Top 5 KI & digitale Biotech-Unternehmen (August 2026)

KI-Revolution in der Biotechnologie

No sector is left unchanged by the power of KI and digital modeling, and Biotech is no exception.

Das liegt daran, dass die Biologie bei weitem die unordentlichste der harten Wissenschaften ist. Chemie oder Physik können mit sehr kontrollierten Umgebungen, reinen Verbindungen usw. arbeiten. Die Biologie muss mit bereits bestehenden extrem komplexen und ständig wechselnden Systemen umgehen. Außerdem betrachten Biochemiker bei der Analyse eines einzigen Proteins Tausende oder Millionen von Atomen. Daher kann es sehr schwierig sein, jede mögliche chemische Reaktion vorherzusagen.

Big Data, KI-Modelle und Digitalisierung schaffen Bedingungen für eine Wissensrevolution in der biotechnologischen Forschung.

Das erste Zeitalter der Biomedizin bestand darin, im Dunkeln zu schießen und zu sehen, was funktionierte.

Wir befinden uns jetzt fest im Zeitalter der Genomik, in dem wir uns auf spezifische Ziele konzentrieren können, wie ein defektes Gen.

With the incoming digital revolution, we can replicate complete proteins, cells, or even entire organs and bodies in a virtual environment.

Was wird sich ändern?

A big part of why genomics and precision therapies are taking over “traditional” chemical drugs has been a very poor success rate for new drugs in the last decade.

Vielleicht kann man ein von der FDA zugelassenes Medikament für zehntausend Kandidaten herstellen. Jeder Schritt muss im Labor, in lebenden Zellen, Tieren oder Menschen getestet werden.

Dies entspricht oft ein bis zwei Jahrzehnten verlorener Zeit sowie vielen, vielen Milliarden Dollar, die verloren gehen.

Quelle: Biosourcing

Im Dunkeln zu schießen ist für die Wirkstoffforschung kein gangbarer Plan mehr. Deshalb benötigen Forscher digitale Vorhersagemodelle, um bereits vor physischen Tests vorherzusagen, ob ein Medikament ein guter Kandidat ist.

Daher ist es nicht überraschend, dass die Wirkstoffforschung im Geschäftsmodell der meisten KI-Biotech-Unternehmen an vorderster Front steht.

Neue Methoden wie maschinelles Lernen ermöglichen es der Software, die wahrscheinlichste Antwort mittels einer probabilistischen Methode „zu raten“, anstatt einer rein „mechanischen“/algorithmischen Methode.

Wie bei den meisten Technologien des maschinellen Lernens wurde ein ganzes Jahrzehnt lang viel Arbeit geleistet, wobei nur die Experten auf dem Gebiet wirklich aufmerksam waren.

The true revolution that made it recognized in the mainstream was im Jahr 2020, als Alphabet/Google DeepMind eine 50 Jahre alte Herausforderung im Bereich der Proteinfaltung löste (GOOG ). Das Programm hat seitdem die meisten bekannten Proteine aller lebenden Organismen modelliert, und Google gründet ein neues Unternehmen, Isomorphic Laboratories, um neue Medikamente zu identifizieren.

Top 5 KI- und digitale Biotech-Unternehmen

For investors, Google might be a great play on AI in general, but the biotech aspect will be a tiny segment in a very large company. So, this article will review publicly listed companies that are solely dedicated to the topic of AI and Virtual Biology.

For the same reason, we will not look at companies involved in AI hardware, like Nvidia und seine Genomik-Bibliothek Parabricks (NVDA ).

(Die Unternehmen sind zum Zeitpunkt der Erstellung dieses Artikels nach Marktkapitalisierung sortiert)

1. Roivant Sciences Ltd.

ROIV Preisdiagramm

Das Unternehmen spezialisiert sich darauf, Biotech-Start-ups zu übernehmen und ihre Chancen auf Kommerzialisierung durch Tochtergesellschaften, die -vant genannt werden (da jeder Name mit „vant“ endet), zu erhöhen.

Ein Teil dieser Übernahmen war der Kauf von Silicon Therapeutics für 450 Mio. $. Dank eines Supercomputers und spezieller Hardware entwickelt Silicon Therapeutics neue Moleküle. Dies ergänzte ein bereits bestehendes KI‑Biotech‑Stack‑Portfolio, VantAI.

