Inhaltsverzeichnis
Das Wichtigste vorab
Ist Annex 22 bereits anzuwenden und welche KI erfasst der Entwurf?
Am 26. Oktober 2026 führt das amtliche EudraLex-Verzeichnis keinen finalen Annex 22. Der Entwurf 2025 erfasst statische, deterministische KI-Modelle in kritischen GMP-Anwendungen und grenzt unter anderem generative KI und LLM aus. Der am 2. Oktober veröffentlichte EMA-Workshopbericht beschreibt eine diskutierte Scope-Erweiterung unter einer dokumentierten, robusten, risikobasierten Kontrollstrategie. Er ist kein neuer Annex-Text und keine allgemeine Freigabe. Für Ihre Anwendung müssen Zweck, Fehlerfolgen, Verantwortlichkeiten und geeignete Nachweise zusammenpassen.
- Entwurf 2025, EMA-Workshopbericht Oktober 2026 und heutige Anforderungen getrennt halten.
- Modelltyp und Anwendungsrisiko beantworten unterschiedliche Fragen.
- Unabhängige Testdaten und Teilgruppen sind wichtiger als eine einzige Trefferquote.
- Menschliche Mitwirkung muss als konkrete Kontrolle funktionieren.
Welcher Stand gilt am 26. Oktober 2026?
Die Europäische Kommission veröffentlichte Annex 22 gemeinsam mit Überarbeitungen von Annex 11 und Kapitel 4 zur Konsultation. Diese lief vom 7. Juli bis 7. Oktober 2025 und ist geschlossen. Die aktuelle EudraLex-Übersicht führt Annex 11 weiterhin in der Revision Januar 2011; Annex 22 ist dort nicht als geltender Annex aufgeführt.
Seit dem 2. Oktober 2026 liegt der Bericht zum EMA-Expertenworkshop vom 30. Juni und 1. Juli vor. Seine Einleitung beschreibt, dass die Drafting Group eine Erweiterung auf dynamische, adaptive, probabilistische und generative Modelle erörtert hat. Voraussetzung wäre eine vollständig dokumentierte, robuste, risikobasierte Kontrollstrategie. Die Beiträge fließen in die laufende Überarbeitung ein; die Erörterung ist kein beschlossener neuer Scope.
Eine neue Anwendungsfrist oder Übergangsperiode ist damit nicht belegt. Nutzen Sie den Entwurf zur Vorbereitung und den Bericht zur Einordnung der offenen Diskussion. Der hier betrachtete geltende EU-GMP-Bezug betrifft Humanarzneimittel; der Entwurf beschreibt kritische KI-Anwendungen in der Herstellung von Arzneimitteln und Wirkstoffen.
Für die Arbeit im Team ergänzt das Praxispaket diesen Artikel um zwei PDFs: Das Use-Case-Entscheidungsblatt führt von Aufgabe und GMP-Entscheidung zu Einsatzgrenze und offenem Nachweis. Die Nachweis-/Betriebsmatrix verbindet Anforderungen, Testdaten, Kriterien und Ergebnisse mit Verantwortung, Änderungen und Monitoring.
Originalquellen für die Statusprüfung
Das EudraLex-Verzeichnis benennt geltende Fassungen; die Konsultationsunterlagen dokumentieren den Vorschlag. Der EMA-Workshopbericht dokumentiert Expertenbeiträge und die weitere Beratung. Ein Arbeitsplan beschreibt Ziele, kein Anwendungsdatum. Die folgende eigene Quellenprüfhilfe trennt diese Aufgaben. Prüfen Sie bei einer neuen Veröffentlichung auch Fassung und tatsächlichen Anwendungsbeginn.
| Quelle | Was sie belegt | Was daraus nicht automatisch folgt |
|---|---|---|
| Aktuelles EudraLex-Verzeichnis | Dort geführte Fassung und Hinweise | Anwendbarkeit auf jeden Einzelfall |
| Konsultationsseite | Vorschlag und Konsultationszeitraum | Bereits geltende Neuregelung |
| Entwurfstext | Vorgeschlagener Inhalt und Modellumfang | Endgültige unveränderte Fassung |
| EMA-Workshopbericht vom 02.10.2026 | Diskutierte Ansätze und Beiträge zur laufenden Revision | Finaler Annex-Text oder pauschale Einsatzfreigabe |
| Finale amtliche Veröffentlichung | Veröffentlichter Text und Anwendungsangaben | Ungeprüfte Übernahme auf andere Prozesse |
| Herstellerinformation | Einordnung des Anbieters | Eigenständiger regulatorischer Statusbeleg |
Welche KI behandelt der Entwurf?
