Inhaltsverzeichnis
Das Wichtigste vorab
Was braucht ein KI-Validierungsprojekt im GxP-Umfeld?
Im KI-Validierungsprojekt bestimmt der vorgesehene Einsatz die Prüfung. Beim Schreiben eines Entwurfs zählt der Abgleich mit den gültigen Quellen. Bei der Übernahme in eine GxP-Aufzeichnung müssen Zuordnung, fachliche Prüfung und Übernahme nachvollziehbar sein. Wenn eine Qualitätsentscheidung betroffen ist, braucht die verantwortliche Person eine tragfähige Entscheidungsgrundlage und einen Weg, eine ungeeignete Ausgabe zurückzuweisen.
- Entwurf und Quellen prüfen
- Übernahme in die GxP-Aufzeichnung prüfen
- Verantwortung für die Freigabe klären
- „KI validieren“ ist ohne konkreten vorgesehenen Einsatz kein belastbarer Auftrag.
- Ein guter Gesamtdurchschnitt kann bedeutsame Fehlerarten verdecken.
- Daten für Entwicklung und unabhängige Bewertung müssen passend getrennt betrachtet werden.
- Modell, Konfiguration, Wissensquellen und Kontrollen können sich nach der Einführung verändern.
Was geschieht mit der KI-Ausgabe?
Beschreiben Sie nicht nur „Dokumente analysieren“, sondern was mit der Ausgabe geschieht. Wird eine Information als Suchhilfe angezeigt, in eine Aufzeichnung übernommen oder für eine Qualitätsentscheidung verwendet? Auch ein vermeintlicher Entwurf kann relevant werden, wenn Mitarbeiter seine Inhalte ungeprüft weiterverwenden.
Benennen Sie Eingaben, zulässige Datenarten, erwartete Ausgaben und ausgeschlossene Aufgaben. Beschreiben Sie mögliche Folgen einer falschen, unvollständigen oder nicht verfügbaren Ausgabe. Daraus folgt die geeignete weitere Bewertung. Eine technisch identische Anwendung kann bei unterschiedlicher Nutzung einen anderen Risikobezug haben.
Mit „KI-Projekt: Prüfauftrag und Einsatzgrenze“ können Fachbereich und QA den gewünschten Auftrag abgrenzen. „KI-Projekt: Datenzugang und Prüfentscheidung“ prüft anschließend, ob die dafür benötigten Informationen und Referenzen erreichbar sind. Die beiden Arbeitshilfen ordnen die Projektentscheidung; sie ersetzen weder die fachliche Bewertung noch den Eignungsnachweis der Anwendung. Nach Ihrer Anfrage mit den vier Pflichtangaben besprechen wir den Einsatz kurz telefonisch und senden Ihnen die Vorlagen persönlich zu.
Prüffall, Schritt 1: Die KI schlägt eine Formulierung vor
Angenommen, eine Fachautorin soll eine Arbeitsanweisung zur Dokumentenlenkung aktualisieren. Der Assistent erhält die freigegebene Prozessvorgabe in Revision 4 und den bisherigen Arbeitsentwurf. Er darf Text und Fundstellen vorschlagen. Schreibzugriff auf die freigegebene Fassung liegt außerhalb seines Auftrags.
Als gezielten Fehler enthält der Prüfbestand auch die abgelöste Revision 3. Dort steht eine zweite Unterschrift, die Revision 4 für diesen Schritt nicht vorsieht. Die Autorin vergleicht Vorschlag, Dokumentkennung und Abschnitt mit Revision 4. Ein Verweis auf Revision 3 oder eine unbelegte Unterschriftenpflicht führt zur Ablehnung des Vorschlags. Sie hält die geprüfte Fassung und ihre Korrektur fest.
Schritt 2: Eine Aussage soll in eine GxP-Aufzeichnung
Im Beispiel möchte der Dokumentenverantwortliche die Begründung der Änderung in den Änderungsnachweis übernehmen. Er prüft jede übernommene Aussage am Original. Im Nachweis stehen die Dokumentkennung, Revision 4, die genaue Fundstelle, das Ergebnis der Prüfung und der verantwortliche Prüfer. Eine von der KI erzeugte Quellenangabe allein reicht als Nachweis in diesem Prüffall nicht aus.
