Prozesse haben zwei Seiten. Eine steht im System. Wir machen die andere beschreibbar und ausführbar.
Generative KI, die Ihre Abläufe versteht und Ihre Daten dort lässt, wo sie bleiben müssen.
Beispiel · Change Notification eines Lieferanten
Im System
Außerhalb des Systems
1Sichtbar machen
Wo entsteht mit KI überhaupt Wert?
Ihr Unternehmen ist ein Informationssystem. Nur eine Seite davon besteht aus Software.
Die formalisierte Seite
Was das System weiß.
ERP, DMS, LIMS, MES, CRM. Felder, Regeln, Freigaben. Was sich als Regel aufschreiben ließ, wurde vor Jahrzehnten Software. Die ist seitdem messbar, prüfbar, übertragbar.
- Lieferant
- Wirkstoffhersteller
- Änderung
- Neuer Standort für einen Syntheseschritt
- Produkte
- —
- Status
- In Bewertung
- Entscheidung
- Offen
Die andere Seite
Was die Bewertung braucht.
Menschen, E-Mails, Erfahrung. Lesen, einordnen, abwägen, entscheiden: ließ sich nie ausreichend klar als Regel in Software abbilden. Also galt es als Arbeit, nicht als System.
- Die Change Notification als PDF, oft auf Englisch
- Betroffene Produkte, aus Listen und Erinnerung
- Abgleich mit Zulassung und Qualitätsvereinbarung
- Frühere Änderungen dieses Lieferanten
Was sich geändert hat
Die andere Seite kann jetzt beschrieben und ausgeführt werden.
Nicht, weil KI klug ist, sondern weil urteilende, sprachliche Arbeit spezifizierbar wurde: durch Absicht, Kontext und Bewertungskriterien statt durch Regeln.
Gefunden
Was heute von Hand geschieht, wird sichtbar. Im Beispiel: sechs Schritte zwischen Eingang und Entscheidung.
Beschrieben
Jeder Schritt bekommt Absicht, Kontext und Bewertungskriterien statt einer Regel.
Ausgeführt
Agenten übernehmen vier Schritte. Risiko bewerten und entscheiden bleibt bei QA.
Was auf dem Spiel steht
Fast alle setzen KI ein. Wenige verdienen damit, und der Abstand wächst. Was die Vorreiter anders machen: nicht bessere Werkzeuge, sondern neu gestaltete Arbeit.
1,7×
Umsatzwachstum, die 5 % im Vergleich zu den 60 % (BCG)
1,6×
EBIT-Marge, 5 % zu 60 % (BCG)
3,6×
Aktionärsrendite über drei Jahre, 5 % zu 60 % (BCG)
Knapp ¾
der KI-Vorreiter haben ihre Abläufe grundlegend umgebaut, bei den übrigen nur ein Viertel (McKinsey)
- Pharma und Medizinprodukte: 60–110 Mrd. US-$ pro Jahr geschätztes Wertpotenzial generativer KI, von der Forschung bis zum Betrieb (McKinsey, Jan. 2024)
BCG, „The Widening AI Value Gap“, Sept. 2025 · McKinsey, „The State of AI“, 2026 · McKinsey, „Generative AI in the pharmaceutical industry“, Jan. 2024. Verschiedene Studien und Definitionen. BCG und „The State of AI“: Selbstauskünfte aus Befragungen; das Pharma-Potenzial ist eine Schätzung. Kein Renditeversprechen.
Ein bloßes Chat-Interface gibt Ihren Mitarbeitenden einen Taschenrechner für Text.Würden Sie Ihrer Buchhaltungsabteilung eine Kiste voll Taschenrechner geben oder lieber ein Buchhaltungsprogramm?
2Prüfen
Schafft die KI diese Arbeit?
Das zeigen wir am Prototyp, nicht auf Folien. Und messen es an Ihrer Baseline.
Wir bewerten wie in der Wirkstoffforschung: viele Kandidaten günstig prüfen, früh aussortieren, nur die aussichtsreichen weiterentwickeln. Go/No-Go an jedem Gate; die Abbruchkriterien werden vorher festgelegt.
