Was ist passiert?
Die FDA hat HALO entwickelt, eine Unternehmensdatenplattform unter Verwendung von Databricks auf AWS GovCloud und Unity Catalog. Nach Angaben der Agentur umfasste die Migration mehr als 5.000 Benutzer, 8.000 Jobs und Pipelines sowie mehr als 4.000 Notebooks ohne Ausfallzeiten.
Databricks veröffentlichte den Bericht am 1. September 2026 und beschrieb die Präsentation der FDA auf dem Data + AI Summit des Unternehmens. Der Quelle zufolge hat die FDA HALO (Harmonized AI and Lifecycle Operations for Data) als sichere, kontrollierte Grundlage für Analysen und Arbeiten mit künstlicher Intelligenz geschaffen. Die Plattform läuft auf Databricks in AWS GovCloud und nutzt Unity Catalog als gemeinsame Governance-Ebene für Daten und KI-Assets. Databricks präsentiert die Architektur als geeignet für sensible Arbeitslasten, die Anforderungen wie FedRAMP High und DoD IL5 unterliegen, während die FDA das System als eine Möglichkeit beschreibt, Datenabläufe zu modernisieren, ohne die Regulierungsarbeit zu unterbrechen.
Die Modernisierung der FDA begann mit einem Legacy-Umgebungsprojekt im Jahr 2020, gefolgt von einem Wechsel zu Databricks auf AWS GovCloud im Jahr 2025. Die Quelle identifiziert drei Meilensteine: Sponsoring für die FedRAMP High-Autorisierung, die GovCloud-Migration und die Einführung von Unity Catalog. Die Agentur gibt an, mehr als 5.000 Benutzer und mehr als 8.000 Jobs und Pipelines ohne Ausfallzeiten migriert zu haben. Außerdem wurden mehr als 1.000 Datenpipelines und mehr als 4.000 Notebooks umgestaltet. Berichten zufolge brachte die Plattform acht Zentren und 30 Programme in einer Umgebung zusammen und konsolidierte mehr als 40 Datenquellen aus Antrags- und Einreichungssystemen.
Laut Databricks hat die FDA inzwischen mehr als 6.000 Benutzer auf der Plattform, gegenüber etwa 500 im Jahr 2020, und geht davon aus, dass diese Zahl bis 2028 auf über 10.000 steigen wird. Die FDA berichtet, dass sich die Antwortzeiten des SQL-Warehouses für Business-Intelligence-Workloads um mehr als 30 % verbessert haben, die Rechenkosten um mehr als 20 % gesunken sind und der Zeitaufwand für Bereitstellung, Berechtigung und Datenfreigabe um mehr als 75 % zurückgegangen ist Der Betriebsaufwand sank um mehr als 35 %. Die Plattform unterstützt auch Model Serving und Genie, die der Quelle zufolge zur Modernisierung älterer Dashboards verwendet werden. HALO ist in Elsa, die Unternehmens-KI-Plattform der FDA, integriert und unterstützt MARS, eine Initiative zur Analyse von strukturiertem und unstrukturiertem Material bei Arzneimittel- und Geräteeinreichungen. Der Quelle zufolge befinden sich KI-Anwendungsfälle in der Produktions- und Pilotphase, wobei mehr als zehn weitere Versuche in der Praxis sind.
Quellenangaben: databricks.com ↗
Warum es wichtig ist
Der Einsatz veranschaulicht, wie eine Bundesregulierungsbehörde versucht, KI in einer hochsicheren, mandantenfähigen Datenumgebung nutzbar zu machen und gleichzeitig Zugriffskontrollen, Überprüfbarkeit und menschliche Überprüfung zu wahren. Die operativen Ergebnisse sind erheblich, werden jedoch in einem Databricks-Unternehmensblog selbst gemeldet und in der Quelle nicht unabhängig überprüft.
Der Bericht der FDA ist relevant, weil er den KI-Einsatz innerhalb der operativen Beschränkungen einer großen Bundesregulierungsbehörde einordnet, anstatt KI als eigenständige Demonstration darzustellen. Die Agentur übernimmt wissenschaftliche und regulatorische Arbeiten in vielen Zentren, Büros, Labors und Produktkategorien. Die Quelle argumentiert, dass fragmentierte Daten, doppelte Arbeit und inkonsistente Pipelines die Fähigkeit von Analysten und Wissenschaftlern eingeschränkt hätten, Informationen zu finden und abzugleichen. Eine gemeinsame, verwaltete Plattform könnte diese Hindernisse verringern, indem genehmigte Daten einfacher zu finden und zu teilen sind und gleichzeitig separate Kontrollen für verschiedene Organisationseinheiten beibehalten werden.