Schritt 3: Wer entscheidet über die Freigabe?
Die im Qualitätssystem benannte freigabeberechtigte Person erhält die korrigierte Fassung und den Änderungsnachweis. Sie kann die Freigabe begründet verweigern. Der Prüffall ist bestanden, wenn die ungültige Anforderung erkannt wird, der Vorgang bis zur Korrektur gesperrt bleibt und sich die Entscheidung anhand der Aufzeichnung nachvollziehen lässt.
Kann der Assistent die Änderung inzwischen selbst in den freigegebenen Bestand schreiben, ist die ursprüngliche Einsatzgrenze überschritten. Vor dieser Nutzung muss das Team die zusätzliche Wirkung bewerten und passende Nachweise festlegen.
Technologie und regulatorischen Status präzise einordnen
Der 2025 veröffentlichte Annex-22-Konsultationsentwurf behandelt einen begrenzten Ansatz für statische deterministische KI-/ML-Modelle in kritischen GMP-Anwendungen. Er schließt unter anderem dynamische und probabilistische Modelle sowie generative KI aus diesem vorgesehenen kritischen Anwendungsbereich aus. Er darf nicht als allgemeine Erlaubnis für LLMs in kritischen GMP-Entscheidungen gelesen werden.
Am Prüfdatum ist der Entwurfsstatus vom veröffentlichten humanpharmazeutischen GMP-Bestand zu unterscheiden. Ein vorhandener Entwurf ersetzt weder geltende Anforderungen noch die Bewertung des konkreten Vorhabens. Zusätzlich können weitere Regelungsbereiche relevant sein. Deren Anwendbarkeit muss gesondert geklärt werden; „GxP-relevant“ und eine rechtliche KI-Kategorie sind keine gleichbedeutenden Begriffe.
Der am 2. Oktober 2026 veröffentlichte EMA-Workshopbericht beschreibt eine diskutierte Erweiterung des Annex-22-Anwendungsbereichs auf dynamische, adaptive, probabilistische und generative Modelle unter den Anforderungen des Annex und einer dokumentierten robusten risikobasierten Kontrollstrategie. Laut „Next Steps“ sollen die Workshopbeiträge in die laufende Revision einfließen. Der Bericht ist kein finaler Annex und keine allgemeine Freigabe für einen konkreten KI-Einsatz.
KI in der Pharmaindustrie: Welche Fragen beschäftigen die Aufsicht?
Stand 17. November 2026. Europäische Union: Im Bericht vom 2. Oktober beschreibt die EMA die Diskussion, ob weitere Modelltypen unter einer dokumentierten, robusten, risikobasierten Kontrollstrategie berücksichtigt werden könnten. Für Ihr Vorhaben heißt das: Halten Sie Modelltyp, tatsächliche Anwendung und offenen Nachweis getrennt fest.
USA: Im Warning Letter an Purolea Cosmetics Lab vom 2. April 2026 beanstandete die FDA im konkreten Arzneimittelbetrieb unter anderem den Einsatz von KI zur Erstellung von Spezifikationen und Verfahren ohne ausreichende fachliche Prüfung. Bitten Sie den Prüfer im Pilotprojekt, einzelne Anforderungen am Original zu belegen und eine unpassende Vorgabe tatsächlich zurückzuweisen.
Vereinigtes Königreich: Am 29. Juni 2026 berichtete das MHRA-Inspektorat über Probleme mit KI-gestützten Antworten nach Inspektionen. Es nennt unter anderem Verweise auf nicht existierende Quellen und Antworten, die am konkreten Befund vorbeigehen. Prüfen Sie an einem Musterbefund, ob Ihre Antwort belegbar beschreibt, was am Standort geschehen ist und wie der Befund bearbeitet wird.
