Mit Boehringer Ingelheim die Zukunft der Gesundheit gestalten [Integreat 2025]

Transkript:

Ich möchte Ihnen nun unseren nächsten Redner vorstellen, Ralf Schundelmeier von Boehringer Ingelheim.

Ich arbeite sehr gerne mit diesem Team zusammen. Für diejenigen unter Ihnen, die Boehringer Ingelheim nicht kennen: Es handelt sich um das weltweit größte private Pharmaunternehmen. Ralf wird Ihnen mehr über das Unternehmen erzählen, aber ich bin auch jedes Mal zutiefst dankbar, wenn ich die Gelegenheit habe, mit diesem Team zusammenzuarbeiten, denn es hat meinem Schwiegervater das Leben gerettet.

Boehringer Ingelheim ist einer der führenden Innovatoren im Bereich der Medikamente zur Schlaganfallprävention und -behandlung. Mein Schwiegervater hatte einen ischämischen Schlaganfall und wurde glücklicherweise in der Notaufnahme gerettet. Deshalb bin ich den Forschern in diesem Bereich sehr dankbar.

Ich habe auch einen Dobermann, der sehr anspruchsvoll ist, und ich verwende ebenfalls Produkte von Boehringer, um meinen Hund gesund zu halten. Ralf wird Ihnen mehr darüber erzählen, aber ich persönlich bin einfach dankbar für die Arbeit, die dieses Team leistet.

Bitte begrüßen Sie Ralf auf der Bühne.

Guten Tag.

Heute Morgen wurde ich gefragt, welchen Song ich gerne spielen würde, und mir fiel nichts Besseres ein, denn manchmal ist das auch das Motto in der IT. Man muss immer die positiven Seiten des Lebens sehen, denn nicht immer läuft alles so gut, wie wir es hier auf der Bühne vorführen.

Sehr gut. Worüber sprechen wir heute? Es geht eigentlich eher um den Weg, den wir zurückgelegt haben.

Es wird also weniger um Technik gehen, sondern mehr darum, was wir erreichen wollen, warum wir es tun und welche Lehren wir daraus gezogen haben. Also vielleicht Dinge, auf die Sie achten sollten.

Aber ein wichtiger Punkt dabei ist wirklich die Selbstbedienung. Ja.

Und das ist wirklich einer der wichtigsten Treiber für uns. Daten freizugeben und Menschen zu befähigen, dies selbst zu tun.

Ja, weil wir unsere Organisation nicht skalieren können. Jeremiah hat also bereits eine großartige Verkaufspräsentation für das Unternehmen gehalten.

Eigentlich gibt es für mich nicht viel hinzuzufügen. Aber wie Sie bereits erwähnt haben, sind wir ein Familienunternehmen, das 1885 in einer kleinen Stadt namens Ingelheim in Deutschland gegründet wurde.

Der Schwerpunkt liegt auf Humanpharmazeutika und Tiergesundheit. Ich denke, das ist auch eine kleine Ausnahme, da die meisten größeren Life-Science-Unternehmen ihr Tiergesundheitsgeschäft abgestoßen haben.

Wir haben weltweit etwa 55.000 Mitarbeiter. Wir sind ein Forschungsunternehmen.

Ich halte das ebenfalls für äußerst wichtig, und deshalb geben wir jedes Jahr etwa 6.000.000.000 Dollar für Forschung aus. Wir haben 26 Forschungs- und Entwicklungsstandorte und erzielen einen Jahresumsatz von etwa 27.000.000.000 Dollar.

Es handelt sich also, wie er sagte, wahrscheinlich um eines der größten Unternehmen, von dem Sie noch nie gehört haben. Gut.

Was tun wir? Ich meine, Jeremiah hat es bereits beschrieben. Es ist ein breites Spektrum von Krebs bis hin zu Atemwegserkrankungen.

Vor kurzem gab es eine Produkteinführung. Es war die erste Produkteinführung für Lungenfibrose in den letzten zehn Jahren.

Das ist wirklich ein großes, großes Launch-Event für uns, und dann natürlich die Tiergesundheit. Und wie Sie bereits erwähnt haben, ist es für Haustiere gedacht, nicht nur für Hunde, sondern auch für Katzen.

Eines der neuesten Produkte war ein Diabetes-Medikament für Katzen, das ohne Injektion verabreicht werden konnte. Diejenigen unter Ihnen, die Katzen haben, sollten einmal versuchen, Ihrer Katze eine Spritze zu geben.

Viel Glück. Aber auch Viehzucht, das ist also auch ein wichtiger Teil des Geschäfts.

Also stand ich vor einer Herausforderung. Wie schaffe ich den Übergang von diesem Unternehmenswandel zu dem, was uns bevorsteht? Und ich habe eine starke Affinität zur japanischen Kultur.

