Post-Approval Changes klassifizieren und einreichen

Das echte Ausmaß des Problems

Große Pharmaunternehmen bearbeiten jedes Jahr Tausende Änderungen an zugelassenen Arzneimitteln, und jede muss für jede betroffene Zulassung eingestuft werden. Belastbare öffentliche Zahlen dazu haben wir nicht gefunden. Für mittelständische Generika-Hersteller mit 10–20 Produkten in der EU kommen schnell einige Dutzend Einreichungen im Jahr zusammen, zu viele, um jede Klassifikationsentscheidung ohne Systematik zu treffen.

Was eine falsche Einordnung kostet, hängt davon ab, was danach passiert. Lehnt die Behörde eine als Type IA gemeldete Änderung ab, muss der Inhaber sie sofort wieder zurücknehmen (Art. 11 der Variations-Verordnung), auch wenn sie in der Produktion schon umgesetzt ist.

Seit dem 1. Januar 2025 gilt die überarbeitete Variations-Verordnung (Delegierte Verordnung (EU) 2024/1701), seit dem 15. Januar 2026 die neuen Guidelines der EU-Kommission dazu. Type-IA-Änderungen werden nach der geänderten Verordnung innerhalb von zwölf Monaten nach der Umsetzung als jährliche Aktualisierung (annual update) oder als Teil einer Gruppierung gemeldet; Änderungen, die eine unmittelbare Meldung verlangen (IAIN), bleiben die Ausnahme. Für identische Änderungen an mehreren Zulassungen desselben Inhabers gibt es das Work-Sharing-Verfahren, eine generelle Pflicht dazu enthält die Verordnung nicht. Wer die neuen Einreichungswege übersieht, reicht falsch ein.

Die Konsequenzen einer Fehlklassifikation sind:

• Type IA statt Type IB gemeldet: Die Behörde lehnt die Meldung ab, die Änderung muss sofort zurückgenommen und als Type IB eingereicht werden, Zeitverlust von Wochen bis Monaten
• Type IB statt Type II eingereicht: Erheblichere Fehlklassifikation; die Behörde kann eine vollständige Bewertung als Type II verlangen, dann ist eine neue Einreichung fällig, und die Änderung darf bis zur Genehmigung nicht umgesetzt werden
• Type IA bereits umgesetzt, dann als Type IB erkannt: Produktionsunterbrechung oder nicht konforme Ware auf dem Markt, GMP-Risiko

Rechtlicher Hinweis: Die beschriebenen regulatorischen Klassifikationsanforderungen basieren auf der Verordnung (EG) Nr. 1234/2008 in der Fassung der Delegierten Verordnung (EU) 2024/1701 und den Variations-Guidelines der EU-Kommission (gültig ab 15. Januar 2026). Änderungen im nationalen Verfahren (BfArM) und behördenspezifische Anforderungen können abweichen. Alle hier genannten Einreichungsentscheidungen müssen durch qualifiziertes Regulatory-Affairs-Personal oder externe Berater validiert werden.

Mit vs. ohne KI, ein ehrlicher Vergleich

Unabhängige Messungen zu Zeit und Fehlerquote haben wir nicht gefunden. Assyro AI wirbt mit bis zu 14-mal schnellerer Dokumentenerstellung; das ist eine Anbieterangabe zu einem anderen Arbeitsschritt, nicht zur Klassifizierung.

Einschätzung auf einen Blick

Zeitersparnis, mittel (3/5) Die Recherche für eine einzelne Variation wird kürzer, das ist ein echter Gewinn; wie viel kürzer, zeigt der Pilot. Hochvolumige Workflows wie die automatisierte Pharmakovigilanz-Berichterstattung mit täglichen ICSR-Batches sparen proportional mehr absolute Arbeitszeit, weil der Prozess häufiger anfällt. Variation-Klassifizierungen laufen auch mit KI-Unterstützung nicht im Sekundentakt, die Regulatory-Expertise für Sonderfälle bleibt menschlich.