- 0
Vorstufe
Wo drückt es im Prozess und was wäre möglich?
≈ Indikation finden< 1 PT - 1
RG1 · Konzept
Lässt sich die Arbeit testbar beschreiben?
≈ Kandidat beschreiben< 1 PT - 2
RG2 · Machbarkeit
Kann ein Agent die Arbeit grundsätzlich erledigen?
≈ Präklinik1–5 PT - 3
RG3 · Messbarkeit
Wie gut, gemessen am Kontrollarm?
≈ Wirksamkeitsnachweis5–20 PT
Beschreiben und einordnen · Stufe 0 und 1
Was ist der Prozess, und was davon kann die KI übernehmen? Wir beschreiben die Schritte, die die KI übernimmt, und die, bei denen ein Mensch prüft und freigibt. Und wir klären, ob Sie es dürfen: regulatorische Triage je Fall, Zweckbestimmung und Risikoeinstufung nach AI Act, GMP-kritische Anwendungen nach EU GMP Annex 11 und 22 (Entwurf) gesondert.
Nachweisen · Stufe 2 und 3
Erst ein Prototyp in einer Testumgebung, mit Ihren Key Usern: Schafft ein Agent die Arbeit grundsätzlich? Dann die Messung: Die Baseline steht fest, bevor gebaut wird. Gemessen wird gegen sie wie gegen einen Kontrollarm, mit Benchmarks und Tuning.
Auch ein begründetes Nein ist ein Ergebnis. Sie zahlen für Klarheit, nicht für Euphorie.
Was Sie am Ende in der Hand haben
Eine belegte Empfehlung, in welchen Fall es sich zu investieren lohnt.
Sie wissen, dass es voraussichtlich funktioniert.
Gezeigt am Prototyp, gemessen an Ihrer Baseline. Die Empfehlung stützt sich auf die Nachweise, die wir in jedem Gate dokumentieren.
Sie wissen, dass Sie es dürfen.
Regulatorisch eingeordnet, bevor gebaut wird. Die Freigabe bleibt bei Ihnen.
Damit investieren Sie in ein Softwareprojekt, nicht in ein Experiment.
Eine belastbare Grundlage, um einen Fall in den Betrieb zu bringen und Ihre Fachabteilungen produktiver zu machen.
Die Nachweise, dokumentiert für Ihre QS
- Prozessbeschreibung: welche Schritte die KI übernimmt, wo ein Mensch prüft und freigibt
- Regulatorische Einordnung je Fall, Zweckbestimmung und Risikoeinstufung nach AI Act
- Machbarkeitsnachweis am Prototyp
- Messkonzept und Messung gegen die Baseline
- Go/No-Go je Gate, begründet und gegen vorher festgelegte Abbruchkriterien
Vorstufe und Konzept in drei Halbtagen.
In der Use Case Discovery Serie klären wir mit Ihren Fachabteilungen, wo es drückt und welche Fälle sich testbar beschreiben lassen. Sie erhalten eine priorisierte Shortlist mit Konzept, Messgrößen und Verantwortlichen je Fall.
3Gefunden
Woher wissen Sie, dass das funktioniert?
Weil wir es gemacht haben: bei einem GMP-regulierten Pharmahersteller, mit echten Daten.
600+ Mitarbeitende. Key User bauten im Pilot selbst mit, begleitet von der IT und uns.
Die Fälle
40 Personentage, vier Fälle, ein Gewinner.
Die Ausgangslage
Der Kunde hatte ein festes Budget und eine Frage: Welcher Fall lohnt sich für uns am meisten? In 40 Personentagen haben wir vier Kandidaten beschrieben und geprüft, die Voraussetzungen geklärt und die Systeme angesehen, in die die KI eingebunden werden müsste. Denn die Integration ist immer firmenspezifisch: Ein Fall, der in der Theorie funktioniert, scheitert an den Werkzeugen im Haus. Oder ein anderer wird dadurch einfacher.
