Skip navigation EPAM

Article

Warum KI-Projekte in den Life Sciences scheitern

und wie Ihnen der Erfolg gelingt

DIE AUTOREN

OLAF ACKER

Managing Director,

Advisory

NICK CARREL

Managing Principal,

Data Analytics Consulting

JONATHAN RIOUX

Managing Principal,

Data Analytics Consulting

DIE AUTOREN

OLAF ACKER

Managing Director,

Advisory

NICK CARREL

Managing Principal,

Data Analytics Consulting

JONATHAN RIOUX

Managing Principal,

Data Analytics Consulting

Den Life Sciences mangelt es nicht an KI-Ambitionen. Mit ihren wissensintensiven Workflows, umfangreichen Datenbeständen und stark strukturierten Arbeitsumgebungen sind Pharmaunternehmen hervorragend positioniert, um Wert aus Künstlicher Intelligenz (KI) zu schöpfen.

Branchenweit investieren Führungskräfte

14%

Unternehmen erwarten laut EPAMs KI-Report 2025, dass sie 14 % mehr für KI-Initiativen ausgeben als in den Vorjahren.

Und die Branche ist von ihrem bisherigen KI-Einsatz überzeugt:

51%

51 % der Befragten bezeichnen sich bei der Umsetzung von KI als fortgeschritten.

8%

8 % der Life-Sciences-Unternehmen sehen sich als Disruptoren.

Erfolgreiche KI-Initiativen in Pharma und Biotech hängen von drei Bereichen ab:

01

Wert identifizieren und die richtigen Rahmenwerke aufbauen

02

Einen überzeugenden Business Case entwickeln – und umsetzen

03

Wert quantifizieren und Erfolge skalieren

Hier betrachten wir die erste dieser drei Säulen mit Fokus auf Strategie, Governance und Daten. Warum fällt es Unternehmen schwer, Wert zu identifizieren? Welche grundlegenden Elemente fehlen? Und vor allem: Wie können Pharmaunternehmen diese Fallstricke vermeiden und gleichzeitig eine KI-Strategie aufbauen, die echte Wirkung entfaltet?

 

01

Ein realistisches und umfassendes Verständnis des Status-Quo entwickeln

DIE ZAHLEN

74%

der Unternehmen haben Schwierigkeiten, bei der Einführung von KI Wert zu erzielen und zu skalieren

9%

Während 63 % der Unternehmen GenAI pilotieren, setzen nur 9 % sie in nennenswertem Umfang ein.

65%

der Disruptoren stimmen zu oder stimmen voll zu, dass sie die für die KI-Einführung nötigen Fähigkeiten kennen, doch 46 % dieser Disruptoren glauben, dass ihre Mitarbeitenden Weiterbildung benötigen.

DAS PROBLEM

Viele Organisationen verfolgen eine zersplitterte Strategie und testen Hunderte unterschiedlicher Use Cases, bevor sie ihren bestehenden technologischen Reifegrad strategisch bewerten. Dieser Ansatz verwässert Ressourcen, erzeugt technische Schulden und verhindert eine sinnvolle Skalierung.

DER SCHLÜSSEL ZUM ERFOLG

Erfolgreiche Unternehmen:

Image
Verfolgen einen fokussierten Ansatz mit hohem Wertbeitrag.
Image
Prüfen ihre aktuelle Dateninfrastruktur, ihre Talentkompetenzen und ihre technologische Bereitschaft konsequent.
Image
Priorisieren Projekte, die zu ihren unmittelbaren Fähigkeiten passen, und legen zugleich den Grundstein für langfristige strukturelle Verbesserungen.
 

02

Eine klar definierte Vision von Erfolg entwickeln

DIE ZAHLEN

39%

Obwohl 88 % der Organisationen angeben, über eine Datenstrategie zu verfügen, stimmen nur 39 % zu, dass diese vollständig auf die zentralen Geschäftsziele abgestimmt ist.

2.4x

Unternehmen mit einer klar definierten Vision erreichen ihre Ziele 2,4-mal wahrscheinlicher wirksam und erzielen nachhaltiges Wachstum (Forbes).

DAS PROBLEM

KI-Initiativen starten häufig als isolierte Experimente statt als strategische Geschäftstreiber. Das Engagement der Führungsebene und eine klar definierte, an den Geschäftszielen ausgerichtete KI-Vision sind entscheidend für den Erfolg. Ohne einen vom Management getragenen Wandel scheitern Unternehmen vollständig.

DER SCHLÜSSEL ZUM ERFOLG

Erfolgreiche Unternehmen:

Image
Richten jede größere KI-Initiative an den zentralen Geschäftszielen aus, um Relevanz und Wirkung sicherzustellen.
Image
Haben die Unterstützung der Führungsebene, um Verantwortlichkeit zu schaffen und Rückhalt in der Organisation zu gewinnen.
Image
Stellen sicher, dass sowohl Business als auch IT Verantwortung übernehmen, und fördern die funktionsübergreifende Abstimmung.
 

