Mike King, Senior Director, Produkt & Strategie, IQVIA – Interviewreihe

Mike King, Senior Director, Product & Strategy, IQVIA, ist ein erfahrener Führungskraft im Gesundheitswesen und in den Life‑Sciences mit mehr als zwei Jahrzehnten Erfahrung in den Bereichen Produktstrategie, regulatorische Angelegenheiten, Qualitätssicherung, Betrieb und Geschäftstransformation. Vor seinem Eintritt bei IQVIA im Jahr 2022 hatte King leitende Positionen bei Dentsply Sirona und GE Healthcare inne, wo er die regulatorischen Angelegenheiten in komplexen internationalen Märkten überwachte, darunter Europa, Russland, die Gemeinschaft Unabhängiger Staaten (GUS), Israel, der Nahe Osten, Afrika und Asien. Früher in seiner Laufbahn war er in Qualitäts‑, Regulierungs‑, Betriebs‑ und Geschäftsrollen bei Bio‑Rad Laboratories, Stryker und Accenture tätig, was ihm umfassende Erfahrung im Umgang mit der Schnittstelle von Gesundheitstechnologie, regulatorischer Konformität und kommerzieller Strategie verschaffte.

IQVIA ist ein globaler Anbieter von klinischen Forschungsdiensten, kommerziellen Erkenntnissen und Gesundheitsintelligenz, der die Life‑Sciences‑ und Gesundheitsbranche bedient. Das Unternehmen kombiniert groß angelegte Gesundheitsdaten mit fortschrittlicher Analytik, Technologie, Fachwissen und seinen KI‑Fähigkeiten für das Gesundheitswesen, um Pharmaunternehmen, Biotechnologie‑, Medizinprodukte‑ und anderen Gesundheitsorganisationen zu helfen, die Arzneimittelentwicklung, klinische Forschung, Kommerzialisierung und Evidenzgenerierung zu unterstützen. Durch seinen Ansatz „Connected Intelligence“ will IQVIA komplexe Gesundheitsdaten in umsetzbare Erkenntnisse verwandeln, die Innovation beschleunigen und die Entscheidungsfindung im gesamten Gesundheitsökosystem verbessern.

Ihr Werdegang führte Sie von der Beratung bei Accenture über Qualitäts‑ und Regulierungsführungspositionen bei Stryker, Dentsply Sirona und GE Healthcare bis hin zur Produktstrategie bei IQVIA. Wie hat diese Entwicklung Ihre Sicht auf die langfristigen Technologieentscheidungen von Life‑Sciences‑Unternehmen im Bereich künstliche Intelligenz geprägt?

Meine bisherige Laufbahn umfasste Beratung, Fertigung, Qualität, globale regulatorische Angelegenheiten und Gesundheitstechnologie, was mir die Möglichkeit gab, Technologieentscheidungen aus Sicht verschiedener Interessengruppen zu betrachten. In jeder Rolle habe ich festgestellt, dass die erfolgreichsten Investitionen jene sind, die operative und kommerzielle Leistung mit Patientenergebnissen verknüpfen. Das gilt besonders für KI im Life‑Sciences‑Sektor. Während Effizienzgewinne wichtig sind, entsteht der größte langfristige Wert daraus, KI einzusetzen, um Qualität, regulatorische Konformität, Entscheidungsfindung zu stärken und letztlich die Bereitstellung sicherer und wirksamer Gesundheitslösungen auf globalen Märkten zu verbessern.

Sie argumentieren, dass KI das traditionelle fünf‑ bis sieben‑jährige Technologie‑Austausch‑Intervall beenden könnte. Warum macht die Integration von KI eine Qualitäts‑ oder Regulierungsplattform dauerhafter, anstatt deren Ersatz zu beschleunigen?

Traditionell ersetzten Unternehmen Systeme, sobald bessere Funktionalitäten verfügbar waren und die Verträge mit dem bisherigen Anbieter ausliefen. KI verändert diese Kalkulation, indem sie das Tempo der technologischen Innovation beschleunigt. Der Mehrwert ist nicht mehr ausschließlich an die Anwendung gebunden; er liegt in den Daten, Arbeitsabläufen, der Governance und dem institutionellen Wissen, das über Jahre hinweg aufgebaut wurde. Im Kontext von Good Practices oder „GxP“-Anwendungen im Life‑Sciences‑Bereich, wenn Organisationen KI auf validierte Geschäftsprozesse aufsetzen und die Ergebnisse durch qualifizierte menschliche Fachaufsicht kontinuierlich verbessern, schaffen sie ein Intelligenz‑Asset, das immer schwieriger an anderer Stelle zu reproduzieren ist. In einem solchen Umfeld ist der Austausch einer Plattform nicht nur eine technologische Entscheidung, sondern ein Vorhaben, jahrelanges angesammeltes Organisationswissen neu aufzubauen.

