Freelance Statistical Programmer (SAS / R, CDISC)

Aufgaben und Anforderungen im Überblick

Typische Projektanlässe

• Mehrere Studien gleichzeitig vor Database Lock, internes Team ausgelastet
• Vorbereitung eines Submission-Pakets mit Legacy-Daten, die nach SDTM konvertiert werden müssen
• Umstellung der Auswertungsumgebung von SAS auf R oder auf eine Multi-Language-Plattform
• Upgrade auf neue SDTMIG- oder ADaMIG-Versionen nach Vorgaben des FDA Data Standards Catalog
• Behördenfragen mit kurzfristig zu liefernden Zusatzauswertungen
• Aufbau einer validierten Makrobibliothek oder eines R-Paket-Repositorys

Was ein Freelance Statistical Programmer im Studienteam leistet

Statistical Programmer stehen zwischen Datenmanagement und Biostatistik. Sie übernehmen die bereinigten Rohdaten aus dem EDC-System, überführen sie in standardisierte Strukturen und erzeugen daraus alle Auswertungen, die später in Clinical Study Report, Zulassungsdossier und Behördenantworten stehen. Ihre Arbeit entscheidet darüber, ob ein Reviewer bei der Behörde die Analyse aus den eingereichten Daten nachvollziehen kann.

Im Freelance-Einsatz arbeiten Programmer selten allein. Typisch ist die Rolle als Lead Programmer einer Studie, der Aufgaben verteilt, Spezifikationen pflegt und Timelines verantwortet, oder als Production- bzw. QC-Programmer innerhalb eines Teams. Die Schnittstellen sind klar: Vom Biostatistiker kommen SAP, TLF-Shells und ADaM-Anforderungen; vom Datenmanagement Datenexporte, Codierungen und Hinweise auf Datenprobleme; Medical Writing braucht fertige Outputs in festen Formaten; Regulatory und Publishing erwarten ein vollständiges, validiertes Datenpaket für das eCTD-Modul 5.

Fachlich verantwortet der Programmer mehr als Code. Er muss Mapping-Entscheidungen begründen, Abweichungen zwischen Datenstand und Spezifikation erkennen und melden, und dafür sorgen, dass jede Zahl in einer Tabelle über ADaM und SDTM bis zum Rohdatum zurückverfolgbar ist. Diese Traceability ist eine Kernerwartung der Behörden.

Typische Projekte und Deliverables in der Statistical Programming

Projekte orientieren sich am Studienlebenszyklus und an Einreichungen. Häufige Arbeitspakete sind:

Datensatzerstellung

• SDTM-Mapping-Spezifikationen und Programme für alle Domains, inklusive Trial Design Model, Supplemental Qualifiers und Relationship-Datensätzen.
• ADaM-Spezifikationen und Datensätze: ADSL als Subjekt-Level-Basis, BDS-Strukturen für Laborwerte und Vitalparameter, OCCDS für unerwünschte Ereignisse und Begleitmedikation, ADTTE für Time-to-Event-Analysen.
• Konvertierung von Legacy-Daten älterer Studien in SDTM, wenn diese Teil einer Einreichung werden.

Auswertungen

• Programmierung der TLFs nach Shells, Dry Runs mit verblindeten Daten, finale Läufe nach Lock.
• Unabhängige Doppelprogrammierung zentraler Datensätze und Ergebnisse mit dokumentiertem Vergleich.
• Ad-hoc-Auswertungen für Data Monitoring Committees, Interimsanalysen und Behördenfragen.

Submission-Paket

• Define-XML mit Metadaten zu Datensätzen, Variablen, Wertebereichen und Herkunft.
• Annotated CRF als Verbindung zwischen Erhebungsbogen und SDTM-Variablen.
• Clinical Study Data Reviewer's Guide und Analysis Data Reviewer's Guide mit Erläuterungen zu Besonderheiten und verbleibenden Validator-Befunden.
• Pooling über Studien für Integrated Summary of Safety und Efficacy.