Der beschriebene Scope betrifft kritische Anwendungen in der Herstellung von Arzneimitteln und Wirkstoffen mit direktem Einfluss auf Patientensicherheit, Produktqualität oder Datenintegrität. Das Modell lernt seine Funktion durch Trainingsdaten. Eine unveränderliche Versionsnummer allein beweist weder statisches Verhalten noch deterministische Ergebnisse. Prüfen Sie auch vorgeschaltete Datenverarbeitung und eingebundene Komponenten.
Die folgende Einordnung fasst die Position des Entwurfs 2025 zusammen. Gerade diese Modellabgrenzung wird nach dem Workshop weiter beraten. Die Tabelle ist keine allgemeine Bewertung der Zulässigkeit sämtlicher KI-Anwendungen und ersetzt keine Prüfung weiterer einschlägiger Regelwerke.
| Merkmal | Entwurfsabgrenzung | Zu klärende Frage |
|---|---|---|
| Statisch und deterministisch | Im beschriebenen Modellscope | Bleiben Parameter bei Nutzung fest und liefert gleicher Input gleichen Output? |
| Automatisch weiterlernend | Ausgeschlossen; nicht für kritische Anwendungen vorgesehen | Verändert neue Betriebsinformation das Modell ohne kontrollierten Versionswechsel? |
| Generative KI oder LLM | Außerhalb des Scopes; nicht für kritische Anwendungen vorgesehen | Welche Aufgabe wird tatsächlich übertragen? |
| Nichtkritischer generativer Einsatz | Verantwortung qualifizierter Personen für geeigneten Output | Kann die zuständige Person Inhalt und Verwendungszweck fachlich beurteilen? |
Beginnen Sie bei der vorgesehenen Entscheidung
Beschreiben Sie nicht nur „Bildprüfung mit KI“. Halten Sie fest, welche Defekte erkannt werden sollen, was eine unauffällige Klassifikation auslöst und wie ungeklärte Ergebnisse behandelt werden. Lichtverhältnisse, Materialvarianten, seltene Fehler und ausgeschlossene Eingaben gehören zum vorgesehenen Eingaberaum. Erst daraus entstehen sinnvolle Anforderungen und Teilgruppen.
Ein Mitarbeiter, der jedes Resultat bestätigen soll, ist nicht automatisch eine wirksame zweite Kontrolle. Er braucht passende Informationen, Zeit, Fachkenntnis und eine Möglichkeit zum begründeten Widerspruch. Der Entwurf behandelt eine Verringerung des Modellprüfaufwands bei menschlicher Mitwirkung ausdrücklich als zu begründenden Ansatz mit beschriebener Verantwortung, Schulung und Leistungsüberwachung.
| Rolle | Konkrete Entscheidung | Nachweis |
|---|---|---|
| Prozesseigner | Welche Defekte muss die Bildprüfung erkennen, und was löst ein Ergebnis aus? | Defektklassen, Eingabegrenzen und alternativer Prüfablauf |
| QA | Welche Kriterien und welcher Umgang mit einem nicht erfüllten Kriterium tragen den Einsatz? | Vorab abgestimmte Kriterien und begründete Verwendungsentscheidung |
| Daten- und Modellexperte | Sind Modellstand und unabhängige Prüfdaten nachvollziehbar? | Versionen, Herkunft, Trennung und Ergebnisse je Teilgruppe |
| IT und System Owner | Wie bleiben Konfiguration, Zugriffe und Änderungen kontrolliert? | Freigegebener Systemstand, Änderungs- und Betriebsverfahren |
Quellen: [4]
Trainingsdaten und Prüfdaten getrennt beherrschen
Der Entwurf unterscheidet Entwicklung und unabhängige Leistungsprüfung. Ein während der Optimierung wiederholt betrachteter Datensatz liefert keinen ebenso unabhängigen Schluss wie ein geeigneter zurückgehaltener Testsatz. Dokumentieren Sie Herkunft, Version, Kennzeichnung, Auswahl und erlaubten Zugriff. Auch Vorverarbeitung kann unbeabsichtigt Informationen aus der späteren Prüfung in die Entwicklung tragen.
