Die Entwicklung eines neuen Medikaments verschlingt im Schnitt über zehn Jahre und Milliarden an Entwicklungskosten - nicht allein wegen komplexer Biologie, sondern wegen gigantischer bürokratischer Reibungsverluste und zäher Laborzyklen. Jetzt zeigt das US-KI-Labor Anthropic, wie tief generative Sprach- und Reasoning-Modelle bereits in reale pharmazeutische Entwicklungsprozesse eingreifen. In einem aktuellen Forschungsbericht stellt das Unternehmen erste Ergebnisse aus sechs Industriekooperationen vor, die von Krebs-Immuntherapien bis zu Nahrungsmittelallergien reichen. Gleichzeitig geht Anthropic einen Schritt über die reine Software-Bereitstellung hinaus: Durch die Übernahme des Ein-Personen-Startups Mithril Medicine treibt das Labor erstmals eigene Wirkstoffkandidaten gegen seltene Muskeldystrophien voran.
Von CAR-T bis Allergien: Was die Partnerlabore melden
Bislang konzentrierte sich die Debatte um künstliche Intelligenz in der Medizin primär auf das Entwerfen neuer Moleküle am Rechner. Anthropic verfolgt einen breiteren Ansatz: Das KI-Modell Claude soll sämtliche Nadelöhre der Kette begleiten - von der Zielidentifikation über Labortests bis hin zur Dokumentation für Zulassungsbehörden. Die vorgestellten Fallstudien liefern dazu konkrete Datenpunkte, die allerdings ausnahmslos auf Hersteller- und Partnerangaben aus präklinischen Stadien beruhen:
- Krebstherapie bei Generate Biomedicines: Forscher des Biotech-Unternehmens nutzten Claude Code, um die genetischen Instruktionen für sogenannte CAR-T-Zelltherapien (gentechnisch veränderte Abwehrzellen) grundlegend umzugestalten. Durch eine Verkürzung der Steuersequenz um rund 70 Prozent soll Platz für zusätzliche therapeutische Funktionen geschaffen worden sein. In Laborversuchen mit Zellkulturen hätten die modifizierten Immunzellen rund zehnmal so viele Tumor-Rezeptoren gebildet, solide Krebszellen effizienter abgetötet und länger überlebt.
- Nahrungsmittelallergien bei Divergence Labs: Statt wie gängige Medikamente lediglich freie Allergie-Antikörper (IgE) im Blut zu neutralisieren, entwickelt Divergence einen zweiarmigen Wirkstoff, der IgE-Moleküle direkt von der Oberfläche menschlicher Abwehrzellen ablösen soll. Claude habe innerhalb eines Monats rund 35.000 Antikörper-Designs generiert. In ersten Labortests seien Treffer für beide Funktionsarme identifiziert worden; drei der Varianten sollen das Allergiemolekül stärker gelöst haben als herkömmliche Standardtherapien.
- Wirkstoff-Optimierung bei BigHat Biosciences: Über eine Anbindung an das Labor-Betriebssystem Reccy testete das Team rund 1.010 Molekülvarianten in zehn Wochen. Das Modell habe dabei Widersprüche in gängigen Stabilitätsmetriken aufgedeckt und veränderte Messprotokolle vorgeschlagen. Laut BigHat banden die besten Varianten mehr als zehnmal fester an ihr Ziel, blieben bei 18 Grad Celsius höherer Temperatur stabil in Lösung und verklumpten über hundertfach langsamer.
Das Ein-Personen-Biotech
Cody Tranbarger und Mithril Medicine: Vor seiner Übernahme durch Anthropic betrieb der Forscher Cody Tranbarger sein Biotech-Startup Mithril Medicine als Ein-Mann-Betrieb. Über Claude koordinierte er Verträge, Logistik und Nasslabor-Experimente mit elf externen Dienstleister-Laboren.
Mausmodell in Rekordzeit: Innerhalb von weniger als 18 Monaten führte Tranbarger einen Therapieansatz gegen eine seltene Form der Muskeldystrophie von der Idee bis zu ersten positiven Daten im Mausmodell. Bei Anthropic führt er das Programm nun hauptberuflich fort. Erste klinische Studien am Menschen stellt Anthropic frühestens für Ende 2028 in Aussicht.
