#17 – Machine Learning in Biotech – Zwischen Innovation und Regulierung

episode

Talking Life Science not yet transcribed

▲ 0

Transcript

This episode hasn't been transcribed yet Upvotes decide what gets transcribed next — 0 so far. Sign in to upvote

More from Talking Life Science

#29 – Talking Life Science – Die Life Science Branche im ersten Halbjahr 2026: Die wichtigsten Entwicklungen und Trends im Überblick 39 min · 28 Jul 2026

#28 – Projektmanagement am Limit: Kann diese Plattform Projekte in der Life Science Branche retten? 1h 7m · 29 Jun 2026

All episodes from Talking Life Science →

Report any issue

Source

Recorded19 May 2025

Publisher145879866.hs-sites-eu1.com ↗

Handlerec:17504597

Show notes

Chancen, Risiken und Zukunftsperspektiven – mit Christof Layher und Carsten Jasper In dieser Episode von Talking Life Science, dem Experten-Podcast der Aristo Group, spricht Niklas Wörsching, Head of Sales und Leiter des Bereichs IT & Digitalisierung in Deutschland, mit zwei erfahrenen Branchenkennern über die Potenziale und Herausforderungen von Machine Learning in der Biotechnologie und Pharmaindustrie. Künstliche Intelligenz und insbesondere Machine Learning gelten als Gamechanger für Forschung, Entwicklung und Produktion – von der schnelleren Identifikation neuer Wirkstoffe über vorausschauende Wartung in der Produktion bis hin zur automatisierten Qualitätssicherung. Doch mit dem technologischen Fortschritt wachsen auch die regulatorischen Anforderungen: Wie lässt sich ein System validieren, das sich selbst weiterentwickelt? Und wie können Risiken wie Daten-Bias oder mangelnde Transparenz kontrolliert werden? Christof Layher, Director Validation Digital Systems bei BioNTech und Carsten Jasper, Senior Director Quality & Risk Management bei Charles River Laboratories und freiberuflicher Unternehmensberater, geben praxisnahe Einblicke in aktuelle Use Cases, regulatorische Hürden und notwendige Veränderungen im Mindset der Branche. Besonders spannend: Der Vergleich zwischen Mensch und Maschine in Bezug auf Blackbox-Entscheidungen – und was das für die Zukunft der Validierung bedeutet. Themen dieser Folge: Machine Learning als Innovationstreiber in Forschung, Entwicklung und Produktion Warum Datenqualität über den Erfolg von ML-Projekten entscheidet Bias, Blackbox & Validierung – die größten Risiken und wie man ihnen begegnet Wie sich regulatorische Rahmenbedingungen weiterentwickeln müssen Organisatorische Konsequenzen für Pharmaunternehmen im KI-Zeitalter✔️ Warum Risikomanagement nicht bremst, sondern Innovation ermöglicht Jetzt reinhören und erfahren, warum Machine Learning in der Biotech-Branche mehr ist als nur ein Hype – und wie Unternehmen jetzt die Weichen richtig stellen. 🎧

Ask this episode

“What did the council decide on item 42?” — answered with the speaker and the moment.