03

Fachbereiche frühzeitig in die Entwicklung einbinden

DIE ZAHLEN

88%

der Unternehmen berichten von regelmäßigem KI-Einsatz in mindestens einer Geschäftsfunktion.

40%

Über 40 % der agentischen KI-Initiativen dürften bis 2027 aufgrund unklaren Geschäftswerts und Governance-Herausforderungen eingestellt werden.

3x

Unternehmen, bei denen sich die Führungsspitze engagiert, erzielen mit dreifach höherer Wahrscheinlichkeit einen Mehrwert durch KI.

DAS PROBLEM

Zentrale KI-Teams arbeiten oft isoliert und entwickeln Lösungen auf Basis des technischen Potenzials statt realer Geschäftsprobleme. Werden Stakeholder aus den Fachbereichen in der frühen Ideen- und Designphase ausgeschlossen, laufen Projekte Gefahr, an praktischen Workflows und tatsächlichen Anforderungen der Endanwender vorbeizugehen. Diese Kluft führt dazu, dass wichtiger Geschäftskontext übersehen und Akzeptanzbarrieren unterschätzt werden.

KI-Lösungen, die von oben ohne frühzeitigen Rückhalt verordnet werden, lösen mit deutlich geringerer Wahrscheinlichkeit zentrale Probleme oder finden Akzeptanz. Missverständnisse über Workflows, Datenverfügbarkeit und regulatorische Realitäten können zu teuren Initiativen führen, die ins Stocken geraten oder zu den Akten gelegt werden – und verstärken die Skepsis gegenüber künftigen KI-Investitionen.

DER SCHLÜSSEL ZUM ERFOLG

Erfolgreiche Unternehmen:

Image
Binden Stakeholder aus den Fachbereichen vom ersten Tag an ein, indem sie diese in Ideenfindung, Anforderungserhebung und Lösungsdesign einbetten.
Image
Richten funktionsübergreifende Lenkungsausschüsse ein, um KI-Strategie, Bedürfnisse der Endanwender und Compliance-Anforderungen aufeinander abzustimmen.
Image
Entwickeln und iterieren KI-Lösungen gemeinsam mit den Fachverantwortlichen, um Relevanz zu maximieren, Akzeptanz zu fördern und messbare Wirkung auf operative und klinische Ergebnisse sicherzustellen.
 

04

Auf allen Ebenen der Organisation starken Rückhalt sichern

DIE ZAHLEN

51%

der Life-Sciences-Organisationen nennen Widerstand gegen Veränderungen als größte Hürde für die KI-Einführung.

58%

24%

Nur 24 % vertrauen den KI-Richtlinien ihres Unternehmens.

DAS PROBLEM

Selbst wenn die Führungsebene ein KI-Projekt unterstützt, kann die Einführung ins Stocken geraten, wenn Endanwender der Technologie nicht vertrauen oder sie nicht verstehen. Klinische Forschende, Data Scientists und Compliance-Verantwortliche sehen KI womöglich als Störung ihres Arbeitsalltags statt als hilfreiches Werkzeug.

DER SCHLÜSSEL ZUM ERFOLG

Erfolgreiche Unternehmen:

Image
Konsequentes Change-Management meistern:
Sie binden Endanwender früh in die Entwicklung ein, damit die Tools reale Reibungspunkte im Alltag lösen.
Image
Umfassende Trainingsprogramme anbieten:
Sie etablieren klare Kommunikationskanäle, um Verständnis und Kompetenzaufbau zu fördern.
Image
Frühe Erfolge sichtbar machen:
Sie schaffen Momentum und Vertrauen in der Belegschaft, indem sie erste Erfolge der Technologie zeigen.
 

05

Die richtigen Governance-Rahmenwerke schnell etablieren

DIE ZAHLEN

18 Monate

Unternehmen rechnen im Durchschnitt mit 18 Monaten, bis eine wirksame KI-Governance-Strategie ausgerollt ist.

68%

der Unternehmen räumen ein, dass ihnen die nötige Governance zur Steuerung von KI-Risiken fehlt.

37%

Nur 37 % haben ein KI-Ethikgremium zur Begleitung dieser Initiativen eingerichtet.

DAS PROBLEM

Um Veränderung zu erreichen, müssen Unternehmen jetzt Governance etablieren. Wer eineinhalb Jahre wartet, setzt sich gravierenden Sicherheitsrisiken und Regelverstößen aus. Dieser reaktive Ansatz ist in einer Zeit rasanten technologischen Fortschritts ein kritischer Fehler.

