Verträge im Pharmabereich enthalten meist neben den klassischen Liefer- und Herstellungsvereinbarungen auch Vertraulichkeitsvereinbarungen und Qualitätsklauseln. Hinzu kommt oft die Heterogenität der Systeme (Speicherorte) und unterschiedliche Prozesse bei der Verwaltung von Verträgen je nach Abteilung. Trotz dieser Komplexität sollen Verantwortliche bei Bedarf in der Lage sein, benötigte Informationen sofort abrufen zu können. Der gezielte Einsatz von KI kann in der täglichen Arbeit helfen.
Auf künstlicher Intelligenz (KI) basierende Wissensmanagementsysteme, auch „Insight Engines“ genannt, spielen im Vertragsmanagement ihre Stärken aus. Dabei spielt es keine Rolle, wo der Vertrag mit den gesuchten Inhalten gespeichert ist (interne Fachanwendung, SharePoint oder Cloud) und in welchem Format dieser vorliegt (Word, PDF). Die Anbindung der relevanten Datenquellen erfolgt mittels Konnektoren. Dies ermöglicht eine effiziente Informationsaufbereitung und -bereitstellung basierend auf den Zugriffsrechten der Nutzer, die bei jeder Antworterstellung geprüft werden.
Eine Kombination aus unterschiedlichen Methoden der künstlichen Intelligenz wie Fact Extraction, Classification, LLMs und Natural Language Question Answering (NLQA) sorgt für eine perfekte Aufbereitung der Ergebnisse. Durch Natural Language Processing (NLP), einen Teilbereich der Informatik und künstlichen Intelligenz, versteht die Insight Engine die menschliche Sprache. NLP kombiniert Methoden aus der Computerlinguistik mit maschinellem Lernen und insbesondere Deep Learning. Fact Extraction bezeichnet das automatische Erfassen und die Extraktion relevanter Informationen aus Dokumenten. Dazu gehören etwa Namen der Vertragspartner oder Vertragslaufzeiten. Klassifizierung bezeichnet die automatische Zuordnung von Dokumenten in vordefinierte Kategorien. Algorithmen analysieren verschiedene Merkmale eines Dokuments, um es einer bestimmten Klasse zuzuordnen. Diese Methode wird genutzt, um Dokumente zu organisieren, schnell auffindbar zu machen und beispielsweise alle Verträge mit den gleichen Merkmalen wie „Vertragslaufzeit 31. Dezember 2025“ in einer Tabelle aufzuzeigen.
Für das Erstellen von neuen Inhalten kommen Large Language Models zum Einsatz. Sie verstehen die natürliche Sprache und generieren neue menschenähnliche Texte. Als Basis dienen hier die Trainingsdaten des Modells, dabei sind aber auch falsche Aussagen, sogenannte Halluzinationen, nicht ausgeschlossen. Um dem entgegenzuwirken, kommt im Unternehmensumfeld Retrieval Augmented Generation (RAG) zum Einsatz. Beim RAG-Modell generiert das LLM die Antworten aus den vorhandenen Unternehmensinformationen, die die Insight Engine bereitstellt, und nicht aus den Trainingsdaten. Vertragsabteilungen nutzen das RAG-Modell, um Zusammenfassungen zu umfangreichen Verträgen zu erhalten oder Fragen zu stellen, die explizit nur mit Fakten aus dem herangezogenen Vertragswerk beantwortet werden.