Ein typisches Problem in Freelance-Projekten sind Spezifikationen, die dem tatsächlichen Datenstand hinterherhinken. Erfahrene Programmer führen deshalb ein Issue-Log und klären offene Punkte schriftlich mit Statistik und Datenmanagement, statt stillschweigend Annahmen zu treffen.

CDISC-Standards und Regularien für Statistical Programmer

Die Arbeit ist in hohem Maß standardgetrieben. Welche Versionen gelten, richtet sich nach Zielbehörde und Einreichungszeitpunkt; bei US-Einreichungen gibt der FDA Data Standards Catalog die unterstützten und geforderten Versionen vor.

Da sich Standardversionen und Behördenerwartungen ändern, sollten Sie vor Projektbeginn klären, welche Versionen der Auftraggeber für die konkrete Studie festgelegt hat. Versionsupgrades während einer laufenden Studie sind ein häufiger Grund für zusätzlichen Programmieraufwand.

Qualifikation und Erfahrung, die Auftraggeber erwarten

Viele Statistical Programmer kommen aus Mathematik, Statistik, Informatik oder Naturwissenschaften. Für Freelance-Einsätze erwarten Auftraggeber in der Regel mehrere Jahre Praxis in klinischer Programmierung, für Lead-Rollen deutlich mehr und den Nachweis, an mindestens einer Einreichung beteiligt gewesen zu sein.

SAS ist weiterhin die Basis: Base SAS, Makrosprache, PROC SQL und ODS-Ausgaben werden vorausgesetzt; ein SAS-Zertifikat wird gern gesehen, ersetzt aber keine Projekterfahrung. Gleichzeitig steigt die Nachfrage nach R deutlich. Sponsoren bauen Multi-Language-Umgebungen auf und nutzen Open-Source-Pakete für ADaM-Ableitungen und Tabellen. Wer beide Sprachen produktiv einsetzt und die Validierung von R-Paketen in einer GxP-Umgebung versteht, hat einen klaren Vorteil.

Darüber hinaus achten Auftraggeber auf:

• Erfahrung in bestimmten Therapiegebieten, etwa Onkologie mit RECIST-basierten Response-Datensätzen und komplexen Time-to-Event-Analysen.
• Sicheren Umgang mit Validierungswerkzeugen und die Fähigkeit, Befunde fachlich einzuordnen.
• Saubere Arbeitsweise mit Versionskontrolle, Programmheadern, Logs ohne Warnungen und nachvollziehbaren QC-Nachweisen.
• Kommunikationsfähigkeit gegenüber Statistik und Datenmanagement, gerade bei unklaren Spezifikationen.

Stundensatz und Konditionen für Statistical Programmer

Als Orientierung liegen Stundensätze freiberuflicher Statistical Programmer bei etwa 85 bis 115 € netto pro Stunde, ohne Reisekosten. Der Satz hängt stark davon ab, ob Sie als Lead Programmer Verantwortung für ein Submission-Paket übernehmen oder einzelne TLFs im Team programmieren.

Nach oben wirken Lead-Erfahrung mit Einreichungen, Define-XML- und Reviewer's-Guide-Kompetenz, ISS/ISE-Pooling, produktive R-Kenntnisse in validierten Umgebungen und kurzfristige Verfügbarkeit vor Lock-Terminen. Im unteren Bereich liegen eher reine TLF-Programmierung nach festen Standards, Phase-I-Studien mit wenigen Domains oder lange Einsätze mit hoher Stundenzahl.

Projekte laufen meist sechs bis zwölf Monate, oft in Vollzeit oder mit hoher Auslastung, weil die Programmierphase konzentriert stattfindet. Verlängerungen sind häufig, wenn nach einer Studie die nächste im Programm folgt. Lastspitzen rund um Database Lock und Top-Line-Ergebnisse sollten Sie bei der Zusage einplanen.

