Partner von:

Heute wissen, was morgen wirkt

Daten, Digitalisierung [Quelle: unsplash.com, Autor: Chris Liverani]

Quelle: unsplash.com, Chris Liverani

Als Data Scientist hast du riesige Datenmengen im Griff und damit beste Chancen auf dem globalen Arbeitsmarkt. Eine der vielseitigsten und relevantesten Aufgaben erwartet dich bei Roche in Penzberg. Zwei Datenexpertinnen verraten, wie du mit deiner Fachkenntnis tausenden Menschen zu einem besseren Leben verhelfen kannst – zum Beispiel, indem du ein Dashboard entwickelst, das schon heute weiß, welche Medikamente morgen heilen werden.

Bei Data Science denkt man nicht zuerst an Pharma- oder Biotechnologieunternehmen. Warum braucht Roche Datenspezialisten?

Stefanie Kaufmann: Das erklärte Ziel von Roche ist es, Patienten eine individualisierte Therapie anzubieten – und dafür brauchen wir Daten. Denn jede Krankheit und jeder Patient ist anders: Man sagt zwar, dass eine Person "Krebs" hat, aber gerade Krebs ist nicht gleich Krebs! Es existieren viele verschiedene Unterarten von Krebs, die unterschiedlich behandelt werden müssen. "Personalisierte Therapie" lautet das Wort der Stunde – und an dieser Stelle kommen Daten ins Spiel und Menschen, die damit umgehen können. Daten und Digitalisierung tragen aber auch maßgeblich zur weiteren Modernisierung unserer Produktionsprozesse bei – Stichwort Automatisierung und Produktivität.

Anna Bauer-Mehren: Je genauer unsere Daten sind, desto besser können wir therapieren: Das ist die Idee hinter personalisierter Medizin, und deswegen sind Datenexperten heute für uns so wichtig. Mit dem Konzept der Companion Diagnostics (Begleitdiagnostik) können unsere Datenexperten zum Beispiel schon seit Jahren herausfinden, welche Patientengruppen überhaupt auf das jeweilige von Roche entwickelte Medikament ansprechen. Therapie und Diagnostik wirken Hand in Hand. Gerade diese Verbindung macht Roche auch so besonders.

Was meinen Sie genau, wenn Sie bei Roche von Daten sprechen?

Stefanie Kaufmann: Einerseits natürlich Daten über Patienten, Krankheitsgeschichten und die vorliegende Erkrankung, also zum Beispiel Biomarker, Laborwerte und histopathologische Aufnahmen. Im Bereich der Früherkennung bestimmter Krankheiten spielen auch die Daten von Wearables eine große Rolle. Zentral sind andererseits Daten aus der präklinischen Entwicklung, Forschung und Grundlagenforschung. In diesem Zusammenspiel entsteht die individualisierte Medizin, auf die Roche hinarbeitet.

Anna Bauer-Mehren: Bei uns ist es im Moment und vor dem Hintergrund der bestmöglichen Individualisierung ein Ziel, so viele Informationen wie möglich über einen Patienten zusammenzutragen. Via Sensoren wie Smartphones oder Fitnessarmbänder erfassen wir zum Beispiel Daten zu Bewegung und Sprache von Parkinsonpatienten und gesunden Menschen. Über diese Daten erfahren wir beispielsweise, wie sich ein Parkinsonpatient von einem anderen Parkinsonpatienten oder von einem gesunden Menschen unterscheidet und wie unsere Medikamente wirken. Früher hat man diese Dinge über ein punktuelles Assessment in der Klinik versucht herauszufinden. In der digitalen Welt können wir kontinuierlich Daten sammeln und kommen damit sehr viel näher an die Wirklichkeit heran.

Wie tragen Sie mit Ihrer Abteilung zum Ziel individualisierter Therapien bei?

Anna Bauer-Mehren: Ich bin Abteilungsleiterin für Data Science von pREDi (Pharma Research and Early Development Informatics), also von Roches Pharma-Forschungsinformatik. Unsere Abteilung betreut alle Schritte von der Erhebung der Daten bis zur Auswertung und unterstützt alle Forschungsgebiete von Roche, von den Neurowissenschaften und der Onkologie bis hin zu unseren Biologie- und Chemielaboren, die die Medikamente herstellen. Eine unserer Unterabteilungen kümmert sich um die korrekte Erhebung und Ausgabe der Daten, zum Beispiel auf Smartphones oder im Labor.