Eigentlich ist meine Frau Japanerin. Und ich dachte an diesen wunderschönen Druck namens „Die große Welle von Kanagawa“ von einem Künstler namens Hokusai.

Es ist diese riesige Welle, und ich dachte, das ist eine perfekte Beschreibung für das, was wir gerade erleben, denn diese KI-Welle verändert wirklich dramatisch, wie wir arbeiten, wie unsere Jobs aussehen und ob Unternehmen erfolgreich sein werden oder nicht. Ich mag auch Zahlen, und wir haben heute viele Zahlen gesehen.

Und einer der Witze lautet: Traue keinen Statistiken oder Zahlen, die du nicht selbst gefälscht hast. Aber es gibt doch viele gute Daten, oder? Diese hier stammen von McKinsey, die tatsächlich eine Studie hauptsächlich für Life-Science-Unternehmen durchgeführt haben.

Und ich möchte eigentlich nur auf drei Dinge hinweisen. Erstens haben wir bereits viel über diese agentenbasierten Arbeitsabläufe gesprochen, und McKinsey hat prognostiziert, dass etwa 75 bis 85 % aller Arbeitsabläufe in unserem täglichen Leben durch Adjendic AI entweder erweitert oder vollständig automatisiert werden können.

Das ist also eine dramatische Veränderung in der Arbeitsweise der Menschen. Hinzu kommt natürlich die Kosteneffizienz, etwa 6 % bis 8 % allein durch Produktivitätssteigerungen und die Optimierung der Abläufe.

Und das wirkt sich natürlich auch auf Ihr Geschäftsergebnis aus. In einem Zeithorizont von drei bis fünf Jahren prognostizieren sie daher 3.

4 % bis 5,4 % Steigerung Ihres Einkommens.

Es gibt also wirklich viel zu tun. Ich glaube daher nicht, dass es einen sicheren Hafen gibt, in dem wir abwarten können, bis dies vorbei ist.

Man muss sich dieser Welle wirklich stellen und sich am besten ein großes Surfbrett besorgen, um sie zu reiten. Man merkt, dass ich eine Zeit lang in Kalifornien gelebt habe.

Wie bereiten wir uns also vor? Ich meine, es gibt viele Aspekte, und wir haben heute nur sehr wenig Zeit. Aber heute konzentriere ich mich wirklich auf eine Sache, die wir immer vergessen.

KI braucht Daten. Ohne Daten gibt es keine KI.

Ja, und denken Sie auch daran, dass es nicht nur generative KI gibt, sondern auch noch viel traditionelles maschinelles Lernen, das Daten benötigt. Auch viele der Anwendungsfälle, über die wir sprechen, beziehen sich auf den Umgang mit Ihren Daten, richtig?

Sie benötigen gute Daten, mit denen Sie arbeiten können. Sie müssen Ihre Daten für KI vorbereiten.

Wir glauben, dass die Selbstbedienungsintegration und Selbstbedienungsdaten der Schlüssel zum Erfolg sind, um dies zu erreichen. Und genau damit sind meine Teams beschäftigt.

Wir sind also ein sehr altes Unternehmen. Wir sammeln schon seit sehr langer Zeit Daten, und viele dieser Daten befinden sich, ob Sie es glauben oder nicht, möglicherweise noch immer in Papierform oder auf einigen Altsystemen.

Ja. Sie sind sehr schwer zu erreichen.

Die meisten von ihnen verfügen nicht über KI oder APIs. Die Daten sind nicht katalogisiert.

Wie können wir also diesen Datenschatz erschließen, damit wir ihn nutzen können? Und so kamen wir auf die Idee, die wir „Dataland“ oder „Dataland Vision“ nennen. Die Idee war also, einen unternehmensweiten Datentresor zu schaffen, in dem alle sogenannten Kronjuwelen, also alle Daten, die wir für besonders wertvoll halten, in dieses Ökosystem eingebracht werden, damit sie entweder für analytische Anwendungsfälle oder für KI- oder Gen-KI-Anwendungsfälle leicht nutzbar sind.

Und wenn man genau hinschaut, dachte ich, sprechen wir über KI. Warum generiere ich nicht einige meiner Flüge? Mit KI ist es auch ein Beweis dafür, dass KI noch nicht ganz ausgereift ist.

Manchmal habe ich das Gefühl, dass es sich wie ein Kind in der Pubertät verhält. Ich habe sogar zwei davon, weil sie nie auf das hören, was sie sagen, und ich es fünf Mal sage, und es ändert immer noch nicht die Farbe oder korrigiert den Wortlaut nicht.

Wenn Sie sich die Folien genau ansehen, werden Sie vielleicht einige kleine Tippfehler entdecken. Warum ist Integration in diesem Zusammenhang so wichtig? Ich habe diese Folie irgendwo gefunden, ehrlich gesagt weiß ich nicht mehr genau wo, aber so sehen offen gesagt immer noch viele unserer Integrationsszenarien aus.

