Advanced Good Manufacturing Practice (GMP) und Data Science - HBC

Das Modul "Advanced GMP und Data Science" bietet Ihnen die Möglichkeit, ihre wissenschaftlichen Grundlagen in der pharmazeutischen und biotechnologischen Herstellung von Biopharmazeutika sowie Arzneimittel- und Medizinproduktkombinationen zu vertiefen. Unter Berücksichtigung der Grundsätze des "Quality by Design (QbD)" lernen Sie, komplexe Fragestellungen zu bearbeiten. Verständnis und Anwendung von PAT Die Prinzipien der "Process Analytical Technology (PAT)" sind entscheidend für die routinemäßige Analytik in der Produktion. Sie erlernen den Einsatz von spektroskopischen Tools und Sensoren und verstehen die Bedeutung von PAT für die Behandlung von Rohmaterialien, Intermediaten und Fertigarzneimitteln. Dieses Wissen wird genutzt, um Leitlinien und Gesetze für Abgabe, Vertrieb, Dokumentation und Entsorgung von Arzneimitteln sowie pharmazeutischen und biotechnologischen Hilfsstoffen umzusetzen. Qualitätssicherung und Dokumentation Das Modul vermittelt die Leitlinien der Qualitätssicherung (QS) im regulatorischen Umfeld. Studierende eignen sich die Grundprinzipien der QS in pharmazeutischen Betrieben an und lernen biophysikalische, biochemische, biotechnologische und bioanalytische Methoden kennen. Sie entwickeln QS-Strategien basierend auf ICH-Leitlinien und GMP-Leitfäden und nutzen PAT-Werkzeuge zum Design, zur Analyse und Kontrolle pharmazeutischer Herstellungsprozesse. Implementierung und Optimierung von QS-Strategien Durch die Anwendung von Six-Sigma, Lean- und PAT-Strategien entwerfen Studierende Konzepte zur Qualitätssicherung. Im Laborpraktikum implementieren sie QbD-Konzepte und erstellen Validierungs- und Qualifizierungspläne. Sie erlernen die Verifizierung und Freigabeanalytik und erstellen In-Prozess-Kontrollen. Data Sciences und Good Machine Learning Practice (GMLP) Sie können die Schlüsselbegriffe des EU Data Quality Framework (DQF) erklären und sicher anwenden. Sie verstehen die Grundsätze der "Good Machine Learning Practice (GMLP)" und deren Anwendung in der Unterstützung von Methoden. Komplexe Zusammenhänge werden durch die Nutzung von Test-, Trainings- und validierten Daten verstanden. Analytische Methoden für die Qualitätssicherung werden implementiert und optimiert.