Wissensmanagement in der Medizintechnik: Wie KI regulatorisch belastbares Wissen zugänglich hält

Kurzfassung: Wissensmanagement in der Medizintechnik bezeichnet das strukturierte Erfassen, Auffinden und Anwenden von technischem und regulatorischem Wissen über den gesamten Produktlebenszyklus hinweg. Der Unterschied zu vielen anderen Branchen liegt in der Beweislast. Es zählt nicht nur, ob eine Antwort inhaltlich stimmt, sondern ob sie sich bis zur Quelle, zur Seite und zur konkreten Dokumentversion belegen lässt. An genau dieser Nachvollziehbarkeit entscheidet sich, ob KI im regulierten Umfeld tatsächlich einen Nutzen bringt oder ein Risiko bleibt.

Was bedeutet Wissensmanagement in der Medizintechnik?

Wissensmanagement in der Medizintechnik umfasst alle Methoden, mit denen ein Unternehmen sein produkt- und prozessbezogenes Wissen verfügbar hält: technische Dokumentation nach EU MDR 2017/745 [1], Prozesse und Nachweise nach ISO 13485 [2], Risikoakten, Prüfberichte, klinische Bewertungen, Spezifikationen und deren Änderungshistorien.

Das Besondere ist die Bindung an Konformität. Ein Datenblatt im Maschinenbau darf veralten, ohne dass ein Zertifikat erlischt. In der Medizintechnik hängt an jeder Aussage eine regulatorische Konsequenz. Wissen ist hier kein Nachschlagewerk, sondern Teil der Konformitätskette.

Warum ist Wissensmanagement in der Medizintechnik besonders anspruchsvoll?

Das relevante Wissen ist selten an einem Ort. Es verteilt sich über QM-System, PLM, Dateiablagen, E-Mails und die Köpfe erfahrener Kolleginnen und Kollegen. Dazu kommen mehrere gültige und ungültige Versionen desselben Dokuments, verschiedene Sprachen an internationalen Standorten und eine Dokumentendichte, die klassische Volltextsuche überfordert.

Drei Faktoren verschärfen die Lage:

• Versionierung: Für ein Audit ist entscheidend, welche Fassung zu welchem Zeitpunkt gültig war. Eine Antwort aus der falschen Dokumentversion ist wertlos oder gefährlich.
• Personenabhängigkeit: Verlässt eine erfahrene Fachkraft das Unternehmen, geht implizites Erfahrungswissen verloren, das nie schriftlich festgehalten wurde.
• Prüfbarkeit: Eine Aussage ohne belegbare Quelle hat im regulierten Umfeld keinen Wert, unabhängig davon, wie plausibel sie klingt.

Welche Rolle spielen EU MDR und ISO 13485?

Die EU MDR und die ISO 13485 definieren, welche Nachweise ein Medizintechnik-Unternehmen führen und jederzeit vorlegen können muss. Technische Dokumentation, Rückverfolgbarkeit von Anforderungen, Änderungslenkung und die Reaktion auf Anfragen der Benannten Stelle setzen voraus, dass das zugrunde liegende Wissen schnell und lückenlos auffindbar ist.

Wissensmanagement ist damit kein reines Effizienzthema. Es ist eine Voraussetzung dafür, ein Audit ohne tagelange Suche zu bestehen. Wer eine Anforderung in Minuten gegen die interne Dokumentation prüfen und die Fundstelle benennen kann, arbeitet nicht nur schneller, sondern auch belastbarer.

Wie hilft KI beim Wissensmanagement in regulierten Branchen?

Spezialisierte KI erschliesst grosse, komplexe Dokumentbestände und liefert präzise Antworten mit Quellenangabe, statt Ergebnislisten zu produzieren, die anschliessend manuell durchgearbeitet werden müssen.