Richtig? Unzählige Punkt-zu-Punkt-Integrationen. Wir verfügen auch über eine große Auswahl an Tools.

So kam es eigentlich zu unseren Gesprächen mit SnapLogic, denn wir haben viele Modernisierungsprojekte am Laufen. Ja, wir waren wirklich der Meinung, dass wir einen neuen Ansatz brauchen, und so sind wir darauf gekommen. Ich möchte Sie nicht mit vielen Details zur Architektur langweilen, sondern Ihnen nur eine vereinfachte Darstellung unserer Sichtweise auf die Verwaltung dieses Datenökosystems geben.

Datenquellen können also nicht nur innerhalb Ihres Unternehmens liegen. Ich denke, das ist besonders in den Biowissenschaften sehr wichtig.

Wir kaufen eine Menge Daten, um unsere Forschung und unsere Marktdaten wirklich zu erweitern. Das ist also auch ein wichtiger Aspekt. Und wie ich bereits erwähnt habe, verfügen wir über all diese Systeme, die diese Daten enthalten, und unsere Idee ist es, SnapLogic nicht nur für die Erstellung der von uns erstellten Dateneinspeisungen zu nutzen, sondern es auch als Selbstbedienungstool anzubieten.

Ja, weil wir nicht skalieren können. Die Nachfrage ist zu hoch.

Wir haben auch eher traditionelle IT-Projekte durchgeführt, und das dauert vor allem in der Forschung zu lange. Das sind keine Wochen.

Sie wollen sofort Daten. Sie führen die Experimente durch und entscheiden dann, ob das Ergebnis gut oder schlecht ist, und ich mache weiter.

Viele unserer Prozesse ändern sich also auch, richtig. Wir unterliegen strengen Vorschriften, daher sind viele unserer Prozesse ziemlich aufwendig.

Ja, aber das ist ein Kompromiss, den wir eingehen müssen. Wie können wir Menschen befähigen, dies schnell selbst zu tun?

Die Daten werden dann zunächst hauptsächlich auf AWS in unseren Speicher- und Verarbeitungsbereich aufgenommen. Wir verwenden S3 und Apache Iceberg, um in erster Linie die ursprünglich rohen, bereinigten und kuratierten Daten zu verwalten, aber für analytische Anwendungsfälle haben wir auch immer mehr Daten in relationale Datenbanken verschoben.

Das ist also der technische Aspekt, und es gibt noch viel mehr, aber ich möchte nicht unbedingt ins Detail gehen. Es gibt aber auch einen zweiten Aspekt, den wir als „Daten als Produkt“ bezeichnen.

Und ich denke, als wir damit angefangen haben, war das wirklich absolut berechtigt, denn unsere ersten Anwendungsfälle waren in erster Linie analytischer Natur, richtig? Man hat also wirklich eine, sagen wir mal, längerfristige Sicht auf die Daten.

Es ist also wirklich sehr sinnvoll, über klar definierte Datenprodukte zu verfügen. Wir haben Datenbereiche.

Jede Domäne hat einen Datenbereichsinhaber. Jetzt hat jeder Datenbereich seine eigenen Datenproduktteams.

Dies gilt also definitiv weiterhin für analytische Anwendungsfälle und hilft uns auch enorm bei der Datenverwaltung, da es äußerst wichtig ist, die Verwendung Ihrer Daten zu kontrollieren, um die Herkunft nachverfolgen zu können und auch nachzuverfolgen, wer die Daten für welche Zwecke verwendet hat. Für einige der KI-Anwendungsfälle überdenken wir dies derzeit ein wenig, um dynamischer zu sein, da die Erstellung eines Datenprodukts in der Regel Zeit erfordert.

Wir haben auch ein wenig darüber gesprochen, wer und wo wir alle KI einsetzen, und wir finden sie überall. Dies sind nur einige Beispiele, wenn es beispielsweise in der Produktion um prädiktive Modellierung geht, um festzustellen, ob es Probleme oder Abweichungen im Produktionsprozess gibt, bevor es tatsächlich zu Auswirkungen kommt.

Oder wenn man an klinische Studien denkt, geht es um visuelle Dashboards, dann um Analysemodelle für Rabatte und Preisgestaltung und dann ganz rechts, und das wird wirklich immer wichtiger. Wie können wir KI nutzen, um neue Moleküle zu finden, um neue Medikamente für Patienten zu finden und das wirklich zu beschleunigen?

Wie bereits erwähnt, haben wir traditionelle Projekte durchgeführt, wobei wir manchmal sehr schnell waren und manchmal neun Monate gebraucht haben, um das Datenprodukt wirklich von Anfang bis Ende zu erstellen, vom Zugriff auf das Quellsystem bis hin zur Durchführung aller End-to-End-Arbeiten. Das mag für bestimmte Anwendungsfälle immer noch gültig sein, aber wir sind fest davon überzeugt, dass wir durch die Bereitstellung einer Self-Service-Integration nicht nur skalieren, sondern auch Innovationen beschleunigen können.

