Von Google bis ByteDance wird jeder große Internetkonzern früher oder später ein eigenes Pharmaunternehmen besitzen.

Am 16. September meldete Reuters, dass ByteDance sein internes Team für KI-gestützte Arzneimittelentwicklung ausgegliedert und ein neues Unternehmen namens Anew Labs gegründet hat. Die externe Erstfinanzierung beträgt 290 Millionen US-Dollar, die Bewertung nach der Investition liegt bei etwa 1,5 Milliarden US-Dollar, und ByteDance behält eine Beteiligung von 56 %.

Die Liste der Investoren gleicht einem Who-is-Who des chinesischen Primärmarktes: HSG (ehemals HSG China), IDG und GL Ventures führen die Investition an, Fiveyuan führt gemeinsam an, Gaorong, Chunhua und Boyu folgen der Investition. Auf der Liste stehen auch zwei ungewöhnliche Namen: China Biopharmaceutical und Shanghai Future Industry Fund.

1,5 Milliarden US-Dollar entsprechen ungefähr der aktuellen Marktkapitalisierung von Schrödinger – diesem etablierten börsennotierten Unternehmen, das seit dreißig Jahren Software für die Computerchemie entwickelt und von Pharmaunternehmen weltweit als Standardausstattung eingesetzt wird.

Ein neues Unternehmen, das seit drei Jahren besteht, ein Kernteam von fünfzig Mitarbeitern hat und dessen vier Pipelines alle noch im präklinischen Stadium sind, wird aus Sicht des Kapitalmarkts etwa so hoch bewertet wie dieser dreißig Jahre alte Branchenveteran.

Schrödinger, das berühmte Gedankenexperiment: Bevor die Kiste geöffnet wird, ist die Katze gleichzeitig lebendig und tot.

Und Anew Labs befindet sich gerade in einer solchen Kiste: Nach der Plattformbewertung ist das Unternehmen 1,5 Milliarden US-Dollar wert; nach dem Restwert der Pipelines sind die vier präklinischen Pipelines höchstens 500 Millionen wert. Beide Bewertungen gelten gleichzeitig, bis etwas die Kiste öffnet.

Von einer Stellenausschreibung zu einem 1,5-Milliarden-Dollar-Unternehmen

Die Geschichte von Anew Labs begann vor etwa sechs Jahren, noch vor dieser Meldung über die Ausgliederung.

Ende 2020 begann ByteDance AI Lab, heimlich Talente im Bereich der KI-gestützten Arzneimittelentwicklung einzustellen. Das war die Zeit, in der ByteDance auf dem Höhepunkt seines Erfolgs stand: Douyin, TikTok und Toutiao – die Empfehlungsalgorithmen waren unschlagbar. Aber im Inneren dieser Empfehlungsmaschine dachte eine kleine Gruppe von Menschen über etwas mit einem ganz anderen Rhythmus nach: Arzneimittel mit KI entwickeln.

2021 leitete Liu Kai den Aufbau eines formellen Teams für die Wirkstoffentdeckung. Er ist kein ausgebildeter Algorithmuswissenschaftler, sondern hatte zuvor sieben Jahre lang im Bereich Risikokapital gearbeitet. Im Nachhinein betrachtet war es eine richtige Entscheidung, einen Investor mit dem Aufbau dieses Teams zu beauftragen: Die Arzneimittelentwicklung besteht zur Hälfte aus Wissenschaft und zur anderen Hälfte aus Kapitalmanagement und Ressourcenintegration. Übrigens ist sein ehemaliges Unternehmen heute in der Liste der Investoren von Anew vertreten.

Das Team ist nicht groß, etwa fünfzig Mitarbeiter. Auf der offiziellen Website im Mai wurden 36 Kernmitglieder aufgeführt, eine Mischung aus KI-Algorithmus-Experten und erfahrenen Arzneimittelfachleuten. Im Juni dieses Jahres schloss ByteDance die Ausgliederung ab: Das Team, die Algorithmusplattform und die in der Entwicklung befindlichen Pipelines wurden vollständig in das neue Unternehmen eingebracht. Drei Monate später stand die Erstfinanzierung fest.