Remote oder vor Ort als Statistical Programmer

Statistical Programming ist nahezu vollständig remote. Gearbeitet wird in der validierten Statistikumgebung des Auftraggebers – serverbasiertes SAS, Cloud-Plattformen oder containerisierte R-Umgebungen – über gesicherte Zugänge. Lokale Datenkopien sind in der Regel untersagt, um Datenschutz und Datenintegrität zu sichern.

Vor-Ort-Termine sind selten und betreffen eher Team-Kick-offs oder Schulungen zu internen Standards. Wichtiger ist die Abstimmung von Arbeitszeiten mit international verteilten Teams, da Statistik oder Datenmanagement häufig in anderen Zeitzonen sitzen. Für entblindete Interimsanalysen gelten besondere Zugriffsregeln, die organisatorisch und technisch getrennt vom übrigen Studienteam umgesetzt werden müssen.

Klären Sie bei Projektbeginn außerdem, wie Code versioniert und freigegeben wird, wer Zugriff auf Produktions- und QC-Bereiche hat und wie Übergaben dokumentiert werden. Gerade bei verteilten Teams vermeidet ein fester Ablauf für Programm-Reviews und Output-Freigaben späteren Nacharbeitungsaufwand.

Vertragsmodelle für Statistical Programmer

Der größte Teil der Freelance-Einsätze läuft über Personaldienstleister oder spezialisierte Dienstleister mit Rahmenverträgen bei Sponsoren und CROs. Der Freelancer arbeitet dann im Unterauftrag, rechnet nach Stunden ab und ist in die Teamstruktur des Kunden eingebunden. Direktverträge sind vor allem bei kleineren Biotech-Unternehmen üblich, die keine eigene Programmierabteilung haben und ein Datenpaket als Arbeitspaket vergeben.

Gerade weil Programmer eng in Teams und Prozesse eingebunden sind, ist die Abgrenzung zur Scheinselbstständigkeit ein Thema. Hilfreich sind ein klar beschriebenes Arbeitsergebnis (etwa ADaM-Datensätze und TLFs einer Studie), mehrere Auftraggeber im Jahresverlauf und eigene Arbeitsmittel. Manche Konzerne setzen bei langfristigen Einsätzen bewusst auf Arbeitnehmerüberlassung; dann gelten die Höchstüberlassungsdauer von 18 Monaten nach § 1 Abs. 1b AÜG und Equal Pay nach § 8 AÜG. Eine Statusfeststellung nach § 7a SGB IV kann Sicherheit bringen. Diese Hinweise sind allgemeine Informationen und keine Rechtsberatung.

Eine eigene GmbH wählen vor allem Programmer, die mehrere Studien parallel betreuen, mit weiteren Programmierern zusammenarbeiten oder Arbeitspakete zum Festpreis anbieten.

Abgrenzung zu Biostatistiker und Clinical Data Manager

Der Biostatistiker legt fest, was analysiert wird und wie die Ergebnisse zu interpretieren sind. Der Clinical Data Manager sorgt dafür, dass die erhobenen Daten vollständig, plausibel und sauber sind, bevor sie gesperrt werden. Der Statistical Programmer verbindet beide Welten: Er strukturiert die Daten nach CDISC und setzt die Analysen technisch um.

In kleinen Teams verschwimmen diese Grenzen. Programmer mit statistischem Grundverständnis können Spezifikationen kritisch hinterfragen und Fehler früh erkennen; Programmer mit Datenmanagement-Erfahrung verstehen, warum bestimmte Datenprobleme entstehen. Wenn Sie in die Selbstständigkeit starten, lohnt es sich, Ihr Profil entlang einer klaren Achse zu schärfen: SDTM-Spezialist für Datenkonvertierung, ADaM- und TLF-Lead für Analysen oder Submission-Spezialist für Define-XML und Reviewer's Guides.

Projektbeispiele für SAS / R Programmer

Anonymisierte Projektanfragen, wie sie für diese Rolle und verwandte Profile regelmäßig vorkommen.

Häufige Fragen

Allgemeine Information, keine Rechts- oder Steuerberatung. Stundensätze sind Orientierungsspannen, kein Honorarspiegel. Stand: 10/2026.