Andere Kollegen kümmern sich um den Datenfluss und stellen die richtige Systemlandschaft, Software und Infrastruktur zur Verfügung, um Daten strukturiert zu erheben, zu anonymisieren und ihre Qualität zu garantieren. Sie implementieren Softwares, die bereits auf dem Markt existieren, entwickeln aber auch eigene Lösungen. Meine Abteilung Data Science ist für die Auswertung der Daten zuständig. Wir wollen die Daten verstehen, interpretieren und zum Beispiel einen Biomarker finden, der erklärt, warum manche Patienten auf ein Medikament ansprechen und andere nicht.

Stefanie Kaufmann: Meine Abteilung, die wissenschaftlichen Informationsdienste, sind eine interne Serviceabteilung, die Kunden aus Roche Pharma wie auch aus Roche Diagnostics berät. Unsere Hauptaufgabe ist es, Wissenschaftler bei Roche dabei zu unterstützen, die Informations- und Datenflut im biomedizinischen Bereich zu bewältigen. Jeden Tag werden etwa 2.400 biomedizinische Publikationen veröffentlicht, dazu hunderte Experimente und die entsprechenden Daten. Wir unterstützen die Wissenschaftler dabei, sich mithilfe digitaler Methoden das herauszuziehen, was für sie relevant ist.

Der Fokus liegt dabei auf Text- und Data-Mining, aber auch auf Machine Learning und dem automatisierten Auswerten von Publikationen. Arbeitsgrundlage im Text-Mining sind häufig unstrukturierte oder semi-strukturierte Textdaten, zum Beispiel von wissenschaftlichen Publikationen oder Patenten, die wir strukturieren. Im einfachsten Fall heißt das, dass wir zum Beispiel extrahieren, welche Gene und welche Krankheiten in einem Text vorkommen. Die Strukturierung kann aber beliebig komplex werden, bis hin zu Vektoren, die den Text anhand von Worthäufigkeiten oder Kontexten charakterisieren.

In den wissenschaftlichen Informationsdiensten analysieren Sie auch Daten, um neue Einsichten zum Beispiel für die Medikamentenentwicklung zu generieren. Wie funktioniert das?

Stefanie Kaufmann: Ein konkretes Beispiel wäre ein Projekt, in dem wir auf Grundlage von Publikationsdaten frühzeitig vorhersagen wollen, welche Krebsmedikamente in der breiten Population Erfolg haben werden und welche nicht. In diesem Fall, einem Machine-Learning-Projekt, brauchen wir für unser Ziel zunächst Trainingsdaten. Dafür haben wir Publikationen aus den letzten zwanzig Jahren in strukturierte oder semi-strukturierte Daten umgewandelt, aufbereitet, bereinigt und damit das Machine-Learning-Modell trainiert. So konnten wir prüfen, ob unsere Hypothese stimmt. Dann haben wir in einem nächsten Schritt überlegt, wie wir das Produkt in Zusammenarbeit mit externen Dienstleistern zum Kunden bringen. Am Ende steht jetzt ein browserbasiertes Dashboard, in das der Kunde nur noch sein Medikament eingibt und dann seine Vorhersage bekommt.

Wen sucht Roche, um seine Ziele in punkto datengestützter Medizin zu verwirklichen?

Anna Bauer-Mehren: Generell sucht Roche als Healthcare-Unternehmen Bewerber mit einem Hintergrund in Life Sciences – ich selbst habe zum Beispiel einen Abschluss in Bioinformatik. Das ist deswegen wichtig, weil man bei Roche in allen Projekten mit Medizinern, Biologen oder Chemikern zusammenarbeitet, deren Sprache und Prozesse man verstehen sollte.

Bei uns in pREDi haben alle einen dualen Abschluss – grob gesagt also einen Hintergrund in Informatik und Life Sciences, zum Beispiel über ein Nebenfach oder einen Studiengang wie Biotechnologie oder Bioinformatik. Immer wichtiger werden zudem Experten für Big Data, Datenanalyse, Machine Learning, Robotics, Automatisierung und Digitalisierung – im besten Fall auch mit einem dualen Hintergrund. In Sachen Abschluss stellen wir häufig Leute nach dem Master ein, öfter aber nach dem Ph.D. oder nach dem Postdoc.

Stefanie Kaufmann: Auch bei uns kommt es auf Domänenwissen einerseits und auf Erfahrung mit Data Science andererseits an. Darauf bereiten viele Studiengänge vor, zum Beispiel Bioinformatik, Biostatistik oder Biophysik. Bei uns arbeiten aber auch Informatiker, die sich über ein Nebenfach oder ein duales Studium Domänenwissen aufgebaut haben. Auch Physiker bringen oft eine Affinität zur Biologie mit. In jedem Fall verlangen aber auch wir ein gewisses Maß an biomedizinscher Fachkompetenz, damit unsere Mitarbeiter mit den Kunden auf Augenhöhe diskutieren können.

