Abstrakte blaue und violette Lichtstrahlen auf schwarzem Hintergrund mit Lichteffekt und Bokeh. Vektorillustration
Artikel

Die zentralen Herausforderungen von Automatisierungs- und Digitalisierungsinitiativen

im Pharmaumfeld 2026

Vom digitalen Einzelprojekt zum skalierbaren Regelbetrieb

Was fehlt in der Praxis, damit digitale und automatisierte Lösungen in pharmazeutischen Prozessen nicht nur im Pilot funktionieren, sondern im Alltag stabil und regelkonform betrieben werden können?

Pharmaunternehmen stehen unter hohem Transformationsdruck. Weltweit laufen bis 2030 Exklusivitäten für Arzneimittel mit rund 350 Mrd. USD Jahresumsatz aus[1]; bis 2028 erwartet IQVIA einen globalen Loss-of-Exclusivity-Effekt von 192 Mrd. USD[2]. Gleichzeitig steigen regulatorische Anforderungen und operative Komplexität. Wertströme müssen deshalb schneller, transparenter und wirtschaftlicher gesteuert werden.

Die eigentliche Schwierigkeit liegt meist nicht im Mangel an Ideen oder einzelnen Anwendungsfällen. Viele Initiativen scheitern daran, lokale Fortschritte in einen regulierten, standortübergreifend steuerbaren Regelbetrieb zu überführen. Ein Pilot kann Nutzen belegen und dennoch nicht skalieren, wenn Daten fragmentiert bleiben, Integrationspfade fehlen und neue Lösungen auf gewachsene Systemlandschaften sowie unterschiedliche Prioritäten in Fachbereich, IT und Qualität treffen.

Entscheidend ist deshalb weniger die Zahl einzelner Use Cases als die Frage, wie sie aufgebaut und in den Betrieb überführt werden. Dafür müssen belastbares Datenfundament, anschlussfähige Integration, klare Governance und ein tragfähiges Betriebsmodell zusammen gedacht werden. In regulierten pharmazeutischen Prozessen gilt das in besonderem Maß, weil Freigabefähigkeit, Datenintegrität, Validierung und Auditierbarkeit feste Bestandteile digitaler Betriebsfähigkeit sind[3],[4],[7].

Der Bericht ordnet deshalb drei Punkte: die zentralen Herausforderungen der Pharma-Digitalisierung, die typische Skalierungslücke zwischen Piloten und Regelbetrieb sowie die Voraussetzungen für einen belastbaren Pfad in den Regelbetrieb. Besonders relevant ist diese Perspektive dort, wo operative Steuerung, Qualität und Shopfloor-Wirklichkeit zusammenkommen.

1. Zentrale Herausforderungen der Prozessautomatisierung in der Pharmabranche

Mehrere strukturelle Herausforderungen wirken gleichzeitig auf pharmazeutische Wertströme ein: Exklusivitätsverluste, Preis- und Erstattungsdruck, komplexere Portfolios sowie steigende Anforderungen an Qualität und Nachweisbarkeit erhöhen den Handlungsdruck erheblich[1],[2]. Forschung, Labor, Produktion und Qualität müssen deshalb nicht nur schneller, sondern vor allem konsistenter, transparenter und besser steuerbar arbeiten.

Die operativen Schwächen zeigen sich oft an denselben Stellen: Entlang des Wertstroms geht Zeit verloren, Steuerbarkeit nimmt ab und Qualität ist nicht durchgängig abgesichert. In vielen Organisationen fehlen dafür noch die Voraussetzungen für einen stabilen Regelbetrieb: ein belastbares Datenfundament, klare Integrationspfade, nachvollziehbare Übergaben und ein Betriebsrahmen, der nicht von Einzelpersonen oder lokalen Workarounds abhängt.

Das Problem zeigt sich in der operativen Realität sehr konkret: Daten sind über Geräte, Einzelsysteme, Tabellen und manuelle Dokumentationsschritte verteilt. Historisch gewachsene Schnittstellen, Medienbrüche und lokale Sonderlogiken verlangsamen Entscheidungen und schwächen Steuerbarkeit. Was zunächst wie ein IT-Thema wirkt, wird damit schnell zu einem Produktivitäts-, Qualitäts- und Risikothema.