- verworfenDatenauskunft per Chat. Keine einheitliche Datenstruktur; der Aufbau eines Semantic Layer hätte das Budget gesprengt. Anti-Patterns in der Datenbank.
- umgebautDokumententwürfe im GMP-Umfeld. Erste Fassung mit GMP-kritischem Schritt, nicht validierbar; verlegt auf einen unkritischen Schritt. Zu validierende Schritte müssen aktuell deterministisch sein.
- zurückgestelltRecherche in vernetzten Verfahrensdokumenten. Funktioniert, Zuverlässigkeit bewertet. Zurückgestellt, weil fehlende Zugriffsrechte in den vorhandenen Werkzeugen die Integration zu einem großen Softwareprojekt gemacht hätten.
- ausgewähltSystemsupport aus Handbüchern. Ein Alltagsproblem mit klarer Messlatte: Der Aufwand im Support ist bekannt, jede Verbesserung lässt sich belegen. Technisch dem Recherche-Fall ähnlich.
Stand September 2026: Empfehlung ausgesprochen, Produktivprojekt in Budgetierung.
Die Empfehlung
Systemsupport aus Handbüchern
Der einzige der vier Fälle mit vorhandener Baseline
Warum dieser Fall
Von den vier Fällen am einfachsten zu automatisieren, weil der Prozess so klar ist: Die Schritte lassen sich präzise beschreiben, die Baseline ist vorhanden, die Integration ist machbar. Infrastruktur und Integrationsaufwand kannten wir nach den ersten drei Fällen.
Was vorbereitet ist
- Messkonzept gegen die bestehende Baseline
- Machbarkeit im Prototyp gezeigt
- Schätzung für Zuverlässigkeit und Produktivitätsgewinn, gestützt auf den Recherche-Fall
Was noch aussteht
Die Messung selbst: als erste Phase des Produktivprojekts, im Betrieb und gegen die vorhandene Baseline. Belastbare Zahlen gibt es erst dann.
Die Umgebung
Die Vorgaben kamen vom Kunden. Wir haben die strengste Variante umgesetzt.
Gesucht war eine sichere Umgebung, in der Prototypen mit echten Daten geprüft werden. Das Ergebnis richtet sich nach den Anforderungen des Kunden, nicht nach einem fixen Geschäftsmodell. Hier waren es die strengsten.
- „On-Premise. Ohne Ausnahme.“Isoliertes Netz ohne Internetzugang, eigener GPU-Server, VMs aus dem eigenen Rechenzentrum. Die Daten verlassen das Haus nicht, auch nicht zum Testen.
- „Echte Daten, aber nichts darf verändert werden.“Nur lesender Zugriff auf die Produktionssysteme: aktuelle Daten, ohne Risiko für die Systeme.
- „Für mehrere Nutzer gleichzeitig.“Kein Einzelplatz, sondern eine Umgebung für das ganze Team.
- „Keine Lizenzkosten.“Offene Werkzeuge ohne laufende Gebühren: LibreChat, n8n, Docling, pgvector, vLLM.
80.000 €
Kaufpreis GPU-Server
≈ 440 €
Strom pro Monat bei ≈ 3,5 kW Volllast
12 → 50
Key User heute, ausgelegt für ≈ 50
Im Rechenzentrum des Kunden
Isoliertes Netz ohne Internetzugang
Eigener GPU-Server · VMs aus dem eigenen Rechenzentrum
Gestrichen, weil der Kunde On-Premise verlangt hat
Cloud in der EU
Ca. 9.000 € pro Monat bei dauerhaftem Betrieb
Sovereign API
Ca. 2,25 € pro Million Tokens
Für andere Anforderungen sind beide Wege offen: Das Ergebnis richtet sich nach Ihren Anforderungen.
Sie möchten mehr über einen Projektablauf erfahren?
