Entdecken Sie den HERMS-Ansatz und unser Lösungsportfolio.
KI kann Prozessverständnis, Überwachung, Untersuchungen und operative Planung unterstützen, muss jedoch in ein wirksames pharmazeutisches Qualitätssystem eingebettet sein. Definieren Sie den Verwendungszweck, schaffen Sie verlässliche Daten und aussagekräftige Akzeptanzkriterien, validieren Sie den konfigurierten Arbeitsablauf, kontrollieren Sie Änderungen und gewährleisten Sie menschliche Aufsicht mit klarer Verantwortung. Ein Anomaliewert beweist keine Abweichung; eine vorgeschlagene Grundursache ist keine genehmigte Schlussfolgerung; und eine Modellvorhersage berechtigt nicht automatisch zur Chargenfreigabe. Die Kontrollstrategie muss während Entwicklung und kommerzieller Versorgung wissenschaftlich begründet bleiben. Process Validation: General Principles and Practices Artificial Intelligence in Drug Manufacturing Q9(R1) Quality Risk Management Q10 Pharmaceutical Quality System EudraLex — Volume 4 — Good Manufacturing Practice guidelines
Mit der Qualitätsentscheidung beginnen – nicht mit der KI-Technologie
Legen Sie Herstellungsproblem, Produkt, Prozessschritt, Nutzer und Entscheidung fest. Soll KI ungewöhnliche Sensormuster erkennen, ein nicht gemessenes Prozessmerkmal schätzen, Wartungsarbeiten priorisieren oder eine Untersuchungszusammenfassung erstellen? Diese Tätigkeiten haben unterschiedliche Folgen und Nachweisanforderungen. Dokumentieren Sie, was das System lesen, empfehlen, schreiben und steuern darf.
Unterscheiden Sie prädiktive Modelle, generative Assistenten, herkömmliche statistische Verfahren und deterministische Automatisierung. Prädiktive Überwachung schätzt Muster oder Ergebnisse; generative KI erzeugt Inhalte; eine Workflow-Engine leitet Aktionen weiter. Eine Kombination kann nützlich sein, doch eine dialogbasierte Oberfläche belegt weder Prozessverständnis noch GxP-Eignung. Das FDA-Papier zur Herstellung von 2023 erörtert mögliche KI-Anwendungen und erklärt ausdrücklich, weder Leitlinienentwurf noch endgültige Leitlinie zu sein. Artificial Intelligence in Drug Manufacturing
Kontrollen über den gesamten Herstellungslebenszyklus abbilden
Die FDA-Leitlinie zur Prozessvalidierung verfolgt einen Lebenszyklusansatz: Prozessdesign, Prozessqualifizierung und fortlaufende Prozessverifizierung. KI-bezogene Nachweise sollten an diesen Lebenszyklus anknüpfen, statt ein paralleles Demonstrationsprojekt zu bilden. Die Validierung eines Modells validiert nicht eigenständig den Herstellungsprozess. Process Validation: General Principles and Practices
| Lebenszyklusphase | Möglicher KI-Beitrag | Wesentliche Qualitätsgrenze | Aufzubewahrende Nachweise |
|---|---|---|---|
| Entwicklung | Zusammenhänge untersuchen und Versuchsprioritäten vorschlagen | Hypothesen durch geeignete wissenschaftliche Arbeit bestätigen | Daten, Annahmen, Versuche und Grenzen |
| Maßstabsvergrößerung / Transfer | Prozessverhalten und Bereitschaftslücken vergleichen | Übertragbarkeit auf Zielmaßstab/Zielstandort nachweisen | Vergleichbarkeit von Anlagen, Materialien und Prozessen |
| Qualifizierung | Datenprüfung und Testauswertung unterstützen | Genehmigtes Qualifizierungs-/Validierungsprotokoll und genehmigte Akzeptanz | Anforderungen, Ergebnisse, Abweichungen und Genehmigungen |
| Kommerzielle Überwachung | Muster erkennen und Qualitätsrisiken vorhersagen | Etablierte Kontrollstrategie und Eskalation | Modell/Version, Eingaben, Alarme und Reaktionen |
| Untersuchung / CAPA | Aufzeichnungen zusammenstellen und Hypothesen vorschlagen | Durch Qualität genehmigte Schlussfolgerungen und Wirksamkeitsprüfung | Quellen, Begründung, Maßnahmen und Ergebnisse |