Kosteneinsparung, niedrig (2/5) Eine Fehlklassifikation kostet vor allem Nacharbeit und, im schlimmsten Fall, die Rücknahme einer bereits umgesetzten Änderung mit Produktionsumstellung. Das kann teuer werden, ist aber selten, und ob das System genau diesen Fehler verhindert hätte, lässt sich nicht beweisen. Umsatz geht bei einer verzögerten Variation meist nicht verloren, denn das Produkt bleibt in der bisherigen Fassung zugelassen und auf dem Markt. Dem stehen Werkzeugkosten ab ca. 25.000 €/Jahr bis in den sechsstelligen Bereich gegenüber. Deshalb 2.

Schnelle Umsetzung, niedrig (2/5) Das ist der kritische Engpass: Ist die Einstufung Teil der GMP-Änderungskontrolle, gehört das KI-Werkzeug in die Validierung (EU-GMP-Leitfaden, Anhang 11) und sein Einsatz ins Qualitätssystem. Das ist kein Wochenendprojekt. Realistisch sind 10–16 Wochen von der Systemauswahl bis zur validierten Nutzung. Dieser Anwendungsfall ist unter den pharma-spezifischen Use Cases einer der aufwendigeren in der Implementierungsphase, vergleichbar mit der Batch-Record-Review-Automatisierung.

ROI-Sicherheit, mittel (3/5) Klassifizierungsgenauigkeit ist messbar: Im validierten Pilotbetrieb lässt sich die KI-Ausgabe direkt gegen das Expertenurteil vergleichen, die Trefferquote bei Referenzfällen kennst du danach genau. Was die vermiedenen Fehler wert sind, bleibt dagegen kontrafaktisch, deshalb 3 und nicht höher.

Skalierbarkeit, mittel (3/5) Ein KI-System, das die EU Classification Guideline kennt, arbeitet über das gesamte Produktportfolio ohne proportionale Mehrinvestition. Begrenzt wird die Skalierung dadurch, dass die Guideline selbst begrenzt ist: Für wirklich neuartige Änderungen ohne Guideline-Präzedenz bleibt die menschliche Einschätzung unersetzlich, und das ist ein relevanter Anteil aller Klassifizierungsentscheidungen.

Richtwerte, stark abhängig von Unternehmensstruktur, Änderungsvolumen und Produktportfolio.

Was die KI konkret macht

Der technische Kern ist ein Retrieval-Augmented Generation (RAG)-System, das auf der aktuellen EU-Variation-Classification-Guideline und den behördlichen Q&A-Dokumenten aufsetzt. Wenn ein Regulatory-Affairs-Mitarbeitender eine geplante Änderung beschreibt, sucht das System nach der passenden Kategorie im Guideline-Entscheidungsbaum und gibt eine Klassifikationsempfehlung mit Begründung und Quellenangabe zurück.

In der Praxis sieht das so aus: Der Nutzer beschreibt die Änderung in einem strukturierten Formular oder Freitext. Das System mappt die Beschreibung auf die relevante Guideline-Kategorie, identifiziert alle für diese Kategorie erforderlichen Unterlagen (z. B. Prüfberichte, Stabilitätsdaten, Validierungsberichte) und gibt an, ob die Änderung einzeln eingereicht werden kann oder ob Bundling nach den neuen Regeln erforderlich ist.

Was die KI nicht ersetzt:

• Grenzbereiche und unlisted changes: Änderungen, die die Guideline nicht aufführt und deren Einstufung unklar bleibt, gelten nach Art. 3 Abs. 2 der Variations-Verordnung standardmäßig als Type IB. Als Type II gelten sie, wenn der Inhaber das beantragt oder die Behörde erhebliche Auswirkungen auf Qualität, Sicherheit oder Wirksamkeit sieht (Abs. 3). Diese Abwägung ist juristisch-wissenschaftlich, nicht maschinell. Kein KI-System kann eine Risikobewertung für eine neuartige Änderung vornehmen, die keine Guideline-Entsprechung hat.

• Empfehlung zur Einstufung: Wenn Unsicherheit besteht, bleibt die Anfrage nach einer Empfehlung zur Einstufung (Art. 5) bei der EMA, beim BfArM oder beim Referenzmitgliedstaat der richtige Weg; die Behörde hat dafür 60 Tage. Die KI kann diese Anfrage vorbereiten, nicht ersetzen.

