Data in der Life Science-Branche – und wie man Messungen verbessern kann | Mit Sebastian Wernicke

Warum kann man schlechte oder falsche Entscheidungen treffen,
obwohl man genug Daten zur Verfügung hat? Und was ist im Bereich
Life Science und Pharma bei Daten besonders wichtig? Sind wir
dann datengetrieben?


Darum geht es in der neuen Folge des Podcasts ChaosHacker-Talk,
in der Host Christof Layher diesmal mit Dr. Sebastian Wernicke
spricht.


Der ist Bioinformatiker und Partner bei Oxera und außerdem
Buch-Autor!


Ein Statement aus dem Buch fand Christof besonders spannend:


Wenn du ein Problem mit Daten hast, sind Daten nicht dein
Problem.


Daten entstehen halt irgendwo, die kommen nicht aus dem
luftleeren Raum.


Doch oft ist niemand so richtig verantwortlich.


Dazu kommen unterschiedliche Interessen, warum und wofür die
Daten überhaupt da sind.


Sebastian ist es dabei wichtig, das Drumherum zu betrachten.


Als jemand aus der Data-Branche darf man sich nicht mehr nur auf
Mathematik verlassen.


Man muss Stakeholder abholen und viel kommunizieren.


Christof gibt zu, dass er sehr nerdy in seiner Datenkommunikation
ist.


Er baut Tabellen und dann sollen die anderen die schon verstehen.


Doch eigentlich ist sein Ziel, Informationen stabiler und besser
rüberzubringen.


Sebastian sieht da die Datenkultur: Man muss Offenheit dazu
haben, auch mal eine Tabelle zu diskutieren.


Beide Seiten müssen sich anstrengen, damit die Kommunikation
funktioniert.


Man kann ein Unternehmen halt auch nicht mit einer KPI führen.
Amazon hat Tabellen voller KPIs, die dann in Management-Meetings
diskutiert werden.


Christof interessiert: Wie kann man schlechte oder falsche oder
keine Entscheidungen treffen, obwohl man Daten hat?


Oft nutzen Menschen die Ausrede, es gäbe zu wenig Daten. Doch
Daten können nicht die Entscheidungen treffen – das macht immer
noch der Mensch.


Außerdem leben wir in der Pharma/Life Science-Branche und in der
freien Wirtschaft ja nicht in wissenschaftlichen Experimenten.


Daten geben nur die Transparenz, nicht die Entscheidungen.


Je mehr Transparenz, umso mehr Aspekte muss man bedenken.


Im Pharma-, Bio- und Lifetech-Umfeld ist vor allem
Datenintegrität (Data Integrity) unglaublich wichtig. Dadurch
liegt auch der Fokus auf den Meta-Daten, denn eine Messung, die
eine Minute später stattfindet als die vorherige, kann die Daten
völlig verändern.


Dazu kommt der Bias. Und der ist, vor allem beim Buzzword AI
EU-Act und grundsätzlich AI gerade besonders im Fokus.


Doch Daten haben immer einen Bias.


Wir müssen nur herausfinden, welcher Bias problematisch und wie
wir dagegen steuern können.


In der Pharma-Welt gibt es das Buzzword „Intended Use“, ein
Prozess, der in der Validierung bewiesen werden kann, dass er mit
reproduzierbarer Qualität erfüllt werden kann.


Die Qualität von Daten kann man erst bewerten, wenn man den
Intended Use kennt.


Die Daten dann für was anderes zu verwenden, ist der
Off-Label-Use.


Zum Schluss erzählt Christof noch, dass er sich ein
Maturity-Modell für Daten wünscht.


Denn auch wenn es im pharmazeutischen Umfeld so viele Auflagen
gibt, kann man nicht ganz am Anfang schon alles perfekt
validierbar machen.





00:00:00 Intro und Begrüßung


00:00:48 Daten-Probleme


00:02:26 Vorstellung Sebastian Wernicke


00:06:23 Richtige Entscheidungen durch Daten


00:09:47 Annahmen treffen


00:12:52 Datenintegrität


00:15:20 Daten haben immer einen Bias


00:21:22 Auch Menschen haben immer einen Bias


00:26:29 Kommunikation mit Data verbessern


00:29:57 Fokus auf KPIs


00:34:49 Entscheidungen haben Side Effects


00:36:47 Intended Use


00:42:23 Beispiele für Intended Use


00:44:57 Data Scientists müssen Engineering können


00:46:43 Ansprüche in der Life-Science


00:50:58 Zwei Fragen an Sebastian