KI in der Pharmazie: Retter oder teures Spielzeug? Eine tiefgreifende Analyse der aktuellen Situation
Hallo zusammen, ich bin euer Finanzjournalist. Heute sprechen wir über ein Thema, das zwar hochkarätig klingt, aber direkt mit jedem von uns und unserer Gesundheit verbunden ist: Kann KI uns wirklich helfen, bessere Medikamente schneller und günstiger zu entwickeln?
Kürzlich ereignete sich auf der 2026 Zhangjiang Pharmaceutical Valley Conference etwas Besonderes: Das weltweit erste Medikament, das vollständig mithilfe von KI entwickelt wurde und in die finale Phase der klinischen Studien (Phase III) vorstieg – Rentosertib – erhielt seinen ersten Patienten. Das klingt wie Science-Fiction, die Wirklichkeit dahinter ist jedoch geprägt von Angst, Debatten und nüchternen Überlegungen.
Kurz gesagt: KI macht die Suche nach Medikamenten tatsächlich schneller und kostengünstiger – doch die Überprüfung der Wirksamkeit bleibt äußerst schwierig. Im Folgenden werde ich diese komplexe Branchenmeldung in fünf Teile zerlegen und euch die Hintergründe sowie die Herausforderungen der KI in der Pharmazie verständlich machen.
---
1. Aktuelle Situation: KI in der Medikamentenentwicklung erreicht ein entscheidendes Stadium – selbst Nobelpreisträger sind besorgt
Früher dachten wir, dass die Anwendung von KI in der Pharmazie noch in der Anfangsphase sei, doch jetzt steht sie tatsächlich vor dem entscheidenden Schritt.
Wichtige Fakten:
Ein von Insilico Medicine entwickeltes Medikament gegen Lungenfibrose ist in die Phase III der klinischen Studien eingetreten. Es handelt sich um das weltweit erste Medikament, dessen Entwicklung vollständig mithilfe von generativer KI erfolgte.
Warum sind alle besorgt?
Selbst der Nobelpreisträger für Chemie von 2013, Michael Levitt, gab zu: „Uns alle ist etwas beunruhigt.“ Der Grund: Die Phase III der klinischen Studien stellt die größte Herausforderung in der Medikamentenentwicklung dar.
- Erste beiden Phasen (Entdeckung des Medikaments): KI ist hier sehr effizient und fungiert wie ein superleistungsfähiger „Selektor“.
- Letzte Phase (Überprüfung der Wirksamkeit): Hier werden enorme finanzielle Mittel investiert – und es geht um Leben und Tod. Ein Scheitern in dieser Phase könnte alle bisherigen Einsparungen zunichte machen.
Einfache Erklärung:
KI ist wie ein genialer Koch, der schnell perfekte Rezepte (Molekularstrukturen) entwickeln kann und sogar die Zutaten akkurat zubereitet (Präklinische Tests). Doch ob das Gericht schmackhaft ist und die Menschen nicht krank werden, kann nur durch die Erfahrung mit hunderten echten „Gästen“ (Patienten) über einen Zeitraum von einem Jahr oder länger festgestellt werden. Jetzt, da das „Gericht“ dem ersten „Gast“ serviert wurde, halten alle den Atem an.
---
2. Vorteile: KI spart 90 % Zeit und Kosten bei der Suche nach Medikamenten
Obwohl die letzte Phase sehr schwierig ist, zeigt KI in den frühen Phasen der Entdeckung erstaunliche Effizienz.
Vergleich von traditionellen und künstlichen Methoden:
- Identifizierung von Zielstrukturen: Traditionelle Methoden erfordern ein Jahr und 94 Millionen Dollar; KI benötigt nur zwei Monate und 2 Millionen Dollar.
- Erste Auswahl von potenziellen Wirkstoffen: Traditionelle Methoden brauchen 1,5 Jahre und 166 Millionen Dollar; KI benötigt nur vier Monate und 4 Millionen Dollar.
- Optimierung der Wirkstoffformeln: Traditionelle Methoden benötigen zwei Jahre und 414 Millionen Dollar; KI benötigt nur elf Monate und 2 Millionen Dollar.
Fazit:
In den frühen Phasen der Medikamentenentdeckung senkt KI die Kosten um mehr als 90 % und verkürzt die Dauer erheblich.
Einfache Erklärung:
Die traditionelle Pharmazie ist wie das Suchen einer Nadel im Heuhaufen – langsam und kostspielig. KI hingegen verfügt über hochentwickelte Technologien, die es ermöglichen, direkt die potenziellen Wirkstoffe zu identifizieren. In dieser Hinsicht ist KI definitiv der „König der Effizienz“.
---
3. Herausforderungen: Der große Unterschied zwischen „Atomen“ und „Menschen“
Wenn KI so leistungsfähig ist – warum kann sie dann nicht die Ergebnisse der klinischen Studien vorhersagen und die teuren Tests ersparen? Das ist der größte technische Hinderungsfaktor.
Zentrale Problematik:
Nobelpreisträger Levitt weist darauf hin: Wir haben gute Modelle, um Atome, Elektronen und Proteine zu simulieren – aber keine guten Modelle für Menschen. Die Patienten in der Realität sind jedoch vielfältig und individuell.
Branchendebatten:
- Pessimisten: Einige behaupten, KI sei in der klinischen Anwendung nutzlos, weil Menschen zu komplex seien.