• Nationale Besonderheiten: Die EU-Variation Guidelines setzen den Rahmen, aber nationale Behörden (BfArM, ANSM, AIFA) haben eigene Anforderungen für nationale Zulassungen, die im EU-Leitfaden nicht vollständig abgebildet sind.

Der neue Rahmen ab Januar 2026

Die geänderte Variations-Verordnung (seit 1. Januar 2025) und die überarbeiteten Guidelines der EU-Kommission (gültig seit 15. Januar 2026) bringen zwei Punkte, die KI-Unterstützung zusätzlich wertvoll machen:

Einreichungsweg für Type IA: Änderungen vom Typ IA (außer IAIN) werden innerhalb von zwölf Monaten nach der Umsetzung als jährliche Aktualisierung oder als Teil einer Gruppierung gemeldet. Ein KI-System kann diese Logik automatisch anwenden und warnt, wenn eine einzelne Type-IA-Meldung außerhalb dieser Wege geplant ist.

Work-Sharing: Betreffen identische Änderungen mehrere Zulassungen desselben Inhabers, kann Work-Sharing die Bewertung bündeln; die Behörden können eine Einreichung im Work-Sharing aber auch ablehnen. Für Unternehmen mit mehreren Produkten, die dieselbe Produktionsstätte nutzen, bedeutet das eine Koordinierungsaufgabe, die ohne systematische Datengrundlage kaum zuverlässig zu bewältigen ist.

Hinweis: Die Anforderungen der neuen EU Variation Guidelines (2026) sind komplex und produktspezifisch. Die Einführung von KI-Systemen zur Unterstützung von Klassifizierungsentscheidungen entbindet nicht von der regulatorischen Verantwortung des Marketing-Authorisation-Holders (MAH). Jede finale Klassifizierungsentscheidung muss durch die verantwortliche Regulatory-Affairs-Person oder einen externen Berater abgezeichnet werden.

Konkrete Werkzeuge, was wann passt

Assyro AI , für Regulatory-Affairs-Teams ohne Enterprise-RIM Assyro ist eine KI-native Submissions-Plattform mit integrierter Regulatory Intelligence Library. Das Decision-Tree-Validierungssystem prüft regulatorischen Inhalt, nicht nur Formatierung, relevant für Variation-Klassifizierung und Submission-Vorbereitung. Der Schwerpunkt liegt auf FDA-Einreichungen; wie gut die EU-Variationssystematik abgedeckt ist, im Test an eigenen Fällen prüfen. Preis auf Anfrage; kein EU-Hosting bestätigt. Sinnvoll für Teams mit 20–80 Variationen pro Jahr, die kein vollständiges RIM-System betreiben.

ArisGlobal LifeSphere Regulatory , für Unternehmen mit RIM-Plattform Das LifeSphere-Regulatory-Modul deckt Submission-Management, Health-Authority-Interaktionen und Lifecycle-Management der Zulassungsdossiers ab. Mit der NavaX-Engine lassen sich Regulatory-Intelligence-Workflows automatisieren. Kosten: im mittleren bis hohen sechsstelligen Bereich pro Jahr. Sinnvoll für Konzern- und Mid-Cap-Ebene mit hohem Variations-Volumen.

Veeva Vault RIM , als Branchen-Standard für eCTD und Submissions Vault RIM ist der Marktstandard für integriertes Regulatory Information Management, inklusive eCTD-Publishing, Behördenkommunikation und Lifecycle-Tracking. Veeva AI (erste Veröffentlichung Ende 2025) bringt schrittweise KI-Agenten in die Vault-Releases; welche davon bei Variationen helfen, zeigt erst die Demo. Für reine Variation-Klassifizierungsunterstützung überdimensioniert, sinnvoll, wenn bereits ein Vault-Einsatz vorhanden ist. Einstieg ab ca. 25.000 €/Jahr, Enterprise-Einsätze deutlich höher.

