---
Zusammenfassung der Kerninhalte
Dies ist ein exklusives Interview mit einem Führungskräften von Magga Technology, einem führenden Unternehmen im Bereich AI4S (Verwendung von KI in der Forschung und Entwicklung), geführt von „Hu Sou“. Es geht dabei vollkommen weg von der übertriebenen Darstellung, dass KI innerhalb weniger Jahre die Entwicklung neuer Medikamente revolutionieren und einen riesigen Markt erschließen wird. Anhand der tatsächlichen Erfahrungen der Branche wird die Wahrheit aufgezeigt: Derzeit ist noch lange nicht die Zeit gekommen, mit KI-Technologien zu prahlen oder schnelles Geld zu verdienen. Konzepte wie vollständig automatisierte Fabriken, Roboter, die Experimente durchführen, oder Supermodelle, die neue Medikamente in Sekundenschnelle entwickeln, sind allesamt „Träume“, die die Branche derzeit noch nicht umsetzen kann. Die Unternehmen, die langfristig überleben und am „Milliardenmarkt“ teilhaben werden, sind diejenigen, die bereit sind, sich auf praktische Aufgaben zu konzentrieren – beispielsweise Proben sicher zu transportieren, Laborgeräte ordnungsgemäß zu bedienen oder verschiedene alte Geräte verschiedener Hersteller zusammenzuschalten. Die Vorteile dieser Technologien werden letztendlich nur jenen zuteilwerden, die KI tatsächlich aus den Servern holen und Kunden dabei helfen, reale Probleme zu lösen.
---
Verständliche Erläuterung der Punkte
1. Warum manche Unternehmen große Aufträge ablehnen und stattdessen kleine Aufträge bei extremen Bedingungen übernehmen?
Das größte Problem in der Branche ist es, große Projekte anzunehmen, die man nicht bewältigen kann. Viele denken, Magga Technology sei dumm, weil sie solche großen Aufträge ablehnt – doch das zeigt eigentlich die Vernunft der erfahrenen Fachleute. Die gesamte AI+Automatisierungsbranche leidet unter dem Problem, dass sie bereit ist, jede Art von anspruchsvollen Aufträgen anzunehmen, nur um vorab Vorauszahlungen zu erhalten. Wenn die Projekte schließlich nicht fertiggestellt werden, verlieren die Unternehmen Geld und Kunden. He Yuan argumentiert jedoch, dass selbst die größten Projekte (z. B. vollständig automatisierte Fabriken) derzeit nicht zu 100 % umsetzbar sind. Stattdessen können kleine Aufträge bei extremen Bedingungen (z. B. bei Temperaturen von minus 40 Grad) wertvolle Erfahrungen liefern, die in anderen Projekten genutzt werden können. Die Branche befindet sich noch in der Phase der Grundlagenbildung; es ist gefährlich, Aufträge anzunehmen, die über die eigenen Fähigkeiten hinausgehen.
2. Warum kaufen globale Pharmaunternehmen AI-Labore aus China – und nicht wegen günstiger Arbeitskosten?
Viele glauben, dass chinesische Unternehmen aufgrund billiger Arbeitskräfte bevorzugt werden. Doch das stimmt nicht. Die Effizienz solcher Projekte im Ausland ist oft sehr niedrig: Es dauert Monate, bis eine Anfrage bearbeitet ist, und bei Fehlern muss man lange warten. Chinesische Teams hingegen reagieren extrem schnell: Sie entwickeln innerhalb von ein bis zwei Wochen eine funktionierende Demo-Version und passen die Software und Hardware an, bis der Kunde zufrieden ist. Die Top-Pharmaunternehmen weltweit besuchen China, um solche Labore zu inspizieren. Für sie zählt nicht nur die Technologie, sondern auch, ob das Unternehmen bereits Erfahrungen mit anderen Kunden hat und nach Fehlern sofort reagieren kann.
3. Was fehlt auf dem Milliardenmarkt für die KI-basierte Pharmazieproduktion wirklich?
Im Fokus steht nicht die Entwicklung superleistungsfähiger Modelle, sondern die Zuverlässigkeit der Technologien. Viele Unternehmen konzentrieren sich auf die Entwicklung großer Modelle, aber in der Praxis sind es oft kleine Fehler, die die Produktionsprozesse stören (z. B. Roboter, die Proben zerbrechen, oder alte Geräte, die nicht ordnungsgemäß funktionieren). Für Pharmaunternehmen ist daher die Zuverlässigkeit der Technologie entscheidend – sie benötigen Werkzeuge, die in ihren täglichen Forschungsprozessen eingesetzt werden können.
4. Warum zahlen Pharmaunternehmen viel Geld für AI-Labore?
Pharmaunternehmen rechnen sorgfältig: Sie investieren Millionen, weil sie damit drei wichtige Vorteile erzielen: Sie können ihr Image als innovatives Unternehmen stärken, Kosten senken und hochwertige Daten für die Entwicklung neuer Medikamente sammeln. Unternehmen, die diese drei Kriterien erfüllen, haben eine hohe Wiederkaufrate und erhalten weitere Aufträge.
5. Wie kann man die Qualität von AI4S-Unternehmen beurteilen?
Um die Qualität von AI4S-Unternehmen zu beurteilen, sollte man nicht auf Finanzierung oder Demo-Videos achten, sondern auf echte Kundenaufträge. Ein echter Beweis für die Leistungsfähigkeit eines Unternehmens sind zahlreiche, langfristige Kundenprojekte. Unternehmen, die solche Projekte erfolgreich umsetzen, haben eine solide Basis für zukünftige Geschäfte.
---
Insgesamt zeigt dieses Interview, dass die KI4S-Branche noch in einer Entwicklungsphase ist und es auf praktische Lösungen und Zuverlässigkeit ankommt – nicht auf spektakuläre Technologien.