Da das nötige Fachwissen von Projekt zu Projekt variiert, ist es auch sehr wichtig, dass sich Bewerber für die Kernthemen von Roche interessieren und bereit sind, sich in den Fachbereich des jeweiligen Kunden einzuarbeiten. Denn wir wollen unsere Daten selbst verstehen und hinterfragen – und das geht nur mit Domänenwissen. Eine Promotion ist zwar kein Muss, aber vorteilhaft für einen Einstieg in einem forschenden Unternehmen wie Roche. Promovierte haben gelernt, selbstständig zu arbeiten und schnell in neue Themen einzusteigen – beides wichtige Faktoren in unserer täglichen Arbeit.

Welche Karrieremöglichkeiten bieten sich Datenspezialisten bei Roche?

Anna Bauer-Mehren: Promovierte und Ph.D.s steigen auf dem Scientist-Level ein und entscheiden sich anschließend zwischen zwei verschiedenen Karrierewegen. Der erste Weg führt Richtung Management, der Arbeitsschwerpunkt verlagert sich hin zu Mitarbeiterführung und Strategie. Seit ein paar Jahren gibt es aber auch den Scientific-Career-Weg. Die Mitarbeiter avancieren vom Scientist zum (Distinguished) Expert Scientist und durchlaufen dabei eine regelrechte Forscherkarriere, inklusive Patentanmeldungen, Publikationen, Konferenzbesuchen und teils auch Lehraufträgen. Unsere Mitarbeiter erarbeiten sich dabei auch außerhalb des Unternehmens ein Renommee als Experten für ihr Thema. Beide Karrierewege sind in jeder Hinsicht absolut gleichwertig.

Um Experten für Data Science, Statistik, Mathematik und IT reißen sich Arbeitgeber auf der ganzen Welt. Warum Penzberg und nicht zum Beispiel das Silicon Valley?

Anna Bauer-Mehren: Trotz vieler Angebote habe ich selbst das Silicon Valley zugunsten von Penzberg verlassen. Ich wollte nah an der Medizin arbeiten und mitkriegen, was unsere Arbeit für Patienten bewirkt und verbessert. Von allen Pharma- und Biotechnologie-Unternehmen habe ich mich dann für Roche entschieden, unter anderem wegen der globalen Vorreiterrolle in der Onkologie. Auch wichtig war der Standort Penzberg, einer der größten Biotech-Standorte Europas: Er vereint Pharma- und Diagnostics-Forschung sowie Produktion. Wir arbeiten also tagtäglich mit sehr vielen unterschiedlichen Leuten zusammen und können uns langfristig immer weiterentwickeln. Langweilig wird einem garantiert nicht. Interessant sind auch das Umfeld München und speziell die Universitäten, mit denen wir zusammenarbeiten – ein wichtiges Argument für alle, die forschungsnah arbeiten wollen.

Stefanie Kaufmann: Was uns in meinen Augen am stärksten abhebt von den Googles und Facebooks dieser Welt, ist unser Ziel. Wir sind ein Forschungsunternehmen mit dem Ziel, einen wertvollen Beitrag für die Gesellschaft zu leisten und mit innovativen Medikamenten beziehungsweise diagnostischen Verfahren die Lebensqualität vieler Patienten zu verbessern. Die Arbeit im Silicon Valley macht sicher auch Spaß, aber es ist ein ganz anderes Gefühl, wenn die eigene Arbeit langfristig dazu beiträgt, Leben zu verbessern und zu verlängern.

Mein zweiter Grund wäre, dass wir in Penzberg viele Unternehmensbereiche an einem Standort vereinen: Pharma und Diagnostics, Entwicklung und Produktion. Für Data Scientists ergeben sich daraus extrem vielseitige Aufgabenbereiche. Der dritte Grund ist unsere große, globale Community: Data Scientists arbeiten nicht nur an allen Standorten, sie sind auch sehr gut untereinander vernetzt. Einmal im Monat findet zum Beispiel an den deutschen Standorten ein Data Lunch statt, bei dem wir uns austauschen und vernetzen. Bei Roche profitieren Data Scientists also ständig von wertvollen Synergien – davon abgesehen, dass der Kontakt mit Kollegen auch einfach Spaß macht. Und nicht zuletzt ist natürlich auch die Nähe zu München ein wichtiger Faktor, denn München gilt mittlerweile als eine von Europas wichtigsten Städten im Kontext Digitalisierung.