Lorenz docuBridge , für eCTD-Publishing und Submission-Packaging Lorenz docuBridge ist kein KI-Klassifizierungstool, aber der europäische Standard für die eigentliche Einreichungsvorbereitung: Aufbau valider eCTD-Sequenzen, automatische Validierung gegen EMA- und BfArM-Anforderungen, Unterstützung aller europäischen Verfahrenstypen. Typisch 10.000–30.000 €/Jahr für Mid-Size-Pharma. Oft in Kombination mit KI-Klassifizierungstools eingesetzt: Die KI klassifiziert und listet Unterlagen, Lorenz docuBridge verpackt die fertige Einreichung.

Custom RAG auf EU Classification Guideline, für Teams mit KI-Expertise Eine auf der aktuellen EU Classification Guideline und behördlichen Q&A-Dokumenten aufgebaute RAG-Lösung lässt sich mit Tools wie Gemini Notebook (ehemals NotebookLM, für erste Tests) oder einer eigenen Vektordatenbank (validiertes Custom-Setup) umsetzen. Preis: Infrastruktur 100–400 €/Monat plus Entwicklungs- und Validierungsaufwand. Vorteil: vollständige Kontrolle über Datenhaltung und GxP-Compliance. Aufwand: mehrere Monate Entwicklung, inklusive Validierungspaket.

Wann welcher Ansatz:

• 20–50 Variationen/Jahr, kein RIM: Assyro AI testen, sofern die EU-Systematik trägt
• 50+ Variationen/Jahr, kein RIM: ArisGlobal LifeSphere oder Veeva Vault
• Bestehender Vault-Einsatz: Vault AI-Agenten ausbauen
• Hohe DSGVO/EU-Hosting-Anforderungen, eigenes IT-Team: Custom RAG auf validierter EU-Infrastruktur
• Nur Test und Orientierung: Gemini Notebook mit hochgeladenem Guideline-PDF

Datenschutz und Datenhaltung

Variation-Klassifizierungsdaten enthalten in der Regel keine personenbezogenen Patientendaten, aber sie umfassen vertrauliche Produktinformationen, Produktionsprozesse und regulatorische Strategien, die Betriebs- und Geschäftsgeheimnisse darstellen. Auch wenn DSGVO im engeren Sinne weniger relevant ist, bestehen erhebliche Anforderungen an:

GxP-Compliance für den KI-Einsatz: Anhang 11 des EU-GMP-Leitfadens (gültige Fassung von 2011, eine Überarbeitung liegt als Entwurf vor) und der Entwurf des neuen Anhangs 22 zu KI zeigen die Richtung: Wo ein KI-Werkzeug in eine GMP-relevante Entscheidung wie die Änderungskontrolle einfließt, gehört es in einen Computer-System-Validation-Rahmen (CSV). Das bedeutet: URS (User Requirements Specification), IQ/OQ-Tests, Change-Control-Prozess für Updates des KI-Systems, Audit Trail. Ein nicht validiertes KI-System sollte deshalb keine Einstufung stützen, die in der Änderungskontrolle dokumentiert wird; verantwortlich für die Einstufung bleibt ohnehin der Zulassungsinhaber.

Datenhaltung bei Enterprise-Lösungen:

• Veeva Vault : EU-Datenresidenz verfügbar; ISO 27001 und SOC 2 zertifiziert
• ArisGlobal LifeSphere : Globales Hosting, EU-Region auf Anfrage; explizit vertraglich zu fixieren
• Lorenz docuBridge : EU-Hosting verfügbar, Hauptsitz Frankfurt
• Assyro AI : US-Hosting; kein EU-Hosting bestätigt, für Submissions mit internem Know-how-Schutz sorgfältig evaluieren

AVV und Geheimhaltung: Vor dem Einsatz eines Cloud-Tools für Variation-Management sollte ein AVV nach Art. 28 DSGVO abgeschlossen werden, auch wenn die direkt verarbeiteten Daten nicht primär personenbezogen sind. Vertrauliche Produktdaten, Formulierungen und Produktionsprozesse sind schützenswert, eine Geheimhaltungsvereinbarung mit dem Anbieter ist Mindestanforderung.