DER SCHLÜSSEL ZUM ERFOLG

Erfolgreiche Unternehmen:

Image
Definieren klare Rollen, Verantwortlichkeiten und Entscheidungsprozesse.
Image
Prüfen, welches Governance-Modell am besten zur eigenen Organisation passt.
Image
Gehen ethische Fragen, Bias-Minderung, Modellmanagement, Risikomanagement und regulatorische Compliance frühzeitig an, bevor sie zum Hindernis werden.


Governance in zentralen, dezentralen und hybriden Modellen

Dezentrale oder föderierte Governance

Zentrale CTO- oder Enterprise-Teams geben Orientierung, die Geschäftsbereiche verantworten die Workflows.

Typischer Kontext: Organisationen mit ausgeprägter Eigenständigkeit der Geschäftsbereiche und unterschiedlichen Geschäftsmodellen.

Hybridmodell

Zentrale KI-Strategie mit Autonomie auf Geschäftseinheitsebene, oft unterstützt durch externes Fachwissen.

Wann es sinnvoll ist: Häufig anzutreffen in Organisationen mit eigenständigen Geschäftseinheiten und unterschiedlichen Anforderungen oder Arbeitsweisen.

Zentrale Governance-Gremien

Zentrale Governance-Gremien

Ein einziges funktionsübergreifendes Gremium ist für den Bereich KI zuständig.

Aufgabenbereich: Genehmigungsabläufe, Risikostufen, Dokumentationsstandards und laufende Überwachung.

 

06

Solide Datengrundlagen stärken und pflegen

DIE ZAHLEN

57%

der Life-Sciences-Fachleute nennen Datensilos als größte technische Herausforderung – eine Hürde, die KI-Initiativen immer wieder ausbremst und die Wertschöpfung begrenzt.

80%

der Organisationen berichten von mangelhafter Datenqualität oder -verfügbarkeit, was zu einem durchschnittlichen jährlichen Verlust von 12,9 Millionen US-Dollar führt.

49%

der Expertinnen und Experten nennen Lücken in Ontologien als Hindernis für ein FAIR-konformes Datenmanagement (Findable, Accessible, Interoperable, Reusable).

DAS PROBLEM

KI benötigt zugängliche, qualitativ hochwertige und harmonisierte Daten. Die meisten Life-Sciences-Organisationen kämpfen jedoch mit Daten, die über Silos verstreut sind, uneinheitlichen Standards unterliegen und selten an den FAIR-Prinzipien ausgerichtet sind. Kritische Informationen liegen verteilt in nicht verbundenen Legacy-Systemen, was die Zusammenarbeit behindert und den Aufbau verlässlicher Datensätze für robuste, regelkonforme KI-Modelle nahezu unmöglich macht.

Diese Fragmentierung bremst Innovation und untergräbt das Vertrauen in KI-Ergebnisse. Wenn Daten nicht leicht auffindbar, vertrauenswürdig oder wiederverwendbar sind, verbringen Teams übermäßig viel Zeit mit der Bereinigung und Aufbereitung von Informationen, statt neue Lösungen zu entwickeln. Die Folge sind verschwendete Ressourcen, stockende Initiativen und verpasste Chancen.

DER SCHLÜSSEL ZUM ERFOLG

Erfolgreiche Unternehmen:

Image
Investieren in unternehmensweite Datenintegrationsplattformen und föderierte Datenmodelle, um Silos aufzubrechen und sicheren, zentralen Zugriff bei gleichzeitigem Schutz der Compliance zu ermöglichen.
Image
Etablieren robuste Datenqualitäts-Frameworks und unternehmensweite semantische Standards, damit Informationen konsistent, interpretierbar und organisationsweit wiederverwendbar sind.
Image
Verankern und operationalisieren die FAIR-Datenprinzipien (Findable, Accessible, Interoperable, Reusable), um Datenfindung, Austausch und Skalierung von Erkenntnissen im gesamten Unternehmen zu ermöglichen.
 

07

Messbaren Wert liefern, bevor Lösungen veralten

DIE ZAHLEN

85%

der Pharma-Führungskräfte berichten, dass unzureichende Daten- und Technologiegrundlagen die KI-Einführung behindern.

50%

der GenAI-Projekte wurden nach dem Proof of Concept aufgrund schlechter Datenqualität und wechselnder Geschäftsprioritäten aufgegeben.

81%

nennen das Erreichen von Analysegenauigkeit und operativer Effizienz als größte Hürde bei der Umsetzung.

DAS PROBLEM

KI-Initiativen in den Life Sciences scheitern oft, weil langsame, fragmentierte Entwicklungszyklen mit der rasanten Entwicklung von Forschung, Regulierung und Technologie nicht Schritt halten können. Bis Lösungen einsatzbereit sind, hat sich das ursprüngliche Geschäftsproblem womöglich verändert oder die Technologie ist bereits veraltet.