Der im Juli 2025 erschienene ISPE GAMP Guide: Artificial Intelligence bietet der Branche eine fachliche Orientierung für solche Projekte. Für die rechtliche Einordnung Ihres Einsatzes bleiben Rechtsraum, konkreter Prozess und geltende Vorgaben maßgeblich.
Welche Frage soll die Prüfung beantworten?
Ein geeigneter Auftrag sollte deutlich machen, welche Frage mit welchem Ergebnis beantwortet wird. Die folgende Matrix ist eine eigene Planungshilfe. Sie ist keine verbindliche Annex-22-Vorlage und keine Freigabe eines bestimmten Einsatzes.
Vereinbaren Sie auch ein mögliches Ergebnis „für den vorgesehenen Zweck nicht ausreichend geeignet“. Eine Untersuchung wird nicht wertvoller, wenn ihr Auftrag nur eine positive Schlussfolgerung zulässt.
| Gegenstand | Konkrete Frage | Erwartetes Ergebnis |
|---|---|---|
| Zweck | Welche Aufgabe darf die Anwendung übernehmen? | Eindeutige Nutzungs- und Ausschlussgrenzen |
| Daten | Sind Herkunft und Eignung der Prüfgrundlage nachvollziehbar? | Begründeter Daten- und Referenzbezug |
| Fehler | Welche falsche Ausgabe wäre bedeutsam? | Betrachtete Fehlerarten und Auswirkungen |
| Kriterien | Wann ist die Leistung für diesen Zweck ausreichend? | Vorab festgelegte, begründete Akzeptanzkriterien |
| Kontrolle | Wie wird ein ungeeignetes Ergebnis erkannt und behandelt? | Realistisch prüfbarer Ablauf mit Zuständigkeit |
| Betrieb | Welche Änderung kann die Eignung beeinflussen? | Bewertungs- und Reaktionsweg |
Prüfgrundlagen und Leistungsmaße aus der Aufgabe ableiten
Eine Bewertung braucht eine nachvollziehbare Referenz. Klären Sie, wer die richtige Zuordnung oder Antwort bestimmt und wie uneindeutige Fälle behandelt werden. Die Prüfgrundlage sollte die tatsächlich vorgesehene Nutzung mit relevanten Varianten und Grenzen angemessen repräsentieren. Ein kleiner Satz besonders leichter Demonstrationsfälle kann dafür unzureichend sein.
Halten Sie nachvollziehbar fest, welche Fälle für die Entwicklung und welche für die Prüfung verwendet wurden. Wenn dieselben Fälle wiederholt zur Verbesserung dienen, ist ihre Aussagekraft als unabhängige Prüfung eingeschränkt. Außerdem kann eine Gesamtgenauigkeit seltene, aber bedeutsame Fehler verdecken. Welche Leistungsmaße und Grenzen sich eignen, hängt von der Aufgabe und den Fehlerfolgen ab.
Für statische deterministische Modelle im vorgesehenen kritischen Anwendungsbereich konkretisiert der Annex-22-Entwurf diese Arbeit. Die Tabelle am Ende des Abschnitts ordnet seine Inhalte eigenen Angebotsbausteinen zu. Sie beschreibt einen Konsultationsentwurf und lässt sich nicht pauschal auf LLMs übertragen.
Für die personelle Trennung beschreibt Nr. 6.5 auch einen besonderen Paararbeitsansatz, wenn Unabhängigkeit organisatorisch nicht aufrechterhalten werden kann. Das ist keine allgemeine Erlaubnis, dieselben Entwicklungsfälle als unabhängigen Test auszugeben. Umfang, Rollen und Kontrollen müssen zur tatsächlich geprüften Modellart passen.