| Entscheidung über die Charge | Aufzeichnungen zusammenstellen und Ausnahmen kennzeichnen | Zutreffende autorisierte Freigabeverantwortung beibehalten | Kontrollierte Nachweise und erforderliche Zertifizierung |
| Versorgung / Änderung | Resilienzrisiken erkennen und Planung unterstützen | Genehmigte Änderungs- und Vertriebskontrollen | Folgenabschätzung, Entscheidungen und Versorgungsaufzeichnungen |
Dies ist eine vorgeschlagene Umsetzungsübersicht, kein allgemein verbindlicher KI-Arbeitsablauf. Geeignete Kontrollen richten sich nach Produkt, Prozess, Rechtsraum und Abhängigkeit vom System. ICH Q9(R1) betont risikobasierte Entscheidungen und angemessene Formalität; ICH Q10 ordnet Lebenszyklusaktivitäten in das pharmazeutische Qualitätssystem ein. Q9(R1) Quality Risk Management Q10 Pharmaceutical Quality System
Entwicklung und Maßstabsvergrößerung: Modelle zum Prüfen des Verständnisses nutzen
In der Entwicklung kann KI helfen, Material-/Prozesszusammenhänge zu erkennen oder aufschlussreiche Versuche vorzuschlagen. Halten Sie den Bezug zu kritischen Qualitätsattributen, den CQA, und den sie beeinflussenden Variablen aufrecht. Eine Modellkorrelation beweist nicht, dass eine Parameteränderung die gewünschte Qualitätsverbesserung bewirkt. Berücksichtigen Sie Versuchsplanung, mechanistisches Wissen und Störfaktoren in historischen Produktionsdaten. Artificial Intelligence in Drug Manufacturing Q9(R1) Quality Risk Management
Maßstabsvergrößerung und Technologietransfer verändern die Betriebsumgebung. Mischung, Anlagengeometrie, Sensoren, Rohstoffquellen und Probenahme können abweichen. Zeigen Sie, welche Zusammenhänge weiterhin gelten und wo zusätzliche Nachweise nötig sind. Nehmen Sie nicht an, dass ein mit Entwicklungschargen trainiertes Modell für den kommerziellen Einsatz qualifiziert ist oder unverändert zwischen CDMOs übertragen werden kann. Process Validation: General Principles and Practices Q10 Pharmaceutical Quality System
Datenintegrität ist Voraussetzung für verlässliche Überwachung
Verbinden Sie das Modell mit vertrauenswürdigen, kontextualisierten Aufzeichnungen. Relevante Eingaben können aus Prozesshistorian-Systemen, MES, LIMS, elektronischen Chargenprotokollen, Anlagensystemen und Qualitätsaufzeichnungen stammen. Stimmen Sie Chargen-, Material-, Anlagen- und Probenkennungen, Einheiten, Kalibrierstatus, Zeitstempelreferenzen und Prozessphasen aufeinander ab. Eine synchronisierte Dateiübertragung belegt nicht, dass Signale dasselbe Ereignis darstellen.
Bewerten Sie Sensorausfälle, Wartungszeiten, manuelle Eingaben, doppelte Aufzeichnungen, Methodenänderungen und Prozesseingriffe. Unterscheiden Sie fehlende Werte von bestätigten Nullwerten. Bewahren Sie Rohdaten und Metadaten auf, die zum Verständnis von Transformationen erforderlich sind. Die FDA-Leitlinie zur Datenintegrität erwartet verlässliche und genaue CGMP-Daten und unterstützt aussagekräftige risikobasierte Strategien zur Vermeidung und Erkennung von Integritätsproblemen. Data Integrity and Compliance With Drug CGMP: Questions and Answers — Guidance for Industry
Verhindern Sie Datenleckagen zwischen Entwicklungs- und Evaluationsdatensätzen. Wiederholte Messungen derselben Charge sind keine unabhängigen Chargen. Teilen Sie die Daten auf einer zur beabsichtigten Aussage passenden Ebene auf und bewerten Sie Zeit-, Anlagen- und Standorteffekte. Stellen Sie sicher, dass Variablen zum tatsächlichen Entscheidungszeitpunkt verfügbar sind und nicht erst nach abgeschlossener Prüfung.