Wir sprechen von Citizen Developern, aber auch von Citizen Researchern, richtig? Damit wir alle Daten bereitstellen können, die sie benötigen, um Hypothesen schnell zu validieren, zu testen und Entscheidungen zu treffen.

Es hilft uns auch, Silos aufzubrechen. Ja, wir haben Fertigungsdaten, wir haben Verkaufsdaten, wir haben Forschungsdaten.

Wie kann ich manchmal aussagekräftige Erkenntnisse aus all diesen Datensilos gewinnen? Also wirklich dieses Ökosystem nutzen, um alles zusammenzuführen, und zwar wieder ohne unbedingt die Hilfe der IT in Anspruch nehmen zu müssen. Skalierung und Einführung von KI.

Für KI ist es entscheidend, über die Daten zu verfügen, und wenn ich die Eingabe der Daten in das System vereinfache, wird es sofort angenommen. Ja, sehr oft stehen uns die Datenwissenschaftler bereits zur Verfügung.

Sie möchten handeln, können dies jedoch nicht, da sie keinen Zugriff auf die Daten haben. Daher ist hier der Einsatz von Self-Service-Integration zur Skalierung dieser KI-Einführung von entscheidender Bedeutung.

Wir haben auch viel über Compliance und Vertrauen gesprochen, insbesondere in der EU mit all den KI-Vorschriften. Ja, ich meine, wir können KI nicht mehr einfach so einsetzen.

Wir müssen tatsächlich einen Prüfpfad haben. Welche Daten habe ich verwendet? Woher stammen sie? Ja, all diese Dinge und dann natürlich auch noch andere Vorschriften wie HIPAA und so weiter und so fort.

Aber wir tun das nicht nur um der Technologie willen. Ja, natürlich tun wir es, um auf der Welle mitzureiten, aber letztendlich hat es auch einen wichtigen geschäftlichen Wert.

Ganz ehrlich, das macht mein Leben ein bisschen einfacher, weil wir alle um Budget bitten müssen. Richtig? Und plötzlich bewegen wir uns weg von, entschuldigen Sie, wenn ich das so sage, aber Klempnerarbeiten.

Ja. Denn manchmal werden wir als „Rohrleitungen“ betrachtet, wenn wir Integrationen entwickeln, und solange die Rohrleitungen funktionieren, ist alles in Ordnung.

Aber jetzt gehen wir wirklich dazu über, strategisch vorzugehen, aufgrund der vielen Dinge, über die wir heute gesprochen haben. Ohne einen guten Integrationsansatz sind sie nicht möglich.

Ja, dazu gehören auch APIs, natürlich auch das API-Management. Aber für uns ist das wirklich eine bahnbrechende Neuerung.

Wir haben also über beschleunigte Entscheidungsfindung gesprochen, richtig. Manchmal ist es schwierig, dafür einen direkten Geldwert anzugeben, aber wenn man an ein Forschungsprojekt denkt, kann ich möglicherweise viel Geld sparen, wenn ich frühzeitig feststellen kann, ob dies der richtige Weg ist oder nicht, da ich nicht bis zum Ende weitermachen muss, um festzustellen, dass das Ergebnis schlecht ist.

Agilität, Sicherheit und Compliance, richtig. Eine komponierbare Unternehmensarchitektur hilft uns wirklich dabei, agiler zu sein und gleichzeitig die Sicherheit des Unternehmens zu gewährleisten.

Das ist besonders wichtig, wenn wir über agentenbasierte KI sprechen. Viele dieser Agenten können manchmal auf Daten zugreifen, auf die sie wahrscheinlich nicht zugreifen sollten, da sie nicht Ihre Identität annehmen.

Sie könnten einen generischen Integrationsbenutzer verwenden, der Zugriff auf alle Daten hat. Es ist also wichtig, sich darüber Gedanken zu machen, aber hier ist diese Architektur wirklich hilfreich.

Funktionsübergreifende Zusammenarbeit. Das ist für uns auch sehr wichtig, weil es unsere Rolle wirklich verändert.

Wir wandeln uns vom Torwächter zum strategischen Wegbereiter. Ja, und ich würde sagen, das ist auch für unser Team sehr bereichernd, weil es eine ganz andere Rolle ist.

Wir bekommen nicht nur Aufträge zur Ausführung, sondern sind jetzt echte strategische Partner und strategische Wegbereiter. Kosten – wer mag es nicht, wenn man Kostenoptimierung auflisten kann? Ja, ich meine, wir haben noch keine genauen Zahlen für uns, aber es ist bereits ziemlich offensichtlich, dass durch reduzierten manuellen Aufwand oder insbesondere durch reduzierten doppelten Aufwand oder durch Automatisierung erhebliche Kosteneinsparungen erzielt werden können.

