Künstliche Intelligenz in der Pharmabranche von Forschungsdaten zu nutzbaren Erkenntnissen

In Forschung und Entwicklung, wo sie große Datensätze in nutzbare Informationen verwandelt, bei Prozessen für Generika, wo sie die Arbeit mit Datenbanken chemischer Verbindungen beschleunigt, und im Betrieb, wo sie administrative und regulatorische Routinen automatisiert und Produktions-, Logistik- und Versorgungsdaten verknüpft.

Oft ja. Für ein Pharmaunternehmen haben wir mit Generative Adversarial Networks Gewebebilder, die mit einem Reagenz gefärbt waren, in die Domäne eines anderen übertragen, sodass ein vorhandener Klassifikator zur Krankheitserkennung wiederverwendet werden konnte. Mit einem interaktiven Tool konnte das Team die generierten Bilder validieren. Das senkte Zeit und Kosten für die Verarbeitung neuer Färbungsarten.

Ihr Einsatz in klinischen Situationen ist noch begrenzt. Wir konzentrieren uns auf Anwendungsfälle in Forschung, Analyse und Betrieb, in denen KI Experten unterstützt, und sagen klar, wo menschliches Urteilsvermögen unverzichtbar bleibt.

Nein. Für ein Wissenschafts- und Technologieunternehmen mit Zehntausenden Mitarbeitenden haben wir auch NLP-Analysen umgesetzt, die Kompetenzlücken und Nachfolger für geschäftskritische Rollen identifizierten und rund 10.000 Personenstunden einsparten.

Unser KI-Projektlebenszyklus basiert auf Standards der Softwareentwicklung und berücksichtigt die wissenschaftlichen Herausforderungen des Machine Learning. Jede Phase hat eigene Ziele und Qualitätskriterien, die erfüllt sein müssen, bevor die nächste beginnt.