Prozessüberwachung: Alarme, Nachweise und Maßnahmen trennen
Ein Anomaliedetektor kann Abweichungen von erlernten Mustern erkennen, ohne zu wissen, ob die Produktqualität betroffen ist. Umgekehrt kann ein scheinbar vertrautes Muster dennoch unzulässig sein. Interpretieren Sie Alarme anhand von Prozesswissen, validierten Grenzen und Kontrollstrategie – nicht allein anhand eines Wahrscheinlichkeits- oder Distanzwerts.
| Signal | Mögliche Bedeutung | Erforderliche Unterscheidung |
|---|---|---|
| Sensoranomalie | Prozessänderung, Instrumentenfehler oder Datenproblem | Ungewöhnlich bedeutet nicht zwingend außerhalb der Spezifikation |
| Vorhergesagtes CQA | Geschätztes Qualitätsattribut auf Basis eines evaluierten Modells | Vorhersage ist weder direkte Gehaltsbestimmung noch automatisches Freigabekriterium |
| Multivariater Trend | Gemeinsame Veränderung mehrerer Variablen | Zusammenhänge erfordern prozessbezogene Interpretation |
| Wartungsprognose | Mögliche Anlagenverschlechterung | Termin/Maßnahme muss zu qualifizierten Wartungsverfahren passen |
| Zunahme von Alarmen | Veränderter Prozess, geänderte Konfiguration oder erhöhte Falschpositivbelastung | Schwellenwerte nicht unbemerkt lockern, um ein Dashboard zu verbessern |
PAT ist ein umfassenderer Rahmen für Prozessverständnis und -kontrolle, kein Synonym für KI. Ein KI-Modell kann innerhalb einer PAT-Strategie eingesetzt werden, doch die Einführung von PAT erlaubt allein keinen neuen Freigabeansatz. Legen Sie fest, was bei Modellausfall, nicht unterstützten Eingaben oder Widersprüchen zwischen Vorhersagen und anderen Nachweisen geschieht. PAT — A Framework for Innovative Pharmaceutical Development, Manufacturing, and Quality Assurance EudraLex — Volume 4 — Good Manufacturing Practice guidelines
Beratende Überwachung und geschlossene Regelkreise brauchen unterschiedliche Schutzmaßnahmen
Ein beratendes System informiert eine Person. Ein geschlossenes Regelsystem kann einen Prozess automatisch anpassen. Mit wachsendem direktem Einfluss steigen die Folgen von Fehlern, Verzögerungen, ungeeigneten Eingaben und Regelungsinstabilität. Die Modellleistung allein genügt nicht: Bewerten Sie die gesamte Kette vom Sensor bis zur Aktion und ihre Wechselwirkung mit dem etablierten Prozess. Artificial Intelligence in Drug Manufacturing
Als technische Schutzmaßnahmen werden autorisierte Parametergrenzen, gegebenenfalls unabhängige Schutzvorkehrungen, deterministische Prüfungen, definierte Stoppzustände und getestete Rückfallverfahren vorgeschlagen. Bewerten Sie kumulative Anpassungen und Reaktionszeiten, nicht nur einzelne Empfehlungen. Änderungen einer registrierten Kontrollstrategie oder eines Herstellungsprozesses können regulatorische Folgen haben; holen Sie vor Umsetzung die entsprechende Bewertung ein.
Abweichungsuntersuchung: Ein Ursachenvorschlag ist keine Grundursache
KI kann Chronologien erstellen, verwandte Abweichungen finden und Wartungs-, Material- sowie Chargenaufzeichnungen zusammenfassen. Sie kann aber auch eine plausible, unbelegte Kausalerzählung erzeugen. Verlangen Sie für jede wesentliche Aussage einen Nachweisbezug und trennen Sie beobachtete Fakten, Hypothesen und gesicherte Schlussfolgerungen.
Betrachten Sie weder einen niedrigeren Modellwert noch eine bequeme Bedienererklärung oder eine Korrelation mit einer Rohstoffcharge als ausreichenden Grund, ein Ergebnis für ungültig zu erklären. Bewahren Sie Originalaufzeichnungen, befolgen Sie genehmigte Untersuchungsverfahren und bewerten Sie betroffene Produkte sowie möglicherweise verbundene Chargen. Das pharmazeutische Qualitätssystem muss Untersuchung und Entscheidung steuern. Q10 Pharmaceutical Quality System Data Integrity and Compliance With Drug CGMP: Questions and Answers — Guidance for Industry
Unterscheiden Sie bei OOS- und OOT-Ereignissen zwischen der Nichterfüllung einer genehmigten Spezifikation und einem Trendsignal. KI kann die Ersteinstufung unterstützen, darf ein Ereignis aber nicht unbemerkt umklassifizieren, um eine Untersuchung zu vermeiden. Dies ist eine vorgeschlagene Governance-Grenze; konkrete Verfahren richten sich nach dem geltenden Qualitätssystem und den Vorschriften.