Und wie wir bereits im Zusammenhang mit Innovationsförderung erwähnt haben, können wir einfach viel schneller vorankommen, und das ist für mich ein sehr großes Ergebnis. Ich sage immer, wir müssen uns aus dem Geschäft heraushalten.

Ja. Damit sie uns nicht als Hindernis wahrnehmen, weil wir die Hand heben und sagen: „Moment mal, wir haben hier eine SOP oder diese Prozesse.“

Und mehr Geschwindigkeit gewinnen. Darüber habe ich viel nachgedacht, zum Beispiel, was die Herausforderungen sind.

Und einige davon haben nichts mit Technologie zu tun. Der erste ist Governance versus Autonomie.

Ich weiß nicht, wie viele von Ihnen schon mit Datenwissenschaftlern zu tun hatten. Sie sind es wirklich gewohnt, alles zu tun, was nötig ist.

Mit diesen Worten und was auch immer sie wollen. Ja, also sie sind es wirklich gewohnt, Daten auf die Laptops zu laden, ihre Modelle auf dem Laptop auszuführen, und jetzt kommen wir und sagen: Nein, nein, nein, nein, jetzt haben wir diese schöne Datenland-Vision, wir müssen konform sein, wir haben diese Governance-Prozesse.

Es ist also wirklich eine sehr sorgfältige Abwägung, und man muss viel Aufklärungsarbeit leisten. Und manchmal muss man auch seine Herangehensweise ändern.

Wir müssen beispielsweise unsere Definition des Datenprodukts ändern, um eine schnellere Nutzung der Daten zu ermöglichen. Denn das nächste Thema ist Geschwindigkeit versus Perfektion, richtig? Man kann Monate oder Jahre damit verbringen, das perfekte Datenprodukt zu definieren, aber ist das immer der richtige Weg, oder möchte man einfach nur sagen: Lasst uns die Daten einpflegen.

Es könnte sich fast um Rohdaten handeln, insbesondere in der Datenwissenschaft sind Rohdaten gut genug, oder? Seien Sie also flexibler. Datenqualität und Vertrauen.

Ja, es ist zwar Selbstbedienung, aber wir müssen sicherstellen, dass sie saubere, validierte und konsistente Daten verwenden. Ja.

Das ist dann auch eine Herausforderung, wenn Sie die Selbstbedienungs-Datenerfassung oder das Hochladen von Dateien im Selbstbedienungsmodus zulassen. Richtig.

Auch hier müssen wir also sehr vorsichtig sein. Für mich ist das eine Selbstverständlichkeit, aber manchmal handelt es sich nicht um den Zugriff auf das Quellsystem.

Manchmal dauert es sehr lange, bis wir tatsächlich physischen Zugriff auf das Quellsystem erhalten, weil der Systemverantwortliche aus irgendeinem Grund ewig braucht, um die Genehmigung für den Zugriff zu erhalten. Ja.

Sicherheit und Compliance haben wir bereits kurz angesprochen. Compliance ist insbesondere in einer stark regulierten Branche wie der Pharmabranche von entscheidender Bedeutung.

Wir müssen wirklich sicherstellen, dass wir uns an die Regeln halten. DSGVO, HIPAA und alle anderen Vorschriften, während wir gleichzeitig den Zugriff auf die Daten ermöglichen.

Und dann reden wir viel über Bürgerentwicklung, aber es ist tatsächlich eine Herausforderung, die Nutzer zu befähigen und sicherzustellen, dass sie die erforderlichen Fähigkeiten erwerben, um dies selbst zu tun. Wichtigste Erkenntnisse.

Das erste ist tatsächlich die richtige Folgemaßnahme für die Bürgerentwicklung. Denken Sie nicht nur an Technologie, ja.

Um ein datengesteuertes Zielbetriebsmodell zu haben, ja, sicher. Sie müssen umstrukturieren, Sie müssen sich neu ausrichten, Sie brauchen starke Technologie, aber denken Sie auch an Ihre Mitarbeiter.

Dass man die Organisation befähigen und die Menschen dazu befähigen muss, es selbst zu tun. Ja, denn Selbstbedienung bedeutet, dass die Person, die es tut, dazu in der Lage sein muss.

Das nächste Beispiel ist ebenfalls interessant. Technologie verbessert keine schlechten Prozesse.

Ja. Agentische Frameworks werden Ihre schlechten Prozesse nicht verbessern.

Ja, manchmal muss man seine Prozesse neu gestalten. Man muss seine Regeln ändern, um erfolgreich zu sein.

Und dann sprechen wir natürlich viel über Self-Service. Auch über eine API-First-Strategie.

