28.03.2025 • 55 Min.

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