CAPA: Wirksamkeit messen, nicht Dokumentenabschluss
Ein Plan für Korrektur- und Vorbeugemaßnahmen benötigt eine nachweisgestützte Begründung, einen Verantwortlichen, einen Umsetzungsnachweis und eine Wirksamkeitsbewertung. KI-generierte Maßnahmen können repetitiv oder von der tatsächlichen Ursache losgelöst sein. Eine abgeschlossene Schulung oder aktualisierte SOP beweist allein nicht, dass der Fehlermechanismus beherrscht wird. Q10 Pharmaceutical Quality System
Definieren Sie vor Abschluss problemangemessene Wirksamkeitskriterien. Prüfen Sie Wiederholungen, verwandte Ereignisse und mögliche neue Risiken durch die Kontrollmaßnahme. Nutzen Sie sinkende Zahlen gemeldeter Abweichungen nicht als alleinigen Erfolgsmaßstab: Sie können weniger Ereignisse, schwächere Erkennung oder verändertes Meldeverhalten widerspiegeln.
Den konfigurierten KI-gestützten Arbeitsablauf validieren
Definieren Sie vor Tests den Verwendungszweck, Systemgrenzen, Datenquellen, Ausgaben, Aktionsberechtigungen und Akzeptanzkriterien. Bewerten Sie Auswirkungen auf Produktqualität, Patientenrisiko, Aufzeichnungsintegrität, Unsicherheit und Erkennbarkeit. Ein Lieferantenbenchmark oder die pauschale Aussage „validierte KI“ belegt keine Eignung für den Standortprozess. Process Validation: General Principles and Practices Q9(R1) Quality Risk Management EudraLex — Volume 4 — Good Manufacturing Practice guidelines
| Testbereich | Beispielhafte Herausforderung | Akzeptanznachweise |
|---|---|---|
| Analytische Leistung | Repräsentative Chargen, seltene Fehler und relevante Betriebsbereiche | Aufgabenspezifische Ergebnisse und Unsicherheit |
| Datenverarbeitung | Fehlende, verspätete, beschädigte oder falsch gekennzeichnete Signale | Erkennung, sichere Behandlung und Eskalation |
| Arbeitsablauf | Abgelehnte, veraltete oder unautorisierte Empfehlungen | Keine unbeabsichtigte Ausführung; korrekte Rollenzuordnung |
| Rückverfolgbarkeit | Eine stichprobenartig gewählte Vorhersage und Entscheidung rekonstruieren | Quelle, Konfiguration, Ergebnis und Prüferhistorie |
| Betriebliche Resilienz | Netzwerk-/Anbieterausfall und Wiederherstellung | Dokumentiertes Rückfallverfahren und abgeglichene Aufzeichnungen |
| Menschliche Prüfung | Gezielt eingebrachte Fehler unter realistischer Arbeitslast | Prüfer erkennen folgenschwere Probleme anhand nutzbarer Nachweise |
| Änderungsverhalten | Neuer Rohstoff, neue Anlage oder Modellversion | Folgenabschätzung und begründete Wiederholungsprüfung |
Diese Testmatrix dient als Beispiel. Die Validierung des computergestützten Systems, die Absicherung des Modells und die Qualifizierung/Validierung des Herstellungsprozesses hängen zusammen, sind aber verschieden. Verknüpfen Sie Anforderungen, Risiken, Tests, Abweichungen und Akzeptanzentscheidungen. EU-GMP-Anhang 11 behandelt computergestützte Systeme, Anhang 15 Qualifizierung und Validierung. EudraLex — Volume 4 — Good Manufacturing Practice guidelines
Menschliche Aufsicht, Chargenentscheidung und elektronische Aufzeichnungen
Benennen Sie Prozessverantwortlichen, Systemverantwortlichen, technischen Verantwortlichen, Qualitätsgenehmiger und die zuständige autorisierte Freigaberolle. Prüfer benötigen Nachweise, Kompetenz, Zeit und Befugnis, Empfehlungen abzulehnen. Eine menschliche Freigabeschaltfläche bringt wenig, wenn das System einen Parameter bereits geändert hat oder die Quelle nicht einsehbar ist.
