Pharmaunternehmen.
01. Erfahrung (1. Juni 2025 – heute)
KI-Agent für die Pharmaindustrie – Angebotsabgabe
Es unterstützt den gesamten RFQ-Prozess – vom Eingang der Anfrage bis zu den endgültigen Angebotsunterlagen – mit Geschwindigkeit und Genauigkeit auf Unternehmensebene.
- Automatisches Parsen und Analysieren von Angebotsanfragen in verschiedenen Formaten – PDF, Word, Excel – mit integriertem Fristenmanagement.
- Automatische Befüllung der Standardformularvorlagen der Organisation mit Firmen- und Produktdaten.
- Abgleich der Anforderungen der Angebotsanfrage mit dem verfügbaren Portfolio, einschließlich eines Abgleichs nach Darreichungsform – Tabletten, Kapseln, Injektionen.
- Prüfen Sie die Verfügbarkeit in Echtzeit durch die Integration mit Inventarsystemen und den Zugriff auf aktualisierte technische Spezifikationen.
Ausschließlich als kundenspezifische Software erhältlich, implementiert nach den spezifischen Anforderungen des Unternehmens. Zielgruppe: Generikahersteller, Auftragshersteller (CMOs) und pharmazeutische Großhändler.
02. Bildung und Ausbildung (im Gange)
Unternehmensweite Implementierung in einem strengen und kontrollierten Umfeld
- AWS Cloud (empfohlen), On-Premise oder anderer Cloud-Anbieter – Amazon Linux 2, Ubuntu Server, RHEL oder CentOS Stream.
- Hauptdatenbank OpenSearch (2.11.0+), optional mit PostgreSQL für erweiterte Analysen.
- Benutzerdefinierte Domain mit Subdomain-Struktur (app/api/admin), SSL-Zertifikat und dedizierten Netzwerkkonfigurationen.
03. Persönliche Fähigkeiten
AWS
- EC2, VPC, S3, IAM, CloudFormation/Terraform, CloudWatch, DNS-Verwaltung und SSL-Zertifikate.
Plattform
- Docker und Docker Compose, Container-Management, fortgeschrittenes Linux – Prozesse, Berechtigungen, Dienste, Protokolle.
Daten- und Pharmabereich
- Kenntnisse in OpenSearch/Elasticsearch, SQL, Bash- und Python-Skripting sowie der Terminologie von FDA, EMA, ICH, GMP, API/Hilfsstoffen/Bioäquivalenz sind erforderlich.
04. Technische Architektur
Nenos Pharma AI Agent RFQ Bidding ist der komplexeste Agent im Portfolio. Nenos Aus Sicht der Integration mit externen Systemen und der Einhaltung der Domänenrichtlinien deckt die RFQ-Pipeline automatisch den gesamten operativen Ablauf ab: das Parsen von Anfragedokumenten in verschiedenen Formaten (PDF, Word, Excel), die Normalisierung der Anforderungen im internen Schema (INN, Darreichungsform, Stärke, Mengen, Lieferzeiten), der semantische Abgleich mit dem Produktkatalog über LlamaIndex, die Echtzeit-Verfügbarkeitsprüfung durch Integration mit ERP und WMS sowie die Generierung der Angebotsdokumentation mit automatischer Befüllung der unternehmensinternen Standardformulare. Die Claude-Modelle von Anthropic interpretieren über Amazon Bedrock pharmazeutische Fachterminologie – Wirkstoffe, Hilfsstoffe, Bioäquivalenz, Darreichungsformen, GMP-Anforderungen – mit höchster Genauigkeit.
Die Microservices-Architektur ist für Unternehmensumgebungen mit hohen Anforderungen konzipiert: Jeder Dienst läuft isoliert in Docker-Containern, mit asynchroner Kommunikation über Message Queues, vollständiger Auditierbarkeit und Unterstützung für Hochverfügbarkeitskonfigurationen. Die Bereitstellung ist auf AWS (Amazon Linux 2, EC2, VPC, S3, IAM, CloudWatch), lokal (Ubuntu Server, RHEL, CentOS Stream) und in Hybridkonfigurationen möglich. Als Hauptdatenbank dient OpenSearch 2.11.0+, optional kann PostgreSQL verwendet werden. Über das MCP verbindet sich der Agent mit Beschaffungsplattformen, Lieferantenmanagementsystemen und regulatorischen Datenbanken (FDA, EMA) für Compliance-Prüfungen in Echtzeit.
Die Agentensicherheit wird als eigenständige Architekturschicht behandelt. In der Pharmaindustrie kann ein fehlerhaftes Angebot schwerwiegende betriebliche und Compliance-Folgen haben. Der Umfang der Angriffstests ist der höchste im gesamten Portfolio. NenosEin besonderer Fokus liegt dabei auf der Manipulation von Bestandsdaten, der unautorisierten Angebotserstellung und dem Einschleusen von Daten über Angebotsanfragen. Jede Instanz durchläuft vor der Auslieferung einen strengen Testprozess, der die wichtigsten Angriffsvektoren von LLM-Systemen sowie das gesamte Spektrum der in den OWASP LLM Top 10 aufgeführten Schwachstellen abdeckt.