Diese „zu wenig, zu spät“-Dynamik verschärft sich, wenn Teams isoliert arbeiten oder an starren Annahmen festhalten – es kommt zur „Solution Obsolescence“. Die Folgen sind häufig verschwendete Investitionen und wachsende technische Schulden.

DER SCHLÜSSEL ZUM ERFOLG

Erfolgreiche Unternehmen:

Image
Setzen auf agile, iterative Entwicklungsprozesse, die eine schnelle Anpassung von Projektzielen und technischen Ansätzen an veränderte Geschäftsanforderungen und Technologien erlauben.
Image
Planen regelmäßige Abstimmungsrunden mit Stakeholdern aus den Fachbereichen ein, um fortlaufend Relevanz und Wert sicherzustellen.
Image
Bauen modulare, erweiterbare KI-Architekturen auf, die neue Datenquellen, Algorithmen und Compliance-Anforderungen zügig integrieren.
Image
Fördern eine Kultur des kontinuierlichen Lernens und der Anpassung, damit Teams schnell umsteuern und den langfristigen Wert ihrer KI-Investitionen maximieren können.
 

08

Realistische Erwartungen an die Fähigkeiten von KI fördern

DIE ZAHLEN

71%

der CTOs und CIOs berichten von unrealistischen ROI-Forderungen der Führungsebene an KI-Initiativen.

80%

Während 80 % der Befragten Effizienz als Ziel für KI-Initiativen nennen, setzen die erfolgreichsten Organisationen zusätzlich auf Wachstum und Innovation und vermeiden eine einseitige Kostensenkungsperspektive.

50%

der GenAI-Budgets fließen in Vertrieb und Marketing, doch Back-Office-Automatisierung bringt oft einen besseren ROI.

DAS PROBLEM

KI gilt oft als Allheilmittel für komplexe Geschäftsprobleme, was Projekte zum Scheitern verurteilt. Wer den Bedarf an Datenqualität, iterativer Entwicklung und menschlicher Aufsicht unterschätzt und zugleich die Geschwindigkeit von KI als „Plug-and-Play“-Lösung überschätzt, riskiert schlechte Planung, Desinteresse bei Stakeholdern und höhere regulatorische Risiken.

DER SCHLÜSSEL ZUM ERFOLG

Erfolgreiche Unternehmen:

Image
Setzen von Beginn an klare, realistische Erwartungen, indem sie Stakeholder über die tatsächlichen Möglichkeiten und Grenzen von KI aufklären – auch dort, wo menschliche Expertise, Aufsicht oder Konsens unverzichtbar bleiben.
Image
Fördern eine experimentierfreudige Lernhaltung und verstehen die KI-Einführung als fortlaufende Reise statt als einzelnen Transformationssprung, sodass erste Rückschläge zu Verbesserungschancen werden.
Image
Verankern regelmäßige Projektreviews, die technischen Fortschritt mit Geschäftswert in Einklang bringen und Ergebnisse ehrlich kommunizieren – für Transparenz und organisationales Lernen in jeder Phase.
cta bg

Die Grundlagen für KI-Erfolg schaffen

Der Unterschied zwischen den 95 % der Organisationen, die mit KI experimentieren, und den 5 %, die ihr Geschäft transformieren, liegt in strategischer und grundlegender Disziplin. Eine erfolgreiche Unternehmens-KI-Strategie beginnt mit einer klaren langfristigen Ambition und stimmt Business und IT über Governance, Rollen und Technologie hinweg ab. Die darauf aufbauende Datengrundlage muss lokale Verantwortung mit unternehmensweiter Konsistenz in Einklang bringen – durch föderierte Modelle und semantische Standardisierung, die fragmentierte Daten auffindbar, interoperabel und nutzbar machen für vertrauenswürdige Suche und skalierbare KI.

bg mob new

Die Grundlagen für KI-Erfolg schaffen

Der Unterschied zwischen den 95 % der Organisationen, die mit KI experimentieren, und den 5 %, die ihr Geschäft transformieren, liegt in strategischer und grundlegender Disziplin. Eine erfolgreiche Unternehmens-KI-Strategie beginnt mit einer klaren langfristigen Ambition und stimmt Business und IT über Governance, Rollen und Technologie hinweg ab. Die darauf aufbauende Datengrundlage muss lokale Verantwortung mit unternehmensweiter Konsistenz in Einklang bringen – durch föderierte Modelle und semantische Standardisierung, die fragmentierte Daten auffindbar, interoperabel und nutzbar machen für vertrauenswürdige Suche und skalierbare KI.

 

WEITERE MITWIRKENDE

BERT
CARDOEN

Senior Consultant,

Advisory

DOMINIK
RIEDT

Senior Consultant,

Advisory

SASCHA
ROSENBERG

Senior Consultant,

Advisory

DR. MAXIM
POLIKARPOV

Senior Manager,
Advisory