EU-Anhang 16 behandelt die Zertifizierung durch die sachkundige Person (QP) und die Chargenfreigabe; Anhang 17 die Echtzeit-Freigabeprüfung und parametrische Freigabe. Setzen Sie modellgestützte Aufzeichnungsprüfung, prädiktive Qualität oder RTRT nicht mit einem Ersatz der vorgeschriebenen autorisierten Verantwortung gleich. Die geltende Produktzulassung und genehmigte Freigabestrategie bleiben wichtig. EudraLex — Volume 4 — Good Manufacturing Practice guidelines
Bestimmen Sie, welche elektronischen Aufzeichnungen und Unterschriften unter 21 CFR Part 11 und die zugrunde liegenden Fachvorschriften fallen. Die FDA-Leitlinie zum Anwendungsbereich ist unverbindlich und beschreibt begrenztes Ermessen bei der Durchsetzung; Part 11 bleibt in Kraft. Sie gewährt keine pauschale Ausnahme von vertrauenswürdigen Pflichtaufzeichnungen, Zugriffskontrollen oder Unterschriftsanforderungen. Part 11, Electronic Records; Electronic Signatures — Scope and Application
Bewahren Sie entscheidungsrelevante Quelldaten, Modell-/Konfigurationsversionen, Vorverarbeitung, wesentliche Werkzeugaktionen, Prüferänderungen, Genehmigungen und endgültige Ausführungsergebnisse auf. Schützen Sie Identitäten, Zeitstempel, Aufbewahrung und Verfügbarkeit der Aufzeichnungen. Ein Audit-Trail hilft, Entscheidungen zu rekonstruieren; er macht unbelegte Schlussfolgerungen nicht wissenschaftlich tragfähig.
Änderungskontrolle und Drift: kein unbemerktes Neutraining
Verfolgen Sie Modellcode, Gewichte, Schwellenwerte, Merkmale, Vorverarbeitung, Sensorkonfiguration, Abhängigkeiten und Schnittstellen. Bei generativen Werkzeugen können auch Prompts, Abrufquellen und Versionen externer Dienste die Ausgaben beeinflussen. Bewerten Sie Änderungen vor Freigabe und binden Sie die Akzeptanz an die tatsächliche Konfiguration.
Unterscheiden Sie Prozessdrift, Sensordrift, Änderungen der Eingabeverteilung und nachlassende Modellleistung. Eine veränderte Verteilung ist ein Untersuchungsanlass, keine automatische Erlaubnis zum Neutraining. Bewahren Sie eine kontrollierte Referenz, bewerten Sie Veränderungen des zugrunde liegenden Prozesses und bestimmen Sie geeignete qualitätsbezogene und regulatorische Maßnahmen. Process Validation: General Principles and Practices Q9(R1) Quality Risk Management Q10 Pharmaceutical Quality System
Kontinuierliches Lernen befreit nicht von der Änderungskontrolle. Definieren Sie, wann die Überwachung Autonomie einschränkt, Abweichungsbearbeitung auslöst oder eine Aussetzung verlangt. Ein Rollback muss betroffene Chargen, Aufzeichnungen und nachgelagerte Maßnahmen berücksichtigen; es ist mehr als die Wiederherstellung einer Softwaredatei. Übertragen Sie PCCP-Leitlinien für Medizinprodukte nicht ungeprüft auf Modelländerungen in der Arzneimittelherstellung.
Biologika, sterile Produkte und neuartige Therapien brauchen produktspezifische Kontrollen
Bioprozesse sind durch Rohstoffvariabilität, komplexe Messungen und maßstabsabhängiges Verhalten geprägt. KI kann Trendinterpretation oder Prozessentwicklung unterstützen, doch kleine Datensätze und wenige Fehlerbeispiele können die Bewertung schwächen. Prüfen Sie, ob die Daten den beanspruchten Betriebsbereich und Produktkontext stützen.
