MAC IT-Solutions auf der K5 2026: KI trifft ERP – live in Berlin
Startseite / MAC IT-Solutions auf der K5 2026: KI trifft
C. Moll
28. Mai 2026
Regulierte Branchen können KI und Cloud sicher nutzen, wenn sie neue Technologien nicht isoliert einführen, sondern von Anfang an mit klaren Verantwortlichkeiten, kontrollierten Datenprozessen und nachvollziehbaren Entscheidungen verbinden.
Gerade in Pharma, Biotech, Medizintechnik oder Animal Health entsteht dadurch eine neue Form der digitalen Transformation. Es geht nicht mehr nur darum, moderne Technologien schneller verfügbar zu machen. Entscheidend ist, ob Unternehmen Innovation so gestalten können, dass sie auch unter regulatorischen Anforderungen – GxP, EU AI Act, FDA 21 CFR Part 11 – dauerhaft tragfähig bleibt.
KI und Cloud versprechen Geschwindigkeit, Automatisierung und neue Möglichkeiten im Umgang mit Daten. Gleichzeitig erhöhen sie die Anforderungen an Transparenz, Dokumentation und Kontrolle. Wer diese beiden Perspektiven getrennt betrachtet, riskiert neue Komplexität. Wer sie gemeinsam denkt, schafft die Grundlage für eine belastbare digitale Architektur.
Viele Unternehmen starten mit KI über einzelne Anwendungsfälle: ein Assistent für Dokumente, eine automatische Klassifizierung, eine Prognose im Qualitätsumfeld oder ein Tool zur Analyse großer Datenmengen. Das ist nachvollziehbar, weil der Nutzen schnell sichtbar werden soll.
Im regulierten Umfeld reicht diese Sicht jedoch nicht aus. Eine KI-Anwendung ist selten nur ein einzelnes Tool. Sie nutzt Daten, erzeugt Ergebnisse, beeinflusst Entscheidungen und wird häufig mit bestehenden Systemen verbunden. Damit entsteht automatisch eine Verbindung zu Prozessen, Verantwortlichkeiten und regulatorischen Nachweisen.
Deshalb sollten Unternehmen früh klären:
Der Unterschied zwischen einem Experiment und einem belastbaren KI-Einsatz liegt nicht in der Technologie allein. Er liegt in der Fähigkeit, Nutzen, Risiko und Verantwortung sauber zusammenzuführen.
Klassische Software folgt definierten Regeln. KI-Systeme arbeiten anders: Sie basieren auf Daten, Trainingsständen, Wahrscheinlichkeiten und Modellen, die nicht immer linear erklärbar sind. Genau das macht sie im regulierten Umfeld besonders anspruchsvoll.
Explainable AI (XAI) bedeutet in der Praxis nicht, dass jedes technische Detail eines Modells allgemeinverständlich erklärt werden muss. Unternehmen müssen aber nachweisen können, warum ein KI-System in einem bestimmten Kontext eingesetzt wird, auf welcher Datengrundlage es arbeitet und wie Ergebnisse überprüft werden.
Besonders relevant sind dabei:
Responsible AI: Klare Regeln für ethisch vertretbare, diskriminierungsfreie Modellergebnisse
Explainable AI: Nachvollziehbarkeit von Modellentscheidungen für Auditoren und Fachbereiche
Human Oversight: Definierte Kontrollpunkte, an denen Menschen Ergebnisse bewerten und freigeben
Trainings- und Testdaten: Vollständige Dokumentation von Herkunft, Version und Qualität
Modell- und Systemänderungen: Revisionssicheres Change Management analog zu Computer System Validation (CSV)
Grenzen automatisierter Entscheidungen: Klare Definition, welche Entscheidungen immer menschliche Freigabe erfordern
KI darf im regulierten Umfeld keine Black Box im Prozess werden. Sie muss so eingebettet sein, dass Menschen Entscheidungen verstehen, bewerten und verantworten können.
Cloud- und SaaS-Lösungen verändern die Art, wie Unternehmenssysteme betrieben werden. Infrastruktur, technische Wartung und bestimmte Sicherheitsmechanismen liegen stärker beim Anbieter. Die regulatorische Verantwortung für die eigenen Prozesse, Daten und Nachweise bleibt jedoch beim Unternehmen.
Das wird besonders relevant, weil moderne Cloud-Plattformen kontinuierlich weiterentwickelt werden. Neue Funktionen, Updates und technische Änderungen entstehen häufiger als in klassischen On-Premises-Umgebungen. Für regulierte Unternehmen verlangt das ein anderes Betriebsmodell – kein höheres Risiko, aber mehr Governance.
Statt Cloud nur als IT-Infrastruktur zu betrachten, sollten Pharmaunternehmen und Medizintechnikhersteller sie als Teil ihres Compliance-Modells verstehen. Dazu gehören:
Cloud kann Unternehmen schneller, skalierbarer und flexibler machen. Aber sie entbindet sie nicht davon, den validierten und kontrollierten Zustand ihrer geschäftskritischen Prozesse zu sichern.
