Life Science Unternehmen verwalten große Dokumentenbestände. Umfang, die Ansprüche an die Korrektheit der darin enthaltenen Informationen und die Komplexität der Einbettung dieser Informationen in Geschäftsprozesse stellen eine große Herausforderung dar. An dieser Stelle bietet der Einsatz von künstlicher Intelligenz erhebliches Potential sowohl für die Steigerung der Datenqualität als auch der Nutzung der darin enthaltenen Informationen zur automatischen Auswertung.

AI/ML-Technologien ermöglichen die automatische Digitalisierung, Kategorisierung und Verschlagwortung von großen Dokumentensammlungen zur Überführung unstrukturierter Datensilos in intelligente Datenbestände. Die automatische Extraktion von strukturierten Informationen wie Bezeichnungen, Wirkstoffen und Mengenangaben zur Erstellung von Datenbanken und Qualitätssicherung gestattet die Bereitstellung von IDMP-konformen Daten für Regulierungsbehörden. Ähnlichkeitsanalysen von Dokumenten erlaubt das Herstellen von Beziehungen und die Erkennung von Ähnlichkeit und Redundanz.

Eine Datenstrategie definiert die langfristigen Ziele für die Wertschöpfung aus Unternehmensdaten sowie die dafür notwendigen Aktivitäten und Ressourcen. Die Planung einer Data Strategy beginnt mit einer Bestandsaufnahme und einer Potentialanalyse. Danach folgt die Identifikation von Use Cases und die Bewertung der Realisierbarkeit. Die Aufstellung einer Roadmap mit identifizierten Use Cases schließt die Datenstrategie ab und bildet die Basis für die anschließende Implementierungsphase. Darin werden die Use Cases zunächst als Proof-of-Concept und nach positiver Evaluation als Produktivanwendung umgesetzt.