Als praktische Arbeitshilfe empfiehlt sich eine Liste der Eingabegruppen mit bekannten Lücken. Ein fehlender seltener Defekt wird dort sichtbar als ungeprüfter Bereich, nicht als bestandene Anforderung. Der Begriff Validierungsdatensatz aus dem maschinellen Lernen beschreibt einen Entwicklungszweck; er ist nicht mit der GMP-Validierung des gesamten eingesetzten Systems gleichzusetzen.
Quellen: [4]
Ein eigener Prüffall: 95 Prozent reichen nicht für jede Teilgruppe
Illustratives Beispiel, kein Kundenfall und kein ausgeführter Modelltest: Ein unabhängiger Prüfsatz enthält 1.000 Bilder, darunter 120 fachlich bestätigte Defekte. Davon gehören 100 zur Gruppe A und 20 zur Gruppe B. Ein eingefrorenes Modell erkennt 98 Defekte in A und 16 in B. Die übrigen sechs Defekte übersieht es.
Das Gesamtmodell erkennt 114 von 120 Defekten, also 95 Prozent. Für Gruppe B sind es aber nur 16 von 20, also 80 Prozent. Im konstruierten Soll verlangt das Team vor Prüfungsbeginn mindestens 95 Prozent in jeder Defektgruppe. B erfüllt dieses eigene Kriterium nicht. Das Gesamtresultat darf die Teilgruppenentscheidung nicht überschreiben.
Von 880 tatsächlich unauffälligen Bildern stuft das Modell 22 fälschlich als auffällig ein. Damit sind 858 richtig unauffällig; insgesamt sind 972 von 1.000 Entscheidungen richtig. Auch diese Quote von 97,2 Prozent löst die Schwäche bei B nicht. Weder die Stichprobengröße noch die Grenzwerte sind allgemeine GMP-Vorgaben oder ein statistischer Eignungsnachweis.
| Gruppe | Vorhandene Defekte | Erkannt / übersehen | Erkennungsrate | Entscheid zum eigenen 95-%-Soll |
|---|---|---|---|---|
| A | 100 | 98 / 2 | 98 % | Erfüllt |
| B | 20 | 16 / 4 | 80 % | Nicht erfüllt |
| Gesamt | 120 | 114 / 6 | 95 % | Verdeckt den Befund in B |
Quellen: [4]
Befund, Erklärbarkeit und sichere Weiterarbeit
Die passende Reaktion auf den Beispielbefund hängt vom vorgesehenen Einsatz ab. Möglich sind eine fachlich begründete Eingrenzung des Einsatzes, eine überarbeitete Entwicklung mit neuer unabhängiger Prüfung oder ein wirksamer alternativer Ablauf. Das Ergebnis darf nicht einfach durch nachträglich gesenkte Kriterien passend gemacht werden. Entscheidung, Begründung und betroffene Anforderungen sollten zusammen auffindbar bleiben.
Erklärbarkeit und Konfidenzausgaben sind zusätzliche Informationen, keine automatische Bestätigung der Richtigkeit. Eine angezeigte hohe Modellkonfidenz ist nicht von sich aus die gemessene Wahrscheinlichkeit einer korrekten Entscheidung. Der Entwurf verlangt jeweils anwendungsbezogene Betrachtung. Für das Team ist konkret wichtig: Wer erkennt einen unentschiedenen Fall, wer entscheidet weiter und welcher Nachweis bleibt erhalten?
Eine ausgefüllte Entscheidungszeile für das Beispiel lautet: Bildprüfung der Defektgruppe B; Soll mindestens 95 Prozent Erkennung; Ergebnis 16 von 20, also 80 Prozent; vorgesehenen Einsatz vorerst nicht freigeben. Prozesseigner und QA legen fest, ob ein geeigneter alternativer Prüfablauf möglich ist oder eine neue Entwicklung mit unabhängiger Prüfung nötig wird. Aufbewahrt werden Daten- und Modellstand, Einzelbefunde, Kriterien und begründete Entscheidung.