Das mandantenfähige Design ist von zentraler Bedeutung für die Bereitstellung. Die Quelle vergleicht es mit einem Apartmentkomplex: Zentren teilen sich eine zugrunde liegende Plattform, behalten jedoch separate gesicherte Räume, Berechtigungen und Richtlinien bei. Unity Catalog wird als die Ebene beschrieben, die den Datenaustausch zwischen Zentren ermöglicht und gleichzeitig Governance, Abstammung und Überprüfbarkeit beibehält. Diese Regelung könnte für die KI im öffentlichen Sektor von praktischer Bedeutung sein, da ein Modell oder Analysetool möglicherweise Informationen aus mehreren Programmen benötigt, während für sensible Datensätze weiterhin Zugriffs- und Nutzungsbeschränkungen erforderlich sind. Die Quelle hebt außerdem Infrastructure-as-Code, private Netzwerke, vom Kunden verwaltete Schlüssel und ein Compliance-Sicherheitsprofil als Komponenten der umfassenderen Sicherheitsarchitektur hervor.
Der stärkste Beweis in der Quelle betrifft gemeldete betriebliche Änderungen, nicht die Qualität oder Sicherheit der KI-Ergebnisse. Databricks schreibt die Leistungs- und Kostenzahlen der FDA zu, der Blog liefert jedoch keine Messzeiträume, Basislinien, Methodik oder eine unabhängige Bewertung. Es wird auch nicht berichtet, ob MARS die Überprüfungsfristen verkürzt, die Fehlerraten verbessert oder die regulatorischen Ergebnisse geändert hat. Die Quelle sagt, dass KI Wissenschaftler und Gutachter verstärkt, anstatt sie zu ersetzen, es werden jedoch keine Details zu Genehmigungstoren, Eskalationsverfahren, Prüfungsergebnissen oder Vorfällen genannt. Diese Auslassungen machen den Einsatz nicht ungültig, schränken jedoch die Schlussfolgerungen über seine Wirksamkeit und Sicherheit in der Praxis ein.
Interaktiver Mechanismus: Wie es tatsächlich funktioniert
Entdecken Sie interaktiv die zugrunde liegende Technologie, die dieser Entwicklung zugrunde liegt.
Why can ethical evaluation not be reduced to one model score?
Was Sie als nächstes sehen sollten
Zu den wichtigsten Unbekannten gehört, wie die FDA ihre gemeldeten Effizienzgewinne gemessen hat, welche KI-Anwendungsfälle sich in der Produktion befinden und ob MARS in der Praxis die Überprüfungsqualität oder -geschwindigkeit verbessert. Die erwartete Erweiterung der Agentur auf über 10.000 Nutzer bis 2028 wird auf die Probe stellen, ob ihr Governance- und menschlicher Überprüfungsansatz skalierbar ist.
Oberste Priorität hat die Überprüfung der gemeldeten Ergebnisse. Eine weitere FDA-Dokumentation oder eine öffentliche Präsentation könnte die Zeiträume klären, die hinter den Behauptungen schnellerer Abfragen, geringerer Rechenkosten und geringerer Bereitstellungsarbeit stehen, sowie wie Null Ausfallzeiten während der Migration definiert wurden. Es wäre auch nützlich zu wissen, ob die Zahlen für die gesamte Plattform oder ausgewählte Workloads gelten. Die Quelle gibt keine absoluten Kostenzahlen, Service-Level-Ergebnisse oder eine detaillierte Darstellung von Ausfällen, fehlgeschlagenen Migrationen oder Sanierungsarbeiten an.
Der nächste Test wird der Übergang von der Infrastrukturbereitschaft zur messbaren regulatorischen Nutzung sein. Der Quelle zufolge kann MARS Gutachtern dabei helfen, Ergebnisse klinischer Studien, Sicherheitsdaten, Kennzeichnungen und andere Informationen im Zusammenhang mit Arzneimittel- und Geräteanwendungen zu analysieren. Es wird jedoch nicht angegeben, wie umfassend das System eingesetzt wird oder welche Aufgaben experimentell bleiben. Das erklärte Ziel der FDA, bis 2028 mehr als 10.000 Benutzer zu haben, wird es für eine größere Benutzerbasis schwieriger machen, Zugriffskontrollen, Abstammung, Genehmigungen und menschliche Überprüfung zu verwalten. Zukünftige Berichte sollten zwischen Einsätzen in der Produktion und Pilotprojekten sowie geplanten Projekten unterscheiden.
Auch Sicherheits- und Governance-Ansprüche erfordern eine kontinuierliche Prüfung, wenn das System erweitert wird. Databricks beschreibt private Konnektivität, vom Kunden verwaltete Verschlüsselungsschlüssel, Compliance-Kontrollen und Unity Catalog als Teile der Architektur, die Quelle liefert jedoch keine unabhängige Sicherheitsbewertung oder Details darüber, wie Berechtigungen getestet werden. Es wird nicht gesagt, welche Modelle die KI-Anwendungen unterstützen, wie ihre Ergebnisse ausgewertet werden oder wie vertrauliche Übermittlungsdaten gespeichert und überwacht werden. Die praktische Frage ist, ob die FDA die Rückverfolgbarkeit und die verantwortungsvolle menschliche Entscheidungsfindung wahren und gleichzeitig KI-Tools in allen Zentren und Programmen allgemein verfügbar machen kann.