Rechtlicher Hinweis: Die GxP-Validierungsanforderungen für KI-Systeme in regulierten Pharma-Umgebungen unterliegen EU-GMP-Annex 11 und dem in Vorbereitung befindlichen Annex 22. Die Auslegung dieser Anforderungen für spezifische KI-Anwendungsfälle ist komplex und sollte mit dem Qualitätssystem (QP, QA-Leitung) und ggf. externen GxP-Experten abgestimmt werden.

Was es kostet, realistisch gerechnet

Einmalige Kosten

Laufende Kosten

Die größten Kostentreiber nach der Einführung sind nicht die Tool-Lizenzen, sondern:

• Guideline-Updates: Die EU Classification Guideline wird bei Rechtsänderungen aktualisiert. Das KI-System muss bei jeder relevanten Änderung re-validiert werden. Für die Januar-2026-Revision wäre das ein Change-Control-Ereignis gewesen.
• Personaleinsatz für Grenzfälle: Alle Variationen, die das System als “unklar” oder “Type II, Begründung erforderlich” kennzeichnet, landen wieder beim Regulatory-Affairs-Team. Die KI beschleunigt Routinefälle, hebt aber das Niveau der Anfragen, die menschliche Expertise erfordern.

Was du dagegen rechnen kannst

Rechne mit deinen eigenen Zahlen: Variationen im Jahr mal dem Anteil, der in den letzten drei Jahren falsch eingestuft wurde, ergibt die erwartbaren Fehlklassifikationen. Beispiel: 50 Einreichungen mal 4 Prozent ergibt 2 Fehlklassifikationen im Jahr. Jede kostet Nacharbeit, eine neue Einreichung und Wartezeit. Teuer wird es erst, wenn eine bereits umgesetzte Type-IA-Änderung zurückgenommen werden muss: Dann zählen die Kosten der Produktionsumstellung und ein mögliches Lieferrisiko, nicht der Umsatz des Produkts, denn es bleibt in der bisherigen Fassung zugelassen. Dagegen stehen Werkzeugkosten ab ca. 25.000 €/Jahr bis in den sechsstelligen Bereich, plus Validierung. Der Return ist nur hoch, wenn eure Fehlerquote hoch ist und das System einen erheblichen Teil davon tatsächlich verhindert. Beides misst der Pilot.

Hinweis: Die Kalkulation oben ist ein Modellbeispiel und kein realer Messwert. Tatsächliche Fehlerquoten, vermiedene Verzögerungen und resultierende ROI-Effekte variieren stark nach Produktportfolio, Regulations-Komplexität und bestehender Regulatory-Expertise im Team.

Was der geplante Anhang 22 für euren KI-Einsatz bedeutet

Der Entwurf des neuen EU-GMP-Anhangs 22 zu künstlicher Intelligenz wurde am 7. Juli 2025 veröffentlicht; in Kraft ist er noch nicht. Er soll Anforderungen für den Einsatz von Machine Learning-Systemen in GMP-Prozessen festlegen, darunter:

• Transparenzpflicht: Das KI-System muss seine Entscheidungsgrundlage nachvollziehbar machen. Ein Black-Box-Modell, das nur “Type IB” ausgibt, ohne Guideline-Referenz, genügt nicht.
• Kontinuierliches Monitoring: Das System muss überwacht werden, ob seine Ausgaben nach Guideline-Updates noch korrekt sind (Concept Drift).
• Menschliche Prüfung: Wo nötig, sieht der Entwurf Verfahren zur menschlichen Prüfung der KI-Ausgabe vor; wird ein Modell als Entscheidungshilfe mit reduziertem Testaufwand genutzt, müssen Aufzeichnungen entstehen. KI darf unterstützen, nicht entscheiden.
• Change Control: Jede relevante Änderung am KI-System (neues Modell, neue Trainingsdaten, neue Guideline-Version) löst einen validierten Change-Control-Prozess aus.

Wer ein KI-Klassifizierungstool einführt, tut gut daran, von Anfang an einen Annex-22-kompatiblen Validierungsrahmen aufzusetzen, auch wenn das Dokument noch nicht final ist. Die Grundprinzipien sind bereits jetzt aus Annex 11 und dem Draft ableitbar.