Quellen: [4]
Änderungen betreffen auch die Umgebung
Ein unverändertes Modell kann mit anderen Eingaben anders funktionieren: Eine neue Kamera, andere Beleuchtung oder ein geänderter vorgeschalteter Filter kann die Datenverteilung verändern. Erfassen Sie deshalb Modell, Vorverarbeitung, Systemkonfiguration und relevante Prozessbedingungen als zusammenhängenden Stand. Ein Softwaredatei-Hash allein beschreibt nicht den ganzen Einsatz.
Der Entwurf verknüpft Änderungen und Monitoring mit erneuter Bewertung. Daraus folgt kein pauschaler Vollretest bei jedem Ereignis und ebenso wenig ein Verzicht auf Prüfung, solange die Modellnummer gleich bleibt. Dokumentieren Sie, welche Anforderungen und Teilgruppen betroffen sind, welche bisherigen Belege weiter passen und welche neue Prüfung die Unsicherheit tatsächlich auflösen soll.
Den fachlichen Prüfstand in den Projektunterlagen festhalten
Halten Sie neben der technischen Konfiguration fest, welche Dokumentfassung Sie wann ausgewertet haben, welche Aussage Ihr Vorhaben betrifft und welche Folge daraus entsteht. Verlinken Sie die Originalquelle und trennen Sie geltende Anforderungen, Entwurfspositionen und eigene Methodik. Eine generische Aussage „Annex-22-ready“ erklärt diesen Zusammenhang nicht.
Benennen Sie die Verantwortung für neue Veröffentlichungen und deren Auswirkungsbewertung. Eine Änderung des Entwurfs bedeutet nicht automatisch, dass jede bestehende Anwendung neu geprüft werden muss. Entscheidend ist, welche Einsatzgrenzen, Nachweise oder geplanten Entscheidungen betroffen sind.
So wird aus dem Entwurf eine brauchbare Vorbereitung
Für ein kleines Team ist ein konkreter Einsatzfall hilfreicher als eine abstrakte Liste aller KI-Technologien. QA, fachlicher Prozesseigner, IT und gegebenenfalls Datenexperten sollten dieselbe Entscheidungskette beschreiben können. Lieferantenunterlagen müssen zu genau diesem Modell- und Systemstand passen.
Arbeiten Sie zunächst die folgenden Punkte ab. Offene Fragen bleiben sichtbar mit Verantwortlichem und nächstem Nachweis. Diese Liste ist eine eigene Vorbereitungshilfe; ihre Erledigung ist keine Annex-22-Zertifizierung.
- Anwendung, Entscheidung und GMP-Bezug benennen.
- Statisches Verhalten, Determinismus und etwaige generative Komponenten unterscheiden.
- Eingaberaum, seltene Fehler und Teilgruppen festlegen.
- Herkunft und Unabhängigkeit der Prüfdaten nachvollziehen.
- Kriterien vor der Prüfung festlegen und Ergebnisse je relevantem Teilbereich bewerten.
- Menschliche Kontrolle mit tatsächlicher Verantwortlichkeit beschreiben.
- Änderungen, Monitoring und ungeklärte Ergebnisse in den Betrieb überführen.
- Regelwerksstatus vor wesentlichen Projektentscheidungen erneut prüfen.
Arbeitshilfen für Ihr Unternehmen
Annex 22: Ihr KI-Vorhaben nachvollziehbar planen
Zwei eigene ausfüllbare PDFs begleiten Sie vom abgegrenzten KI-Anwendungsfall zur Planung von Nachweisen und Betrieb. Sie halten geltende Systemkontrollen, den Entwurf von 2025 und die Workshopdiskussion von Oktober 2026 getrennt. Die Vorlagen unterstützen die Abstimmung im Team; eine behördliche Zustimmung oder Freigabe folgt daraus nicht.
Unterlagen für Ihr Unternehmen anfordern
3 Seiten, A4, ausfüllbares PDF
Annex 22: KI-Verwendung und Entscheidung
Einen KI-Anwendungsfall abgrenzen und eine begründete nächste Entscheidung vorbereiten.
Systemverantwortlicher, Prozessverantwortlicher, QA und KI-Projektleiter.
Das ist enthalten
- Seite 1: Geltende Systemkontrollen, Entwurf 2025 und Workshopdiskussion Oktober 2026; Arbeitsbeispiel und erster Auftrag.
