GRIP — die Entscheidungs-Engine

Warum probabilistisch, nicht deterministisch

Operative Entscheidungen in der Pharmabranche sind nicht exakt: Ein Ausschreibungsergebnis ist kein „Ja" oder „Nein", sondern eine Wahrscheinlichkeit, bedingt durch Nachfrage, Transporteurskapazität, Streckenhistorie und Wettbewerbspreise. Die Reaktion eines Lieferanten auf ein Gegenangebot ist nicht sicher, sondern eine Verteilung über Annehmen / Gegenangebot / Abbruch. Die verbleibende Haltbarkeit einer Charge nach einer Temperaturabweichung ist keine einzelne Zahl, sondern ein Konfidenzintervall, getrieben durch Arrhenius-Kinetik und historische Stabilitätsdaten.

GRIP liefert die vollständige Verteilung — und empfiehlt eine Maßnahme dazu unter Anwendung der Risikobereitschaft des Anwenders. Das bedeutet:

• Sie können gegen das 80.-Perzentil-Worst-Case budgetieren, nicht gegen den Mittelwert.
• Sie können Auditoren erklären, warum eine Grenzfall-Charge freigegeben oder gesperrt wurde — mit der Mathematik, nicht mit „das Modell hat es so gesagt".
• Sie können zwei Verhandlungsstrategien per A/B-Vergleich mit quantifizierter Ergebnisvarianz gegenüberstellen.

Die drei Säulen

Pendant: die Arrhenius-Engine des Qualitätsmoduls

Das Qualitätsmodul wird mit einer separaten, dedizierten probabilistischen Engine ausgeliefert — nicht GRIP — aufgebaut um die Arrhenius-Kinetik zur Bewertung der Haltbarkeitsauswirkung nach Temperaturabweichungen. Die Mathematik ist dasselbe allgemeine Primitiv (k(T) = A · exp(−E_a / RT), integriert über das tatsächliche Sensorprofil, mit Monte-Carlo-Unsicherheitsfortpflanzung), aber die Engine, die Parameterbibliothek und das Validierungspaket sind unabhängig. Wir haben sie bewusst getrennt: Qualität läuft auf dem Schreibtisch des QP und ist GAMP 5 Cat 4 gegen IQ/OQ-Skripte validiert, die sich auf die Abweichungsprüfung konzentrieren, während GRIP auf dem operativen Daten-Hub für Transport- + Verhandlungsentscheidungen mit anderen Akzeptanzkriterien läuft.

Die vollständige mathematische Herleitung steht im Whitepaper zur Arrhenius-Haltbarkeitsmodellierung — Beschaffung der Aktivierungsenergie, Fortpflanzung von Sensorkalibrierungsfehlern, Anpassungen für räumliche Inhomogenität, wann die Spitzentemperatur gegenüber der kumulativen Exposition dominiert, und eine durchgerechnete 6-Stunden-Abweichung bei 14 °C mit vollständiger Verteilungsausgabe.

Beispiel 1 — Bayes'sche Preiselastizität im Verhandlungsmodul

Jeder Lieferant hat eine latente Verteilung der Preiselastizität, die GRIP schätzt und nach jeder Interaktion aktualisiert. Der Prior stammt aus Kategorie-Benchmarks (Fastmarkets, ICIS, LME, Argus); der Posterior wird nach jeder Runde des Preisaustauschs per Bayes' Regel aktualisiert:

Deshalb kommt das „empfohlene Gegenangebot" des Verhandlungsmoduls mit einer kalibrierten erwarteten Annahmewahrscheinlichkeit — keine Bauchgefühl-Schätzung. Nach 3–5 Runden mit einem Lieferanten konvergiert der Posterior und die Empfehlungen werden präziser.

Beispiel 2 — Monte Carlo für die Ausschreibungsabdeckung im Transportmodul

Wie hoch ist bei gegebenem Produktionsplan und aktiven Ausschreibungsstrecken die Wahrscheinlichkeit, dass Sie im nächsten Quartal 95 % Ihres Transportbedarfs ohne Spot-Fracht-Exposition decken?