Am Beispiel von MAIA, einer KI-Assistentin für technisches Wissensmanagement im industriellen Mittelstand, zeigt sich, worauf es im MedTech-Kontext ankommt. Dokumente werden einmal tiefgreifend voranalysiert, bevor die erste Frage gestellt wird. Entitäten, Metadaten und Beziehungen zwischen Dokumenten werden zu einem Index verarbeitet, der eine Stückliste anders liest als einen Prüfbericht, auch wenn beides als PDF vorliegt. Eine Spezifikations-Prüfung, für die ein Team sonst Stunden braucht, ergibt so eine auditierbare Übersicht in Minuten. Im Einsatz ist die Lösung unter anderem bei Medizintechnik-Unternehmen wie Ovesco und novineon.

Woran erkennt man audit-taugliches KI-Wissensmanagement?

Im regulierten Umfeld reicht eine korrekt klingende Antwort nicht. Prüfbar wird KI-Wissensmanagement erst durch nachweisbare Merkmale:

• Quellennachweis bis auf Seite und Dokumentversion: Jede Aussage ist rückverfolgbar. Ein falscher Materialwert oder eine falsche Schichtdicke kann im industriellen Umfeld hohe Kosten verursachen, deshalb ist „klingt richtig" keine akzeptable Grundlage.
• Versionserkennung: Das System unterscheidet gültige von überholten Fassungen und zieht Antworten aus dem aktuell relevanten Stand.
• Antwortvalidierung: Bei MAIA zerlegt der High Precision Mode eine Antwort in atomare Einzelaussagen, prüft jede gegen die Originalquelle und korrigiert Widersprüche automatisch.
• Datenhoheit: Keine Nutzung der Kundendaten für Modelltraining, DSGVO-konforme Verarbeitung und Ausrichtung am EU AI Act.

Fehlt eines dieser Merkmale, entsteht ein Werkzeug, das plausible Texte erzeugt, aber keine belastbaren Nachweise. Für die Medizintechnik ist das der entscheidende Unterschied.

Wie bleibt die fachliche Verantwortung beim Menschen?

Die Bewertung und Freigabe bleiben beim Fachteam. KI übernimmt die repetitiven und strukturierten Aufgaben: Dokumente durchsuchen, Anforderungen abgleichen, Fundstellen benennen, Übersichten aufbereiten. Die inhaltliche Entscheidung, ob eine Anforderung erfüllt ist und ein Nachweis genügt, trifft weiterhin die verantwortliche Person aus Regulatory oder Quality.

Dieser Zuschnitt ist im regulierten Umfeld keine Nebensache. Verantwortung und Rechenschaftspflicht lassen sich nicht an ein System delegieren. Ein sinnvoll eingesetztes KI-Wissensmanagement liefert die belegte Grundlage für eine Entscheidung, es ersetzt die Entscheidung nicht.

Wer im Medizintechnik-Unternehmen profitiert?

Der Nutzen verteilt sich über mehrere Rollen:

• Regulatory und Quality Affairs: schnellere Audit-Vorbereitung, belegbare Antworten auf Anfragen der Benannten Stelle, konsistente Sicht auf gültige Dokumentversionen.
• Clinical Affairs: effizientere Recherche über Studien, Literatur und interne Bewertungen hinweg.
• Entwicklung und Produktmanagement: direkter Zugriff auf technische Details über Datenblätter und Spezifikationen hinweg, ohne erfahrene Kolleginnen und Kollegen zu binden.
• Internationale Teams: einheitlicher Wissensstand über Sprachgrenzen hinweg, da Anfragen und Antworten mehrsprachig möglich sind.

Was unterscheidet spezialisierte KI von generischen Chatbots?

Generische Werkzeuge laden Dokumente erst in dem Moment, in dem eine Frage gestellt wird, begrenzt durch das, was ins Kontextfenster passt. Eine auf technische Dokumentation spezialisierte Lösung dreht das um und bereitet den gesamten Bestand vorab auf.

Der Unterschied gleicht dem zwischen einer Aushilfe, der man kurz vor dem Termin einen Ordner reicht, und einer Kollegin nach mehreren Monaten Einarbeitung. Nicht das zugrunde liegende Sprachmodell ist entscheidend, sondern die Vorbereitung des Kontexts und die Prüfung jeder Aussage gegen die Quelle.

Wie steht es um Datenschutz und regulatorische Konformität?