Roivant besitzt außerdem das „vant“ Datavant, eine Big‑Data‑Lösung für das Gesundheitswesen, die an Krankenhaus‑Pharmaunternehmen, Versicherungen usw. verkauft wird, mit regulatorisch konformen und datenschutzfreundlichen Verfahren.

Weitere „vant“-Unternehmen sind ebenfalls daten- oder digital‑simulationsorientiert, wie die „Accurate All-Atom Physics-Based Simulations“ von Psivant. Oder die klinische Studien‑Intelligenz‑Software/Plattform Lokavant.

Quelle: Roivant

Dennoch stammt der Großteil der Einnahmen des Unternehmens aus dem Verkauf von zugelassenen pharmazeutischen Produkten.

Insgesamt kann Roivant eine Möglichkeit sein, im Datenbereich der Biotechnologie zu investieren, nicht nur in digitale Biologie, sondern auch in medizinische Aufzeichnungen, klinische Studien usw.…; gleichzeitig wird auch andere innovative Medizin berührt, insbesondere für Hautpflege, mit Vtama für Psoriasis.

2. Schrödinger, Inc.

SDGR Preisdiagramm

Das Unternehmen spezialisiert sich auf physikbasierte Modelle, um das bestmögliche Molekül für ein bestimmtes Ziel zu finden, wobei widersprüchliche Kennzahlen wie Potenz, Löslichkeit, Halbwertszeit, Synthesierbarkeit usw. ausbalanciert werden…

Es nutzt auch maschinelles Lernen, aber die Ergänzung eines physikbasierten Modells ermöglicht Tests in völlig neuen Bereichen, für die kein Datensatz zum „Trainieren“ der KI existiert. Das erlaubt Schrödinger (SDGR ), von einer Milliarde potenzieller Moleküle auf nur acht solide Kandidaten innerhalb weniger Tage zu kommen, ausschließlich durch digitale Berechnung.

Quelle: Schrodinger

Schrödinger unterzeichnete 2020 einen 5‑jährigen Kooperationsvertrag mit Bayer für Einnahmen von 10 Mio. $. Ziel des Vertrags ist die Nutzung der Schrödinger‑Technologie zusammen mit Bayer‑In‑Silico‑Vorhersagemodellen.

Eine weitere aktuelle Partnerschaft besteht mit Lilly, mit bis zu 425 Mio. $ an Meilensteinzahlungen für erfolgreiche Entdeckungen.

Frühere Kooperationen umfassten Takeda, Sanofi (SNW.DE ) (SNY ), Bristol‑Myers‑Squibb und andere kleinere Pharmaunternehmen.

Quelle: Schrodinger

Insgesamt baut Schrödinger ein wachsendes Portfolio auf, das immer mehr proprietäre und vollständig eigene Moleküle umfasst. Obwohl es noch keine Umsätze erzielt, ist das Unternehmen noch nicht profitabel und konzentriert sich auf Expansion und F&E‑Ausgaben, um seine Technologie zu verbessern.

Das Unternehmen prüft zudem die Expansion in neue Segmente jenseits der Wirkstoffforschung, wie komplexe Biopharmazeutika oder sogar Materialien wie Chemikalien, Batterien oder Polymere.

Quelle: Schrodinger

Investoren sollten die neuen Kooperationen im Auge behalten, da sie die Fortschritte der Schrödinger‑Technologie widerspiegeln, bewertet von Branchenführern, sowie mögliche Erfolge bei der Erweiterung der Kerntechnologie in neue Märkte.

3. Exscientia

Das Unternehmen nutzt KI zur Entwicklung von Präzisionstherapien. Es betreibt eine „Full‑Stack“-KI‑Wirkstoffentdeckungs‑Technologie mit spezieller Software in jeder Phase des Wirkstoffentdeckungsprozesses.

Quelle: Exscientia

Die Technologie von Exscientia reduziert die für die Entwicklung von einem biologischen Ziel zu einem entsprechenden Medikament erforderliche Zeit um 70 % und den Kapitalaufwand um 80 %.

Dies führte zu 4 Verbindungen in frühen klinischen Phasen, insgesamt 30 Programmen und 6,5 Mrd. $ an Einnahmen aus Meilensteinen mit Partnern. Der Hauptfokus lag auf Onkologie (Krebs) und entzündlichen Erkrankungen.

