Case Study

Sanofi kooperiert mit Campana & Schott

14.01.2020

Innovatives Forschungsprojekt in der Pharma-Produktion durch Machine Learning.

Bei der Produktion von Pharma-Erzeugnissen fallen riesige Datenmengen an. Sanofi in Frankfurt-Höchst nutzt Machine-Learning-Techniken, um Erkenntnisse aus diesen Daten zu ziehen, die dabei helfen, Qualitätssicherungsprozesse zu optimieren. Innovative Ansätze wie diese sind Teil der Digitalisierungsstrategie des Unternehmens. Sanofi ist ein weltweites Gesundheitsunternehmen, das Menschen bei ihren gesundheitlichen Herausforderungen unterstützt.

Ein neuartiges Datenanalyseprojekt von Sanofi haben jetzt zwei studentische Teams der Goethe-Universität Frankfurt in Kooperation mit dem Lehrstuhl für Wirtschaftsinformatik (Frau Prof. Dr. Minor) und Campana & Schott durchgeführt. Die studentischen Teams hatten die Aufgabe, aus den Rohdaten der Produktion von Plastikbauteilen für Applikationsgeräte Erkenntnisse zu gewinnen, die weit über simple Spezifikationsabweichungen hinausgehen. 
„Die Kooperation mit Campana & Schott und der Goethe-Universität Frankfurt hilft uns, innovative Ansätze wissenschaftlich fundiert in unsere Prozesse einfliessen zu lassen“, sagt Galina Hesse, Head of Digital, Engineering & Innovation. Der besondere Fokus liegt auf der Digitalisierung der Produktion. „Erfahrungen ausserhalb der Pharma-Branche werden für uns dabei zum Vorteil, da die Teams so in der Lage sind, unvoreingenommen zu arbeiten und Bestehendes zu hinterfragen.“

Beide Teams konnten vielversprechende Potenziale aufdecken: Der Einsatz entsprechender Algorithmen zur Berechnung der Wahrscheinlichkeit von Folgefehlern kann den Ausschuss in späteren Produktionsprozessen verringern. „In beiden Projekten wurde klar, dass eine saubere Datenstrategie die Voraussetzung für eine sinnvolle Nutzung von Daten und Machine-Learning-Ansätzen ist“, erläutert Frau Hesse. Die Anforderungen an eine solche Datenstrategie, die aus diesen Projekten abgeleitet werden konnten, sind ebenso komplex und wichtig wie das Ergebnis der Datenanalyse selbst. In den Projekten verglichen die Studenten verschiedene Machine-Learning-Methoden und Algorithmen. Die Ergebnisse können jetzt als Basis für eine produktive Implementierung dienen. Für Sanofi ist dies ein weiterer Schritt hin zu Innovation und Digitalisierung der produktionsnahen Prozesse.