Hinweis: Stand September 2026 liegt Anhang 22 als Entwurf vor, auf der Seite der EU-Kommission zum GMP-Leitfaden ist er noch nicht als geltender Anhang aufgeführt. Die finale Version kann Anforderungen enthalten, die von den hier beschriebenen Prinzipien abweichen. Implementierungsentscheidungen sollten auf Basis der aktuell gültigen Fassung und in Abstimmung mit Regulatory Compliance Experten getroffen werden.

Typische Einstiegsfehler

1. Pilotbetrieb ohne Validierung starten. Das ist der häufigste Fehler: Das Team nutzt das KI-Tool als “Unterstützung”, schreibt keine Validierungsdokumentation und sieht es als inoffizielle Hilfe. Dann landet ein Einreichungspaket auf Basis einer KI-Empfehlung bei der Behörde, und wenn die Inspektoren fragen, welches System welche Entscheidung informiert hat, fehlt der Nachweis. Im GxP-Umfeld gibt es keine “inoffizielle” Nutzung bei regulatorisch relevanten Prozessen. Lösung: Vor dem ersten Produktivbetrieb mindestens ein schlankes Validierungspaket (URS, Testprotokolle, SOPs) aufsetzen.

2. Den Guideline-Stand nicht im System halten. Ein System, das auf der Guideline von 2013 aufgebaut ist, gibt seit 2025 und 2026 systematisch falsche Antworten zu den neuen Einreichungswegen für Type IA. Kein Anbieter aktualisiert sein System automatisch nach behördlichen Veröffentlichungen. Das erfordert einen internen Change-Control-Prozess, der bei Guideline-Updates ausgelöst wird und das KI-System re-validiert. Wer diesen Prozess nicht plant, kauft sich ein Tool, das nach dem ersten Guideline-Update veraltet.

3. Alle Klassifizierungsentscheidungen an die KI delegieren. Ein System, das 90 % der Routine-Variationen korrekt klassifiziert, erzeugt unter dem verbleibenden 10 % genau die schwierigen Fälle, bei denen Fehlklassifikation am teuersten ist. Regulatory-Affairs-Expertise wird nicht überflüssig, sie konzentriert sich auf die Grenzfälle, die das System an den Menschen zurückgibt. Wer das Team deshalb reduziert, hat das System falsch verstanden.

4. Maintenance-Verantwortung nicht definieren. Wer “pflegt das KI-System, wenn Guideline-Updates kommen?”, diese Frage muss beantwortet sein, bevor das System live geht. Wenn die Antwort “das macht sich von selbst” ist, wird das System in 12 Monaten auf veralteter Grundlage klassifizieren und die Fehler werden unbemerkt, weil niemand systematisch überprüft. Lösung: Eine namentlich benannte Person ist verantwortlich für monatliche Prüfung der offiziellen EMA- und BfArM-Q&A-Seiten und löst bei relevanten Änderungen den Change-Control-Prozess aus.

Was mit der Einführung wirklich passiert, und was nicht

Regulatory-Affairs-Teams reagieren auf KI-Klassifizierungstools anders als andere Fachbereiche. Drei typische Muster:

“Das System kennt den Fall nicht, den ich kenne.” Erfahrene Regulatory-Affairs-Spezialistinnen und -Spezialisten haben über Jahre ein Gefühl für die Grauzone zwischen Variation-Typen entwickelt. Ein System, das standardisiert nach Guideline-Text klassifiziert, wird in Grenzfällen andere Einschätzungen produzieren als ein Profi mit 15 Jahren Erfahrung. Das ist kein Fehler des Systems, aber es erzeugt Reibung. Lösung: Das Team aktiv in die Pilotvalidierung einbinden. Wer mitentschieden hat, welche Referenzfälle als Validierungsgrundlage dienen, vertraut dem Ergebnis eher.

Zu breite Einführung vor ausreichender Validierung. Die Versuchung ist real: Das System spart Zeit, das Team ist begeistert, alle wollen es nutzen. Aber ein unvollständig validiertes System, das breiter als geplant eingesetzt wird, bringt Compliance-Risiken, die erst dann sichtbar werden, wenn es zu spät ist. Starte mit kontrollierten Piloten: drei bis fünf Routinefälle pro Woche, Ergebnisabgleich mit der Expertenmeinung, dann schrittweise Ausweitung.