| Arbeitspaket | Im Auftrag vorgesehenes Ergebnis | Bezug im Entwurf 2025 |
|---|---|---|
| Vergleichsleistung | Bekannte Leistung des ersetzten Prozesses und mindestens ebenso hohe Akzeptanzkriterien | Nr. 4.3; dessen Annex-11-Verweis betrifft den parallelen Entwurf |
| Umfang und Untergruppen | Begründete Testdatenmenge für angemessene statistische Sicherheit auch je relevanter Untergruppe | Nr. 5.1–5.2 |
| Referenzqualität | Nachvollziehbar verifizierte richtige Labels und Behandlung unklarer Fälle | Nr. 5.3 |
| Unabhängigkeit | Technische und organisatorische Trennung von Testdaten, Zugriffen und beteiligten Personen | Nr. 6.1–6.5 |
| Erklärbarkeit | Benötigte beitragende Merkmale und begründete fachliche Bewertung | Nr. 8 |
| Konfidenz | Soweit anwendbar aufgezeichnete Konfidenz und geeigneter Umgang mit unentschiedenen Ergebnissen | Nr. 9 |
Menschliche Kontrolle auf tatsächliche Wirksamkeit prüfen
Die Formulierung „ein Mitarbeiter schaut noch einmal darüber“ beschreibt keine ausreichende Kontrolle. Klären Sie Fachwissen, verfügbare Originalinformationen, Zeit und Entscheidungsbefugnisse. Ein Prüfer muss einen relevanten Fehler tatsächlich erkennen und eine ungeeignete Ausgabe zurückweisen können. Die erwartete Kontrolle sollte mit geeigneten Fällen erprobt werden.
Eine solche Kontrolle ist kein pauschaler Ersatz für die zulässige Einsatzgrenze. Insbesondere darf ein vom Annex-22-Entwurf ausgeschlossener kritischer generativer Einsatz nicht allein durch einen menschlichen Bestätigungsklick als passend dargestellt werden. Wo der Zweck nicht tragfähig ist, können eine enger begrenzte Aufgabe oder eine andere technische Lösung zu prüfen sein.
Beispiel: Textstellen in freigegebenen Anweisungen finden
Angenommen, ein Team untersucht eine Anwendung als Suchhilfe für freigegebene Anweisungen. Vor einer Nutzung werden erlaubte Dokumente, Versionsbezug und der Umgang mit nicht gefundenen oder falsch zugeordneten Stellen beschrieben. Die fachliche Entscheidung soll weiterhin anhand der maßgeblichen Originalinformation erfolgen.
Die Prüfung kann relevante Fälle mit veralteten Dokumentständen, ähnlichen Begriffen und fehlender Grundlage enthalten. Zeigt sich, dass Mitarbeiter eine ungeeignete Ausgabe nicht verlässlich erkennen, muss der Ansatz verändert oder begrenzt werden. Das Beispiel behauptet keine pauschale Zulässigkeit dieser Nutzung.
Anbieter, Modellstand und abhängige Komponenten berücksichtigen
Bei einer externen Anwendung ist zu klären, welche Informationen über Modell, Änderungen, Datenverarbeitung und Einschränkungen verfügbar sind. Auch Promptvorgaben, angebundene Dokumentbestände und technische Filter können das Ergebnis beeinflussen. Ein bloßer Produktname beschreibt den betrachteten Stand daher oft unzureichend.
Vereinbaren Sie einen geeigneten Umgang mit Änderungen und nicht angekündigten Abweichungen. Wird die ursprüngliche Aufgabe nach einer Veränderung noch angemessen unterstützt? Welche Hinweise lösen eine Untersuchung aus? Eine abgeschlossene Erstbewertung ist kein unbegrenzter Nachweis für alle künftigen Modell- und Konfigurationsstände.
Welche Grenzen und Ergebnisse bei der Übergabe klar sein müssen
Ein Abschluss sollte erlaubte Aufgaben, betrachteten Stand, Prüfgrundlagen, Ergebnisse und verbleibende Einschränkungen verständlich verbinden. Offene Punkte benötigen eine bewertete Behandlung. Die zuständigen Mitarbeiter müssen wissen, wann die Nutzung zu begrenzen oder auszusetzen ist und wer über weitere Schritte entscheidet.
Ein guter externer Beitrag unterstützt diese Entscheidung statt lediglich einen großen Testbericht zu erzeugen. Beurteilen Sie Angebote daran, ob Datenarbeit, fachliche Referenzbildung, Kontrollen und Betrieb tatsächlich berücksichtigt sind. Ein garantierter „KI-Validierungsnachweis“ ohne klare Aufgabe ist kein aussagekräftiges Leistungsversprechen.