- Seite 2: Ausfüllbares Profil zu Intended Use, Modell, Output, Einsatzgrenze, Fehlerfolge und menschlicher Entscheidung.
- Seite 3: Ausfüllbarer Entscheidungsauftrag mit vorhandenen Belegen, offenen Fragen, Zuständigkeit, Termin und Quellen.
Füllen Sie das Profil gemeinsam mit Fachbereich, IT und QA aus. Trennen Sie Nachweisstand und gewünschte Nutzung. Ein beschriebenes Einsatzprofil, die GMP-Auswirkung, offene Nachweise und ein konkreter Entscheidungsauftrag.
Verbindet die Statusabgrenzung 2011/2025/Oktober 2026 mit einem ausfüllbaren Intended-Use-Profil.
4 Seiten, A4, ausfüllbares PDF
Annex 22: Nachweise und Betrieb planen
Leistung, Fehlergrenzen, unabhängige Prüfdaten und Betriebsreaktionen für einen abgegrenzten KI-Einsatz planen.
KI-Projektleiter, Systemverantwortlicher, Data Science, Fachbereich und QA.
Das ist enthalten
- Seite 1: Nachweislogik, Statusabgrenzung und konkretes Planungsbeispiel mit Leistungs- und Fehlerkriterien.
- Seite 2: Ausfüllbare Datenplanung zu Herkunft, Referenz, unabhängiger Trennung, Teilgruppen, Randfällen und Unsicherheit.
- Seite 3: Ausfüllbarer Nachweisdatensatz mit Modell-/Datenversion, Teilgruppenergebnis, Abweichung und Freigabewirkung.
- Seite 4: Ausfüllbarer Betriebsplan für Monitoring, Änderung, Eskalation, Rückfall und erneute Nachweise; Quellen.
Legen Sie Kriterien vor der Prüfung fest. Führen Sie Ergebnis, Version und Maßnahmen anschließend in Ihrer Nachweisablage zusammen. Ein ausfüllbarer Nachweisplan mit Datenabgrenzung, Teilgruppen, Versionsbezug und Eskalationsentscheidung.
Ergänzt das Einsatzprofil um messbare Leistungs- und Fehlerkriterien sowie einen nutzbaren Betriebsplan.
Zwei Arbeitshilfen als PDF
Unterlagen für Ihr Unternehmen anfordern
Nennen Sie uns Ihren Namen, Ihr Unternehmen, Ihre geschäftliche E-Mail und eine Telefonnummer, unter der wir Sie erreichen. Wir besprechen Ihre Anfrage kurz telefonisch und senden Ihnen die beiden PDFs anschließend persönlich zu. Ein Newsletter ist dafür nicht erforderlich.
Ihre Anfrage ist eingegangen.
Wir melden uns telefonisch bei Ihnen, um Ihre Anfrage kurz abzustimmen. Anschließend senden wir Ihnen die Unterlagen persönlich per E-Mail zu.
Praxis & Zusammenarbeit
Modelltyp, Aufgabe und Nachweise gemeinsam einordnen
Wir beginnen die Bewertung eines KI-Vorhabens mit der Entscheidung, die das Modell unterstützen oder auslösen soll. Fachbereich und Datenverantwortliche beschreiben Eingaben, relevante Teilgruppen und mögliche Fehlfolgen; IT ordnet Modellstand und Vorverarbeitung zu. Erst danach lässt sich beurteilen, welche Prüfungen für diesen Einsatz aussagekräftig sind. Bei einem statischen Klassifikationsmodell stehen andere Fragen im Vordergrund als bei einem generativen Assistenten. Mit Ihrem Team halten wir diese Unterschiede und den tatsächlichen Regelwerksstand fest, damit ein gemeinsames Etikett „KI“ keine unpassenden Anforderungen oder Freigabeannahmen erzeugt.
Häufige Fragen zu Annex 22 und der Vorbereitung von KI-Projekten
Ist Annex 22 bereits verbindlich anzuwenden?
Die geprüfte offizielle Übersicht führt ihn am 26. Oktober 2026 nicht als geltenden Annex. Verfügbar sind der Konsultationsentwurf 2025 und der Workshopbericht vom 2. Oktober 2026; der Bericht ersetzt den Entwurf nicht. Trennen Sie dessen Vorschläge von den heute anwendbaren GMP-Anforderungen und dokumentieren Sie den verwendeten Fassungsstand.