Im Gespräch erzählen wir Ihnen, wie wir vergleichbare Fälle oder vergleichbare Anforderungen in einer entsprechenden Umgebung aufsetzen können. Vereinbaren Sie ein kostenfreies und unverbindliches Erstgespräch.
4Tragen
Wer trägt das, auch ohne Sie?
Nach der Übergabe trägt Ihr Team. Was darüber hinausgeht, tragen Partner unter unserer Verantwortung.
Ein kleines Team. Ein großes Netzwerk. Ein Ansprechpartner.
Klaus Kestel
Gründer · Strategie und Methodik
Mehrfacher Gründer in Healthcare IT · Dozent, HTWG Konstanz
Dr. Ulrich Kestel
Kommunikation, Compliance, GMP
18 Jahre Leitung der Qualitätskontrolle, deutsches Pharmaunternehmen
Mike Groezinger
Architektur und agentische Systeme
30 Jahre Softwarearchitektur · Mitwirkung am Laborstandard SiLA
Benjamin Dums
Entwicklung und Modernisierung
Senior App Developer · KI-gestützte Modernisierung von Legacy-Code
Das Netzwerk
Codify
Agentische Enterprise-Systeme, Cloud
Ayedo
Edge Cloud, Managed Kubernetes
Audity
Voice AI, Echtzeit-Interaktion
cyberLAGO
Netzwerk für IT und Cybersicherheit
BioLAGO
Netzwerk für Gesundheit und Life Sciences
Wer was trägt
Ein Vertrag, ein Verantwortlicher, klare Grenzen.
Lapiscode, immer
Methodik, Architektur, Evaluation, Koordination und Verantwortung. Laufende Empfehlungen, bei Bedarf in festen Abständen: für welches Modell oder welchen Baustein lohnt sich ein Update oder ein Tausch?
Partner, bei Bedarf
Kapazität für größere Bauvorhaben, Betrieb, Spezialgebiete. Wenn Sie es möchten, auch mit Service Level Agreements und 24/7-Support für den Betrieb. Unter unserer Verantwortung und Ihrer NDA.
Bei Ihnen
Prozessverantwortung, Freigaben, Betrieb nach der Übergabe. Mit Vorlagen, Dokumentation und Schulung. Ob europäische KI-API, Cloud in DE/EU oder eigene Hardware: eine Umgebung aus offenen, austauschbaren Bausteinen, die Ihnen gehört.
5Einstieg
Wie fangen wir an?
Sie können klein anfangen. Mit einer Stunde oder mit einem halben Tag.
Unser Vorschlag bringt Ihre Fälle durch Vorstufe und Konzept. Wenn Sie in kleinerem Umfang beginnen möchten, gibt es zwei Wege.
Unser Vorschlag
3 Halbtage · remote oder vor OrtUse Case Discovery Serie
Drei Halbtage mit Ihren Fachabteilungen: Use Case Discovery, GenAI Patterns by Example, Use Case Analysis. Danach starten Sie direkt bei der Machbarkeit.
- 1Ein gemeinsames Zielbild: Was soll KI bei Ihnen leisten?
- 2Die erste Beschreibung Ihrer Prozesse, je Themenfeld auf einem Canvas
- 3Eigene Erfahrung: Ihre User probieren die Technologie in einer Testumgebung selbst aus
- 4Eine priorisierte Shortlist mit Konzept, Messgrößen und Verantwortlichen je Fall
- 5Unsere schriftliche Empfehlung, welche Fälle in die Bewertung gehen sollten
Noch nicht sicher?
1 HalbtagGenAI Patterns by Example
Was die Technologie kann, und was nicht. Mit Demo und Übungen. Voll anrechenbar, wenn Sie die Discovery Serie innerhalb eines Monats buchen.
Zum Workshop →Erst einmal reden?
1 Stunde · kostenfreiErstgespräch
Sie erzählen, wo es drückt. Wir sagen Ihnen ehrlich, ob und wie wir helfen können.
Klaus Kestel
Ihr Ansprechpartner für das Erstgespräch
Umfang, Konditionen und Termine auf den Seiten der Formate.