Nehmen Sie nicht an, dass Software Kontaminationskontrolle, Asepsiesicherheit, geeignete Prüfungen oder Identitätskontrollen ersetzen kann. EU-GMP enthält spezifische Vorgaben für sterile Herstellung und Arzneimittel für neuartige Therapien (ATMP), einschließlich Teil IV für Letztere. Nutzen Sie den geltenden produktspezifischen Rahmen und Standortverfahren statt einer allgemeinen KI-Checkliste. EudraLex — Volume 4 — Good Manufacturing Practice guidelines
Kommerzielle Versorgung: Qualitätsinformationen müssen dem Produkt folgen
Kommerzielle Einsatzbereitschaft umfasst validierten Betrieb, gewartete Anlagen, kontrollierte Materialien und verlässliche Übergaben zwischen Hersteller, Qualitätsfunktion, Zulassungsinhaber und Vertriebspartnern. Eine Bestandsverfügbarkeitsprognose gleicht weder ungeklärte Qualitätsauswirkungen noch eine unautorisierte Freigabe aus.
KI kann Nachfrage-, Wartungs- oder Versorgungsrisikoplanung unterstützen; unterscheiden Sie diese Anwendungen jedoch von GMP-Qualitätsentscheidungen. Legen Sie Verantwortlichkeiten für Grenzwertüberschreitungen, Sperren und Kommunikation fest und bewerten Sie ausgelagerte Tätigkeiten im pharmazeutischen Qualitätssystem. ICH Q9(R1) behandelt ausdrücklich Produktverfügbarkeitsrisiken infolge herstellungsbezogener Qualitätsprobleme; Resilienz und Qualität sollten nicht getrennt gesteuert werden. Q9(R1) Quality Risk Management Q10 Pharmaceutical Quality System EudraLex — Volume 4 — Good Manufacturing Practice guidelines
Hypothetisches Szenario: ein unerwarteter Bioreaktortrend
Ein Überwachungsmodell meldet ein unbekanntes Bioreaktormuster. Der Bediener ändert die Rezeptur nicht automatisch. Der genehmigte Arbeitsablauf prüft Sensorstatus und Phasenzuordnung, sichert die Daten und leitet das Ereignis an Prozess- und Qualitätsmitarbeiter weiter.
Die Prüfung erkennt einen möglichen materialbedingten Unterschied, doch die Nachweise reichen nicht aus, um Ursache oder Produktwirkung festzustellen. Das Team folgt genehmigten Untersuchungs- und Prüfverfahren, bewertet verbundene Chargen und dokumentiert die Entscheidung. Wird eine Modell- oder Kontrollstrategieänderung vorgeschlagen, durchläuft sie vor Einsatz die Änderungskontrolle.
Dieses Szenario veranschaulicht eine vorgeschlagene Reaktion, keinen berichteten HERMS-Einsatz. Entscheidend ist die Trennung von Erkennung, Untersuchung, wissenschaftlicher Schlussfolgerung, Prozessanpassung und autorisierter Chargenentscheidung.
Regulatorisches Umfeld: bestehende GMP von Vorschlägen unterscheiden
| Ressource | Status zum Prüfzeitpunkt | Bedeutung für Herstellungs-KI |
|---|---|---|
| FDA-Prozessvalidierung | Endgültige Leitlinie, Januar 2011 | Lebenszyklus-Validierungsprinzipien; keine reine Modellzulassung |
| ICH Q9(R1) / Q10 bei der FDA | Endgültige Leitlinien, Mai 2023 / April 2009 | Grundsätze des Risikomanagements und pharmazeutischen Qualitätssystems |
| FDA-Papier zu KI in der Herstellung | Diskussionspapier 2023, weder Entwurf noch endgültige Leitlinie | Möglichkeiten und regulatorische Fragen; keine pauschale Genehmigung |
| EU-GMP-Anhänge 11/15/16/17 | Aktuelles Verzeichnis führt etablierte Leitlinien im EU-GMP-Rahmen auf | Computergestützte Systeme, Validierung, QP-Verantwortung und Freigabestrategien |
| Vorgeschlagener Anhang 22 / überarbeiteter Anhang 11 | Konsultationsentwürfe 2025; endgültige Annahme nicht belegt | Vorgeschlagene KI-Texte nicht als geltende endgültige Anforderungen darstellen |
| FDA-Leitlinien zu Integrität / Part 11 | Endgültige unverbindliche Leitlinien; zugrunde liegende Vorschriften gelten gegebenenfalls | Genaue, verlässliche Daten und geeignete Aufzeichnungs-/Unterschriftskontrollen |