Du weißt etwas, das ich 20 Jahre lang für selbstverständlich gehalten habe, und jetzt musst du die Leute plötzlich wieder davon überzeugen, dass sie vielleicht mit einer API anfangen sollten. Das ist ganz neu für mich.

Ich musste auch neu lernen und die Leute mehr dafür sensibilisieren, indem ich erklärte, warum API first so wichtig ist, insbesondere in einer generischen KI. Als MCP tatsächlich aufkam, gab es einige Artikel über den Tod von APIs, dass man APIs nicht mehr braucht, und wir hatten eine sehr heftige Debatte in unserem Unternehmen und sagten nein, es ist eigentlich genau das Gegenteil.

Sie benötigen mehr APIs, um MCP erfolgreich zu machen. Die letzten drei Punkte sind eigentlich eher Dinge, die ich heute nicht angesprochen habe, die Sie aber im Hinterkopf behalten sollten.

Richtig? Ich glaube, Jeremy hat bereits kurz auf die ereignisgesteuerte Integration hingewiesen. Das ist nichts Neues.

Es gibt das eigentlich schon seit geraumer Zeit, aber wenn wir uns die Datenübertragung ansehen, dann brauche ich keine vollständige Aktualisierung meiner Daten jede Woche, jeden Tag oder sogar inkrementell. Vielleicht sollte ich Ereignisse oder Event-Streaming-Ansätze wie Change Data Capture verwenden, um immer die aktuellsten Daten zu haben, insbesondere auch in agentenbasierten Umgebungen.

Es ist wichtig, dass Ihre Daten immer aktuell sind. Daher könnten ereignisgesteuerte Architekturen hier in Bezug auf die Aktualität der Daten an Bedeutung gewinnen.

Dann natürlich MCP und Agenetic AI. Wir arbeiten tatsächlich aktiv an all diesen Dingen, aber in diesem kurzen Zeitfenster war einfach nicht genug Zeit dafür.

Und dann sollten Sie auch KI wirklich immer dann nutzen, wenn Sie können. In allen Bereichen der API-Erstellung, mit Snap GBT, wenn es um Datenqualität geht, wenn es um Datenumwandlungen geht, ja.

Es hilft den Menschen wirklich, schneller voranzukommen. Sehen Sie immer die positiven Seiten des Lebens.

Ich hoffe, dass es uns nicht ersetzen wird. Ich hoffe, dass es uns die Werkzeuge an die Hand gibt, um schnell voranzukommen und mehr Zeit zu haben, uns auf die wichtigen Dinge zu konzentrieren.

Und dann habe ich völlig das Zeitgefühl verloren, weil der Timer in die entgegengesetzte Richtung lief, aber ich denke, wir sind fertig und haben noch etwas Zeit für Fragen.

Vielen Dank. Es war faszinierend und wirklich interessant, einen Einblick in die vielfältigen Aufgabenbereiche Ihrer Arbeit zu erhalten.

Sie haben also den gesamten Bereich von der Systemmodernisierung bis hin zu den Datenanzeige-Anwendungsprozessen usw. erfasst. Denken Sie über Ihre schwierigen Fragen nach.

Sie haben einen Experten für eines dieser Projekte, aber ich werde vielleicht den Anfang machen. Zunächst einmal denke ich, dass eines der Themen, über die wir im Zusammenhang mit der Modernisierung von Altsystemen sprechen, die Frage ist, wie man überhaupt einen Business Case dafür aufbaut.

Und nach meiner letzten Zählung befindet sich Ihr Team meiner Meinung nach gerade dabei, mindestens fünf ältere Middleware-Lösungen ganz oder teilweise zu migrieren und diese Systeme zu modernisieren. Meines Wissens nach war dies wirklich durch den Business Case und den geschäftlichen Nutzen Ihrer Ziele motiviert und nicht unbedingt durch das Ende der Lebensdauer dieser Systeme.

Können Sie uns ein wenig darüber erzählen, wie das Team von Boehringer Ingelheim die Modernisierung sieht, denn ich weiß, dass Sie auch in Bezug auf die Unternehmensführung sehr finanziell verantwortungsbewusst sind. Wie sind Sie an diese Herausforderung herangegangen?

Es war eigentlich ein doppelter Ansatz. Ich bin mir nicht sicher, was zuerst da war – das Huhn oder das Ei.

Zunächst bestand Modernisierungsbedarf, weil wir uns auch einige der Zeitpläne hier angesehen haben. Wir haben einige sehr alte Sachen, für die es keinen Support mehr gibt.

Hier handelt es sich also um eine sehr einfache risikobasierte Berechnung, bei der die Leute widerwillig bereit sind, Geld in die Hand zu nehmen. Aber wenn man dann noch einen drauf setzt, und genau hier hat die JetGPT-Welle meiner Meinung nach wirklich geholfen, denn wie gesagt, plötzlich wird es strategisch und man wird mit seiner Technologie zu einem strategischen Wegbereiter für viele dieser Anwendungsfälle.

