Die Bewertung schießt auf 82 Milliarden: Der weltweit größte Einhorn im Biowissenschaftswechsel hat einen neuen Besitzer

Die Geschichte, in der ein neuer König den alten ablöst, spielt sich jeden Tag ab – diesmal ist es endlich an OpenEvidence.

Laut dem kürzlich veröffentlichten „Globalen Einhorn-Liste 2026“ des Hurun-Forschungsinstituts hat sich OpenEvidence, eine auf KI-Forschungsplattform für klinische Entscheidungsunterstützung spezialisierte Einrichtung, mit einer Unternehmensbewertung von 820 Milliarden Yuan (ca. 120 Milliarden US-Dollar) über das Anti-Aging-Medikamentenunternehmen Biosplice Therapeutics erhoben und damit zum weltweit am höchsten bewerteten Einhorn im Bereich der Biowissenschaften geworden.

Bildquelle: Hurun Report

Der sprunghafte Anstieg der Bewertung kam überraschend stark. Die 120-Milliarden-US-Dollar-Bewertung von OpenEvidence stammt aus der im Januar dieses Jahres abgeschlossenen Serie-D-Finanzierung – nur drei Monate zuvor lag sie noch bei 6 Milliarden US-Dollar. Für ein medizinisches Startup, das erst seit vier Jahren existiert, ist diese Geschwindigkeit mehr als bemerkenswert.

Datenquelle: Crunchbase

Neben der beeindruckenden Leistung auf dem Primärmarkt hat OpenEvidence bereits eine Abdeckung von über 40 % unter den US-amerikanischen Ärzten erreicht und zählt damit zu den Plattformen im Bereich der KI-Medizin in den USA mit dem schnellsten Nutzerwachstum.

Laut öffentlichen Informationen verfügt OpenEvidence derzeit über mehr als 757.000 verifizierte Arztnutzer. Von Juli bis November 2025 stieg die monatliche durchschnittliche Anzahl klinischer Konsultationen von 10 Millionen auf 16,5 Millionen, wobei die Nutzerbindung kontinuierlich zunimmt.

Wie hat OpenEvidence das alles eigentlich geschafft?

01

Hohe Bewertung

Wodurch wird sie gestützt?

Letztendlich hat OpenEvidence nur eine Funktion: Ärzten bei der Informationssuche zu helfen.

Aber unterschätzen Sie diese Funktion nicht: Sie löst das Effizienzparadoxon der klinischen Wissenssuche – dass man Informationen findet, aber nicht vollständig durchlesen kann, oder dass man sie durchliest, aber nicht anwenden kann. Sie befreit Ärzte aus dem Sumpf der „Informationsüberlastung“ und baut in den entscheidenden Momenten ihrer klinischen Entscheidungen einen hochwertigen Aufmerksamkeitsknotenpunkt auf.

Man muss wissen: Die Geschwindigkeit, mit der medizinisches Wissen wächst, überfordert klinische Ärzte zunehmend. Professor Peter Densen von der Carver College of Medicine an der University of Iowa wies in einer 2011 veröffentlichten Arbeit darauf hin, dass sich die Verdopplungszeit des medizinischen Wissens von etwa 50 Jahren im Jahr 1950 auf etwa 3,5 Jahre im Jahr 2010 verkürzt hat – und er prognostizierte, dass sie bis 2020 auf etwa 73 Tage sinken könnte.

Für die um jede Sekunde kämpfenden Ärzte an der Frontlinie ist es fast eine unmögliche Aufgabe, alle aktuellen Fachpublikationen kontinuierlich zu verfolgen.

Gleichzeitig leiden traditionelle Tools unter verzögerter Aktualisierung und unnatürlicher Interaktion; allgemeine große KI-Modelle sind zwar praktisch, stehen aber in ernsthaften medizinischen Szenarien vor dem tödlichen Risiko von „Halluzinationen“.