Die Grenzfall-Angst wächst mit dem System. Paradoxerweise berichten Teams, die KI-Klassifizierung einführen, dass ihre Unsicherheit bei Grenzfällen größer wird, nicht kleiner. Der Grund: Das System macht die Grenze sichtbar. Wenn das Tool sagt “Typ IB, aber Begründung für IA möglich”, ist das eine ehrlichere Aussage als vorher, wo das Team einfach eine Entscheidung getroffen hat. Das ist ein Feature, keine Schwäche, aber es erfordert klare Eskalationspfade.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Wir haben das immer manuell gemacht, und es funktioniert.” Stimmt, im Durchschnitt. Das Problem ist die Fehlerverteilung: Routinefälle werden zuverlässig richtig eingestuft, weil das Team sie im Schlaf kennt. Die schwierigen Fälle, neue Kombinationen, Änderungen an Prozessparametern im Design-Space-Bereich, Grenzbereiche zwischen Typen, treffen auf maximale Unsicherheit genau dort, wo ein Fehler am teuersten ist. KI-Unterstützung hilft präzise in dieser Lücke.

„KI kann regulatorische Klassifikationen nicht zuverlässig machen.” Das ist nicht ganz falsch, und das gute Tool macht diesen Vorbehalt transparent, indem es Konfidenzbereiche angibt und Grenzfälle an den Experten zurückgibt. Ein System, das immer eine sichere Klassifikation ausgibt, ist gefährlicher als eines, das “unklar” zurückmeldet. Wenn das Team versteht, wie das System Unsicherheit kommuniziert, ist diese Sorge handhabbar.

„Der Validierungsaufwand lohnt sich nicht.” Das ist ein Rechenargument, das an die tatsächliche Fehlklassifikationsrate und das Kostenrisiko je Fehlklassifikation geknüpft ist. Für ein Unternehmen mit 15 Variationen pro Jahr, keiner Geschichte schwerer Fehlklassifikationen und einem stabilen Portfolio stimmt es vielleicht. Für ein Unternehmen mit 60 Variationen pro Jahr und einer Produktion, in der eine zurückgenommene Änderung die Lieferkette unterbricht, lautet die ehrliche Rechnung anders. Wer den Validierungsaufwand nicht rechtfertigen kann, sollte keinen Druck spüren, das Tool einzuführen, das ist ein harter Ausschlussgrund.

Woran du merkst, dass das zu dir passt

• Du hast mehr als 30 Variationen pro Jahr oder erwartest einen deutlichen Anstieg (z. B. durch Portfolio-Erweiterung oder neue Märkte)
• Fehlklassifikationen haben euch in der Vergangenheit Zeit gekostet, nicht nur als Einzelfall, sondern als wiederkehrendes Muster
• Dein Regulatory-Affairs-Team verbringt mehr als einen Tag pro Woche mit Guideline-Nachschlagen und Klassifizierungsrecherche
• Ihr habt mehrere Produkte, die dieselbe Änderung betreffen, Work-Sharing kann die Bewertung bündeln, verlangt aber Koordination
• Eure IT-Infrastruktur erlaubt es, ein weiteres validiertes System einzuführen, und es gibt intern Kapazität für die Validierungsarbeit

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

1. Weniger als 20 Variationen pro Jahr. Unterhalb dieser Grenze ist der Klassifizierungsaufwand absolut betrachtet zu klein, um Toolkosten und Validierungsaufwand zu rechtfertigen. Ein strukturierter Entscheidungsbaum in einem SharePoint-Dokument ist dann effizienter.

2. Kein validiertes Computer-System-Validation-Framework vorhanden. Ein KI-Klassifizierungstool für regulatorische Entscheidungen darf GxP-Anforderungen nicht ignorieren. Wenn das Unternehmen noch nie eine CSV nach GAMP5 durchgeführt hat und keine Ressourcen dafür hat, ist das Tool in diesem Kontext nicht einsetzbar, der Aufwand für die Grundinfrastruktur übersteigt dann den Nutzen des Tools selbst.

