Herzlich willkommen zu einer neuen Podcast-Folge von Sophies Next AI Talk . Heute habe ich den Jörg von Roche dabei , und er wird uns gleich mal erklären , wie Sie im Unternehmen Generative AI nutzen und was er da alles berichten darf .
Kleiner Werbeblock am Anfang Jörg ist auch Co-Autor oder Gastautor in meinem neuesten Buch Generative KI für die Medizin mit dabei gewesen . Also , wer das Ganze nochmal nachlesen möchte , darf auch mein neuestes Buch lesen . Und ansonsten , wo ich gerade schon beim Werbeblock bin , herzlichen Dank an meine Podcast-Partner Corporate Software 4 und CMM 360 .
Und nun , jörg , erstmal vielen Dank , dass du dir die Zeit nimmst und jetzt diese Podcast-Aufnahme mit mir machst , sogar so kurz vor Weihnachten , wo alle ein bisschen im Stress sind . Vielleicht kannst du dich ganz kurz vorstellen und mal sagen , was so deine Aufgabe bei Roche ist und was du den ganzen Tag machst .
Oh ja , sehr gerne . Hallo . Also , ich bin Jörg . Ich bin jetzt seit knapp 23 Jahren bei Baroche tätig in verschiedenen Funktionen , bin ursprünglich Betriebswirt und sitze derzeit in einer Funktion , die sich Medical Affairs nennt . Und Medical Affairs ist eine Schnittstelle zwischen der späten klinischen Entwicklung und der frühen Kommerzialisierung unserer pharmazeutischen Produkte .
Das ist also eine ganz , ganz spannende Schnittstellenfunktion , die natürlich auf der einen Seite mit betriebswirtschaftlichen Aspekten und auf der anderen mit medizin oftmals eben auch einen transformativen Charakter hat . Transformativ insbesondere in der Richtung , wie wir arbeiten , was wir besser machen können , wie wir besser auch für unseren Kunden da sein können .
Okay , vielen Dank . Da mal kurz erste Frage Wen definierst du hier als Kunde ? Ist das der Patient , der gesunde Mensch , oder ist das das Unternehmen , was von euch Pharmaprodukte kauft ?
Also , für uns sind als erstes Patienten Entschuldigung , für uns sind Patienten durchaus eine der ersten Kundengruppen , und als zweite sind es natürlich auch die Ärzte , mit denen wir dann zusammenarbeiten , auch die Ärzte , mit denen wir dann zusammenarbeiten .
Im Bereich Generative AI haben wir im letzten Jahr uns allerdings einen anderen Fokus gesetzt , nämlich einen , der eher indirekt dann einen Wert für unsere Kunden liefert , sondern erstmal Wert für unsere Mitarbeiter und Kollegen steigern soll .
Sehr gut , Und da würde ich jetzt auch gerne gleich weitere Fragen zu stellen . Zunächst mal möchte ich hier ganz kurz betonen , das ist das , was ich häufig feststelle Früher hat man sich sehr stark als erstes auf den Kunden fokussiert , dem muss das gut gehen .
Dann hat man aber irgendwann gemerkt , wenn es den eigenen Mitarbeitenden nicht gut geht , dann kann es den Kunden gar nicht erst gut gehen .
Und ich merke gerade im Bereich Generative AI sehr häufig , dass man ja intern erstmal was über die eigenen Mitarbeiter , ja ihnen da was zur Hilfestellung gibt , dort etwas optimiert , führt dann natürlich auch wiederum darum , dass die ganzen Fälle häufig gar nicht so offensichtlich sind und wir gar nicht so viele Einblicke bekommen .
Umso mehr danke , dass du dir jetzt die Zeit nimmst und uns ein paar Einblicke darin gibst , wie es bei euch , bei den Mitarbeitenden , ausschaut .
Ja , also grundsätzlich . Wir haben natürlich eine Vielzahl von Möglichkeiten , ai einzusetzen im Unternehmen . Wie gesagt , ich fokussiere mich jetzt hier erstmal auf die , die wir im Bereich Medical Affairs unmittelbar sehen und nutzen wollen .