Genau diesen Widerspruch hat OpenEvidence erkannt.

Konkret beteiligte es sich nicht am Parameterwettbewerb allgemeiner großer Modelle, sondern wählte einen „umständlicheren“, aber zuverlässigeren Weg: Es trainierte sein vertikales Modell auf Basis von Millionen peer-reviewter, renommierter medizinischer Fachliteratur – und für jede ausgegebene Schlussfolgerung muss ein genauer Zitat aus dem Originaldokument angegeben werden, was im Grunde „Null Halluzinationen“ gewährleistet.

Bildquelle: Offizielle Webseite von OpenEvidence

Um eine Inhaltsbarriere aufzubauen, hat OpenEvidence nicht nur exklusive Inhaltslizenzen mit Top-Fachzeitschriften und Datenbanken wie dem *New England Journal of Medicine* (NEJM), JAMA, Wiley und Cochrane abgeschlossen, sondern sich auch eng mit globalen renommierten Fachverbänden wie dem American College of Cardiology (ACC), dem National Comprehensive Cancer Network (NCCN) und der American Diabetes Association (ADA) verbunden.

Daten belegen dies: In einer groß angelegten unabhängigen Bewertung, die 2026 in *Nature Medicine* veröffentlicht wurde, erzielte OpenEvidence bei 500 Fragen der US-amerikanischen Arztprüfung (MedQA) eine Genauigkeit von 89,6 % – auf dem gleichen Niveau wie der Benchmark für klinische Entscheidungsunterstützung UpToDate (88,4 %).

Entscheidender ist: Bei mehreren spezialisierten Tests zur Überprüfung der Zitiergenauigkeit lag die erfundene Zitierrate von OpenEvidence bei 0 %, während die Halluzinationsrate bei Zitaten allgemeiner großer Modelle im selben Zeitraum im Allgemeinen zwischen 20 % und 85 % lag.

Aus diesem Grund genießt es das Vertrauen der US-amerikanischen klinischen Ärzte, wird von über 40 % der praktizierenden Ärzte im ganzen Land genutzt und behält eine extrem hohe Nutzungshäufigkeit – die Anzahl der Konsultationen und Nutzungen pro Monat liegt bei fast 30 Millionen.

Normalerweise würde OpenEvidence bei einer so großen und stark gebundenen Nutzergruppe Abonnementgebühren von Ärzten oder Krankenhäusern verlangen. Stattdessen hat es einen anderen Weg gewählt: Die Nutzung für Ärzte ist kostenlos, und es verkauft gezielte Werbeplätze an Pharmaunternehmen und Medizingerätehersteller.

Das scheint zwar „der Umweg über das Ziel“ zu sein, aber sein Vorteil liegt darin, dass es einen geschlossenen Dienstkreislauf aus „kostenlosen Tools zur Nutzergewinnung – gezieltem Szenario für den Traffic-Verkauf“ aufgebaut hat. Auf Basis der größten echten klinischen Entscheidungsdatenströme im ganzen Land identifiziert es genau die tatsächlichen Medikamentenpräferenzen, Verschreibungsgewohnheiten und ungedeckten Bedürfnisse von Ärzten während der Diagnose und Behandlung – und bietet Pharma- und Geräteunternehmen damit einen viel effizienteren, konformeren und ROI-stärkeren Kanal für gezieltes Marketing als traditionelle Besuche von Pharmavertretern.

Es wird berichtet, dass das jährliche Einkommen aus dem Werbegeschäft von OpenEvidence auf kommerzieller Ebene bereits 50 Millionen US-Dollar erreicht hat und für 2026 ein Einkommen von über 100 Millionen US-Dollar erwartet wird.

Offensichtlich wurde seine kommerzielle Logik vom Markt weithin anerkannt, und es tritt schnell in eine Phase der skalierbaren Expansion ein.