Flussdiagramm mit blauen und grauen Kästchen, die verschiedene Schritte und Rollen im Pharma-Wertstrom darstellen

Zentrale Herausforderungen der Prozessautomatisierung in der Pharmabranche

Flussdiagramm mit blauen und grauen Kästchen, die verschiedene Schritte und Rollen im Pharma-Wertstrom darstellen

Abb.1: Fragmentierte Datenflüsse, Medienbrüche und gewachsene Systemlandschaften begrenzen Transparenz, Steuerbarkeit und Skalierbarkeit im Pharma-Wertstrom.

Abb.1: Fragmentierte Datenflüsse, Medienbrüche und gewachsene Systemlandschaften begrenzen Transparenz, Steuerbarkeit und Skalierbarkeit im Pharma-Wertstrom.

Diese Muster sind auch aus der Digitalisierung industrieller Anlagen bekannt: Bestandsanlagen, proprietäre Schnittstellen und getrennte Produktions- und IT-Systeme verhindern oft einen durchgängigen Datenfluss. Standards wie ISA-95, OPC UA und NAMUR Open Architecture (NOA) sind deshalb vor allem strategisch relevant, weil sie Orientierung für anschlussfähige Integrations- und Datenmodelle geben[7],[8],[9],[10].

Gerade hier zeigt sich der spezifische Unterschied pharmazeutischer Prozesse zu vielen anderen Branchen: Verfügbare Daten und technische Anbindung allein reichen nicht aus. Entscheidend sind zusätzlich validierbare Systeme, nachvollziehbare Entscheidungen, klare Rollen und Freigaben sowie eine belastbare Datenherkunft. Der europäische GMP-Anhang Annex 11 für computergestützte Systeme, das FDA-Regelwerk 21 CFR Part 11 zu elektronischen Aufzeichnungen und elektronischen Signaturen sowie die MHRA-Guidance zur GxP-Datenintegrität machen deutlich, dass Governance, Validierung und dokumentierte Risikobewertung feste Bestandteile des digitalen Betriebsmodells sein müssen[3],[11],[12].

Mit der fortschreitenden Entwicklung von KI wird diese Anforderung noch deutlicher. Die 2026 veröffentlichten gemeinsamen Leitprinzipien von EMA und FDA für KI in der Arzneimittelentwicklung bestätigen, dass auch hier ein klarer Anwendungszweck, belastbare Daten- und Modellgrundlagen, geeignetes Risikomanagement und GxP-kompatible Governance entscheidend sind[4]. Damit wird noch klarer: Nicht zusätzliche Einzellösungen sind das zentrale Thema, sondern belastbare Daten-, Integrations- und Governance-Grundlagen, auf denen Skalierung überhaupt erst möglich wird.

Infografik mit drei farbigen Rechtecken, das mittlere mit Text und die äußeren mit Symbolen, verbunden durch Pfeile.

Die Skalierungslücke zwischen Piloten und Regelbetrieb

Infografik mit drei farbigen Rechtecken, das mittlere mit Text und die äußeren mit Symbolen, verbunden durch Pfeile.

Abb.2: Die Skalierungslücke entsteht dort, wo erfolgreiche Piloten auf unzureichende Daten-, Integrations- und Governance-Grundlagen treffen.

Abb.2: Die Skalierungslücke entsteht dort, wo erfolgreiche Piloten auf unzureichende Daten-, Integrations- und Governance-Grundlagen treffen.

2. Die Skalierungslücke zwischen Piloten und Regelbetrieb

Viele Digitalprogramme starten mit einem klaren Anwendungsfall und einer technisch machbaren Lösung. Ob daraus nachhaltiger Wert entsteht, entscheidet sich jedoch meist erst beim Übergang in die bereichs- oder standortübergreifende Umsetzung.

Branchenstudien zeichnen ein konsistentes Bild: Digitale Transformation und KI stehen weit oben auf der Agenda, erfolgreich skalierte Initiativen bleiben aber die Ausnahme[5]. Häufig scheitert nicht das Zielbild, sondern die Fähigkeit, Systeme, Teams, Prozesse und Daten so zu verbinden, dass aus einzelnen Initiativen wiederholbar Wert entsteht[6].

Der häufigste Denkfehler besteht darin, den Erfolg eines Use Cases mit der Reife des späteren Betriebsmodells zu verwechseln. Lokal optimierte Lösungen können kurzfristig überzeugen, obwohl im Hintergrund weder belastbare Datenlogik noch sauberer Architekturpfad noch Governance für den Regelbetrieb existieren. Genau hier öffnet sich die Skalierungslücke: Der Use Case funktioniert, das System dahinter ist jedoch nicht anschlussfähig genug für Rollout, Compliance und wiederholbaren Betrieb[6],[7].