3. Portfolio ausschließlich mit einfachen Routine-Type-IA-Änderungen. Ein Generika-Hersteller, der jedes Jahr dieselben zehn Type-IA-Änderungen einreicht (Druckerfarbwechsel, Adressupdate, Batchtabelle), braucht keine KI. Das Pattern ist bekannt, das Risiko gering, die Expertise im Team vorhanden. KI-Unterstützung lohnt sich erst ab einer gewissen Heterogenität des Änderungsportfolios.

Das kannst du heute noch tun

Öffne Gemini Notebook (ehemals NotebookLM) und lade die EU Classification Guideline (als PDF bei der EU-Kommission und über die EMA-Website verfügbar) und die Q&A-Seite der EMA zu Variations als Dokumente hoch. Stelle dann die Frage, die dein Team gerade am meisten Zeit kostet, z. B. zu einer konkreten Prozessänderung, die ihr aktuell zu klassifizieren habt. Beschreib die Änderung ohne Produktnamen und vertrauliche Prozessdetails.

Das dauert 20 Minuten und zeigt euch, ob das Grundprinzip funktioniert. Gemini Notebook ist kein GxP-validiertes Tool, es darf keine regulatorische Grundlage für Einreichungsentscheidungen sein. Aber als Orientierungswerkzeug, um zu verstehen, wie weit der aktuelle Guideline bei euren konkreten Fragestellungen trägt, ist es eine ehrliche erste Einschätzung.

Für die produktive Nutzung mit regulatorischer Verbindlichkeit brauchst du einen validierten System-Prompt. Hier ist ein Ausgangspunkt für Tests:

Quellen & Methodik

• Neue Variations-Guidelines und geänderte Variations-Verordnung: EMA, „New variations guidelines to streamline lifecycle management of medicines”, Guidelines gelten für Einreichungen ab 15. Januar 2026; Delegierte Verordnung (EU) 2024/1701, gilt seit 1. Januar 2025.
• Einstufung, Einreichungswege und Folgen einer Ablehnung: Verordnung (EG) Nr. 1234/2008, konsolidierte Fassung vom 1. Januar 2025: Art. 3 (Standardeinstufung Type IB, Hochstufung zu Type II), Art. 5 (Empfehlung zur Einstufung binnen 60 Tagen), Art. 8 (Type-IA-Meldung als jährliche Aktualisierung oder Gruppierung), Art. 11 (Rücknahme bei Ablehnung), Art. 20 (Work-Sharing). Abgerufen am 19.09.2026.
• Assyro AI Benchmark: Assyro AI, „AI Regulatory Submission Software” (assyro.com): 14x schnellere Dokumentenerstellung, 50 % kürzere Validierungszeiten, Anbieterangabe, keine unabhängige Verifikation.
• EU-GMP-Anhang 22 (Entwurf vom 7. Juli 2025): gmp-compliance.org; adesso.de; geltende Anhänge: EU-Kommission, EudraLex Band 4.
• Toolkosten und -funktionen: unsere Toolseiten, Stand Mai bis Juli 2026.
  • Veeva Vault : ab ca. 25.000 €/Jahr
  • ArisGlobal LifeSphere : sechs- bis siebenstellig
  • Lorenz docuBridge : marktüblich 10.000–30.000 €/Jahr
  • Assyro AI : kein öffentlicher Tarif, Schwerpunkt FDA
• Methodik: Rechtsgrundlagen aus den Primärquellen (EU-Kommission, EMA, EUR-Lex), Werkzeugangaben aus unseren Toolseiten. Zeitaufwand je Variation und Fehlerquoten sind Annahmen und Beispiele dieser Seite, keine erhobenen Werte.

Du überlegst, wie ihr Variation-Klassifizierung in eurem Regulatory-Affairs-Prozess systematisieren könnt, aber ihr seid unsicher, ob das Änderungsvolumen den Aufwand rechtfertigt? Meld dich, das klären wir konkret in einem kurzen Gespräch.