Digitalisierungsansätze und -perspektiven aus dem Laboralltag So wird das Labor digital

Anbieter zum Thema

KNAUER Wissenschaftliche Geräte GmbH

t & p Triestram & Partner GmbH

GUS LAB GmbH

Parametric Technology GmbH

HPLC, Massenspektrometer, Waage: Drei Geräte, drei Hersteller – das ist in vielen Laboren normal. Für Anwender zählt, dass all die Geräte gut zusammenarbeiten. Hier hilft die Digitalisierung, eine höhere Datenqualität, mehr Transparenz und schließlich mehr Effizienz im Labor zu erreichen.

Aktuell erledigen Laboranten viele Aufgaben noch manuell, anstatt Daten elektronisch zu verknüpfen. So dokumentieren sie beispielsweise Ergebnisse und Messdaten teilweise sogar handschriftlich ins klassische Laborjournal aus Papier. Dadurch steigt die Gefahr von Übertragungsfehlern. Ein integraler, aber flexibler Architekturansatz ist deshalb nötig, um das Labor stärker zu digitalisieren. Was aber braucht es, um Daten zwischen den Laboren, einzelnen Geräten oder Einheiten austauschen zu können? Es gibt bereits verschiedene Lösungen wie Compound-Managementsysteme, Laborinformations- und Managementsysteme (LIMS) und Lab-Execution-Systeme (LES). Das Zusammentragen der gesammelten Daten, um analytische Fragen zu beantworten oder automatisierte Algorithmen einzusetzen, wird hingegen noch außer Acht gelassen. Eine umfassende Datenverfügbarkeit ist jedoch die Grundlage, um die Daten im Kontext zu visualisieren und sie den Labormitarbeitern aufgaben- oder rollenbasiert zur Verfügung zu stellen.

Digitaler Zwilling

Jedes Digitalisierungsprojekt beginnt damit, vorhandene Systeme und Geräte anzubinden. Hierbei ist darauf zu achten, dass Lösungen zur Konnektivität ein breites Spektrum an gängigen Konnektivitätsprotokollen unterstützen oder sich zumindest um spezifische Protokolle erweitern lassen. Anwender müssen sicherstellen, dass Zugang zu Geräten und Systemen besteht, um Daten aufnehmen zu können. Ziel ist es, die Arbeitsabläufe und Prozesse durch die Datenströme nachzubilden – quasi eine digitale Repräsentation der realen Welt zu schaffen. Darin sehen z. B. Service- und La­bor­techniker, welche Störungen wo im Prozess passiert sind und können die Ursachen von Fehlern schneller finden und beseitigen. Auch der Einkauf ist durch eine klare Datenstruktur optimiert, weil geplante Experimente, aktueller Bestand sowie Verbrauch verknüpft werden und so leicht zu erkennen ist, wenn Materialien zuneige gehen – Pipettenspitzen und Wägeschiffchen werden bestellt, bevor das Labor keinen Bestand mehr hat. Der erste Schritt weg von papierbasiertem Arbeiten geschieht somit durch die elektronische Weitergabe von Daten. Damit ist auch der Grundstein gelegt, um Informationen mittels Augmented Reality direkt im Kontext des Laborgerätes zu visualisieren oder Labormitarbeitern Anleitungen für die Wartung eines Gerätes oder die Weiterführung eines Experiments an die Hand zu geben.

Bildergalerie

Im nächsten Schritt lassen sich mithilfe von Algorithmen sogar Ausfälle von Geräten vorhersagen oder die zu erwartende Probenqualität prognostizieren. Derartige Predictive/Prescriptive Analytics machen typische Muster erkennbar, beispielsweise wann eine Probe noch im angestrebten Zustand oder erwarteten Ergebniskorridor liegt. Hierbei lernen die Algorithmen anhand der Daten, die von den Systemen übermittelt werden. Dabei können Werte wie die Dichte von Objekten mit vorher definierten Modellen abgeglichen werden. Diese Schritte führen zu einem voll digitalisierten Labor. Das bedeutet, dass nicht nur die einzelnen Punkte miteinander verknüpft sind, sondern die entstehenden Daten und die Analytik ganzheitlich genutzt werden, um den vollen Mehrwert für die Entscheidungsfindung zu nutzen. Mit einer umfassenden Internet-of-Things-Plattform (IoT-Plattform) können Anwender sogar ihre eigenen Programme erstellen. Dadurch verbinden sie mit minimalem Aufwand Überwachung und Interaktion mit Geräten und Systemen und steigern so die betriebliche Effizienz.

Wie ist der Digitalisierungsstand von Life Sciences Laboren?