Das stille Milliarden-Nadelöhr: 89 Prozent weniger Papierkrieg
Die spektakulärsten Einsparungen erzielt KI derzeit nicht zwingend im Reagenzglas, sondern in der pharmazeutischen Bürokratie. Beim Biotech-Unternehmen Enveda verbringen Chemiker bis zu drei Viertel ihrer Arbeitszeit mit regulatorischen Qualitätsberichten (CMC-Dokumentation), die für klinische Studien zwingend vorgeschrieben sind. Ein an Claude gekoppeltes Prüfsystem analysierte 1.061 Seiten Dokumentation: Das Modell identifizierte alle elf Fehler, die menschliche Fachprüfer markiert hatten - und deckte sieben zusätzliche Mängel auf. Der Zeitaufwand für die manuelle Prüfung sank laut Enveda um 89 Prozent von über 25 Stunden auf unter drei Stunden.
Einen ersten Rohentwurf für ein zentrales Zulassungsdokument habe das System in vier Stunden erstellt, wofür menschliche Experten zuvor rund drei Monate veranschlagten. Auch der Pharmariese Bristol Myers Squibb (BMS) setzt Claude nach eigenen Angaben ein, um Studienpläne früher klinischer Phasen zu evaluieren und Erfolgswahrscheinlichkeiten zu berechnen. Dr. Michael Pourdehnad, Senior Vice President bei BMS, erklärte, fundierte Erstanalysen lägen so nach einem einzigen Prompt vor, wo Teams früher Tage benötigten.
Präklinische Euphorie trifft auf die Realität der Humanmedizin
Bei aller Faszination über die gemeldeten Kennzahlen mahnt die Geschichte der Pharmaindustrie zur Nüchternheit. Nahezu alle von Anthropic präsentierten Resultate sind rein präklinischer Natur. In der Medikamentenentwicklung scheitern über 90 Prozent aller Wirkstoffkandidaten, die in Zellschalen oder bei Mäusen glänzende Ergebnisse liefern, später in klinischen Studien an Menschen - meist wegen unerwarteter toxischer Nebenwirkungen oder fehlender therapeutischer Wirksamkeit im komplexen menschlichen Organismus.
Dass Algorithmen wie Claude 35.000 Antikörpervarianten in wenigen Wochen erzeugen können, verdeutlicht vor allem das Tempo digitaler Vorhersagen. Der eigentliche Flaschenhals verschiebt sich dadurch jedoch nur: Jedes Design muss weiterhin synthetisiert, aufgereinigt und im Nasslabor verifiziert werden. Wie wir bereits bei der Analyse über das Wettrüsten der Frontier Labs in der Biologie herausgearbeitet haben, ringen Anthropic, OpenAI und Google DeepMind (das mit AlphaProtein Novo eigene Proteine maßschneidert) um die Vorherrschaft über das Betriebssystem der Life Sciences.
Gleichzeitig offenbart die Initiative ein sensibles Sicherheitsdilemma: Um Forschern den nötigen Freiraum zu geben, startet Anthropic das Life Sciences Verification Program. Verifizierte Partner erhalten Zugriff auf Spitzenmodelle mit gelockerten Schutzfiltern, da strenge Standardfilter legitime biomedizinische Anfragen allzu oft blockieren. Wo Modelle lernen, Bindungsstellen und Rezeptoren hochpräzise zu manipulieren, wächst jedoch unweigerlich das Missbrauchsrisiko für biologische Gefahrenstoffe - ein Spagat, der die Branche in den kommenden Jahren intensiv beschäftigen wird.
🎯 Was das für die Praxis bedeutet
1. Eintrittsbarrieren für Biotech-Gründer sinken: Der Fall Mithril Medicine belegt, dass kleine Teams durch KI-Agenten die koordinative Schlagkraft früherer Großlabore erreichen können. F&E-Budgets fließen zunehmend in externe Labor-Dienstleister statt in riesige interne Verwaltungsapparate.
2. Zulassungs- und CMC-Bürokratie sofort automatisieren: Die massiven Zeiteinsparungen bei Enveda zeigen, dass der größte unmittelbare finanzielle Hebel in der Beseitigung bürokratischer Reibungsverluste liegt. Prüfprozesse für Zulassungsakten lassen sich schon heute drastisch beschleunigen.
3. Präklinische Daten kritisch gewichten: Erfolge im Reagenzglas oder bei Nagetieren sind kein Garant für zugelassene Arzneien. Investoren und Entscheider müssen zwischen KI-gestützter Hypothesenbildung und harten klinischen Phase-1-Endpunkten unterscheiden.
4. Biosicherheits-Compliance frühzeitig mitdenken: Wer mit hochentwickelten Bio-Modellen arbeitet, wird sich an strengere Verifizierungsprogramme gewöhnen müssen. Unternehmen sollten ihre Datenflüsse schon jetzt auf die regulatorischen Anforderungen für Dual-Use-Technologien vorbereiten.