Im Pharma- und Laborumfeld zeigt sich diese Lücke besonders deutlich. Fragmentierte Infrastrukturen, organisatorische Trägheit sowie Unsicherheit bei Standards und Interoperabilität bremsen die Umsetzung. Hinzu kommen Zielkonflikte an den Schnittstellen: In F&E und Science zählen vor allem Anwendbarkeit und Tempo, in der IT stabile und integrierbare Systemlandschaften, in Qualitätsfunktionen Nachweisbarkeit, Kontrolle und Compliance. Genau dort entstehen Reibungen, Verzögerungen und Priorisierungskonflikte.

Typisch ist zudem ein strukturelles Ungleichgewicht: Use Cases starten oft schneller, als die dafür notwendigen Grundlagen geschaffen werden. Ein Pilot zeigt Wirkung, obwohl das zugrunde liegende Datenmodell noch nicht harmonisiert ist. Eine Automatisierung spart Zeit, obwohl Schnittstellen noch zu stark individualisiert sind. Ein analytischer Mehrwert wird sichtbar, obwohl Datenherkunft, Rollenmodell und Betriebsrahmen für den Regelbetrieb noch nicht ausreichend vorbereitet sind.

3. Umsetzungsperspektive: Der Pfad zur Betriebsfähigkeit

Auf dieser Grundlage rückt eine andere Frage in den Vordergrund: Welche Grundlagen müssen zuerst stehen, damit digitale Potenziale nicht nur lokal wirken, sondern in einen skalierbaren Regelbetrieb übergehen? Die Herausforderung liegt weniger darin, weitere Einzellösungen zu identifizieren, als mehrere Lösungen auf eine gemeinsame Daten-, Integrations- und Betriebsbasis zu stellen.

Dafür müssen Prozessverständnis, Integrationsfähigkeit und klare Steuerung entlang des gesamten Wertstroms zusammenkommen. Es geht nicht darum, möglichst viele Einzelanwendungen zu starten, sondern die Voraussetzungen zu schaffen, die mehrere Anwendungen gleichzeitig tragfähig machen. Der Blick reicht von Forschung und Entwicklung (R&D) über Qualitätskontrolle (QC) und Technologietransfer bis zu Produktion und Supply Chain, weil gerade an diesen Übergängen Nacharbeit, Verzögerungen und Compliance-Risiken entstehen.

  • Auf dem Weg in den Regelbetrieb zeigen sich vier Hebel besonders deutlich. Sie lassen sich aus wiederkehrenden ZEISS-Projekten und Umsetzungen von ZEISS Digital Innovation (ZDI) in regulierten Industrie-, Labor- und Medizintechnik-Umgebungen ableiten. Zugleich verbinden sie allgemeine Integrationsmuster mit den Anforderungen regulierter Betriebsumgebungen.

    • Geräteintegration in Bestandsumgebungen (Brownfield): In regulierten Umgebungen sind gewachsene Labor- und Produktionslandschaften der Normalfall. Strategisch entscheidend ist deshalb, wie Geräte und Systeme schrittweise anschlussfähig gemacht werden, ohne neue Insellösungen zu erzeugen. Standards wie OPC UA, NOA und im Laborumfeld SiLA 2 geben dafür Orientierung[9],[10],[13].
    • Durchgängiger Datenfluss im Ablauf: Steuerbarkeit steigt dort, wo operative Ereignisse, Qualitätskontext und Entscheidungsinformationen verlässlich verbunden sind. Erst dann wird aus digitalisierten Einzelschritten ein Prozess, der sich über Bereichsgrenzen hinweg steuern und bewerten lässt.
    • Systemintegration für Qualitätskontrolle (QC), Review und Freigabe: In pharmazeutischer Produktion und Qualitätskontrolle ist Integration mehr als ein Effizienzthema. Prozesse in Qualitätskontrolle, Review, Freigabe und Abweichungsbearbeitung müssen auf konsistenten, vertrauenswürdigen Informationen basieren. Damit werden Zugriffsrechte, Signaturen, Auditierbarkeit und dokumentierte Rollenmodelle zu Bestandteilen der Betriebsfähigkeit[3].
    • Scalable Skalierbare Architektur und Betriebsmodell: Aus lokalem Fortschritt wird erst dann ein Standard, wenn Architektur und Betrieb auf Wiederverwendbarkeit ausgelegt sind. Aus wiederkehrenden ZEISS-Projekten und Umsetzungen zeigt sich, dass ein Manufacturing Execution System (MES) für die regelkonforme Ausführung zentral bleibt, für bereichsübergreifende Transparenz und datengetriebene Optimierung aber häufig nicht ausreicht. Erforderlich ist deshalb eine integrierte Daten- und Plattformlogik, die bestehende Kernsysteme ergänzt.
  • Ob digitale Initiativen über den Piloten hinaus Wirkung entfalten, entscheidet sich vor allem daran, ob die zentralen Voraussetzungen früh adressiert und durch klare Steuerung zusammengehalten werden.

