Anthropic hat ein Update zu seiner Arbeit in der Medikamentenentwicklung veröffentlicht. Das Unternehmen arbeitet seit einigen Monaten mit sechs Organisationen zusammen: BigHat Biosciences, Bristol Myers Squibb, Divergence Labs, Enveda, Generate Biomedicines und The Column Group. Dazu kommen eigene Forschungsprogramme, unter anderem zu seltenen Formen von Muskeldystrophie bei Kindern.
Du arbeitest wahrscheinlich nicht in der Pharmaindustrie. Trotzdem lohnt sich der Blick auf die Zahlen, denn sie zeigen konkret, wo Künstliche Intelligenz im Business heute Zeit und Kosten spart. Wir fassen die wichtigsten Ergebnisse zusammen und ordnen sie für Deine Unternehmensautomatisierung ein.
Die Engpässe liegen im gesamten Prozess
Medikamente entstehen in vielen Schritten: Zielstruktur finden, Molekül entwerfen, Eigenschaften optimieren, Produktion absichern, Zulassungsunterlagen schreiben, klinische Studien planen. Anthropic setzt deshalb auf KI in allen diesen Aufgaben. Ein einzelnes Problem, das sich lösen ließe, gibt es nicht.
Das gilt auch in Deinem Unternehmen. Die Bremsen sitzen selten an einer einzigen Stelle. Sie verteilen sich auf Dokumentenprüfung, Datenanalyse, Planung und Abstimmung. Wer KI-Lösungen einführt, findet den größten Hebel meistens erst im laufenden Betrieb.
Die Fallstudien im Überblick
Generate Biomedicines: Design in Tagen statt Monaten
Generate arbeitet an der CAR-T-Zelltherapie, die bisher bei Blutkrebs hilft und künftig auch solide Tumoren behandeln soll. Dafür muss ein Teil der genetischen Bauanleitung kürzer werden. Sechs Wissenschaftler ließen Claude Code neue Designs vorschlagen. Eines war rund 70 % kürzer als die Standardversion. Im Labortest bildeten die Immunzellen etwa zehnmal so viele Rezeptoren, töteten Tumorzellen effizienter und blieben länger aktiv.
Divergence Labs: 35.000 Entwürfe in einem Monat
Divergence entwickelt ein Medikament gegen Nahrungsmittelallergien, das IgE-Moleküle von Immunzellen ablöst. Das Wirkstoffdesign braucht zwei Arme: einen, der IgE fest bindet, und einen, der es von der Zelle löst. Claude machte aus den Zielen einen Designplan und erzeugte weitgehend selbstständig rund 35.000 Antikörperdesigns in etwa einem Monat. In ersten Tests fanden sich drei Designs, die IgE binden, und 20, die es ablösen. Drei davon lösten IgE stärker ab als das Standardmedikament.
BigHat Biosciences: Optimierung mit Laborautomatisierung
BigHat verbindet KI mit einem automatisierten Labor. Claude war an das Labordatensystem angebunden, schlug Änderungen an zwei Wirkstoffkandidaten vor, und das Labor testete etwa 1.010 Varianten in rund 10 Wochen. Mitten im Projekt zweifelte das Team an den üblichen Messgrößen für Hitzestabilität und Verklumpung. Claude und ein Forscher werteten die Rohdaten neu aus und schlugen andere Metriken vor. Die Wissenschaftler verfeinerten das Protokoll, und die zentralen Vorhersagen bestätigten sich.
- Die besten Varianten banden mehr als zehnmal fester als die Ausgangsmoleküle.
- Der Krebskandidat blieb bei 18 °C höherer Temperatur in Lösung.
- Der Kandidat für länger wirksame Medikamente verklumpte mehr als 100-mal langsamer.
Enveda: Dokumentenprüfung und Zulassungsunterlagen
Dieses Beispiel ist für fast jede Branche relevant. Bei Enveda verbrachten Chemiker bis zu 75 % ihrer Zeit mit Dokumentation. Das Unternehmen verband seine Herstellungsunterlagen mit Claude und ließ das System mögliche Fehler markieren. In einem Test mit 1.061 Seiten fand Claude alle 11 Fehler, die menschliche Prüfer entdeckt hatten, und meldete sieben weitere, die übersehen worden waren. Die Prüfzeit sank um 89 %, von mehr als 25 Stunden auf unter drei.