Gilt eine Übergangsfrist ab Q4 2026?
Hat die EMA generative KI mit dem Workshopbericht für kritische GMP-Anwendungen freigegeben?
Nein. Die Einleitung beschreibt eine diskutierte Erweiterung unter einer dokumentierten, robusten, risikobasierten Kontrollstrategie. Die Ergebnisse dienen der laufenden Revision. Das ist ein neuer Diskussionsstand, aber weder ein finaler Annex-Text noch eine pauschale Freigabe einer konkreten Anwendung. Lesen Sie die Modellabgrenzung des Entwurfs 2025 deshalb als datierte Entwurfsposition.
Verbietet Annex 22 heute jede Nutzung von Chatbots?
Nein. Das wäre sowohl hinsichtlich Status als auch Scope zu weitgehend. Der Entwurf grenzt generative KI und LLM von seinem kritischen Anwendungsbereich ab und beschreibt Verantwortung bei nichtkritischem Einsatz. Jede konkrete Anwendung braucht weiterhin eine Bewertung ihres Zwecks und ihrer Risiken.
Quellen: [4]
Ist ein eingefrorenes LLM automatisch ein passendes statisches Modell?
Nein. Der Konsultationsentwurf nimmt generative KI und LLM ausdrücklich aus seinem Modellumfang aus und sieht solche Modelle für kritische GMP-Anwendungen nicht vor. Ein eingefrorener Versionsstand macht ein LLM nicht zu einem anderen Modelltyp. Für nicht kritische Anwendungen beschreibt der Entwurf die Verantwortung ausreichend qualifizierter und geschulter Personen für geeignete Ausgaben. Das ist eine Entwurfsposition und keine neu in Kraft getretene Verbotsregel.
Quellen: [4]
Ersetzt eine menschliche Bestätigung die Modellprüfung?
Nicht pauschal. Die Person muss die zugedachte Kontrolle tatsächlich leisten können. Der Entwurf verbindet einen reduzierten Modellprüfaufwand mit beschriebener Verantwortung, Schulung und überwachter konsistenter Leistung. Ein routinemäßiger Klick ohne geeignete Entscheidungsgrundlage reicht als Begründung nicht.
Quellen: [4]
Können Entwicklungsdaten auch unabhängige Prüfdaten sein?
Nein. Nr. 6.1 des Entwurfs verlangt die Unabhängigkeit der Testdaten: Daten für den abschließenden Modelltest sollen nicht in Entwicklung, Training oder Validierung des Modells verwendet werden. Gemeint ist die Trennung der Datenbestände innerhalb der Modellentwicklung. Beschreiben Sie Herkunft, Vorverarbeitung, Zugriffe und Verwendung nachvollziehbar; ein Dateiname wie „Testsatz“ belegt die Trennung nicht. Die Passage ist als Entwurfsanforderung einzuordnen.
Quellen: [4]
Welche Mindestgenauigkeit fordert der Entwurf?
Der Entwurf nennt keinen universellen Prozentwert für alle Anwendungen. Nr. 4.3 verlangt bei einem ersetzten Prozess Akzeptanzkriterien mindestens auf dessen Leistungsniveau; geeignete Metriken und Grenzen sind vorab festzulegen. Im eigenen Beispiel sind 95 Prozent je Teilgruppe eine bewusst gesetzte Arbeitshypothese, keine amtliche Grenze. Der Vergleich mit dem bisherigen Prozess und die Eignung des Testdatensatzes bleiben zusätzlich zu begründen.
Quellen: [4]
Warum reicht die Gesamtquote eines Modells nicht aus?
Relevante Teilgruppen können unter einer guten Gesamtquote verborgen bleiben. Prüfen Sie deshalb die Fehlerfolgen und Verteilung der Prüfdaten. Im Beispiel erreicht die Defekterkennung insgesamt 95 Prozent, die seltenere Gruppe B aber nur 80 Prozent; beides muss erkennbar sein.
Quellen: [4]
Muss jede Modelländerung vollständig neu getestet werden?
Der Prüfbedarf folgt der dokumentierten Auswirkung auf den konkreten Einsatz. Der Entwurf verlangt eine begründete Neubewertung und behandelt auch Änderungen des Gesamtsystems und der Eingaben. Pauschale Vollwiederholung und pauschale Übernahme aller alten Belege sind gleichermaßen unzureichende Entscheidungsregeln.
