ZEBRADIGITAL LABS
Kurz erklärt
Pharma-Konzerne mit mehreren Marken (OTC, Dermokosmetik, Zahnpflege, Schmerz, Naturkosmetik) stehen vor demselben Dilemma: jede Marke braucht eigene Identität, alle teilen aber dieselben Produktdaten. Die Lösung ist ein Masterdata Management (MDM), das alle Inhalte einmal pflegt und alle Markenwebsites versorgt — mit eigenständiger Tonalität, konsistenten Wirkstoffinformationen und apotheken-konformer Sprache.
Das Multi-Brand-Dilemma
Ein typischer Pharma-Konzern hat zwischen vier und zwölf Marken. Jede hat eine eigene Zielgruppe, eine eigene Tonalität, oft eine eigene Geschichte. Aber: viele Produktdaten — Wirkstoffe, Indikationen, Hinweise, Beipackzettel-Infos — sind marken-übergreifend identisch oder zumindest sehr ähnlich.
Ohne zentrale Architektur entstehen Inkonsistenzen: derselbe Wirkstoff wird auf Marke A anders beschrieben als auf Marke B, dieselbe Dosierungsempfehlung steht in fünf unterschiedlichen Formulierungen, Marken-Tonalität und Compliance-Sprache vermischen sich.
Die Architektur
Wir bauen ein Masterdata Management (Product Information Management) zusammen mit einem Master-DAM (Digital Asset Management) als einzige Quelle der Wahrheit. Markenwebsites sind Konsumenten dieser Quelle — sie bekommen Inhalte über API geliefert, in jeweiliger Sprache und Tonalität.
Drei Layer machen die Architektur aus:
- Core-Daten-Layer — Wirkstoffe, Indikationen, Studien, Beipackzettel-Texte. Einmal gepflegt, regulatorisch geprüft, versionsverwaltet.
- Brand-Adapter-Layer — Pro Marke ein Adapter, der aus dem Core-Inhalt die markenspezifische Variante macht. Tonalität, Sprache, Bildwelt, Call-to-Action.
- Frontend-Layer — Die einzelnen Markenwebsites, technisch unterschiedlich (manche WordPress, manche Headless), aber alle aus derselben Quelle gefüttert.
Wo KI ins Spiel kommt
Die KI ist im Brand-Adapter-Layer am wichtigsten. Wenn der Core-Inhalt für Wirkstoff X aktualisiert wird, erzeugt die KI für jede Marke automatisch die markenspezifische Variante — und schlägt sie zur Endabnahme vor. Drei Aufgaben übernimmt sie konkret:
- Tonalitäts-Anpassung — die Sprache wird an die Marken-Identität angepasst, ohne den medizinisch-regulatorischen Kern zu verändern.
- Übersetzung — wenn die Marke in mehreren Sprachen aktiv ist, übersetzt die KI in alle Zielsprachen, mit fixiertem Glossar für Fachbegriffe.
- Compliance-Check — die KI prüft jeden generierten Text auf Heilversprechen-Verbote, regulatorische Risiken, MDR-Konformität.
Was am Ende sichtbar wird
Auf den Markenwebsites: konsistente Produktdaten, eigene Markenidentität, kein „Konzern-Geruch“. Im Hintergrund: dramatisch reduzierte Pflege-Last, weil Änderungen einmal zentral erfolgen und automatisiert ausgespielt werden. In der Compliance-Abteilung: nachvollziehbare Audit-Trails, weil jede Aussage zu jeder Zeit zur Core-Quelle zurückverfolgt werden kann.
Das Architektur-Versprechen aus Cluster C — ein Codestamm, die ganze Gruppe — wird in Pharma besonders sichtbar. Anders als bei Industriekunden, wo Mandantenfähigkeit oft nur Stilfragen betrifft, ist sie hier auch regulatorisch ein echter Hebel.
Häufige Fragen
Pimcore für mittelgroße Pharma-Konzerne ist eine bewährte Wahl. Bei Bedarf binden wir auch SAP-MDG oder Akeneo an. Das Master-System ist agnostisch gegen das eingesetzte PIM — entscheidend ist die saubere Trennung von Core und Adapter.
Wir bauen die Compliance-Prüfung direkt in den Brand-Adapter-Layer ein — jeder generierte Inhalt durchläuft einen Regel-Check und einen KI-Check gegen MDR-typische Stolpersteine. Die finale Freigabe bleibt bei der Regulatory-Abteilung.
Core-Update wird einmal erfasst, die KI generiert für jede betroffene Marke die markenspezifischen Vorschläge, Regulatory gibt frei, Adapter veröffentlicht. Was früher Wochen dauerte, ist eine Sache von Tagen.
Ja, das empfehlen wir sogar. Wir starten typischerweise mit einer Marke plus dem Core-Layer, ohne andere Marken zu berühren. Erst wenn die erste Marke produktiv läuft, kommen die nächsten Marken in den Master.