Außerdem schrieb Claude den ersten Entwurf von zwei wichtigen Zulassungsdokumenten. Bei einem dauerte das vier Stunden statt etwa drei Monate von Hand. Im anderen Dokument fand die übliche menschliche Prüfung einen kleinen Fehler.
The Column Group und Bristol Myers Squibb: Planung und Gründung
The Column Group baut mit Pleiades ein neues Unternehmen auf, in dem Claude deutlich mehr und komplexere Wirkstoffprogramme betreuen soll, als ein kleines Team sonst schaffen würde. Der erste Claude Skill, der bewertet, ob sich eine Zielstruktur lohnt, wurde an 45 Paaren aus Zielstruktur und Krankheit geprüft.
Bristol Myers Squibb nutzt Claude, um Pläne für klinische Studien eines frühen Wirkstoffs zu analysieren und deren Erfolgschancen abzuschätzen. Eine solche Analyse würde sonst Tage dauern. Die Zusammenarbeit soll 2027 ausgeweitet werden.
Mithril Medicine: Ein Ein-Personen-Unternehmen mit KI
Anthropic hat Mithril Medicine übernommen, ein Ein-Personen-Unternehmen mit Therapieansätzen für zwei seltene Muskeldystrophien. Gründer Cody Tranbarger ließ Claude Verträge, Logistik und Experimente mit 11 externen Laboren organisieren. So kam eine mögliche Therapie in unter 18 Monaten von der Idee zu vielversprechenden Ergebnissen in Mäusen. Halten die Kandidaten, könnte die klinische Prüfung am Menschen frühestens Ende 2028 beginnen.
Was Du für Dein Unternehmen mitnehmen kannst
Die Ergebnisse stammen aus der Biotechnologie, die Muster lassen sich aber übertragen:
- Dokumentenlastige Prozesse haben das größte Potenzial. Enveda zeigt, dass KI Prüfzeiten drastisch senkt und dabei zusätzliche Fehler findet. Das passt zu Qualitätsmanagement, Vertragsprüfung, Compliance und Angebotserstellung.
- Datenanbindung entscheidet. Bei BigHat arbeitete Claude direkt mit den Labordaten. Eine KI, die Deine Systeme nicht kennt, liefert nur allgemeine Antworten.
- Menschen bleiben in der Schleife. Die Wissenschaftler bei BigHat hinterfragten Metriken und verfeinerten Protokolle. Die Ergebnisse entstanden im Zusammenspiel von Fachwissen und KI.
- Der Einstieg gelingt über einen konkreten Engpass. Anthropic hat die Probleme in echten Projekten gefunden, nicht am Reißbrett.
Zur Einordnung: Die Arbeit ist noch in einem frühen Stadium und größtenteils präklinisch. Die Zahlen stammen von Anthropic und den Partnern selbst, die technischen Berichte der Partner liefern die Details. Ob aus den Kandidaten wirksame Medikamente werden, ist offen. Für die Frage, wie viel Arbeitszeit KI in komplexen Prozessen einsparen kann, sind die Ergebnisse trotzdem aufschlussreich.
So gehen wir bei AI-Guys vor
Bei KI-Lösungen für Unternehmen beginnen wir mit Deinen Prozessen. Wir schauen, wo Dein Team die meiste Zeit mit wiederkehrenden Aufgaben verbringt, welche Daten vorliegen und wo ein Fehler am teuersten wird. Daraus entsteht ein Pilotprojekt mit messbarem Ziel, zum Beispiel weniger Stunden pro Prüfvorgang oder kürzere Durchlaufzeiten. Erst wenn die Zahlen stimmen, skalieren wir die Lösung auf weitere Bereiche.
Gute Unternehmensautomatisierung ersetzt keine Fachleute. Sie nimmt ihnen die Arbeit ab, die sie von ihrer eigentlichen Expertise abhält.
Dein nächster Schritt
Du willst wissen, welcher Prozess in Deinem Unternehmen sich für KI am besten eignet? Kontaktiere uns für eine kostenlose KI-Beratung. Wir analysieren gemeinsam mit Dir, wo die größten Zeit- und Kostenpotenziale liegen, und zeigen Dir, wie ein erster Pilot aussehen kann.
Hinweis: Dieser Beitrag wurde mit KI-Unterstützung erstellt.