advertorial

Den Umgang mit Big Data im Bereich Pharma zukunftsfähig und gewinnbringend gestalten

big data pharma

Für datengetriebene Organisationen sind qualifizierte Informationen pures Kapital. Welche Bedeutung hat Big Data für die Pharma-Branche?

Individualisierte und gezielte Informationsbeschaffung aus einem automatisiert aggregierten Datenpool

Digitale Transformation, Cloud-Computing, Big Data und ähnliche Begriffe bestimmen auch im Bereich Pharma schon längst die Weiterentwicklung der Unternehmensstrukturen und
-strategien. Große Konzerne, die konsequent alle verfügbaren internen und externen Datenquellen erschließen, müssen schon jetzt mit Millionen von Dokumenten agieren, wenn sie über eine Basis für die Erstellung von Informationen und die Nutzung von Wissen und Erfahrung verfügen möchten. Der entscheidende Punkt ist aber, wie aus diesen Datenbergen aussagekräftige, tragfähige und qualifizierte Informationen gewonnen werden können und damit ein nachhaltiger wirtschaftlicher Mehrwert entsteht. Speziell in der vielfältigen und komplexen pharmazeutischen Forschungs- und Entwicklungsarbeit sind die Anforderungen an die Erfassung und Auswertung von Daten und Informationen hoch. Zeitgemäße Lösungen der Enterprise Search kombinieren leistungsstarke Indizierungstechnologien mit fortgeschrittenem Natural Language Processing (NLP) und hoch entwickelten Machine-Learning-Algorithmen.

Big Data im Pharma Bereich: eine kognitiv und proaktiv arbeitende Software als zukunftsfähige Lösung im Wissens- und Informationsmanagement

Beispiele aus dem Betriebsalltag eines großen Unternehmens lassen in Sachen Handlungsbedarf keine Fragen offen. Beim Pharmakonzern AstraZeneca etwa haben Mitarbeiter/innen in der Forschung und Entwicklung über die Plattform des Herstellers Sinequa einen einheitlichen Informationszugang (Unified Information Access) auf das gesamte Unternehmenswissen. Berücksichtigt werden dabei die jeweiligen Zugriffsrechte. In einem forschungsintensiven biopharmazeutischen Unternehmen wie AstraZeneca erstellen interne wie externe Spezialisten tagtäglich eine immense Anzahl hochtechnischer Dokumente: Forschungsunterlagen, Einträge in medizinische Datenbanken, Versuchsberichte, Patenteinreichungen u. v. m. Hinzu kommt die gesammelte Kommunikation zwischen Forschern aus verschiedenen Fachgebieten, bestehend aus internen Notizen, E-Mails usw. Die Informationen in diesen Dokumenten können sehr unterschiedlicher Natur sein und Themen aus Medizin, Pharmazie, Biologie, Chemie, Biochemie, Genetik u. a. behandeln. Diese setzen sich wiederum mit Krankheiten, Genen, Wirkstoffen und Wirkungsweisen auseinander. Meist liegen die Informationen in Textform vor, ebenso aber auch als strukturierte Daten wie Molekularstrukturen, Formeln, Kurven und Diagramme.

Alle intern und extern zur Verfügung stehenden Quellen eingeschlossen, kommen gut und gerne Datenmengen von 500 Millionen Dokumenten zusammen, mit denen sich ein Pharma-Unternehmen auseinandersetzen muss. Tendenz steigend. Auf der anderen Seite stehen die Experten, die in den verschiedenen Geschäftsfeldern eines biopharmazeutischen Unternehmens tätig sind: Auch hier kann in einem weltweit tätigen Unternehmen die Anzahl schnell bei 10.000 und mehr Personen liegen. Im Rahmen der Forschungs- und Entwicklungsarbeit kommt es bei AstraZeneca täglich vor, dass jemand einen Experten beziehungsweise Informationen im Konzern zu einem dezidierten Thema sucht. Wer kennt sich zum Beispiel mit "Arteriosklerose" besonders gut aus, wer weiß über Wirkstoffe und aktive Moleküle in den Medikamenten Bescheid, welche Dokumente zu Nebenwirkungen und Patenten gibt es?

Forschung und Entwicklung, Pharma und Big Data: Informationseffizienz ein entscheidender Wettbewerbsvorteil

Die Umwandlung von heterogenen und riesigen Datenmengen in verwertbares Wissen ist pure Wertschöpfung für Unternehmen und Konzerne. Die praktischen Anwendungs- und damit Einsparungsmöglichkeiten liegen nicht nur in den Kernbereichen Forschung und Entwicklung. Nicht weniger interessant ist der Einsatz zur Erstellung von Analysen zum Beispiel im Customer-Relationship-Management. Erst mit profunden Informationen können die richtigen strategischen Entscheidungen getroffen werden.