Wie bestimmt die Qualität der Datenarchitektur und der Workflow‑Infrastruktur einer Organisation, ob eine KI‑Implementierung echten Mehrwert liefert oder lediglich bestehende Ineffizienzen verstärkt?

KI verstärkt das Umfeld, in das sie eingesetzt wird. Sind Daten fragmentiert, Prozesse inkonsistent und die Governance schwach, wird KI lediglich diese Ineffizienzen automatisieren und verschärfen. Im Gegensatz dazu können Organisationen mit standardisierten Arbeitsabläufen, vertrauenswürdigen Daten sowie klarer Eigentums- und Governance‑Struktur KI nutzen, um Effizienz, Konsistenz, Konformität und Entscheidungsfindung zu verbessern. Digitalisierung und Datenbereitschaft bleiben Voraussetzungen für eine erfolgreiche KI‑Einführung, während fortlaufende Daten‑ und KI‑Governance unerlässlich sind, um langfristig Wert, Compliance und Vertrauen zu gewährleisten.

Welches Beschaffungsparadoxon entsteht, wenn eine Organisation KI‑Systeme mit jahrelangen proprietären Qualitäts‑, klinischen oder regulatorischen Daten trainiert?

Das Paradoxon besteht darin, dass je erfolgreicher ein Unternehmen KI nutzt, desto schwieriger wird es, die Plattform zu verlassen, die diesen Erfolg ermöglicht hat. Jahre an Qualitäts‑, Regulierungs‑ und klinischen Daten können in Kombination mit KI zu einem bedeutenden Wettbewerbsvorteil werden, gleichzeitig erhöhen sie jedoch die Wechselkosten. Die Lösung besteht nicht darin, KI‑basierte Wertschöpfung zu vermeiden, sondern von Anfang an sicherzustellen, dass Daten‑Eigentum, Interoperabilität und Portabilität in den Beschaffungsentscheidungen verankert sind.

Sie vermuten, dass Plattformentscheidungen aus den Jahren 2025 oder 2026 die Technologiestrategien weit über das Jahr 2035 hinaus beeinflussen könnten. Berücksichtigen die meisten Compliance‑, IT‑ und Finanzleiter dieses langfristige Engagement ausreichend?

Regulierte Life‑Sciences‑Unternehmen sind es gewohnt, langfristige Investitionen zu tätigen. Entscheidungen zu Enterprise‑Resource‑Planning (ERP), Fertigung, Qualität, klinischen und regulatorischen Systemen erforderten stets mehrjährige Planungszeiträume wegen Validierung, Änderungssteuerung und betrieblicher Auswirkungen. KI kann einige dieser Überlegungen erweitern, doch viele Führungskräfte sind bereits geübt darin, langfristige Technologierisiken, regulatorische Pflichten und geschäftlichen Mehrwert auszubalancieren. Der Unterschied besteht darin, dass KI die strategische Bedeutung von Daten und Governance erhöht, anstatt grundlegend die Notwendigkeit langfristiger Planung zu verändern.

Wie sollten Life‑Sciences‑Unternehmen zwischen einem „guten Lock‑In“, bei dem angesammelte Daten und Intelligenz einen Wettbewerbsvorteil schaffen, und einem schädlichen Lock‑In unterscheiden, das Flexibilität, Interoperabilität oder Verhandlungsmacht einschränkt?

Ein guter Lock‑In bedeutet nicht, dass man eine Plattform nicht verlassen kann, sondern dass man sie nicht verlassen möchte, weil sie sich weiterentwickelt, Ihr proprietäres Wissen schützt und die Einführung neuer KI‑Funktionen sowie agenten‑nativer Workflows ermöglicht, sobald die Technologie reift. Ein schlechter Lock‑In entsteht, wenn die Innovationskraft des bestehenden Anbieters stagniert, die Interoperabilität eingeschränkt ist und jahrelanges angesammeltes Wissen in einem System gefangen bleibt, das sich nicht leicht anpassen oder ersetzen lässt. Das Ziel sollte sein, das Eigentum an Ihren Daten und institutionellen Erkenntnissen zu bewahren und gleichzeitig die Flexibilität zu behalten, die nächste KI‑Generation zu nutzen.