Quelle: Exscientia

Das Unternehmen befindet sich in einer sehr komfortablen finanziellen Lage für ein Frühphasen‑Wirkstoffentdeckungsunternehmen, mit 625 Mio. $ im Q3 2022 und einem Netto‑Cash‑Burn von nur 15 Mio. $.

Dies könnte eine interessante Option für Investoren sein, die ein gut etabliertes KI‑Wirkstoffentdeckungsunternehmen mit einer sehr langen Liquiditätsreserve und mehreren laufenden Partnerschaften für zusätzliche Sicherheit suchen.

4. Absci Corporation

ABSI Preisdiagramm

Das Unternehmen wurde 2011 gegründet und hat Standorte in Vancouver, New York und Zug, Schweiz. Es hat seiner ursprünglichen Technologie das geistige Eigentum von zwei KI‑Biologie‑Akquisitionen aus dem Jahr 2021 hinzugefügt, Totient (Antikörper) und Denovium (Zelllinien).

Das Unternehmen konzentriert sich hauptsächlich auf das Design von Antikörpern, die Erstellung neuer Antikörper von Grund auf („de‑novo‑Antikörper“) und deren Test in Laboren in einem 6‑Wochen‑Prozess.

Sie waren im März 2023 die Ersten, die einen funktionalen Antikörper ohne vorhandene Daten entwerfen konnten, eine Methode, die auch „Zero‑Shot“ genannt wird.

Absci hat eine Zusammenarbeit mit Merck (insgesamt 610 Mio. $ an Vorauszahlungen und zukünftigen Meilenstein‑Zahlungen) und Astellas für die Entdeckung neuer Produkte etabliert, sowie eine Partnerschaft mit Nvidia zur Verbesserung der Hardware‑Architektur hinter der Absci‑Technologie.

Absci befindet sich noch in einer frühen Phase, hat jedoch bereits ein enormes Potenzial und Innovationskraft gezeigt. Investoren des Unternehmens müssen das „Nichts ist unmöglich“-Ethos des Unternehmens und seines brillanten Gründers unterstützen und hoffen, dass die jüngsten Kooperationsvereinbarungen der erste Schritt in einer langen Reihe sind.

5. e-therapeutics plc

e-therapeutics konzentriert sich auf die Entwicklung von in‑silico neuen RNAi‑(RNA‑Interferenz‑)Therapien. Es hofft, dass die Kombination aus aufkommender Technologie, RNAi und computergestützter Wirkstoffforschung ihm einen erheblichen Vorteil gegenüber den Wettbewerbern verschafft.

Es monetarisiert die Entdeckung auf seiner Plattform auch mit anderen Pharmaunternehmen, wobei das größte der große Blue‑Chip‑Konzern Novo Nordisk ist.

Das Unternehmen befindet sich in einer sehr frühen Vor‑Umsatz‑Phase und musste im Sommer 2022 13,5 Mio. £ aufbringen. Das Unternehmen verzeichnete im ersten Halbjahr 2022 einen Nettoverlust von 2,8 Mio. £ bei einem Kassenbestand von 21,8 Mio. £.

Investoren in e-therapeutics müssen die verfügbare Liquidität im Auge behalten und hoffen, dass neue Entdeckungen und Einnahmen aus Partnerschaften das Unternehmen letztendlich profitabel machen.

Aufbau eines Portfolios für digitale Biologie

Dies ist ein schwieriger Sektor für Investitionen, da er zwei sehr komplexe Technologien kombiniert: KI + fortgeschrittene Biotechnologie. Das macht es für Investoren praktisch zu einer „Black‑Box“, selbst wenn sie in einem der beiden Bereiche über Fachkenntnisse verfügen.

Zudem konzentrieren sich die meisten Unternehmen in diesem Sektor auf dieselben Märkte, hauptsächlich die Entdeckung kleiner Moleküle und das Design von Antikörpern, eventuell auch Zelllinien.

Eine Diversifizierung würde daher eine sicherere Anlagestrategie darstellen, da nur sehr wenige sicher sein können, den „Gewinner“ ausgewählt zu haben. Zusätzlich wird der Markt voraussichtlich sehr schnell wachsen, mit einer CAGR von 45 % zwischen 2022 und 2027.

Daher ist eine breit gestreute Exponierung wahrscheinlicher, dieses Wachstum zu nutzen, ohne zu stark auf spezifische mathematische Modelle oder Methoden in einem sich schnell ändernden und wettbewerbsintensiven Umfeld zu setzen.