Ich denke, wir stehen immer noch vor einigen Herausforderungen, nicht unbedingt bei der Auswahl eines Tools und dem Wunsch nach Modernisierung, sondern manchmal auch, weil das Unternehmen etwas langsamer vorankommt oder keine Notwendigkeit für eine Modernisierung sieht. Auch hier helfen das Ende der Lebensdauer und die strategischen Auswirkungen wirklich weiter.

Ausgezeichnet. Eine Art dualer Ansatz, um deutlich zu machen, dass es sich hierbei nicht lediglich um eine geschäftlich wertneutrale Maßnahme handelt.

Die andere Seite der Medaille ist wirklich wertvoll. Natürlich müssen die Geschäftsanwender an den Benutzerakzeptanztests teilnehmen und das Projekt ebenfalls unterstützen.

Nun, ich habe eine Menge Fragen. Ich könnte die Zeit in Anspruch nehmen, aber haben wir auch Fragen von den Teilnehmern? Bitte melden Sie sich einfach, indem Sie Ihre Hand heben.

Wir haben Mikrofonläufer. Hier scheint einer zu sein.

Ich weiß, dass keiner von uns darüber sprechen möchte, aber im Grunde genommen nimmt KI früher oder später Arbeitsplätze weg. Und das ist für Organisationen wie Ihre, die vielleicht auch von innen heraus ziemlich alt oder altmodisch sind, umso relevanter.

Wie geht ihr damit um? Wie beschönigt ihr diese Botschaft?

Ich halte nichts davon, die Dinge schönzureden. Ich denke, diese schwierigen Gespräche werden für uns alle eine Herausforderung sein.

Ich glaube tatsächlich, dass es für ein Unternehmen wie Boehringer wahrscheinlich schwieriger ist, weil es schon so alt ist. Im Laufe seiner gesamten Geschichte gab es nur Wachstum.

Ja. Und das sind nun einige schwierige Herausforderungen.

Im Moment liegt der Schwerpunkt wirklich auf der Weiterbildung der Mitarbeiter. Ja, wir haben zum Beispiel vorhin über KI-Schulungen gesprochen.

Wir haben tatsächlich die sogenannte DataX Academy ins Leben gerufen, die wir nutzen, um unsere Mitarbeiter in den Bereichen Datenanalyse und KI-bezogene Themen zu schulen. Ich denke, das ist entscheidend.

Wie ich schon sagte, man sollte immer die positiven Seiten des Lebens sehen. Ich hoffe auch, dass es ein Gleichgewicht geben wird, aber wir sehen bereits, dass zumindest agierende KI als Grund für Entlassungen herangezogen wird.

Ich weiß nicht, ich spreche lieber mit Menschen am Support-Telefon, wenn sie wissen, was sie tun, als mit einem Chatbot. Aber es wird Auswirkungen geben.

Ich denke, wir als Gesellschaft müssen uns auch damit auseinandersetzen. Das ist eine Herausforderung, und für mich muss es ein offenes Gespräch sein.

Wir müssen darüber nachdenken. Wir müssen auch über Umschulungen nachdenken, damit es vielleicht andere Arbeitsplätze für die Menschen gibt.

Ich meine, allein im Bereich Engineering sprechen wir viel über Byte-Codierung. Wird diese die Softwareentwickler ersetzen? Ein Freund von mir hat tatsächlich ein internes Projekt durchgeführt, bei dem sich fünf leitende Ingenieure intensiv mit der Verwendung von Byte-Codierung beschäftigt haben.

Und ja, man kann den Aufwand reduzieren. Aber Sie wissen ja, dass es auch einen Mangel an qualifizierten Fachkräften gibt, sodass wir hoffentlich ein Gleichgewicht erreichen können.

Ich bin nach wie vor optimistisch. Ausgehend von den Beobachtungen in der SnapLogic-Community denke ich, dass sich die derzeitigen Bemühungen zur Implementierung dieser Systeme in der Regel auf Bereiche konzentrieren, in denen bereits Ressourcenknappheit herrscht. Zumindest derzeit sehen wir also keine groß angelegte, sagen wir mal vollständige Automatisierung eines Bereichs.

Ganz im Gegenteil, wir sehen, dass die wichtigsten Anwendungsfälle in der Regel jemand sind, der sich meldet und sagt: „Hey, ich sollte diese Sache nicht tun, aber ich tue sie ständig.“ Und in der Regel handelt es sich um einen hochkontextuellen Prozess, der sowohl unstrukturierte oder halbstrukturierte als auch strukturierte Daten umfasst und einen Menschen erfordert, der die Brücke zwischen diesen beiden Welten schlägt und dann den Prozess ausführt.