Man muss sich das einfach so vorstellen , dass die gesamte Analyse und die Veröffentlichung der medizinisch-wissenschaftlichen Daten , die wir zum Beispiel innerhalb einer klinischen Studie erarbeiten , ja auch immer veröffentlicht werden wollen . Das ist einfach auch einer der Goldstandards in der wissenschaftlichen Arbeit , an die wir uns gerne auch als Unternehmen halten .
Der interessante Aspekt dabei ist , dass eine Vielzahl der Arbeit , die dort anfällt , oftmals relativ stupide Copy und Paste-Aufgaben sind . Das heißt also , wir haben auf der einen Seite die Datenbank , auf der anderen Seite das Dokument .
Wir wollen natürlich sicherstellen , dass die Werte , die wir erfasst haben , in einer hohen Zuverlässigkeit , in einer hohen Qualität dann auch in diese Publikation einfließen , stark durch eine hohe Sorgfalt und eine hohe Sorgfaltspflicht geprägt ist , und auf der anderen Seite aber auch einfach Zeit braucht Zeit mit einer Arbeit , die ja ich sage jetzt mal so ein bisschen
langweilig ist . Und die Frage , die wir uns halt stellen , ist wie können wir allein diesen Schritt schon verbessern ? Also wie kann aus einer Datenbank der Entwurf einer klinischen Publikation werden ? Das ist der erste Schritt . Der entscheidende Punkt dabei ist , dass uns KI oder Artificial Intelligence an sich erstmal nur dabei unterstützen soll , diese Arbeit zu machen .
Das heißt , die Ergebniskontrolle , die Ergebnisvalidierung dieses Prozesses liegt immer noch weiter in den Händen der Menschen . Und das ist der entscheidende Punkt , warum wir sagen , wir fokussieren uns jetzt erstmal auf unsere Kollegen .
Unsere Kollegen müssen das Verständnis und das Vertrauen haben , dass solche künstlichen Intelligenzanwendungen auch den gewünschten Wert für ihre Arbeit erstellen und da bringen , sonst macht das keinen Sinn .
Okay , das heißt , du fängst an mit . Die Mitarbeitenden müssen in diese KI vertrauen , und gleich ist es immer noch eine Zusammenarbeit , und es ist es immer noch eine Zusammenarbeit , und es ist nicht ein komplett . Die AI macht es , und wir wissen gar nicht mehr , was läuft , oder ?
Genau , das darf es auch gar nicht sein . Oftmals haben wir ja auch , glaube ich , im Bereich der KI das Thema der Halluzinationen schon besprochen .
Und wenn man sich das jetzt vorstellt wir haben also neueste wissenschaftliche Erkenntnisse gewonnen im Rahmen unserer klinischen Studien , und plötzlich halluziniert dann eine KI etwas dazu , weil sie eben keine vergleichbaren Daten findet oder weil sie ableitet aus anderen Studien , So müsste dann das Ergebnis sein Das wäre einer der größten und fatalsten Fehler , die uns passieren
können .
Absolut , da gebe ich dir voll recht . Jetzt natürlich die Frage wie funktioniert das ganz konkret ? Aber ich möchte nochmal kurz einen Schritt zurückgehen . Es muss ja irgendwie Diskussionen gegeben haben . wie finden wir jetzt den passenden Use Case ?
Wie kommen wir jetzt darauf , Schon allein die Entscheidung Kunde versus Mitarbeitender , Und wie ist das bei euch vonstatten gegangen ?
Also , es ist auch relativ klar , ein Resultat von logischen Überlegungen , die bei uns im Unternehmen passieren Wir haben im Grunde genommen durch verfeinerte Diagnostik passieren ist es eben so , dass wir immer kleinere Krankheitsgebiete definieren können .
Also hat man früher , sagen wir mal , große Krankheitsgebiete gehabt , die man noch nicht so differenziert betrachten konnte , werden diese Krankheitsgebiete eigentlich viel stärker in Einzelteile unterteilt . Also hier ist ein Biomarker , der sagt , wir können dieses Medikament dort besser anbieten , und dann gibt es eben das zwei- , drei- , viermal nochmal mehr .