GRIP führt 10.000 Monte-Carlo-Simulationen durch, die aus internen Verteilungen ziehen:

• Stochastik des Produktionsplans (Verzugswahrscheinlichkeit pro SKU)
• Zuschlagsannahme auf Streckenebene durch jeden Transporteur (historisch, per ML auf Ihren Ausschreibungsergebnissen trainiert)
• Nachfragevolatilität pro Temperaturklasse (Kühlkette vs. Umgebungstemperatur)
• Verteilung der Spot-Raten-Inflation (Transporteur × Monat)

Externe Signalschicht

Der Monte-Carlo-Sampler zieht außerdem Live-Feeds von extern in die Eingabeverteilungen, sodass jede Empfehlung das tatsächliche aktuelle Betriebsumfeld widerspiegelt, nicht eine veraltete Basislinie:

• Kraftstoffpreisindizes — Brent / ULSD / Diesel nach Streckenregion, Timing des Absicherungsfensters für die Treibstoffzuschlags-Exposition.
• Rohstoff-Benchmarks — ICIS, Fastmarkets, LME, Argus für Nebenkosten- und Zuschlags-Basislinien.
• Geopolitische Störereignisse — Hafenüberlastung (Rotterdam, Antwerpen, Hamburg), Transitzeiten am Roten Meer / Suez, Auswirkungen von Sanktionen auf bestimmte Handelsrouten, Dauer von Zollstreiks.
• Signale für Kapazitätsengpässe — Spread zwischen Spot und Kontrakt, pünktliche Abholquoten der Transporteure, saisonale Volumenkurven.
• Wetter / Verkehrsträgerwechsel — Effekte der nordatlantischen Sturmsaison, Luftfracht-Überlauf bei Überlastung der Seestrecken.

Ausgabe: Verteilung der Ergebnisse „Abdeckungsrate × Kosten der Spot-Exposition × Landed Cost", bedingt durch den aktuellen externen Zustand. Transport zeigt dann die Strecken auf, die am stärksten zum Tail-Risiko (Worst-Case 5 %) beitragen, und empfiehlt für sie eine Mini-Ausschreibung, bevor die Rechnungen abgeglichen werden. Jede Empfehlung trägt den Lineage-Hash der Eingabedaten, sodass der Auditor die exakte Entscheidung mit dem exakten externen Snapshot, der sie informiert hat, erneut nachvollziehen kann.

Auditierbarkeit — Modellversionen in jeder Entscheidung

Jedes von Terminus ausgegebene Entscheidungspaket umfasst:

• GRIP-Engine-Version (SemVer)
• Version des Modellparametersatzes (pro Mandant)
• Version des Regelsatzes (Ihre SOPs)
• Version der Policy-Schicht (Ihre Risikobereitschaftskonfiguration)
• Lineage-Hash der Eingabedaten
• SHA-256-Hash der vollständigen PDF- + JSON-Ausgabe

Wenn ein Auditor fragt: „Warum hat das Modell vor zwei Jahren X empfohlen?" — spielen wir die exakte GRIP-Version mit exakt denselben Eingaben erneut ab und erhalten exakt dieselbe Ausgabe. Bit-für-Bit-Reproduzierbarkeit ist die betriebliche Anforderung, kein nettes Extra.

Was GRIP NICHT ist

• Kein Large-Language-Model. Kein LLM ist in der Entscheidungsschleife. LLMs werden an anderer Stelle eingesetzt (z. B. zum Parsen von Freitext-Abweichungsnotizen in strukturierte Felder), aber ihre Ausgabe fließt nie in die Entscheidungsempfehlung ein.
• Keine Blackbox. Jede Wahrscheinlichkeitsverteilung kann inspiziert werden, jede Regel ist menschenlesbarer Code, jede Empfehlung lässt sich auf ihre Eingaben zurückverfolgen.
• Kein Ersatz für das Urteil von QA / QP / Beschaffung. GRIP empfiehlt; Menschen genehmigen. Die Genehmigung ist Teil des Entscheidungspakets.
• Keine Magie. Die Qualität der Empfehlungen ist durch die Qualität der Eingaben begrenzt. Müll rein → kalibrierter Müll raus. Wir helfen Ihnen, die Eingaben zu verbessern.