Warum musste das Unternehmen unbedingt ausgegliedert werden? Branchenkenner verstehen das leicht: Die pharmazeutische Forschung und Entwicklung folgt der „Zwei-Zehn-Regel“: Ein Entwicklungszyklus dauert zehn Jahre und kostet eine Milliarde US-Dollar, die Überprüfung erfolgt in Jahresschritten. Der Rhythmus des Internetgeschäfts ist wöchentlich. Wenn zwei unterschiedliche Zeitachsen in derselben Organisation laufen, entstehen Fehlausrichtungen bei Anreizen und unklare Bewertungskriterien, und die Geduld schwindet allmählich. Google traf genau die gleiche Entscheidung für das Arzneimittelteam von DeepMind und gliederte 2021 Isomorphic Labs aus. Zwei Giganten aus China und den USA waren sich in dieser Organisationsfrage völlig einig.

Die Ausgliederung bedeutet keine Trennung. Die Rechenleistung von Anew wird weiterhin von Volcano Engine bereitgestellt – das Unternehmen verfügt von Geburt an über eine leistungsstarke Rechenleistungsverbindung eines Großkonzerns. Die Büros befinden sich in Shanghai, San Francisco und Singapur, die US-amerikanische Einheit heißt Anew Therapeutics.

Was das Vermögen betrifft, lässt sich anhand öffentlicher Informationen ein Umriss zeichnen.

Fünf Plattformen: AnewFold dient der Vorhersage von Biomolekülstrukturen, AnewSampling, AnewOmni, AnewDesign und AnewMind decken die anderen Bereiche des Moleküldesigns ab. Internationale Medienberichte erwähnen, dass dazu Protenix und PXDesign gehören. Menschen, die mit Open-Source-Communities vertraut sind, kennen Protenix gut: Das von ByteDance zuvor als Open Source veröffentlichte Modell zur Vorhersage von Proteinstrukturen galt einst als Gegenstück zu AlphaFold3. Die technische Grundlage dieses Unternehmens ist die Fortsetzung der öffentlichen Erfolge von ByteDance in den letzten Jahren im Bereich KI für die Wissenschaft.

Vier Pipelines: Die Formen umfassen niedermolekulare Verbindungen, Antikörper und zyklische Peptide. Die am meisten beachtete Pipeline wird vom Unternehmen als „weltweit erste“ bezeichnet: Ein niedermolekularer Inhibitor, der gleichzeitig alle drei Dimere der IL-17-Familie angreifen kann.

Dieser Satz bedarf einer Erklärung:

IL-17 ist eine der erfolgreichsten Zielstrukturfamilien im Immunbereich. Cosentyx von Novartis und Taltz von Eli Lilly erzielen Jahresumsätze von mehreren Milliarden US-Dollar und sind Haupttherapeutika für Psoriasis und ankylosierende Spondylitis. Dieser Markt hat nur einen großen Mangel: Alle derzeitigen Arzneimittel sind Biologika, die injiziert werden müssen. Und die drei Dimere der IL-17-Familie (A/A, A/F, F/F) werden selbst von den stärksten derzeit verfügbaren Zweifachzielstruktur-Antikörpern nur von zwei erfasst.

Warum ist es noch niemandem gelungen, alle drei mit einem niedermolekularen Wirkstoff gleichzeitig zu erreichen? Weil die Zielstruktur selbst eine verbotene Zone ist: Die Bindungsfläche zwischen IL-17 und seinem Rezeptor ist groß und flach, es handelt sich um eine berüchtigte „nicht wirkstoffgerechte“ Protein-Interaktion. Große Moleküle wie Antikörper können eine ganze flache Fläche umschließen, aber niedermolekulare Wirkstoffe müssen wie ein Nagel in eine glatte Wand eindringen.

Wenn das wirklich gelingt, ändert sich die Situation: Patienten können von lebenslangen Injektionen auf eine tägliche Tablette umsteigen, keine Kühlkette ist erforderlich, und die Herstellungskosten sinken erheblich. Anfang dieses Jahres hat der Biologieleiter von Anew diese Pipeline öffentlich auf einer Immunologie-Konferenz in Boston vorgestellt.

Eine weitere Pipeline gegen IL-4R ist ebenfalls erwähnenswert: Sie ist die Kernzielstruktur für atopische Dermatitis, ebenfalls ein Markt im Wert von mehreren zehn Milliarden US-Dollar, mit der Perspektive einer oralen Verabreichung.

Natürlich gibt es einen Satz, den man unbedingt beachten muss, um dieses Unternehmen richtig zu verstehen: Keine der vier Pipelines hat das klinische Stadium erreicht.

Das Ende der Großkonzerne sind Pharmaunternehmen

Anew ist kein Einzelfall.

Wenn man die globale Landschaft der KI-gestützten Arzneimittelentwicklung im Jahr 2026 betrachtet, sind mehrere Kräfte fast gleichzeitig aktiv.