Viele Compliance-Modelle stammen aus einer Welt, in der Systeme über längere Zeit stabil blieben. Ein Projekt wurde umgesetzt, validiert und anschließend über definierte Change-Prozesse weiterentwickelt. KI- und Cloud-Landschaften funktionieren dynamischer.
Daten verändern sich. Modelle werden angepasst. Systeme erhalten regelmäßige Updates. Dadurch wird Compliance weniger zu einem einmaligen Projektabschnitt und stärker zu einer dauerhaften Betriebsaufgabe – Continuous Compliance statt einmaliger Validierung.
In der Praxis bedeutet das:
Entscheidend ist, ob Unternehmen Technologie dauerhaft kontrolliert betreiben können – nicht nur, ob sie sie korrekt eingeführt haben.
Eine moderne Governance für KI und Cloud sollte nicht als zusätzlicher Verwaltungsaufwand verstanden werden. Sie ist der Rahmen, der Innovation überhaupt skalierbar macht.
Zu starre Modelle bremsen Innovation. Zu lockere Modelle gefährden Nachvollziehbarkeit und Compliance. Erfolgreiche Unternehmen schaffen Leitplanken, innerhalb derer neue Technologien sicher genutzt werden können.
So entsteht kein Kontrollapparat um der Kontrolle willen. Es entsteht ein Betriebsmodell, das Geschwindigkeit und regulatorische Sicherheit miteinander verbindet.
Mit dem EU AI Act entsteht erstmals ein verbindlicher Rechtsrahmen für Künstliche Intelligenz in Europa. Für regulierte Branchen ist das besonders relevant: KI-Anwendungen in Medizinprodukten, der Pharmaproduktion oder klinischen Entscheidungsunterstützungssystemen können als Hochrisiko-KI nach Artikel 6 eingestuft werden – mit entsprechenden Anforderungen an Transparenz, Dokumentation, menschliche Aufsicht und technische Robustheit.
Für Unternehmen bedeutet das: KI-Strategien brauchen nicht nur technische Architektur, sondern auch organisatorische Reife. Wer heute KI einführt, ohne die regulatorische Dimension zu berücksichtigen, riskiert spätere Nachqualifizierungen und Compliance-Lücken.
Auch Marktanalysen untermauern diesen Zusammenhang. Der Microsoft Dynamics 365 Total Economic Impact™ Report von Forrester zeigt, dass standardisierte Prozesse, höhere Transparenz und reduzierte manuelle Aufwände erhebliche wirtschaftliche Effekte erzeugen – und dass genau diese Faktoren im regulierten Umfeld gleichzeitig Compliance und Effizienz stärken.
Explainable AI (XAI) bezeichnet die Fähigkeit eines KI-Systems, seine Entscheidungsgrundlagen für Menschen nachvollziehbar darzustellen. Im regulierten Umfeld bedeutet das: Unternehmen müssen dokumentieren, warum ein KI-Modell eingesetzt wird, welche Daten es verwendet und wie Ergebnisse überprüft werden – vergleichbar mit den Nachweispflichten nach EU-GMP Annex 11.
Der EU AI Act klassifiziert KI-Systeme nach Risikoklassen. KI in Medizinprodukten, klinischen Entscheidungssystemen oder kritischer Infrastruktur gilt häufig als Hochrisiko-KI (Art. 6). Für diese Systeme gelten Pflichten zu Transparenz, technischer Dokumentation, menschlicher Aufsicht und Konformitätsbewertung – vieles davon überschneidet sich mit bestehenden GxP-Anforderungen.
Nicht zwingend, aber es muss bewertet werden. Risikobasiertes Change Management bedeutet: Jedes Update wird auf seinen Einfluss auf GxP-relevante Prozesse geprüft. Ist der Einfluss gering, reicht eine dokumentierte Risikoabwägung. Betrifft das Update validierte Abläufe, ist ein gezielter Requalifizierungsschritt erforderlich.
KI und Cloud verändern regulierte Unternehmen grundlegend. Sie eröffnen neue Möglichkeiten, Prozesse zu automatisieren, Wissen besser nutzbar zu machen und Entscheidungen datenbasierter zu treffen. Gleichzeitig erhöhen sie die Anforderungen an Verantwortung, Nachvollziehbarkeit und Kontrolle.
Der erfolgreiche Einsatz entsteht deshalb nicht durch einzelne Tools, sondern durch ein klares Zusammenspiel aus Technologie, Datenqualität, Governance und Betriebsmodell.
Compliance ist dabei nicht das Gegenteil von Innovation. Richtig verstanden ist sie deren Voraussetzung: Sie sorgt dafür, dass KI im regulierten Umfeld dauerhaft nutzbar, auditierbar und verantwortbar bleibt – und damit überhaupt erst skalierbar wird.
Startseite / MAC IT-Solutions auf der K5 2026: KI trifft
Startseite / collana health erweitert Kompetenz im Schweizer Gesundheitswesen Mit
Auch im Förderjahr 2025/26 unterstützt collana erneut das Deutschlandstipendium an der Europa-Universität Flensburg. Damit fördern wir begabte und leistungsstarke Studierende aus den MINT-Fächern und stärken gezielt junge Talente in unserer Region.