Das heißt , insgesamt die Menge der Menschen , die behandelt werden , ist natürlich immer noch gleich .
Bloß der Aufwand , den wir betreiben , natürlich um wissenschaftlich darzulegen , wo dieses Medikament besser funktionieren wird , der steigt eigentlich kontinuierlich über die Zeit hinweg durch die verbesserte Diagnostik , durch die verbesserte Therapieeinsatzmöglichkeiten , das heißt , das Volumen der Arbeit rund um diese wissenschaftliche Publikation geht insgesamt nach oben .
Die Anzahl der Mitarbeiter , die das aber erstellen und erledigen können , die bleibt eigentlich relativ gleich , genauso wie die Anzahl Patienten relativ gleich bleibt .
Das heißt also , wir haben höheres Arbeitsvolumen , und dieses kannst du dann einfach nur noch bewältigen , wenn du die richtigen Tools einsetzen kannst , die dich bei der effizienten Bearbeitung dieser Arbeit unterstützen .
Absolut gebe ich dir voll recht . Also , es geht so ein bisschen darum , ja irgendwo auch eine gewisse Skalierbarkeit zu erreichen . Ja , Und wie konkret habt ihr das jetzt angegangen ? Also gerade auch so diese Zusammenarbeit KI und Mensch , und was genau macht die Generative AI bei euch ?
Wir sind da eigentlich so herangegangen , dass wir als erstes mal unsere Kollegen befragt haben wo seht ihr denn die wichtigsten Einsatzmöglichkeiten ? was benötigt ihr eigentlich am dringendsten ?
und das war eigentlich uns insbesondere auch aus diesem Transformationsgedanken heraus am wichtigsten , dass wir die Themen adressieren , die auch bei unseren Kollegen eine Wertigkeit und eine Wichtigkeit haben . Wo stehen wir ?
Wir sind dort im Bereich der sogenannten Plain Language Summaries und Layperson Summaries sehr weit fortgeschritten , Das heißt , die Zusammenfassung der klinischen Studien eben in einer einfacheren Sprache oder auch für Laien zu erstellen , Und dort beteiligen wir die Mitarbeiter insofern , dass sie mit uns diese AI-Tools auch trainieren .
Okay , jetzt sehr , sehr spannend Wie werden diese AI-Tools bei euch trainiert ?
Grundsätzlich gibt es verschiedene Methoden , die natürlich einerseits halbautomatisch passieren , indem wir historischen Input mit historischem Output erstmal reinladen und das System trainieren . Ich bin kein Informatikexperte , deswegen möchte ich jetzt auch nicht die Fachbegriffe dazu benutzen .
Alles gut , alles gut .
Aber darüber hinaus ist eben zusätzlich zu dieser fundamentalen Arbeit , die wir dort machen , eben auch die Validierung des Outputs der KI durch die Mitarbeiter ein Bestandteil des Trainings ein Bestandteil des Trainings .
Okay also es werden zunächst mal sozusagen Beispieldaten gegeben , und dann wird das Ganze eben bewertet . Und was genau macht jetzt eigentlich die KI ? Was ist der Mehrwert , den die KI bringt , und was muss immer noch der Mensch machen ?
Als erstes ist es eine Frage der Geschwindigkeit . Also , gewisse Prozesse haben früher bis zu acht Wochen gebraucht , bis quasi das gewünschte Ergebnis da war , weil eine Vielzahl an Briefings und eine Vielzahl an Projektmanagement noch zusätzlich dazu kam , und das Ganze wurde jetzt durch den Einsatz von KI auf circa 10 Minuten reduziert .
Dann folgt dann einfach nur noch die Validierungsarbeit durch unsere Kollegen die dann nochmal eine Stunde in Anspruch nimmt .
Okay , spannend . Und wie wird das jetzt wirklich von den Kollegen angenommen ? Sind die Kollegen grundsätzlich begeistert ? Haben die Angst ? okay , bald werde ich ganz entlassen .