Data-Talente sind schnelle Prozesse gewohnt. In der Gesundheitsbranche aber geht es vor allem um Produktsicherheit, sodass Prozesse sich über Jahre hinziehen. Wie kommen diese beiden Geschwindigkeiten zusammen?

Stefanie Kaufmann: Medikamentenentwicklung dauert in der Tat mehrere Jahre – aber auch der langwierigste Entwicklungsprozess gliedert sich in viele kleine Teilschritte mit jeweils eigenen Problemen, die wir Datenspezialisten unterstützen können. Wir arbeiten dabei selbst agil, weil wir uns immer nur mit einem kleinen Ausschnitt der großen Herausforderung beschäftigen. Bei uns in der Abteilung verwenden wir zum Beispiel je nach Team-Größe eine Art verschlanktes Scrum, aber auch Design-Thinking-Methoden wie Empathy Interviews oder Rapid Prototyping. Ich sehe diese beiden Geschwindigkeiten also nicht als Widerspruch – im Gegenteil: Unsere Kunden wünschen sich von uns schnelle Lösungen für Teilprobleme.

Anna Bauer-Mehren: In den regulatorischen Behörden findet auch genau zu diesem Thema im Moment ein Umdenken statt: Man versteht so langsam, dass Prozesse sich ändern müssen, um personalisierte Medizin zu ermöglichen. Genau dabei können wir als ITler helfen, indem wir aufzeigen, wie man mit gesteuerten, aber schnellen, agilen Prozessen zum Ziel kommen kann. Auch bei IT-Projekten macht ja nicht jeder irgendetwas, sondern folgt bestimmten Prozessen. Genau die wollen wir als Informatiker aus unserem Fach in andere Bereiche einbringen – eine spannende Aufgabe. Tagtäglich fallen die beiden Geschwindigkeiten auch nicht so sehr ins Gewicht, weil auch wir als ITler und Informatiker in pREDi forschen – und zur Forschung gehört das Trial-and-Error-Verfahren, das auch seine Zeit braucht.

Frau Bauer-Mehren, in Ihrem Job übernehmen Sie viel Verantwortung für Mitarbeiter, aber auch am Ende für Patienten, die von Ihrer Arbeit profitieren. Aber Sie sind auch Mutter. Wie unterstützt Roche Sie dabei, Familie und Karriere zu vereinbaren?

Anna Bauer-Mehren: Roche erlaubt es mir, Führungskraft in Teilzeit zu sein, und stellt dabei nie meinen Karriereweg infrage. Ich habe mit meinen Chefs zu Beginn meiner Schwangerschaften offen darüber gesprochen und gemeinsam eine Lösung gesucht. Ich habe meinerseits bei beiden Kindern eine verkürzte Elternzeit angeboten, acht und sechs Monate, durfte aber dafür in Teilzeit wieder einsteigen, die sich nach und nach wieder erhöht. In der Zeit, in der ich gar nicht da war, hat mein Chef mir den Rücken freigehalten und viele meiner Aufgaben übernommen. Zu keinem Zeitpunkt hatte dabei das Elternsein einen Einfluss auf die Karriere, weder bei mir, noch bei meinen Kollegen. Teilzeit, gerade 80-Prozent-Teilzeit, wird bei uns im Unternehmen gelebt, und zwar von Vätern und Müttern gleichermaßen.

Extra: Das bedeutet personalisierte Medizin für den Patienten

Anna Bauer-Mehren: Früher tötete man bösartige Zellen mit toxischen Mitteln und musste dabei Kollateralschäden an gesunden Zellen in Kauf nehmen. Dann hat man erkannt, dass Krebszellen anders aussehen als andere Zellen, und dass man mit therapeutischen Antikörpern gezielt nur die Tumorzellen ins Visier nehmen kann – mit gleichem Behandlungserfolg, aber weniger Nebenwirkungen. Heute wissen wir, dass der Krebs ständig mutiert. Wir müssen also permanent prüfen, ob der Therapieplan noch anschlägt. In Zukunft wird man noch mehr Informationen, zum Beispiel aus dem Blut, kontinuierlich monitoren und die Behandlung laufend anpassen. Das wird in den nächsten Jahren die große Veränderung sein. In den kommenden zwanzig Jahren werden auch digitale Biomarker mehr in die Therapie und Forschung einfließen. Es könnte zum Beispiel das Thema der Dosierung eines Medikaments revolutionieren, wenn wir sehr viel engmaschiger und über Jahre beobachten können, wie genau es wirkt.

nach oben

Willst du mehr über unseren Partner Roche erfahren? Hier findest du alle Infos zum Unternehmen.

Verwandte Artikel
Kommentare (0)

Zum Kommentieren bitte einloggen.

Das könnte dich auch interessieren