Status Quo der Digitalisierung im Labor: Potenziale für AR

Koordination in Echtzeit

Das Labormanagement umfasst i. d. R. die Koordination von Verfahren, Prozessen und Geräten, um sicherzustellen, dass Tests innerhalb der erforderlichen Fristen abgeschlossen werden. Laborleiter müssen im täglichen Betrieb mehrere Systeme verwalten. Die Informationen zu diesen überwachten Geräten, Personen und Prozessen sind oft unzusammenhängend und finden sich über verschiedene Informationssilos verteilt. Die Folge: Laborverantwortliche benötigen sehr viel Zeit, um bestimmte Daten zu finden. Eine IoT-Plattform führt diese Informationen mithilfe einer standardisierten Anwendung in einem System zusammen und reduziert so den Zeitaufwand für die Anwender. Die Plattform hilft nicht nur dabei, Daten zusammenzuführen, sondern unterstützt auch bei alltäglichen Aufgaben: So stehen etwa Informationen bereit, wie die Laborausrüstung genutzt und betrieben wird. Damit lassen sich schnell fundierte Entscheidungen treffen, um den effizienten Betrieb des Labors aufrecht zu erhalten.

Überblick per Dashboard

Laborleiter können anhand einer Dashboard-Ansicht zentrale Leistungsindikatoren (Key Performance Indicators, KPIs) überwachen sowie die Geräteleistung, laufende Ausfälle und Wartungsarbeiten in Echtzeit überwachen. Damit wird z. B. sichtbar, wenn geplante Wartungsarbeiten mit anstehenden Laboranalysen in Konflikt geraten. In solchen Fällen hilft das System dabei, die Tests auf andere Geräte oder in ein anderes Labor umzubuchen oder die Wartung neu zu terminieren. Eine zusammenfassende Ansicht zur Geräteplanung sowie zu Garantie- und Zertifizierungsereignissen gibt einen Überblick über anstehende Geräteüberprüfungen und erleichtert es so, erforderliche Neuzertifizierungen oder Garantieabläufe zu planen.

Führungskräfte, die standortübergreifend Labore betreuen, profitieren von umfassenden Details zu medizinischen Laboreinrichtungen, deren Standort, Anordnung sowie kritischen Leistungsparametern und Umgebungsdaten. Sobald Werte außerhalb eines definierten kritischen Bereichs liegen oder Geräte beispielsweise wieder für neue Tests zur Verfügung stehen, erhalten sie automatisch eine Benachrichtigung.

Um Planungen zu koordinieren, Tests termingerecht abzuschließen und die ordnungsgemäße Nutzung eines Geräts sicherzustellen, ist es entscheidend zu wissen, wie sich die Ausrüstung in einem Labor verhält. Hierfür stehen im Dashboard Filtermöglichkeiten zur Auswahl, etwa nach Laborstandort und Gerätetyp. Damit erhalten Verantwortliche schnelle Einblicke in zentrale Daten wie die Auslastung der einzelnen Labore, Wartungsarbeiten oder Garantiezeit und Zertifizierung der Geräte. Sollten Anomalien erkannt werden, kann der Anwender Wartungsarbeiten direkt über die Benutzeroberfläche veranlassen. Um die Planung aller Geräte zu koordinieren und zu verwalten, bietet ein Planungs-Dashboard einen Überblick über alle anstehenden Reservierungen. Reservierungsanfragen lassen sich direkt über die Applikation beantworten.

Mehrwert dank IoT

Eine McKinsey-Studie [1] verdeutlicht den Mehrwert des IoT anhand eines Beispiels. Ein großer deutscher Pharmahersteller konnte an seinem italienischen Laborstandort mithilfe von Datenverknüpfungen signifikante Verbesserungen erzielen: Ein besserer Ressourcenumgang und eine optimierte Planbarkeit steigerten die Produktivität um 30 %. Durch erweiterte Analytik wurden Abweichungen bei Experimenten früh erkannt und um 80 % reduziert. Die gesamtheitliche Kontextbetrachtung von Anlagendaten und Prozess sorgte außerdem dafür, dass die Abweichungen fast doppelt so schnell beseitigt wurden.

Der Plattformansatz, bei dem Daten von verschiedenen Systemen und Geräten erfasst und verknüpft werden, ist insbesondere sinnvoll, um die Effizienz von Labortechnikern zu erhöhen und für eine höhere Transparenz zu sorgen. Dabei sollte auf erprobte Konnektivitätsstandards und eine offene, flexible Integrationsplattform geachtet werden. So ist eine Kommunikation mit bestehenden Systemen hersteller­übergreifend gewährleistet. Mithilfe automatischer oder maschineller Datenanalyse lassen sich schnell Vorhersagemodelle für Ereignisse bei Geräten oder erwartete Ergebnisse der Experimente erstellen. Neben der visuellen Darstellung in Dashboards können auf dieser Basis relativ einfach Augmented-Reality-unterstützte Anleitungen bereitgestellt werden, die den Grundstein für einen nachhaltigen Wissenserhalt und -transfer legen.

Literatur

[1] Yan Han, Evgeniya Makarova, Matthias Ringel, and Vanya Telpi: „Digitization, automation and online testing: The future of pharma quality control“, McKinsey, 2019,

* R. Zölfl, PTC, 85716 Unterschleißheim

(ID:47986511)