Also , wir haben natürlich sehr , sehr neugierige Menschen bei uns im Unternehmen und die aber auch immer wieder darum bitten , dass wir sie eben einerseits oder auch nicht nur bitten . sie verdienen es vor allen Dingen auch , dass wir ihre Befürchtung ernst nehmen .
Das Entscheidende ist jedoch , dass diese KI-Anwendung immer noch unter Kontrolle der Mitarbeiter steht und ihnen eben auch einen , dann Content zur Veröffentlichung zu erstellen , also Videos , grafiken , die dann schon gleich für Instagram oder Twitter oder Twitter heißt jetzt X , sonst ändert sich nichts nutzen können , oder eben für eine Website , die Inhalte schon vorbereitet
werden können . Das heißt also , insgesamt sprechen wir insbesondere über Zeitersparnis und bei gleichbleibender hoher Qualität , die erzielt werden muss .
Okay , sehr , sehr spannend . Also , ich finde es sehr interessant , was du gesagt hast , gerade zu einem , wie viel wirklich die KI macht , dass der Mitarbeiter am Ende noch eine Stunde macht und dass ihr gleich sogar schon weitere Medien , weiteren Content daraus generieren könnt . Das heißt , das ist wirklich aktiv bei euch im Einsatz , oder ?
Das ist zum Teil schon aktiv im Einsatz . Wir haben natürlich noch nicht alle Multimedia-Formate und noch nicht alle wissenschaftlichen Publikationsformate adressiert , aber diese vernetzte Arbeitsschritte ist eben genau das , was für uns ein ganz , ganz wichtiger Aspekt ist .
Das heißt , wir reden da natürlich oftmals weniger von den klassischen Generative AI Anwendungen , sondern dann oftmals auch von den Vernetzungen und von den digitalen Algorithmen , die uns helfen , einen effizienteren Workflow zu gestalten .
Okay , und jetzt mal eine Frage ich hoffe , du darfst was dazu sagen . Wie lange hat das bei euch so gebraucht , von der Idee , bis da schon die erste ich sag mal Effizienzsteigerung stattgefunden hat ?
Idee und im ersten Training . Bis zur ersten Teillösung , also Minimal Viable Product , waren wir ungefähr drei Monate unterwegs . Der strategische Gedanke , die Abstimmung mit den ganzen Funktionen , die hat natürlich noch deutlich länger gedauert .
Ah , okay , Ja , jetzt hatte ich mich schon gerade gefreut , war sehr beeindruckt . aber gut , Okay . dann , wenn du gerade sowieso sagst , Abklärung strategisch und so weiter , darf ich kurz fragen welches Sprachmodell nutzt ihr ?
Das weiß ich leider gerade nicht . aber das steht vor allen Dingen vor dem Hintergrund , dass wir zum Teil mehrere verschiedene Sprachmodelle noch parallel einsetzen , Mitarbeiter zu tun . Wenn man das eine Sprachmodell einsetzt , und man bekommt ein Ergebnis , dann ist der Mitarbeiter immer sich noch am überlegen was wäre denn , wenn ich ein anderes Sprachmodell einsetzen würde ?
Was kommt dann für ein Ergebnis heraus ? Und das Interessante , was wir eben beobachtet haben , ist teilweise , dass die Mitarbeiter die Ergebnisse der verschiedenen Sprachmodelle dann nochmal miteinander vergleichen .
Sehr spannend . Also , wenn ich Zeit habe , mache ich das nämlich auch immer . Es geht natürlich nur , wenn man sozusagen wie ihr irgendwie gewisse eigene Lösungen hat . Wenn ich einfach nur den Co-Piloten nehme , dann muss ich dem halt vertrauen . Und das ist ja eigentlich so , ein bisschen wie in der Realität auch , oder ?
Manchmal frage ich eine Person , und manchmal bin ich mir unsicher oder möchte verschiedenste Meinungen haben und frage mehrere Menschen , und so ist es ehrlich gesagt bei mir auch wenn mir die eine Antwort nicht gefällt , nehme ich das nächste Sprachmodell und gucke , ob mir die besser gefällt . Sehr interessanter Input . Jetzt noch Thema nächste Frage .