Für die Suchhilfe im Beispiel sollte ein Angebot mehr liefern als „RAG-System testen“. Eine begrenzte erste Leistung kann darin bestehen, den zulässigen Dokumentbestand, Referenzantworten und die prüfbare Systemkonfiguration festzulegen. Erst dann lässt sich belastbar beschreiben, welche Ausführungs- und Auswertungsarbeit folgt. Der folgende Vergleich ist eine eigene Hilfe zur Auftragsabnahme.
Fehlen dem Prüfer die zulässigen Eingaben, die erzeugten Ausgaben oder die Möglichkeit, den untersuchten Stand nachvollziehbar zu benennen, ist zunächst dieser Zugang zu klären. Verlangen Sie nicht ungeprüft sämtliche internen Herstellerdaten. Entscheidend ist, welche Information die konkrete Prüfbehauptung trägt. Reicht der verfügbare Zugang dafür nicht, muss der Auftrag begrenzt oder anders gestaltet werden. Ist eine geforderte Aussage mit der vorhandenen Grundlage noch nicht möglich, muss der Abschlussbericht diese Grenze ausdrücklich benennen.
- Zweck und ausgeschlossene Aufgaben eindeutig festlegen.
- Modellart und geltenden Regelungsbereich passend einordnen.
- Prüfgrundlagen und bedeutsame Fehlerarten begründen.
- Menschliche Kontrolle praktisch statt nur formal beurteilen.
- Veränderungen und Nutzungsgrenzen im Betrieb verantworten.
| Auftragsaussage | Konkret zu vereinbarendes Ergebnis | Grenze der Aussage |
|---|---|---|
| „Dokumente anbinden“ | Verzeichnis zulässiger Dokumentstände, Ausschlüsse und Umgang mit veralteten Fassungen. | Eine erreichbare Datei ist noch kein geeigneter fachlicher Referenzbestand. |
| „Antwortqualität prüfen“ | Begründete Fälle einschließlich fehlender Grundlage und ähnlicher Begriffe; Referenz, beobachtete Ausgabe und Bewertung je Fall. | Eine gute Gesamtauswertung verdeckt einen relevanten ungeklärten Fehlerfall nicht. |
| „Nutzung übergeben“ | Erlaubte Aufgabe, beobachteter Stand, Einschränkungen und zuständiger Entscheidungsweg. | Die Übergabe erteilt keine pauschale Freigabe für neue Aufgaben oder spätere Modellstände. |
Arbeitshilfen für Ihr Unternehmen
KI-Validierungsprojekt abgrenzen
Für ein beurteilbares KI-Projekt braucht es einen begrenzten Prüfauftrag und tatsächlich verfügbare Daten. Die Arbeitsblätter klären diese beiden Voraussetzungen vor einer Beauftragung. Sie ersetzen weder die Eignungsprüfung noch die Entscheidung über eine konkrete Verwendung.
Unterlagen für Ihr Unternehmen anfordern
2 Seiten, A4, ausfüllbares PDF
KI-Projekt: Prüfauftrag und Einsatzgrenze
Einen begrenzten KI-Prüfauftrag aus Aufgabe, Ausgabe, Verwendung und menschlicher Kontrolle ableiten.
Fachverantwortlicher, QA, Systemverantwortlicher und KI-Projektleiter.
Das ist enthalten
- Seite 1: Was darf die KI-Ausgabe bewirken? Arbeitsbeispiel, konkrete Entscheidungsfragen und ausfüllbarer Ausgangspunkt.
- Seite 2: Ihr abgegrenzter KI-Prüfauftrag: Vorgesehener Einsatz (Intended Use), Fehlerfolge, Kontrolle und Kriterium, Prüfauftrag, Zuständige Entscheidung / offene Voraussetzung / Datum / Ablage. Quellen und Einordnung.
Beschreiben Sie zuerst, was die Ausgabe im Prozess bewirkt. Legen Sie danach Einsatzgrenze und überprüfbare Kontrollen fest. Ein konkreter Prüfauftrag mit zulässigem Einsatz, Ausschlüssen, Kriterien und benannten Entscheidungen.