Und so kommen die meisten dieser Fälle, die wir sehen, von Leuten, die sagen: Ich bin der Domänenexperte für diesen Bereich. Ich verbringe unverhältnismäßig viel Zeit damit, diese Sache zu tun.

Bitte automatisieren Sie diese Sache, damit ich mich um andere Dinge kümmern kann, die ich erledigen möchte. Und ich denke, das ist die andere Sache, die wir nicht unbedingt zu schätzen wissen: die Auswirkungen und Gewinne im positiven Bereich.

Und selbst in den Bereichen, in denen wir diese Produktivitätssteigerung beobachten, haben Sie beispielsweise den Support und die Support-Abwehr erwähnt. Die meisten Unternehmen, mit denen ich zusammengearbeitet habe und die eine große Auswirkung auf die Support-Abwehr feststellen, gaben an, dass sie eine 85-prozentige Reduzierung oder Automatisierung der Abwehr von HR-Serviceanfragen verzeichnen konnten, so eines der Mitglieder unseres CIO-Beirats.

Sie stellen zusätzliche HR-Business-Partner ein, um näher am Geschäft zu sein, weil sie eine höhere strategische Wirkung durch eine andere Arbeitsweise erzielen. Ich denke also, dass dies ein sehr unklares Bild sein wird, und ich denke, dass die Statistiken, die wir sehen, mit denen ich gestern Abend beim Abendessen mit einem Analysten gesprochen habe, der sagte, wissen Sie, was wir feststellen, ist, dass viele Entlassungen auf KI zurückgeführt werden, aber keine der Entlassungen war auf KI zurückzuführen.

Das ist also derzeit eine unklare Situation. Ich finde, wir sollten nichts beschönigen, aber ich denke, wir sollten die Wahrheit über Ego und Wahrnehmung stellen und tatsächlich mit etwas Strenge herausfinden, was wirklich vor sich geht.

Weitere Fragen? Im Voraus.

Ralf, Sie haben erwähnt, dass Sie hauptsächlich für ein Forschungs- und Entwicklungsunternehmen tätig sind. Ich habe im Allgemeinen mit vielen Pharmaunternehmen zusammengearbeitet und dabei festgestellt, dass es von der Entdeckung bis zur Markteinführung sehr lange dauert.

Sehen Sie positive Auswirkungen für die Zukunft? Auf jeden Fall. Oder haben Sie bisher irgendwelche negativen Auswirkungen gesehen?

Ich würde sagen, wir sehen die ersten Ergebnisse. Ja.

Ich meine, KI oder nicht, aber für mich war COVID ein großer Wendepunkt, oder? Wie schnell plötzlich jeder, der will, Menschen impfen kann. Ja, das hat etwa sechs bis zwölf Monate gedauert, nicht zehn Jahre.

Wenn man sich auch einige Entwicklungen in den USA ansieht, also den erhöhten Preisdruck usw., dann muss man möglicherweise die Umsatzverluste bei einigen Ihrer wichtigsten Medikamente durch neue Produkte ausgleichen. Sie müssen also in der Lage sein, schneller und kosteneffizienter zu entwickeln, richtig?

Ich meine, heute ist es immer noch sehr automatisiert, würde ich sagen, richtig? In Labors sehen wir viel Automatisierung, aber jetzt könnte es noch mehr sein, und zwar nicht nur in der Forschung, sondern auch in den Regulierungsprozessen.

Wenn man bei der FDA einen Antrag stellt, um all diese Unterlagen zu erstellen, die man zur Genehmigung einreichen muss, wechselt man von handgefertigt zu KI-generiert. So kann man die Prozesse wirklich beschleunigen.

Aber wenn man bedenkt, wie viele Versuche und Irrtümer, wie viele Moleküle man untersuchen muss, um ein Endprodukt zu erhalten, dann denke ich, dass es zwar ein enormes Potenzial gibt, wir aber derzeit erst an der Oberfläche kratzen. Und um noch etwas zur vorherigen Frage hinzuzufügen: Es ist eine Art Ausgleich, denn dank der Automatisierung kann man mehr Entdeckungen machen. In dieser Hinsicht gibt es also auch nicht so viele Arbeitsplatzverluste.

So können Sie Ressourcen nutzen, um mit denselben Ressourcen mehr zu erreichen, und zwar weil Sie dies schneller tun können.

Okay. Wir können ein oder zwei haben.

Ich überschreite definitiv die Zeit, denn das ist mein Lieblingsteil der Sitzung. Gibt es noch weitere Fragen im Raum? Wer hat noch Fragen? Oh Mann.

Ich könnte... Ich werde einfach später deine Zeit für mich allein beanspruchen müssen.

Na gut. Wenn du mir einen Drink spendierst.

Abgemacht. Vielen Dank.

Wir wissen es sehr zu schätzen, dass Sie sich Zeit für uns genommen und diese Arbeit mit uns geteilt haben. Es ist uns eine große Ehre.