Datensicherheit ist im industriellen Mittelstand kein optionales Extra, sondern oft der Punkt, an dem eine Einführung steht oder fällt. Belastbare Lösungen verarbeiten Daten DSGVO-konform [5], trainieren nicht auf Kundendaten und sind am EU AI Act ausgerichtet [3]. Bei MAIA kommen Entwicklung und Betrieb aus Deutschland und der Schweiz, die ISO-27001-Zertifizierung [4] befindet sich in Vorbereitung.

Für Medizintechnik-Unternehmen zählt zudem die Nachweisführung gegenüber dem EU AI Act, dessen Pflichten seit 2025 schrittweise greifen. Ein KI-Verzeichnis, dokumentierte Transparenz und geschulte Beschäftigte gehören zur Governance, die parallel zur technischen Einführung aufgebaut werden sollte.

Wie gelingt der Einstieg?

Der Einstieg beginnt nicht mit einem grossen IT-Projekt. Eine SaaS-Lösung lässt sich ohne Installation im Browser starten, Dokumente werden per Drag-and-drop hochgeladen und automatisch analysiert. Sinnvoll ist ein klar umrissener erster Anwendungsfall, etwa die Spezifikations-Prüfung oder das eigenständige Nachschlagen im QM-Bestand, an dem sich Antwortqualität und Nachvollziehbarkeit konkret bewerten lassen.

Entscheidend für den Erfolg ist weniger die Technik als der Kontext, den die KI erhält. Ohne sauberen Zugang zu den relevanten Dokumenten bleibt jede KI ein Spielzeug. Mit dem richtigen Zugang wird aus verstreutem Wissen ein prüfbares Asset, das mit jeder Anfrage tiefer wird.

FAQ

Was ist der wichtigste Unterschied zwischen KI-Suche und KI-Wissensmanagement in der Medizintechnik? Eine KI-Suche findet Textstellen. KI-Wissensmanagement liefert eine geprüfte Antwort mit Quellennachweis bis auf Seite und Dokumentversion und berücksichtigt, welche Fassung eines Dokuments gültig ist.

Ist KI im Wissensmanagement mit der EU MDR vereinbar? Ja, sofern jede Antwort rückverfolgbar ist, die Versionslenkung eingehalten wird und die fachliche Freigabe beim verantwortlichen Team bleibt. KI liefert die belegte Grundlage, die Bewertung trifft der Mensch.

Werden Kundendaten für das Training des KI-Modells verwendet? Bei einer für den regulierten Mittelstand geeigneten Lösung nicht. MAIA verarbeitet Daten DSGVO-konform und trainiert nicht auf Kundendaten.

Wie schnell lässt sich eine solche Lösung einführen? Eine SaaS-Lösung ist ohne Installation im Browser nutzbar, Dokumente werden per Drag-and-drop hochgeladen und automatisch analysiert. Der Aufwand liegt in der Auswahl des ersten Anwendungsfalls und im Zugang zu den relevanten Dokumenten.

Ersetzt KI die Regulatory- oder Quality-Rolle? Nein. KI übernimmt repetitive und strukturierte Aufgaben wie Suche, Abgleich und Aufbereitung. Verantwortung und Rechenschaftspflicht bleiben bei den Fachpersonen.

Quellen

1. Verordnung (EU) 2017/745 über Medizinprodukte (MDR), EUR-Lex (amtliche Fassung): https://eur-lex.europa.eu/eli/reg/2017/745/oj?locale=de
2. ISO 13485, Medizinprodukte, Qualitätsmanagementsysteme, International Organization for Standardization: https://www.iso.org/iso-13485-medical-devices.html
3. Verordnung (EU) 2024/1689 (EU AI Act), EUR-Lex: https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng ; Europäische Kommission, Regulatory framework on AI: https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
4. ISO/IEC 27001, Informationssicherheits-Managementsysteme, International Organization for Standardization: https://www.iso.org/standard/27001
5. Verordnung (EU) 2016/679 (DSGVO), EUR-Lex: https://eur-lex.europa.eu/eli/reg/2016/679/oj

‍