Wenn mehr Kapital in KI, vorausschauende Wartung und Automatisierung investiert wird, welche Risiken entstehen, wenn Organisationen die Erneuerung alter Kernsysteme aufschieben?

Das größte Risiko besteht darin, dass alternde Plattformen zu Engpässen bei der KI‑Einführung werden. Altsysteme enthalten häufig fragmentierte Daten, manuelle oder stark angepasste Workflows und isolierte Prozesse, die sofortige Automatisierungsmöglichkeiten einschränken. Unternehmen können in KI‑Pilotprojekte, prädiktive Analysen und intelligente Agenten investieren, nur um festzustellen, dass ihre Kerninfrastruktur eine skalierte Bereitstellung nicht unterstützen kann.

Es gibt zudem breitere geschäftliche Risiken. Mit dem Altern von Technologien kann der Support der Anbieter nachlassen, Fachkräfte werden schwerer zu finden und die Wartungskosten steigen. Gleichzeitig vergrößert sich die Lücke zwischen dem aktuellen Stand und den nächsten KI‑Plattformen, wodurch zukünftige Modernisierungsbemühungen komplexer und teurer werden. Unternehmen können in die Aufrechterhaltung des Status quo investieren, ohne greifbare Verbesserungen in Prozessleistung, Produktqualität, Patientenergebnissen, Compliance oder kommerzieller Effektivität zu erzielen. In vielen Fällen müssen Modernisierung und KI‑Bereitschaft gemeinsam voranschreiten, statt als getrennte Initiativen.

Welche technischen und vertraglichen Schutzmaßnahmen sollten Unternehmen ergreifen, um Datenportabilität, Modellportabilität und den Zugriff auf ihr institutionelles Wissen zu bewahren, falls sie später den Anbieter wechseln?

Unternehmen sollten vertragliche und technische Schutzmaßnahmen fokussieren, die Eigentum und Zugänglichkeit ihrer Informationen sichern. Dazu gehören klar definierte Daten‑Export‑Funktionen, offene Integrations‑Frameworks, dokumentierte APIs, Datenherkunft, Migrationsrechte und Transparenz darüber, wie proprietäre Modelle mit Unternehmensinformationen interagieren. Institutionelles Wissen kann zu einem der wertvollsten Vermögenswerte eines Unternehmens werden und muss portabel, sicher und kontrollierbar bleiben.

Wie sollten regulatorische Validierungs‑ und Änderungssteuerungs‑Anforderungen Entscheidungen über das Upgrade, Retraining oder den Austausch von KI‑gestützten Systemen in Pharma‑ und Medizinprodukte‑Umgebungen beeinflussen?

In GxP‑Umgebungen ändert KI die Verantwortlichkeit nicht. Qualitäts‑ und Regulierungsfachleute bleiben für die Governance, Integrität und Konformität ihrer Systeme und Prozesse verantwortlich. KI‑gestützte Technologien müssen daher durch eine robuste Governance, risikobasierte Validierung, dokumentierte Änderungssteuerung und ausreichende Erklärbarkeit unterstützt werden, um regulatorischen Prüfungen standzuhalten. Qualifizierte, professionelle menschliche Expertise bleibt ein wesentlicher Governance‑Bestandteil von GxP‑KI.

Welche Kriterien bei der Anbieterauswahl sollten Life‑Sciences‑Unternehmen heute priorisieren, um sicherzustellen, dass eine KI‑gestützte Plattform in den nächsten zehn Jahren sicher, konform, anpassungsfähig und wirtschaftlich tragfähig bleibt?

Im Zeitalter von GxP‑KI‑Lösungen im Gesundheitswesen sollten Organisationen einen kooperativen Partner wählen und nicht nur Software kaufen. Konforme Funktionalität ist unverzichtbar, ebenso wichtig ist die Fähigkeit des Anbieters, seine Lösung mit technologischen Fortschritten weiterzuentwickeln und dabei die Daten, das proprietäre Wissen und die regulatorischen Verpflichtungen eines Unternehmens zu schützen. Die Sieger‑Plattformen werden jene sein, die tiefgehende Life‑Sciences‑Expertise mit flexibler Architektur, starker Governance und einem klaren Weg zur Einführung zukünftiger KI‑ und agenten‑nativer Fähigkeiten verbinden, ohne Geschäftsabläufe zu stören, die globale Compliance zu gefährden und gleichzeitig die Patientensicherheit positiv zu beeinflussen.

Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten IQVIA besuchen.