Daher ist der geschlossene Dienstkreislauf von OpenEvidence – der klinisches Vertrauen als Schutzgrenze nutzt, die technischen Vorteile von „Null Halluzinationen“ in hochgebundene Nutzerressourcen umwandelt und dann durch gezielte Szenarien kommerzielle Gewinne erzielt – die zugrundeliegende Logik, warum der Kapitalmarkt bereit ist, seine hohe Bewertung zu unterstützen.

02

Kann das „OpenEvidence“-Modell

in China funktionieren?

Tatsächlich hat das einzigartige Geschäftsmodell von OpenEvidence in China durchaus Potenzial. Um es vollständig zu replizieren, müssen jedoch mehrere tiefe, unüberwindbare Klippen überwunden werden.

Die erste Klippe ist der institutionelle Unterschied im Gesundheitswesen zwischen China und den USA.

In China hängen die klinischen Entscheidungslogiken von Ärzten nicht nur von Leitlinien ab, sondern auch stark von den praktischen Erfahrungen übergeordneter Krankenhäuser und internen Schulungssystemen. KI-Tools spielen hier eher eine „unterstützende“ Rolle – was sich grundlegend von der Situation in den USA unterscheidet, wo Ärzte absolut unabhängige klinische Entscheidungsrechte haben.

Um also in China einen gleichwertigen hochwertigen Knotenpunkt für klinische Entscheidungen aufzubauen, ist die „Null-Halluzinationen“-Technik von OpenEvidence nur eine Eintrittskarte. Entscheidender ist, ob es gelingt, sich nahtlos in den einzigartigen „internen Arbeitsablauf“ chinesischer Ärzte einzubinden – sogar tief in die Systeme elektronischer Patientenakten integriert zu werden. Das stellt extrem hohe Anforderungen an die lokale Anpassung des Produkts.

Betrachtet man die gesamte KI-Medizinbranche, ist die „Integration von Systemen elektronischer Patientenakten“ auch ein Hochziel, das OpenEvidence derzeit anstrebt. Das bestätigt indirekt, dass die Integration von KI in interne Arbeitsabläufe eine dringende Notwendigkeit ist.

Im Jahr 2026 hat OpenEvidence sich nicht mehr auf unabhängige Webseiten oder Apps beschränkt, sondern den mehrstufigen Schlussfolgerungsagenten „DeepConsult“ eingeführt, der speziell für Ärzte entwickelt wurde. Er wurde daraufhin von Sutter Health, Mount Sinai und Cedars-Sinai vollständig in ihre Epic-Systeme für elektronische Patientenakten integriert.

Bei der praktischen Implementierung in Cedars-Sinai kann das System sogar direkt auf die Echtzeitdaten der Patienten – vergangene Operationen, Komplikationen, Medikamentenverläufe und Allergien – zugreifen, um eine tiefgreifende, personalisierte evidenzbasierte Übereinstimmung zu erreichen.

Das beweist: Ob in China oder den USA – ohne die grundlegende systemische Integration wird die KI-Medizin an die Grenzen ihrer Umsetzbarkeit stoßen.

Die zweite Klippe ist die Fehlpassung zwischen Zahlern und Entscheidungsberechtigten.

Im chinesischen Gesundheitssystem liegt die Einkaufsentscheidungsgewalt hauptsächlich in den Händen der Krankenhausleitung oder der Gesundheitsbehörden. Ärzte sind eher Nutzer und haben keine direkte Einkaufsentscheidungsgewalt oder Budgetverfügungsrechte für Produkte – das unterscheidet sich grundlegend von dem System, in dem OpenEvidence operiert.

Darüber hinaus könnte das „gezielte Werbeformat“ von OpenEvidence, das auf den klinischen Entscheidungsszenarien von Ärzten basiert, im aktuellen Umfeld der strengen medizinischen Konformität in China die politische Grenze der „versteckten Vorteilsgewährung“ verletzen – was unnötige Risiken von regulatorischen Strafen mit sich bringt.