Das interessiert ja vor allen Dingen immer die Leute , die dann so ein Business Case rechnen , rechnen dürfen , rechnen müssen . Überleg dir da irgendwie ein Business Case . Gibt es da irgendwie Zahlen , wo du sagst das setzen wir ein , das wollen wir rausholen ? Kannst du da noch was zu sagen ?
Also , wir haben auf jeden Fall verschiedene Modelle , und ich möchte jetzt natürlich nicht die absoluten Zahlen nennen . Verstehe ich Modelle , und ich möchte jetzt natürlich nicht die absoluten Zahlen nennen , aber wir haben Effizienzsteigerungen von 50 bis 60 Prozent insgesamt über das gesamte Portfolio durchaus im Blick .
Manche rechnen ja eher mit einem 70 bis 80 Prozent Effizienzsteigerung und auch Kostenminimierung in entsprechender Höhe . Ich bin da ein bisschen vorsichtig , weil wir immer noch sehr am Anfang von diesen ganzen Entwicklungen stehen und gleichzeitig eben nie vergessen dürfen , dass wir eben auch die Menschen mitnehmen müssen . Die Technologie ist nicht das Limit dabei .
Absolut Super , hast du das gesagt . Wir sind auch schon fast gegen Ende , aber das möchte ich nochmal hervorheben Ich glaube , die Technologie ist oft schneller als wir alle . aber wichtig ist , dass wir eben die Mitarbeitenden mitnehmen , und da vor allen Dingen alle .
Und wenn ich in einem jungen Tech-Startup bin , ist es vielleicht auch einfacher , die drei angestellten Mitarbeitenden mitzunehmen , als wenn ich in einem etwas größeren Konzern wie die Roche bin und vielleicht auch Mitarbeitende haben , die sowieso nicht absolut zu den Digital Natives gehören und auch die abgeholt werden müssen , mitgenommen werden müssen . Sehr interessant , jörg .
ich kenne meine Zuhörer . die sind dann irgendwann fertig mit Joggen oder Autofahren . Jetzt deswegen Frage an dich oder sagen wir mal , abschlusswörter an dich . Erstmal natürlich danke für deine Zeit und danke jetzt schon für alle Insights .
Du darfst aber gerne noch die letzten Sätze den Zuhörern widmen und gibst noch irgendwie Tipps von deiner Seite aus Learnings oder irgendwas , wo du sagen willst , das musst du jetzt unbedingt noch loswerden .
Ich glaube , das Einzige , was ich wirklich gerne jedem mitgeben möchte , ist , dass der Einsatz von KI kein Selbstläufer ist , sondern einfach immer die Menschen braucht , die diese KI auch trainieren .
Ich bin ein sehr starker Verfechter des Human-Led AI-Applications , weil es wird uns nur gelingen , besser zu werden , wenn wir eben die Menschen dabei mit integrieren und Wert für sie generieren und nicht Wert für große technologische Algorithmen nur generieren .
Absolut vielen Dank , das hast du sehr , sehr schön gesagt . Ich glaube , eben dieses Miteinander .
Ich habe das letztens Prompted AI Collaboration genannt , weil es gehört auch viel dazu , dass wir mit der KI umgehen können , also A , dass wir die Stärken und Grenzen einschätzen können , und dann natürlich auch , dass wir die ja , dass wir Entschuldigung , jetzt war ich gerade rausgerissen , entschuldigung , jetzt nochmal Wiederholung Es gehört natürlich auch dazu , dass wir die
Stärken und Grenzen einschätzen können , aber dass wir eben auch zum Beispiel sowas wie Prompt richtig beherrschen . Jörg , ich danke dir vielmals für deine Zeit , trotz Weihnachten oder vor Weihnachtsstress . Ich danke meinen Podcast-Partnern Corporate Software 4 und CMM 360 . Ich danke meinen Zuhörern natürlich und freue mich jetzt schon auf die nächste Folge .
Wahrscheinlich kommt sie erst nächstes Jahr , aber ich lasse mal die Überraschung offen und wünsche euch jetzt einen ganz tollen Tag und dann schöne Weihnachten .