- Realistische Sichtweise (Huang Xiaolu): KI ist nicht nutzlos, sondern nur schwer anzuwenden. KI arbeitet mit „Vektoren und Bewertungskriterien“ (Maschinensprache), während Ärzte nach konkreten klinischen Kriterien fragen. Es besteht ein „Semantischer Unterschied“ zwischen diesen Sprachen.
Einfache Erklärung:
KI kann zwar theoretisch die Belastbarkeit einer Brücke berechnen, aber wie die Menschen auf dieser Brücke reagieren, lässt sich nur durch praktische Tests herausfinden. Derzeit fehlt KI noch ein „Supergehirn“, das die Reaktionen einer realen Menschenmenge genau simulieren kann.
---
4. Risiken: Die Phase II ist entscheidend – KI muss Pharmaunternehmen bei Entscheidungen helfen
In der Medikamentenentwicklung gibt es eine besonders riskante Phase: den Übergang von Phase II zu Phase III.
Schreckliche Zahlen:
- Die Erfolgsrate beim Übergang von Phase II zu Phase III beträgt nur 28,9 %.
- Die Kosten für eine einzelne Phase III-Klinikstudie liegen zwischen 19 Millionen und 127 Millionen Dollar.
* Ein Scheitern in dieser Phase bedeutet in der Regel den Verlust aller bisherigen Investitionen.
Neue Rolle von KI: KI sollte Pharmaunternehmen dabei helfen, Entscheidungen zu treffen. Huang Xiaolu von Wuxi Natural Constant Technology schlägt vor, dass KI nicht mehr nur neue Medikamente entwickeln sollte, sondern Pharmaunternehmen bei der Beurteilung von Medikamenten in Phase II unterstützen sollte. Wenn KI frühzeitig erkennen kann, dass ein Medikament wahrscheinlich scheitern wird, können Unternehmen Millionen von Dollar sparen. Dies wird als „In Silico Second Opinion“ bezeichnet – eine computergestützte Entscheidungsunterstützung.
Einfache Erklärung:
Stellen Sie sich das wie das Gründen eines Unternehmens vor: KI erstellt schnell einen Prototyp (Phase II). Jetzt müssen Sie entscheiden, ob Sie Millionen in die Markteinführung (Phase III) investieren oder aufgeben. KI kann Ihnen helfen, anhand von Daten und Modellen zu analysieren, ob das Projekt wahrscheinlich scheitern wird. In dieser Phase sind solche Entscheidungen besonders wichtig – schließlich geht es um große finanzielle Risiken.
---
5. Zukunft: Durchbrechen von Datenbarrieren – Wer die exklusiven Daten besitzt, gewinnt
Ein weiteres Herausforderungsthema ist die Homogenisierung der Branche und die Existenz von Datenbarrieren.
Zwei Hauptprobleme:
1. Homogenisierung der Modelle: Viele Pharmaunternehmen verwenden dieselben Open-Source-KI-Modelle, was zu ähnlichen Ergebnissen führt und die Differenzierung der Medikamente einschränkt.
2. Datenbarrieren: Die wertvollsten Daten der Pharmaunternehmen (z. B. Informationen zu Misserfolgen) werden oft zurückgehalten, da sie Geschäftsgeheimnisse sind.
Wer wird der Gewinner sein?
Tian Zhenglong von Shanghai Pharmaceutical betont: Wer die Datenbarrieren durchbricht und einen privaten Datenspeicher mit umfangreichen Informationen zu Erfolgen und Misserfolgen schafft, wird einen unverzichtbaren Vorteil haben. Nur so kann KI wirklich effektiv eingesetzt werden.
Einfache Erklärung:
Derzeit nutzen alle mehr oder weniger dieselben KI-Tools – die Ergebnisse sind oft ähnlich. Der Wettbewerb wird daher nicht darum geführt, welche KI-Version verwendet wird, sondern darum, wer exklusive Daten besitzt. Wer die „Misserfolgsfälle“ anderer Unternehmen sammeln und KI damit trainieren kann, wird bessere Ergebnisse erzielen.
---
Fazit
KI verändert die Pharmazie – aber sie ist keine Magie, sondern ein mächtiges Werkzeug:
- Stärken: KI ist besonders gut darin, schnell und kostengünstig nach neuen Medikamenten zu suchen (erste beiden Phasen).
- Schwächen: KI kann die Reaktionen von Menschen in klinischen Studien nicht genau vorhersagen und kann komplexe Entscheidungen nicht effektiv unterstützen.
- Wichtige Herausforderungen: Es gilt, die Kommunikation zwischen „Maschinensprache“ (KI-Modelle) und „Klinischer Sprache“ zu verbessern sowie die Datenbarrieren zu überwinden.
Für die Allgemeinbevölkerung bedeutet dies, dass in Zukunft vielleicht mehr neue Medikamente zu günstigeren Preisen verfügbar sein werden. Für Investoren und Fachleute bedeutet dies: Verzichten Sie nicht auf KI – achten Sie jedoch darauf, wer die Herausforderungen bei der Erstellung von umfassenden Datenbanken löst. Die „Erste Hälfte“ der KI-Revolution in der Pharmazie (Kostensenkung und Effizienzsteigerung) ist bereits vorbei; jetzt beginnt die „Zweite Hälfte“ (Steigerung der Erfolgsraten und Genauigkeit der Entscheidungen). Das ist der eigentliche Kampf.