explai

Die Herausforderung

Das Sales-Expansion-Team eines großen internationalen Pharmaunternehmens steht vor einer besonderen analytischen Aufgabe: Produktperformance nicht isoliert zu verstehen, sondern im Kontext des jeweiligen Produktlebenszyklus, der Go-to-Market-Strategie und der Wettbewerbssituation — über Indikationen, Märkte und Zeiträume hinweg.

Das bedeutet, Zulassungsdaten, Erstattungszeitpläne, Wettbewerberaktivitäten sowie mehrjährige Umsatzprognosen und Ist-Werte ganzheitlich zu verknüpfen — und die Zusammenhänge sichtbar zu machen, die Performance erklären: Wird eine Unterperformance durch eine verzögerte Markteinführung verursacht? Durch eine Wettbewerberbewegung? Durch eine Erstattungslücke? Wie entwickeln sich zentrale Kennzahlen, und wie lassen sie sich extrapolieren?

Bestehende Tools wie Microsoft Copilot, Snowflake oder Anaplan haben Schwierigkeiten, fachliches Verständnis und Datenverarbeitung zu der analytischen Strenge zu verbinden, die für mehrstufige Schlussfolgerungen über derart unterschiedliche Datenquellen erforderlich ist.

Das bedeutet: Führungskräfte sind auf vorgefertigte Reports angewiesen oder müssen Analystenteams einschalten — teure Engpässe, die Stunden Wartezeit verursachen und schnelle Folgefragen nicht zulassen. Eingebettete Insights-Teams sind zu über 60 % ihrer Zeit mit Ad-hoc-Anfragen beschäftigt — Zeit, die besser für strategische Analysen genutzt wäre. Fragmentierte Daten und Reports können von der Commercial-Organisation nicht vollständig ausgeschöpft werden.

Die Lösung

Im April 2026 hat explai nach einem erfolgreichen mehrmonatigen Proof of Value seine agentische Analytics-Plattform für das internationale Sales-Expansion-Team eingeführt — direkt eingebettet in die bestehende Microsoft-basierte Business Intelligence des Unternehmens.

Führungskräfte im Team setzen explai nun zunehmend ein, um globale Produktperformance-Prognosen und Ist-Werte zu analysieren. Die Plattform reicht von einfachen Anfragen in natürlicher Sprache bis zu mehrstufigen Schlussfolgerungen. Zentrale Funktionen umfassen:

• Mehrstufige Korrelationsanalyse — explai identifiziert Performance-Abweichungen und deren Treiber, etwa verzögerte Markteinführungen, Wettbewerberbewegungen oder Veränderungen im Marktzugang.
• Integration von Competitive Intelligence — Tägliche Reports des globalen Market-Intelligence-Teams werden eingespeist und auf klinische Studienpläne, Signale aus Earnings Calls und andere Ereignisse gescannt, die die Performance gegenüber Plan beeinflussen könnten.
• Maßgeschneidertes Fachverständnis — explai lernt Unternehmensprozesse, Kennzahlendefinitionen, Forecast-Logik und Analysevorlagen über sein Langzeitgedächtnis.
• Analysestandards — Agenten folgen etablierten Analysevorlagen und erstellen grafische Reports nach Unternehmensstandards — inklusive individueller Chart-Richtlinien und eines Netzwerks von Prozessvorlagen für Ursachenanalyse und Root-Cause-Identifikation.
• Klärung und Leitplanken — Das System klärt mehrdeutige Fragen proaktiv und lehnt solche ab, die es nicht zuverlässig beantworten kann — und bewahrt so die analytische Integrität bei weitreichenden Entscheidungen.

Was entstanden ist

Die agentische Analytics-Plattform von explai passt sich den Data-Science-Anforderungen jeder Branche und Funktion an. Für dieses globale Commercial-Analytics-Team wurde sie in einem strukturierten Projektansatz für die globale Produktperformance-Analyse konfiguriert:

• In den ersten Wochen: Sandbox — explai stellte schnell eine funktionsfähige Sandbox bereit, damit das Business-Team frühzeitig Umfang und Prioritäten mitgestalten und kontinuierlich Feedback geben konnte.
• Aufnahme von Fachwissen — Das Team kodierte Unternehmensprozesse, Kennzahlendefinitionen, Forecast-Logik und Analysevorlagen direkt in explais Langzeitgedächtnis.
• Golden-Answer-Datenbank — explai baute von Tag eins an einen wachsenden Referenzsatz an Antworten auf und evaluierte kontinuierlich dagegen, um die Agentenqualität zu messen und zu verbessern.
• Agenten-Konfiguration — explais Data-Science-Agentenflotte wurde für den Use Case konfiguriert, mit individuellen Agenten bei Bedarf — darunter ein Market-Research-Fact-Extractor und ein Competitive-Intelligence-Newsletter-Agent.
• Private-Cloud-Installation — explai wurde vollständig in den AWS-Accounts des Kunden deployt — serverless, mit zentralisierter Observability und Secrets-Verwaltung. Keine Daten verlassen die Umgebung des Kunden.
• Live-Datenintegration — Live-Snowflake-Syncs geben den Agenten Echtzeitzugriff auf Millionen von Datensätzen über mehrjährige Zulassungs-, Launch- und Performance-Daten — eingebettet im bestehenden Microsoft-BI-Cockpit des Kunden.
• Rollout — Die Plattform zielt auf 100 Nutzer in 2026 und 1.000 in 2027, phasenweise über mehrere Wellen von Abnahmetests.

Warum es funktioniert

Pharma-Commercial-Analytics lässt sich nicht vom fachlichen Kontext trennen. Kennzahlendefinitionen, Forecast-Prozesse, Produktlebenszyklusphasen und marktspezifische Launch-Dynamiken bestimmen, wie Daten interpretiert werden müssen — generische KI-Tools können diesen End-to-End-Analyseworkflow nicht zuverlässig operationalisieren.

explai verbindet konfigurierbare Agenten, langfristiges Fachgedächtnis und rigorose Evaluation, um die differenzierte, mehrstufige Analyse zu liefern, die Pharma-Führungskräfte brauchen — mit der Geschwindigkeit und Flexibilität, die das Business verlangt.

Weg zu 1.000 Nutzern

Das Standardprodukt von explai entwickelt sich schnell weiter, um den Ramp-up 2026 abzusichern und die breite Einführung 2027 vorzubereiten:

• Plan-basiertes Reasoning: Neueste Reasoning-Modelle für treuere Befolgung von Wissensanweisungen.
• Datenqualitätsprüfungen: Eingehende Daten profilieren für hohe Genauigkeit.
• Proaktive Wissenskuratierung: Agenten kuratieren das Langzeitgedächtnis kontinuierlich auf Basis der Nutzung, um nachfolgende Antworten zu beschleunigen und zu standardisieren.
• Generative UI: Interaktive Antwort-Widgets für vielfältige Antwortvorlagen und Exploration mit weniger Runden.
• Consulting Efficiency: Mehr Automatisierung für Business Consultants und Forward-Deployed Engineers bei Optimierung und Erweiterungen.
• Fragen-Leitplanken: Senior- oder Gelegenheitsnutzer haben keine Geduld für Fragerichtlinien. Streng klären.