Bestimmt Aufgabe und Kontrolle. Das Datenblatt entscheidet anschließend, ob eine geeignete Prüfgrundlage tatsächlich verfügbar ist.
2 Seiten, A4, ausfüllbares PDF
KI-Projekt: Datenzugang und Prüfentscheidung
Verfügbaren Daten- und Referenzzugang gegen die Aussage eines geplanten KI-Prüflaufs bewerten.
Datenverantwortlicher, Fachexperte, Data Science, QA und KI-Projektleiter.
Das ist enthalten
- Seite 1: Welche Aussage erlauben Ihre Prüfdaten? Arbeitsbeispiel, konkrete Entscheidungsfragen und ausfüllbarer Ausgangspunkt.
- Seite 2: Ihre Daten- und Prüfentscheidung: Datenzugang, Referenz, Unabhängigkeit, Fallgruppen und Unsicherheit, Prüfentscheidung. Quellen und Einordnung.
Beschreiben Sie Herkunft, Referenz und Unabhängigkeit der Daten. Begrenzen Sie die Prüfentscheidung, wenn relevante Gruppen oder Nachweise fehlen. Eine begründete Entscheidung über Prüfbeginn, Datenlücke und Reichweite einer späteren Aussage.
Entscheidet über die Prüfgrundlage und ihre Grenzen; es wiederholt keine allgemeine KI-Systemfreigabe.
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
Gemeinsam umsetzen: Eine begrenzte KI-Aufgabe fachlich beurteilen
Vor einer KI-Prüfung beschreiben wir mit Ihrem Team eine konkrete Aufgabe und die Folgen möglicher Fehlentscheidungen. Daran lassen sich geeignete Referenzfälle, Akzeptanzkriterien und wirksame Kontrollen diskutieren. Eine unterstützende Suche wirft andere Fragen auf als eine qualitätsrelevante Entscheidungsfunktion. Wir stimmen deshalb zuerst Einsatzgrenzen und Bewertungsgrundlagen ab, bevor ein Prüfprogramm oder eine allgemeine Aussage zur Eignung vereinbart wird.
Häufige Fragen zur KI-Validierung in Pharma
Kann jedes KI-System für eine kritische GMP-Aufgabe validiert werden?
Aufgabe, Technologie und regulatorischer Bereich müssen zusammenpassen. Der Annex-22-Konsultationsentwurf grenzt seinen vorgesehenen kritischen Anwendungsbereich ein und schließt bestimmte Modellarten aus. Ein gutes Vorführungsergebnis genügt deshalb nicht, um die Eignung einer beliebigen KI für eine kritische GMP-Aufgabe abzuleiten.
Quellen: [3]
Ist Annex 22 bereits eine verbindliche allgemeine KI-Norm?
Reicht ein Genauigkeitswert von 95 Prozent?
Eine beliebige Gesamtschwelle ist ohne Aufgabe und Fehlerfolgen nicht aussagekräftig. Für seinen vorgesehenen Anwendungsbereich nennt der Annex-22-Entwurf Nr. 4.3 mindestens die Leistung des ersetzten Prozesses als Vergleichsmaßstab; diese muss bekannt sein. Prüfen Sie außerdem relevante Fehlerarten und Untergruppen. Die vertiefenden Metrik- und Testdatenartikel erläutern, warum ein Gesamtdurchschnitt wichtige Fehler verdecken kann.
Macht ein menschlicher Review jede KI-Ausgabe verwendbar?
Müssen auch Änderungen an Prompts und Wissensquellen bewertet werden?
Wenn sie die vorgesehene Nutzung oder relevante Ergebnisse beeinflussen können, gehören sie in die Änderungsbetrachtung. Der Umfang hängt von ihrer Wirkung und den Risiken ab. Nicht nur ein neuer Modellname kann die ursprüngliche Bewertung verändern.
Quellen: [1]
Was braucht ein Berater für ein konkretes KI-Projekt?
