Unter der Haube — für technische Prüfer
Die firmeneigene probabilistische Engine von Synlogica. Kombiniert harte SOP-/GxP-Regeln mit Monte-Carlo-Simulation und Bayes'scher Inferenz. Liefert Verteilungen von Ergebnissen mit Konfidenzintervallen — keine einzelnen Punktschätzungen. Treibt die Module Transport und Verhandlung an. Das Qualitätsmodul wird mit einer separaten, dedizierten probabilistischen Arrhenius-Engine ausgeliefert (siehe das Whitepaper zur Arrhenius-Haltbarkeit für die Mathematik).
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:
Ihre SOPs, GxP-Schwellenwerte, GDP-Anforderungen, mandantenspezifische Geschäftslogik. Deterministische Gates, die vor jeglichem probabilistischen Schlussfolgern bestanden werden müssen. Als Code auditfähig — versioniert, signiert.
Monte Carlo für Ausschreibungsergebnisse und Streckenrisiko. Bayes'sche Inferenz für die Aktualisierung der Preiselastizität von Lieferanten aus jeder Verhandlungsrunde. Hinweis: Die Haltbarkeitsauswirkung (Qualitätsmodul) läuft auf einer separaten, dedizierten Arrhenius-Engine — dasselbe allgemeine Primitiv, unabhängige Codebasis + Validierungspaket.
Übersetzt Verteilung → empfohlene Maßnahme unter Ihrer Risikobereitschaft. Konfigurierbar (konservativ / ausgewogen / opportunistisch). Jede Empfehlung wird mit der Policy-Version protokolliert, die sie erzeugt hat.
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(−Ea / 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.
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.
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:
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:
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.
Jedes von Terminus ausgegebene Entscheidungspaket umfasst:
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.
30-minütiges Gespräch mit Adam Karpiński — technische Details, Modellparameter, Validierungsansatz für Ihre Kategorie.
Termin vereinbaren →