Die Kommissionskonsultation lief vom 7. Juli bis 7. Oktober 2025 und bezeichnet den neuen Anhang 22 sowie den überarbeiteten Anhang 11 und Kapitel 4 als Entwürfe. Das geprüfte aktuelle EudraLex-Verzeichnis führt weiterhin Anhang 11 vom Januar 2011 auf. Behandeln Sie Anhang 22 als Vorschlag, solange keine endgültige amtliche Veröffentlichung anderes belegt. Ebenso darf das FDA-Diskussionspapier von 2023 nicht zur Leitlinie oder zum Gesetz aufgewertet werden. Artificial Intelligence in Drug Manufacturing EudraLex — Volume 4 — Good Manufacturing Practice guidelines Stakeholders’ Consultation on EudraLex Volume 4 — Good Manufacturing Practice Guidelines: Chapter 4, Annex 11 and New Annex 22
Praktischer 90-Tage-Fahrplan zur Einsatzbereitschaft und Leistungskennzahlen
| Planungszeitraum | Vorgeschlagene Ergebnisse | Akzeptanzfrage |
|---|---|---|
| Tage 1–30 | Verwendungszweck; Daten-/Entscheidungsübersicht; Risikobewertung; Rollen und Quellenprüfung | Ist das Problem klar definiert und sind die Daten für die Aufgabe geeignet? |
| Tage 31–60 | Konfigurierte Kontrollen; Testplan; repräsentative Bewertung; Rückfallverfahren und Schulung | Kann der Arbeitsablauf folgenschwere Fehler erkennen und sicher behandeln? |
| Tage 61–90 | Unabhängige Prüfung; kritische Feststellungen behoben; kontrollierter Pilot/Freigabe; Überwachung | Ist das Restrisiko nach genehmigten Verfahren akzeptabel? |
Diese Zeiträume sind Beispiele, keine Umsetzungszusagen. Definieren Sie falsch negative kritische Ereignisse, Falschpositivbelastung, Rückverfolgbarkeit von der Quelle bis zur Entscheidung, Korrekturen nach Prüfung, überfällige Änderungen, Alarmuntersuchungsdauer und CAPA-Wirksamkeit. Geben Sie Bezugsgrößen und Schweregrad an. Verbinden Sie Effizienz und Qualität; ein universeller Zahlenzielwert ist nicht für alle Prozesse vertretbar.
HERMS-Perspektive: Prozessnachweise mit klar verantworteten Entscheidungen verknüpfen
HERMS positioniert AXION für Herstellungsqualität, SYNTRIX für Bioprozesse/Maßstabsvergrößerung, INNEXIS für Technologietransfer, VERIQIS für Nachweisintegrität und ARQON für Versorgung/Kühlkette. Dies sind Unternehmensbeschreibungen, keine unabhängig validierten Funktionen, regulatorische Akzeptanz oder gemessenen Ergebnisse. Eine nützliche Demonstration sollte zeigen, wie der vorgeschlagene Arbeitsablauf Quellen, Konfiguration, Entscheidungsrechte und erforderliche Genehmigungen bewahrt. AI Life Sciences Software 25 HERMS Solutions
Informieren Sie sich über HERMS-Lösungen für Herstellungsqualität und Bioprozesse, um Ihre Anforderungen an Prozessüberwachung, Validierung und Qualitätsaufsicht zu besprechen. HERMS manufacturing quality and bioprocess solutions
Häufig gestellte Fragen
Wie wird KI in der pharmazeutischen Herstellung eingesetzt?
Mögliche Anwendungen sind Prozessdesignanalyse, Trendüberwachung, Anomalieerkennung, Wartungsunterstützung und Nachweiszusammenstellung. Das Risiko hängt vom Verwendungszweck und davon ab, ob das System nur empfiehlt oder Aktionen direkt steuert. Das FDA-Diskussionspapier beschreibt Möglichkeiten, keine pauschale Genehmigung jedes Einsatzes. Artificial Intelligence in Drug Manufacturing
Erfordert jede KI-Anwendung dieselbe Validierung?
Nein. Definieren Sie Tätigkeit, regulierte Auswirkungen, Aufzeichnungen und Abhängigkeit. Die Absicherung sollte Risiko, Unsicherheit und möglichen Qualitätsfolgen entsprechen. Eine Schreibhilfe und ein prozesssteuerndes Modell benötigen unterschiedliche Nachweise. Bestehende anwendbare Prozess- und Computersystemkontrollen bleiben relevant. Process Validation: General Principles and Practices Q9(R1) Quality Risk Management EudraLex — Volume 4 — Good Manufacturing Practice guidelines
Kann KI eine Arzneimittelcharge genehmigen?
