintersteckt

Einwand 1: “Die Notified Bodies schreiben doch alle ihre eigenen Anforderungen auf, wie kann ein Tool das abdecken?”

Das ist richtig. Aber es gibt einen stabilen Kern (MDR Anhang II ist verbindlich für alle), und es gibt 80 % Überschneidung in den Rückfrage-Gründen. Ein Tool, das die 80 % abdeckt, reduziert die Rückfrage-Quote erheblich.

Ehrliche Antwort: Die individuellen Notified Body Anforderungen musst du weiterhin erfüllen. Das Tool hilft dir, die Standard-Anforderungen zu 95+ % abzuhaken, sodass dein Team sich auf die NB-spezifischen Fragen konzentrieren kann.

Einwand 2: “Wir haben schon zwei Audits hinter uns, und die Dokumentation ist jetzt ‘established’.”

Das ist eine realistische Situation. Wenn du schon zwei erfolgreiche Audits hinter dir hast, brauchst du möglicherweise kein neues Tool für bestehende Produkte.

Ehrliche Antwort: Das stimmt für etablierte Produkte. Aber für jede neue Produktlinie brauchst du die Checkliste von vorne. Auch hier zahlt sich das Tool aus.

Einwand 3: “Wir haben einen guten externen Regulatory-Berater, der macht das schon.”

Das ist auch fair. Externe Expertise hat Vorteile (objektive Sicht, Notified Body Beziehungen).

Ehrliche Antwort: Das Tool ergänzt, ersetzt nicht. Ein guter Consultant mit KI-Unterstützung wird noch schneller und fehlerfreier arbeiten. Die Kosten fallen trotzdem, aber mit einer strukturierten Checkliste sinken die Stunden.

Woran du merkst, dass das zu dir passt

Das passt zu dir:

• Dein Unternehmen bringt regelmäßig neue Produkte (mind. 1–2 pro Jahr) in den Markt
• Deine Regulatory-Audits waren bisher mit 6–12+ Rückfragen behaftet
• Dein Team hat Zeit, ein System zu kalibrieren (4–8 Wochen freie Kapazität)
• Du hast Zugang zu deinem Notified Body und kannst kurz klären, was ihre Top-Rückfrage-Gründe sind
• ROI-Messbarkeit ist für dein Management wichtig (dieses Tool ist hervorragend für ROI-Zahlen)

Das passt aktuell nicht zu dir:

• Du hast nur ein bis zwei Produkte insgesamt, zu wenig Volume für ein Tool
• Du nutzt ausschließlich externe Consultants und hast kein internes Regulatory Team, Validierung wird kompliziert
• Dein Notified Body hat dir explizit gesagt, dass sie bestimmte Prozesse haben, die du befolgen musst (nicht konfigurierbar)
• Dein Dokumentationsprozess ist chaotisch, erst müssen die Grundlagen etabliert werden

Das kannst du heute noch tun

Schritt 1 (1 Std): Audit der letzten zwei Audits

Guck dir die Rückfragen an, die dein Notified Body gestellt hat. Was waren die Top 5 Rückfrage-Gründe? Sind sie strukturell (z.B. “Clinical Evaluation immer unvollständig”) oder produktspezifisch?

Schritt 2 (30 Min): Notified Body Anruf

Kontaktiere deinen Notified Body und frag: “Was sind eure Top 3 Gründe für Rückfragen bei deutschen Herstellern in meiner Produktklasse?”

Die Antwort wird in deine zukünftige Checkliste gehen.

Schritt 3 (2–3 Std): ChatGPT-Versuch mit echtem Dossier

Nutze einen echten, bereits abgeschlossenen Dossier-Audit. Erstelle einen Prompt, der die KI durch deine MDR-Anforderungen führt. Schau, ob die KI ähnliche Lücken findet wie der echte NB.

Das dauert 2–3 Stunden und zeigt sofort, ob KI für deine Use Case brauchbar ist.

Quellen & Methodik

• MDR Artikel 1–19, Anhang II & III: EU Regulation 2017/745 on Medical Devices, verbindliche Anforderungen an Konformitätsbewertung und Dokumentation
• MDCG 2019-2: “Guidance on the use of notified bodies”, Erklärung der Notified Body Rollen und Prüfprozesse
• Notified Body Umfragen (TEAM-NB, 2022–2024): Erste-Einreichungs-Erfolgsquoten und typische Rückfrage-Gründe
• Erfahrungswerte aus Implementierungsprojekten (2023–2026): Kalenderzeiten, Kosten und Rückfrage-Reduktionen in Regulatory Praxis