Hilfreich sind Aufgabe, Datenarten, vorgesehene Ausgaben, Prozessfolgen und vorhandene Herstellerinformationen. Ergänzen Sie bekannte Fehler, geplante Kontrollen und zuständige Fachrollen. Damit lässt sich zuerst die grundsätzliche Tragfähigkeit des Einsatzes und anschließend ein geeigneter Prüfauftrag bestimmen.
Quellen & fachlicher Stand
Statusprüfung am 17. November 2026 anhand von EudraLex, Konsultationsentwurf und EMA-Bericht. Der Industrieabschnitt ordnet datierte Originalquellen aus EU, USA und Vereinigtem Königreich und einen ISPE-Branchenleitfaden ein. Der Prüffall zur Dokumentenlenkung ist ein selbst entwickeltes Beispiel.
- Europäische Kommission: EU-GMP Annex 11, Computerised Systems, Revision Januar 2011Humanarzneimittel-GMP; insbesondere §§1–4, 7, 10–13, 16–17; konkrete Verwendung je Abschnitt.
- ICH Q9(R1): Quality Risk Management, amtlicher Volltext bei der Europäischen KommissionRisikobezogene Entscheidungen, angemessene Formalität und Umgang mit Subjektivität; eigene Matrizen sind Umsetzungsvorschläge.
- Europäische Kommission: Annex 22 Artificial Intelligence – Konsultationsentwurf 2025Entwurf, keine als geltend behauptete Pflicht; generative KI ausdrücklich nicht als freigegebener Kernanwendungsfall behandeln.
- Europäische Kommission: Konsultation 2025 zu Kapitel 4, Annex 11 und neuem Annex 22Konsultationsstatus und Zuordnung der Entwürfe; kein Inkrafttretensbeleg.
- Europäische Kommission: EudraLex Volume 4 – aktueller VeröffentlichungsbestandBestand für Humanarzneimittel am 17.11.2026 geprüft; Humanarzneimittel von den seit 16.07.2026 geänderten Tierarzneimittelregeln trennen.
- Europäische Kommission: EU-GMP Kapitel 7, Outsourced ActivitiesAusgelagerte GMP-bezogene Tätigkeiten, Eignung, Verantwortlichkeiten, Vereinbarungen und Überwachung.
- Europäische Kommission: EU-GMP Kapitel 2, Personnel, wirksam seit 16.02.2014Personal, rollenbezogene Schulung und Bewertung praktischer Wirksamkeit; amtlicher EudraLex-Eintrag mit Originalkapitel.
- EMA: Workshopbericht zur Entwicklung von Annex 22EMA/156789/2026; veröffentlicht 02.10.2026. Introduction S. 3 und Next Steps S. 14 am offiziellen Original am 26.10.2026 gezielt gelesen; keine Volltextprüfung sämtlicher Berichtsaussagen.
- FDA · Warning Letter an Purolea Cosmetics Lab vom 2. April 2026Konkreter US-Inspektionsfall zu KI-generierten Spezifikationen und Verfahren.
- MHRA Inspectorate · Use of AI for GxP Inspection Responses, 29. Juni 2026Britischer Inspektoratsbeitrag zu beobachteten Problemen und Erwartungen an Antworten auf Befunde.
- ISPE · GAMP Guide: Artificial Intelligence, Juli 2025Öffentliche Verlagsbeschreibung eines Branchenleitfadens.
Quellenstand: .
Aufgabe, Ausgabe und Folgeentscheidung beschreiben
Bringen Sie ein konkretes Anwendungsbeispiel und bekannte Fehlersituationen mit. Daraus lässt sich klären, welche Grenzen zuerst bewertet werden müssen und welche fachlichen Informationen vor einem belastbaren Prüfauftrag fehlen.
- KI-Systemvalidierung →
Ihr KI-System geht mit belastbaren Nachweisen in den GxP-Einsatz und bleibt im Betrieb unter Kontrolle. Sobald System und GxP-Einsatzzweck abgegrenzt sind, validieren wir risikobasiert: Daten, Lieferant, Tests, Freigabe und Change Control.