KI kann Aufzeichnungsprüfungen, Vorhersagen und Ausnahmeprüfungen unterstützen. Sie ersetzt weder erforderliche autorisierte Qualitätsentscheidungen noch die QP-Zertifizierung. EU-Anhang 16 behandelt QP-Zertifizierung/Chargenfreigabe; Anhang 17 unterschiedliche kontrollierte Freigabestrategien. Beachten Sie Rechtsraum, Produktzulassung und genehmigte Verfahren. EudraLex — Volume 4 — Good Manufacturing Practice guidelines
Ist PAT dasselbe wie KI?
Nein. Die Prozessanalysentechnik ist ein breiterer Rahmen für Prozessverständnis und innovative Kontrolle. KI kann eine Komponente sein, doch PAT kann andere analytische und statistische Methoden nutzen. Keine der Bezeichnungen validiert eigenständig den Prozess oder erlaubt eine Echtzeit-Freigabeprüfung. PAT — A Framework for Innovative Pharmaceutical Development, Manufacturing, and Quality Assurance EudraLex — Volume 4 — Good Manufacturing Practice guidelines
Kann KI die Grundursache einer Abweichung ermitteln?
Sie kann Hypothesen vorschlagen und Nachweise zusammenstellen, doch eine plausible Erklärung ist keine gesicherte Ursache. Qualifizierte Untersuchende und die Qualitätsfunktion müssen Fakten, Alternativen und Produktfolgen im genehmigten Prozess bewerten. Bewahren Sie Originalnachweise und trennen Sie generierte Vorschläge von akzeptierten Schlussfolgerungen. Q10 Pharmaceutical Quality System Data Integrity and Compliance With Drug CGMP: Questions and Answers — Guidance for Industry
Ist EU-GMP-Anhang 22 bereits wirksam?
Eine endgültige Annahme war in den geprüften Quellen nicht belegt. Die amtliche Konsultation bezeichnet Anhang 22 als neuen Entwurf und endete im Oktober 2025; das aktuelle GMP-Verzeichnis führt weiterhin den etablierten Anhang 11 auf. Bestätigen Sie eine endgültige amtliche Veröffentlichung, bevor Sie geltende KI-spezifische Pflichten behaupten. EudraLex — Volume 4 — Good Manufacturing Practice guidelines Stakeholders’ Consultation on EudraLex Volume 4 — Good Manufacturing Practice Guidelines: Chapter 4, Annex 11 and New Annex 22
Darf ein Herstellungsmodell automatisch neu trainiert werden?
Nehmen Sie nicht an, dass Neutraining allein wegen technischer Machbarkeit erlaubt ist. Definieren Sie Modellrolle, einschlägige Genehmigung, Qualitätskontrollen und Änderungsverfahren. Bewerten Sie Daten, Prozessänderungen, Leistung und Auswirkungen vor Genehmigung einer neuen Konfiguration. Kontinuierliche Verbesserung befreit nicht von kontrollierten Änderungen. Process Validation: General Principles and Practices Q10 Pharmaceutical Quality System
Wie sollten Teams den Geschäftswert messen?
Vergleichen Sie akzeptierte, qualitätsgeprüfte Arbeit mit einer Ausgangsbasis einschließlich Prüfung, Nacharbeit, Integration und Wartung. Verfolgen Sie neben Zeit oder Kosten kritische übersehene Ereignisse, Fehlalarme, Rückverfolgbarkeit und Korrekturen nach Genehmigung. Schnellere Ergebnisse schaffen keinen Wert, wenn Erkennung, wissenschaftliche Schlussfolgerungen oder Produktqualitätssicherung geschwächt werden.
Die stärkste KI-Strategie in der Herstellung macht Prozesse verständlicher, ohne Verantwortung zu verschleiern. Halten Sie den Verwendungszweck ausdrücklich fest, Nachweise rückverfolgbar und Änderungen kontrolliert und weisen Sie erforderliche Qualitätsentscheidungen autorisierten Personen zu. Diese Disziplin zählt von der frühen Entwicklung bis zur letzten kommerziellen Übergabe.
Besprechen Sie über HERMS Solutions eine Bewertung der Qualitätsbereitschaft oder eine gezielte Demonstration, oder entdecken Sie weitere HERMS-Beiträge zu Herstellung und Life Sciences. HERMS Solutions HERMS manufacturing and life-sciences insights