Diagramm zu Daten der chinesischen digitalen Gesundheitsverwaltung – Bildquelle: *Nature*-Fachzeitschrift

Die dritte Klippe ist die Schwierigkeit, Datenbarrieren aufzubauen.

Ein weiterer großer Schutzfaktor von OpenEvidence ist der Besitz der größten echten klinischen Entscheidungsdatenströme in den USA – damit kann es genau die Medikamentenpräferenzen, Verschreibungsgewohnheiten und ungedeckten Bedürfnisse von Ärzten identifizieren.

In China hingegen unterliegen Eigentum, Fluss und Nutzung medizinischer Daten strengen politischen Vorschriften. Das Problem der Dateninseln in Krankenhausinformationssystemen ist besonders ausgeprägt: 85 % der Pharmaunternehmen befinden sich noch in Dateninsel-Zuständen, und nur 12 % haben eine kanalübergreifende Datenintegration erreicht.

Das bedeutet, dass der Kern „Datenfluss-Effekt“ von OpenEvidence in China kaum funktionieren kann.

Die letzte Klippe ist die Fehlausrichtung zwischen Nutzergewohnheiten und Zahlungsbereitschaft.

„Kostenlose Nutzung“ ist im chinesischen Gesundheitsbereich längst üblich – es gibt unzählige entsprechende Plattformen und Software. Daher ist es schwierig, wie OpenEvidence durch „Kostenlosigkeit“ eine riesige Nutzergruppe und starke Nutzerbindung aufzubauen.

Auf der Ebene der Zahlungsbereitschaft wächst der chinesische Markt für digitales Pharma-Marketing zwar rasant – für 2026 wird ein Marktvolumen von etwa 148,6 Milliarden Yuan erwartet, und bis 2030 könnte es 477,6 Milliarden Yuan erreichen. Aber dieser Sektor ist bereits sehr überfüllt, und es ist offensichtlich schwierig, sich durchzusetzen.

Bedeutet das also, dass das „OpenEvidence“-Modell in China überhaupt keine Chance hat? Die Antwort ist nicht absolut.

Einerseits lässt sich das „OpenEvidence“-Modell zwar nicht direkt übernehmen, aber es inspiriert chinesische KI-Medizinunternehmen: Der Kern des Geschäfts liegt in einer Produktphilosophie – auf klinischem Vertrauen zu basieren, evidenzbasierte Sicherheit als Schutzgrenze zu nutzen und die Arbeitsabläufe von Ärzten als Eingangspunkt zu wählen. „Kostenlos + Werbung“ ist nur ein Mittel zur Umsetzung dieser Systeme.

Daher wird dieser Weg in China wahrscheinlich zu einem neuen Paradigma des „evidenzbasierten intelligenten Agenten + Kooperation mehrerer intelligenter Agenten“ weiterentwickelt. Wie viele Plattformen derzeit erforschen, entwickeln sich Tools von einfachen Frage-Antwort-Systemen zu evidenzbasierten Kooperationssystemen, die komplexe Probleme lösen, Schlussfolgerungsprozesse sichtbar machen und den gesamten Ablauf nachverfolgen lassen.

Auf kommerzieller Ebene könnte die chinesische Version von „OpenEvidence“ aus dem einzelnen Modell „Werbeplätze an Pharmaunternehmen verkaufen“ ausbrechen – es ist wahrscheinlicher, dass sie ein diversifiziertes Kombinationsmodell anwendet: „Grundfunktionen kostenlos + Abonnement für erweiterte Entscheidungsunterstützung + konformes digitales Marketing für Pharmaunternehmen + Dienstleistungen für Real-World-Evidenz (RWE)“. Im Rahmen der Konformität wird der Aufmerksamkeitswert von Ärzten in einen messbaren, nachverfolgbaren und prüfbaren Marketing-ROI für Pharmaunternehmen umgewandelt.