KPIs Pharmabranche: Welche Kennzahlen wirklich steuern

Definition

KPIs in der Pharmabranche sind dokumentierte Kennzahlen zur Steuerung von Qualität, Effizienz, Kosten und Durchlaufzeiten in GxP-nahen Prozessen. Sie sind nicht einfach „mehr Reporting“, sondern müssen prüfbar, konsistent und über Teams hinweg eindeutig interpretiert werden.

Einleitung

KPIs Pharmabranche funktionieren nur, wenn du mit den Zahlen wirklich steuern kannst: Ausbeute verbessern, Freigaben verkürzen, Abweichungskosten sichtbar machen. In der Praxis scheitert es selten an fehlenden Daten, sondern an uneinheitlichen Definitionen, zu groben Aggregationen und Reports, die keine Ursachen zeigen. Dieser Artikel bringt Fokus rein: welche Kennzahlen zählen, wo typische Fallen liegen und wie du sie in Power BI so aufsetzt, dass Anwender damit arbeiten können.

Welche KPIs liefern den größten Hebel

Startpunkt ist nicht „Welche Kennzahlen sind üblich?“, sondern: Wo verlieren wir Geld, Zeit oder Lieferfähigkeit. In vielen pharmazeutischen Value Streams sind es wiederkehrend dieselben Cluster.

• Ausbeute Ist gegen Soll und Materialverlust je Prozessschritt als direkter Kostenhebel (gerade bei teuren Ausgangsstoffen).
• Zeit von Produktionsende bis Freigabe inklusive Anteil Wartezeit auf Analytik, weil Freigabezeit Kapital bindet und die Lieferfähigkeit trifft.
• Right-First-Time-Quote plus Kosten aus Abweichungen und Verwürfen, um Nacharbeit und Verwurf wirtschaftlich zu bewerten.

Wichtig: Herstellkosten je Charge sind als KPI sinnvoll, aber nur steuerbar, wenn die Treiber (Ausbeute, Nacharbeit, Analytik-Delay, Umrüstanteile) mit gemessen werden. Sonst bleibt es eine reine Ergebniszahl.

Typische Herausforderungen in regulierten KPI-Setups

Pharma hat zusätzliche Spielregeln: Kennzahlen müssen nachvollziehbar sein und dürfen nicht „beim nächsten Refresh“ anders aussehen. Typische Bremsen sind weniger technisch als organisatorisch und methodisch.

• Bewertung statt Realität: Chargenkosten werden mit Standardsätzen gerechnet, während die tatsächliche Ausbeute erst nach Freigabe final ist.
• Qualitätsdaten ohne Kostenwirkung: Abweichungen und Änderungskontrollen laufen im Qualitätssystem, bleiben aber wirtschaftlich unbewertet.
• Bekannte Durchlaufzeiten, unbekannte Treiber: Die Freigabedauer ist messbar, aber Ursachen liegen oft in Analytik-Queues und Statuswechseln.

Wenn diese Punkte nicht adressiert sind, entstehen Dashboards, die „schöne Kurven“ zeigen, aber keine sichere Entscheidungsgrundlage liefern.

So werden KPIs in der Pharmabranche wirklich steuerbar

Steuerbar heißt: ein KPI zeigt Abweichung, Ursache und eine klare nächste Frage. Das erreichst du mit drei Designprinzipien.

• Definitionen wie Spezifikationen behandeln: Formel, Scope (Charge/Schritt), Datenstand (vor/nach Freigabe) und Verantwortlichkeit gehören dokumentiert.
• Granularität bewusst wählen: Ausbeute und Verluste nicht nur je Charge, sondern je Prozessschritt auswerten, damit der Hebel sichtbar wird.
• Status- und Zeitlogik modellieren: Wartezeit auf Analytik als eigener Status, nicht als „Restzeit“, damit Engpässe eindeutig messbar sind.

Mit Power BI wird daraus ein steuerbares Cockpit: Nutzer sehen nicht nur den KPI, sondern können von der Gesamtzahl in Prozessschritte, Ursachencluster oder Zeitachsen navigieren, ohne jedes Mal eine Sonderauswertung anzustoßen.

Mini-Beispiel: Abweichungen, die plötzlich Geld kosten

Ein Team trackt Abweichungen nur als Anzahl. Im Controlling fällt aber auf, dass die Herstellkosten je Charge steigen, ohne offensichtlichen Grund. Erst die Verknüpfung von Abweichungen mit Nacharbeitszeit, Verwurf und Analytik-Verzögerung zeigt: Wiederkehrende Abweichungen an einem Prozessschritt treiben Materialverlust und binden Kapazität. Ab da wird aus „Qualität meldet“ eine wirtschaftliche Priorisierung.

Umsetzung in Power BI: Fokus auf Nutzbarkeit statt Tool-Show

Das Ziel ist, dass nicht nur BI-Experten, sondern Fachbereiche sauber arbeiten können: gleiche Zahlenbasis, klare Filterlogik, stabile Definitionen. Bewährt hat sich ein Set aus wenigen, wiederverwendbaren KPI-Seiten (Ausbeute, Freigabe, Abweichungen) plus Drilldowns, die die Ursache sichtbar machen.

Wichtig für den Alltag: Ein KPI braucht einen „nächsten Klick“, der zur Maßnahme führt. Beispiel: Freigabedauer → Aufteilung in Produktion, Analytik, QA-Review → Top-Engpässe nach Produkt, Linie oder Labor. So wird aus Reporting ein Arbeitsinstrument.

Vorgehen: pragmatisch starten, sauber skalieren

Ein schneller Start ist möglich, wenn der Scope klar begrenzt ist: ein Produktbereich, ein Standort oder ein definierter Prozess. Entscheidend ist, zuerst die KPI-Definitionen und Datenstände zu klären, dann die Daten zu verbinden, dann das Dashboard zu bauen.

Ein guter Pragmatismus-Test: Können Produktion, Qualität und Controlling denselben KPI ansehen und kommen trotzdem zur gleichen Aussage? Wenn nicht, fehlt meist eine Definition (Scope, Cut-off, Zähler/Nenner) oder ein gemeinsamer Datenstand.

Wann externe Unterstützung sinnvoll wird

Externe Unterstützung wird sinnvoll, wenn mindestens einer dieser Punkte zutrifft: KPIs müssen validiert und änderungssicher dokumentiert werden, mehrere Fachbereiche streiten über „die richtige Zahl“, oder du willst Treiberlogiken (Prozessschritt, Analytik-Wartezeit, Abweichungskosten) sauber in Power BI zusammenbringen. Dann spart ein strukturiertes Setup Zeit, verhindert KPI-Wildwuchs und sorgt dafür, dass deine Reports im Audit nicht zum Risiko werden.