Quellen: [4]
Was sollte ein KMU zuerst beim Lieferanten anfordern?
Beginnen Sie mit Modell- und Systemidentität, vorgesehenem Einsatz, Eingabegrenzen, Nachweisen zur Testdatenunabhängigkeit und Informationen über Änderungen. Fordern Sie Unterlagen, die Ihre konkrete Entscheidung unterstützen. Eine allgemeine Aussage zur KI-Qualität ersetzt die Bewertung des eigenen Einsatzes nicht.
Wo prüfen wir zuverlässig, ob Annex 22 inzwischen final veröffentlicht ist?
Prüfen Sie das aktuelle EudraLex-Verzeichnis und eine gegebenenfalls verlinkte finale Originalveröffentlichung einschließlich Anwendungsdatum. Eine Konsultationsseite belegt zunächst den Vorschlag. Halten Sie Quelle und Prüfdatum fest. Herstellerblogs oder wiederholte Aussagen im Internet ersetzen diesen Statusabgleich nicht.
Quellen: [2]
Sollten wir auf den finalen Annex warten, bevor wir KI-Anwendungen bewerten?
Die Bewertung des tatsächlichen Einsatzes und bereits anwendbarer Anforderungen bleibt erforderlich. Sinnvolle Vorbereitung umfasst Verwendungszweck, Daten, Risiken, Verantwortung und geeignete Nachweise. Entwurfspositionen werden dabei ausdrücklich getrennt gekennzeichnet. Eine künftige Regelung darf weder als aktuelle Freigabe noch als Vorwand für ungeprüfte Nutzung dienen.
Quellen: [5]
Quellen & fachlicher Stand
Quellenbasis: 17. Oktober 2026. Gezielter Quellenabgleich: 26. Oktober 2026, insbesondere EudraLex-Status und EMA-Workshopbericht vom 2. Oktober. Geltende Leitlinienfassungen und Konsultationsentwürfe sind getrennt gekennzeichnet. Das Zahlenbeispiel ist eine eigene Arbeitshilfe und kein durchgeführter Kunden- oder Produkttest.
- Stakeholders’ Consultation on EudraLex Volume 4 – Chapter 4, Annex 11 and New Annex 22Konsultation 07.07.2025–07.10.2025, 23:59 CEST
- EudraLex – Volume 4 – Good Manufacturing Practice guidelinesSeitenstand beim Abruf; Humanarzneimittel und Tierarzneimittel getrennt
- The 3-year work plan for the Inspectors Working Group – January 2026 to December 2028Dokumentdeckblatt: Januar 2026–Dezember 2028; Copyright 2026
- Annex 22: Artificial Intelligence – Konsultationsentwurf 20256-seitiges Konsultations-PDF, Zuordnung 2025 durch EC-Konsultationsseite
- Annex 11: Computerised SystemsRevision 1, Januar 2011; anwendbar seit 30. Juni 2011
- EMA: Annex-22-Expertenworkshop – EreignisseiteWorkshop 30.06.–01.07.2026; Dokumentenbereich: Report erstmals veröffentlicht am 02.10.2026. Stand der Statusprüfung 26.10.2026.
- EMA: Report – Multistakeholder workshop on expert contributions to artificial intelligence guidance development (Annex 22)EMA/156789/2026; erstmals veröffentlicht 02.10.2026. Fundstellen: Introduction, S. 3; Conclusion und Next Steps, S. 14. Expertenbeiträge und laufende Revision, kein finaler Annex.
Quellenstand: .
Regelwerksstand in konkrete Entscheidungen übersetzen
Wir unterstützen Sie dabei, Anwendbarkeit, bestehende Nachweise und sinnvolle nächste Schritte für Ihren konkreten Einsatz zu verbinden.
- IT-GxP-Audit →
Relevante Lücken und vorhandene Belege einordnen.
- IT-GxP-Compliance-Programm →
Ein tragfähiges IT-GxP-Compliance Framework aufbauen.
- IT-GxP-Coaching →
Ihr Team bei eigenen Entscheidungen und Nachweisen begleiten.
- IT-GxP-Consulting →
Konkrete Anforderungen, Prüfungen und Betriebsverfahren ausarbeiten.