    Für regulierte Pharma- und Laborumgebungen heißt das vor allem: Systeme und Daten müssen anschlussfähig werden, Informationen müssen strukturiert und qualifiziert vorliegen, und Automatisierung muss auf belastbaren Grundlagen aufbauen. Erst dann wird Skalierung tragfähig.

    In der Praxis überlappen sich diese Themen oft. Entscheidend ist daher weniger eine starre Schrittfolge als der konsequente Aufbau von Verbindung, Datenlogik, Qualifizierung und Betriebsfähigkeit. Gerade im Pharmaumfeld ist das wichtig, weil Qualitätskontrolle (QC), Review, Freigabe, Technologietransfer und Abweichungsbearbeitung nur dann belastbar und regelkonform ablaufen, wenn Datenherkunft, Rollen, Freigaben und Systemgrenzen klar nachvollziehbar sind[3].

    Führung und Steuerung müssen früh verankert werden. Management und Programmverantwortliche brauchen klare Entscheidungs- und Eskalationswege, damit Zielkonflikte zwischen Fachbereich, IT und Qualität nicht erst im Rollout sichtbar werden.

    Kennzahlen (KPIs) dienen dabei nicht nur dem Berichtswesen, sondern auch als Freigabekriterien für Skalierung. Sinnvoll sind wenige messbare Zielgrößen, die Wirkung im Betrieb sichtbar machen, etwa bei Zykluszeit, Datenqualität, Rework, Freigabedauer oder Störanfälligkeit.

    Pilotierungen sollten deshalb nicht nur technische Machbarkeit zeigen, sondern operative Relevanz und ein tragfähiges Betriebsmodell. Dazu gehören klar formulierte Business-Ziele, ein belastbarer Validierungs- und Übergabepfad sowie die Fähigkeit der Organisation, neue Arbeitsweisen dauerhaft zu übernehmen.

  • Auf Unternehmensebene entscheidet sich Skalierbarkeit nicht im Einzelprojekt, sondern im Zusammenspiel aus Standards, Referenzarchitektur und Beschaffung.

    Standards liefern die gemeinsame Sprache und die Strukturprinzipien. Als Begriffs- und Strukturmodell für die Schnittstelle zwischen Unternehmens- und Produktionssystemen ist ISA-95 besonders relevant. Für offene Kommunikation und anschlussfähige Informationsmodelle sind vor allem OPC UA und im Laborumfeld SiLA 2 wichtig[7],[8],[13].

    Werden diese Standards in eine Referenzarchitektur übersetzt, lassen sich Systemrollen, Datenflüsse und Verantwortlichkeiten unternehmensweit konsistenter definieren. In operativen Kernbereichen wird das konkret: Ein Manufacturing Execution System (MES) bleibt zentral für die regelkonforme Ausführung und Dokumentation von Produktionsabläufen. Ergänzende Daten- oder Plattformschichten schaffen Transparenz über Systemgrenzen hinweg und ermöglichen schnellere Analysen. Eine Referenzarchitektur beschreibt damit nicht ein einzelnes Leitsystem, sondern das Zusammenspiel der Kernsysteme im Ökosystem.

    Über Beschaffung werden diese Architekturprinzipien in konkrete Anforderungen übersetzt. Werden Interoperabilität, offene Schnittstellen, Sicherheitsanforderungen und Anschlussfähigkeit früh in Ausschreibungen, Lieferantenbewertung und Architekturvorgaben verankert, sinkt der spätere Integrationsaufwand deutlich. Fehlen diese Kriterien, wandern die Kosten aus der Produktauswahl in Projekte und Betrieb. Genau deshalb prägen Hersteller mit ihren Produktarchitekturen die reale Skalierbarkeit des Ökosystems stärker, als es auf dem Papier oft sichtbar wird. Standardisierung bleibt dann nicht bei einer Zielvorstellung, sondern wird in Beschaffung und Betrieb konkret.

