KI/ML-Validierung vs. klassische CSV: Was sich wirklich ändert

• Unterschiede zwischen klassischer CSV und der Validierung von KI-Systemen
• Entscheidungslogik – wann KI sinnvoll ist
• Datenabhängigkeit von ML-Modellen
• Datenqualität und Datensplitting
• GxP-Kritikalität von KI und regulatorische Grundlagen
• Einführung in Validierungsmodelle für KI-Systeme

Der Einsatz von KI-, insbesondere Machine-Learning-Systemen, in regulierten Umgebungen nimmt stetig zu. Gleichzeitig stellt sich für viele Unternehmen die Frage, wie diese Systeme im Rahmen bestehender CSV-Ansätze bewertet und validiert werden können. Anders als klassische Software basieren KI-Systeme auf Trainingsdaten und statistischen Modellen, deren Verhalten sich über den Lebenszyklus verändern kann. Dieses Webinar vermittelt ein strukturiertes Verständnis der Unterschiede zwischen klassischer CSV und KI-Validierung und zeigt, warum Datenqualität und Systemkontext bereits in der Konzeptphase entscheidend sind.

• Verständnis der Unterschiede zwischen deterministischen Systemen und KI-Systemen
• Einordnung von Datenqualität im Validierungskontext
• Verständnis der GxP-Kritikalität von KI-Systemen
• Einführung in das Control- und Autonomie-Mode

• QA- und CSV-Mitarbeitende
• IT- und Digitalisierungsverantwortliche
• Data-Science-Teams in regulierten Unternehmen
• Projektleiter von KI-Initiativen

ReferentenDr. Patrick Fischbach, Spezialist für GxP-Compliance und KI-ValidierungDr. Christoph Scholz, Spezialist für GxP-Compliance und KI-Validierung