400 Millionen für zehn Köpfe
Als Anthropic am 3. April den Kauf von Coefficient Bio für 400 Millionen Dollar bekannt gab, war die Reaktion in der KI-Branche einhellig: Warum zahlt ein Chatbot-Unternehmen eine solche Summe für ein acht Monate altes Startup mit weniger als zehn Mitarbeitern? Die Antwort liegt in einem der größten Paradigmenwechsel der Pharmabranche — einem Wandel, bei dem nicht mehr Chemiker am Labortisch, sondern Foundation Models am GPU-Cluster den nächsten Wirkstoffkandidaten identifizieren.
Coefficient Bios Gründer, Samuel Stanton und Nathan C. Frey, kommen von Genentechs Prescient Design — jener Einheit, die Computational Drug Discovery für einen der größten Pharmakonzerne der Welt betreibt. Frey gewann 2024 den Outstanding Paper Award der ICLR für seine Arbeit an Protein-Entdeckung mit neuartigen Sampling-Methoden. Was Anthropic mit ihnen kauft, ist nicht eine Plattform oder ein Patent, sondern die seltene Kombination aus tiefem KI-Wissen und pharmazeutischer Praxiserfahrung.
Der Stand der Technik: Von QSAR zu Foundation Models
Um zu verstehen, warum die Branche so aufgeregt ist, hilft ein Blick auf die Entwicklung. Noch vor fünf Jahren dominierte klassisches Machine Learning die computergestützte Wirkstoffforschung: QSAR-Modelle (Quantitative Struktur-Aktivitäts-Beziehungen), die aus bekannten Molekül-Wirksamkeits-Paaren lernen. Diese Modelle brauchten große, saubere Datensätze für jedes neue Target — und solche Daten sind in der Pharma notorisch knapp und teuer.
Foundation Models ändern die Spielregeln fundamental. Vortrainiert auf Milliarden von Molekülstrukturen, Proteinsequenzen und biomedizinischen Texten, können sie mit minimalen zusätzlichen Daten auf neue Targets feinabgestimmt werden. Chai Discovery, ein Startup bewertet mit 1,3 Milliarden Dollar, hat mit seinem Chai-2-Modell Trefferraten von 16 bis 20 Prozent beim De-novo-Antikörper-Design erreicht — eine Verbesserung um den Faktor 100 gegenüber früheren Methoden. Ein Antikörper-Problem, das traditionell 5 Millionen Dollar an Forschungskosten verschlang, löste das Modell in Stunden.
Die Spieler: Ein Wettlauf der Giganten
Isomorphic Labs, Googles Biotech-Tochter unter DeepMind-Führung, hat 17 aktive Wirkstoffprogramme in Onkologie, Immunologie und Herz-Kreislauf-Erkrankungen. Die Partnerschaften mit Eli Lilly, Novartis und Johnson & Johnson belaufen sich auf fast 3 Milliarden Dollar. Die hauseigene Drug Design Engine (IsoDDE), vorgestellt im Februar 2026, verdoppelt AlphaFold 3s Genauigkeit bei schwierigen Protein-Targets. Ein erstes KI-designtes Krebsmedikament soll bis Ende 2026 in Phase-I-Studien eintreten.
Insilico Medicine liefert die bislang überzeugendsten klinischen Ergebnisse: Rentosertib (ISM001-055) gegen idiopathische Lungenfibrose — das erste Medikament, bei dem sowohl das Target als auch das Molekül von KI entdeckt wurden. Die Phase-IIa-Ergebnisse, publiziert in Nature Medicine im Juni 2025, zeigten eine Verbesserung der Lungenkapazität um 98,4 ml gegenüber einem Rückgang von 62,3 ml unter Placebo.
Recursion Pharmaceuticals, nach der Fusion mit Exscientia das größte reine KI-Pharma-Unternehmen, führt 2,2 Millionen Experimente pro Woche durch und verfügt über 60 Petabyte proprietärer Daten. Gemeinsam mit NVIDIA haben sie BioHive-2 gebaut, einen der größten KI-Supercomputer der Pharmaindustrie. Allerdings musste Recursion mehrere klinische Programme einstellen — ein Hinweis darauf, dass auch KI-entdeckte Moleküle an den gleichen klinischen Hürden scheitern können wie traditionelle Kandidaten.
Was das für Unternehmen bedeutet
Für Tech-Unternehmen eröffnet die Verschmelzung von KI und Pharma ein Milliardengeschäft jenseits des API-Marktes. Eli Lilly und NVIDIA haben im Januar 2026 ein gemeinsames KI-Innovationslabor für 1 Milliarde Dollar gestartet. Der Markt für KI in der Wirkstoffforschung soll von rund 5 Milliarden Dollar in 2026 auf über 10 Milliarden bis 2031 wachsen — bei einer jährlichen Wachstumsrate von 27 Prozent. Optimistischere Prognosen sehen bis 2035 sogar 160 Milliarden Dollar.
Die Kostenreduktionen sind real, aber nicht revolutionär: 30 bis 70 Prozent Einsparungen in der präklinischen Phase, 25 bis 40 Prozent insgesamt. Die Entwicklungszeiten schrumpfen von 10 bis 15 Jahren auf 3 bis 6 Jahre. Die präklinische Kandidatenentwicklung sinkt von 3 bis 4 Jahren auf 13 bis 18 Monate. Für Unternehmen, die überlegen, ob sie in KI-Bio-Kompetenz investieren sollen, sind das handfeste Argumente.
Der Engpass ist Talent. KI-Forscher mit biologischer Expertise sind die seltenste Ressource der Branche. Anthropics 400-Millionen-Dollar-Deal für weniger als zehn Köpfe illustriert, welche Preise der Markt bereit ist zu zahlen. Big-Tech-Unternehmen bieten Gehaltspaketevon bis zu 300 Millionen Dollar über vier Jahre, mit Retention-Boni von bis zu 1,5 Millionen.
Die unbequeme Wahrheit
Trotz des Hypes bleibt die klinische Ausfallrate bei rund 90 Prozent — auch für KI-entdeckte Wirkstoffe. Ein namentlich nicht genannter CEO brachte es auf den Punkt: „KI hat uns im letzten Jahrzehnt bei der Wirkstoffforschung wirklich enttäuscht — wir haben einfach nur Misserfolg um Misserfolg gesehen.“ BenevolentAI musste massiv restrukturieren. Recursion stellte mehrere Programme ein. 68 Prozent der Tech-Executives nennen schlechte Datenqualität als Hauptgrund für gescheiterte KI-Projekte.
Dazu kommt regulatorischer Gegenwind: Der EU AI Act, dessen Hochrisiko-Bestimmungen am 2. August 2026 in Kraft treten, könnte bestimmte KI-Systeme in der Wirkstoffforschung als hochriskant einstufen. Für Pharma-Unternehmen bedeutet das eine weitere Compliance-Schicht in einem ohnehin stark regulierten Umfeld.
2026 wird zum Entscheidungsjahr: Mehrere Phase-III-Ergebnisse stehen aus. Wenn die ersten KI-designten Medikamente die Zulassung schaffen, wird das Milliarden an zusätzlichem Investment auslösen. Wenn sie scheitern, wird die Branche einen schmerzhaften Reality-Check durchlaufen — nicht das Ende der KI in der Pharma, aber eine Nüchternheit, die längst überfällig ist. Anthropics 400-Millionen-Dollar-Wette auf Coefficient Bio zeigt, dass zumindest einer der großen Spieler an das erste Szenario glaubt.