Schlussfolgerung

Die strategische Aufgabe besteht darin, digitale Fortschritte so aufzusetzen, dass aus lokalem Nutzen belastbare Betriebsfähigkeit wird. Genau daran stoßen viele Organisationen: Fragmentierte Datenflüsse, lokal gedachte Pilotlösungen, gewachsene Systemlandschaften und regulatorische Anforderungen begrenzen Skalierung, Steuerbarkeit und Wirtschaftlichkeit.

Daraus ergeben sich drei Prioritäten:

  1. Wertströme mit dem größten Ergebnis- und Risikohebel vor Einzelinitiativen priorisieren.
  2. Daten- und Integrationsgrundlagen schaffen, bevor weitere Anwendungen breit ausgerollt werden.
  3. Bestandsumgebungen (Brownfield), Standards, Kernsysteme und regulierte Betriebsfähigkeit von Beginn an in Architektur, Beschaffung und Umsetzung einplanen.

Ein sinnvoller nächster Schritt besteht darin, einen wertrelevanten Wertstrom festzulegen, in dem Daten- und Dokumentationsbrüche besonders sichtbar sind und operativ spürbare Wirkung erreichbar ist. Ausgangsbasis und Zielgrößen sollten dort verbindlich definiert und ein Pilot nur dann freigegeben werden, wenn Architekturpfad, Validierung und Betriebsmodell von Beginn an mitgedacht sind. Ein inkrementelles Vorgehen ist dabei oft der realistischere Weg. Entscheidend ist jedoch, dass einzelne Schritte nicht additiv nebeneinanderstehen, sondern durch eine langfristige Integrations-, Architektur- und Steuerungslogik zusammengehalten werden. So entsteht aus einer Initiative mit lokalem Nutzen ein Programm mit realer Skalierungsperspektive.

Ihre Pharma-Digitalisierung gemeinsam weiterdenken

Sprechen Sie mit uns über eine strategische Roadmap für skalierbare Digitalisierung.
Bild von David Heinz
David Heinz Business Development Manager
Bild von Leonie Müller
Leonie Müller Key Account Manager

Formular wird geladen ...

Wenn Sie weitere Informationen zur Datenverarbeitung bei ZEISS haben möchten, lesen Sie bitte unsere Datenschutzerklärung.


  • 1

    Bleys M., et .al. (2025): "Biopharma Trends 2025: Focusing on Innovation amid Complexity", abgerufen unter: Boston Consulting Group (BCG)

  • 2

    IQVIA Institute (2024): "The Global Use of Medicines 2024 - Outlook to 2028", abgerufen unter: IQVIA

  • 3

    European Commission / EudraLex Vol. 4 Annex 11: "Computerised Systems", abgerufen unter: European Commission

  • 4

    EMA / FDA (14 Jan 2026): "EMA and FDA set common principles for AI in medicine development; related Guiding Principles", abgerufen unter: European Medicines Agency (EMA)

  • 5

    Deloitte (9 Dec 2025): "2026 Life Sciences Executive Outlook", abgerufen unter: Deloitte

  • 6

    McKinsey (2023): "Rewired for value: Digital and AI transformations that work" In Ergänzung dazu "What really works when it comes to digital and AI transformations?" abgerufen unter: McKinsey article und McKinsey podcast

  • 7

    ISA: "ISA-95 Series of Standards: Enterprise-Control System Integration", abgerufen unter: International Society of Automation (ISA)

  • 8

    Durham, N.C. (10 Apr 2025): "Update to ISA-95 Standard Addresses Integration of Enterprise and Manufacturing Control Systems" abgerufen unter: International Society of Automation (ISA)

  • 9

    OPC Foundation: "Unified Architecture (OPC UA) - Landingpage", abgerufen unter: OPC Foundation

  • 10

    NAMUR: "NOA – NAMUR Open Architecture", abgerufen unter: NAMUR

  • 11

    FDA: "Part 11, Electronic Records; Electronic Signatures - Scope and Application", abgerufen unter: U.S. Food and Drug Administration (FDA)

  • 12

    MHRA / GOV.UK: "Guidance on GxP data integrity", abgerufen unter: GOV.UK

  • 13

    SiLA: "Standards to Power the Lab / SiLA 2", abgerufen unter: SiLA

Kontakt

Schreiben Sie uns!

Gerne beantworten wir Ihre Fragen, wenn Sie sich über das Kontaktformular bei uns melden.

Formular wird geladen ...

Optionale Angaben

Wenn Sie weitere Informationen zur Datenverarbeitung bei ZEISS haben möchten, lesen Sie bitte unsere Datenschutzerklärung.