Nvidia stellt die Rechenleistung bereit. Im Januar kündigte das Unternehmen gemeinsam mit Eli Lilly den Aufbau eines gemeinsamen Innovationslabors für KI an, mit Investitionen von über einer Milliarde US-Dollar in fünf Jahren. Das Ziel ist ein „Trocken-Nass-Geschlossener Kreislauf“, der eine Iteration in zwei Stunden abschließt – traditionelle Wirkstoffchemiker benötigen für eine Runde von Design, Synthese und Test mehrere Wochen.

OpenAI und Anthropic stellen die Modelle bereit. Im April veröffentlichte OpenAI GPT-Rosalind, ein spezialisiertes Modell für die Biowissenschaften. Amgen und Moderna haben es bereits in ihre Forschung und Entwicklung integriert, gefolgt von einer strategischen Zusammenarbeit mit Novo Nordisk. Dario Amodei, CEO von Anthropic, erklärte öffentlich, dass die Biowissenschaften einer der höchsten strategischen Prioritäten des Unternehmens sind. Ein radikalerer Schritt erfolgte ebenfalls im April: die Übernahme von Coefficient Bio, das erst acht Monate zuvor gegründet wurde, für etwa 400 Millionen US-Dollar – der Wechsel vom Verkauf von Werkzeugen zum direkten Besitz von Pipelines. Bristol-Myers Squibb verbreitet derzeit Claude bei über 30.000 Mitarbeitern.

Das direktste Gegenstück zu Anew ist Isomorphic Labs von Google. Dieses Unternehmen, das aus DeepMind ausgegliedert wurde und vom Nobelpreisträger Demis Hassabis geleitet wird, schloss am 12. Mai eine Serie-B-Finanzierung über 2,1 Milliarden US-Dollar ab, angeführt von Thrive Capital, mit Beteiligung von Alphabet, GV, Temasek und dem britischen staatlichen KI-Fonds. Die gesamten Finanzmittel belaufen sich auf etwa 2,6 Milliarden US-Dollar. Seine Engine IsoDDE deckt Protein-Ligand-Modellierung, Affinitätsvorhersage und Taschenerkennung ab und hat Kooperationen im Wert von mehreren Milliarden US-Dollar mit Johnson & Johnson, Eli Lilly und Novartis unterzeichnet. Das Unternehmen hat sich zum Ziel gesetzt, dass das von KI entworfene Arzneimittel bis Ende 2026 in die klinische Prüfung am Menschen eintritt – ein Zeitplan, der bereits einmal von Ende 2025 verschoben wurde.

Geld strömt auch in die Transaktionsbereiche. Im ersten Quartal dieses Jahres belief sich das globale Transaktionsvolumen im Pharmabereich auf 88 Milliarden US-Dollar, ein Anstieg von 30 % gegenüber dem Vorjahr. Institutionen prognostizieren ein Volumen von 150 Milliarden für das gesamte Jahr. AstraZeneca und Shijiazhuang Pharma haben eine Transaktion über 18,5 Milliarden US-Dollar abgeschlossen, Eli Lilly und Innovent über 8,85 Milliarden, Eli Lilly und Profluent über bis zu 2,25 Milliarden. Große Pharmaunternehmen nutzen echtes Geld, um KI und ursprüngliche Innovation in ihre Pipelines einzubinden.

Auf diesem Spielbrett gesehen ist der Schritt von ByteDance klar: Die Rechenleistung kommt von der eigenen Volcano Engine, die Modelle bauen auf den eigenen Fortschritten im Bereich KI für die Wissenschaft auf, das Kapital stammt einerseits von erstklassigen VC-Gesellschaften und andererseits von staatlichem Kapital und Pharmaunternehmen, und die Pipelines zielen direkt auf globale Zielstrukturen ab.

Bei Anew Labs ist der Ehrgeiz kaum zu verbergen.

1,5 Milliarden US-Dollar und eine Beteiligung von 56 %

Zuerst die Frage beantworten, die die Öffentlichkeit am meisten interessiert: Warum ist ein Unternehmen mit fünfzig Mitarbeitern und null klinischen Projekten 1,5 Milliarden US-Dollar wert?

Nach der traditionellen Pipeline-Bewertungsmethode hat jede präklinische Pipeline einen Restwert von mehreren zehn Millionen bis 200 Millionen US-Dollar, vier Pipelines sind höchstens 500 Millionen wert. Die zusätzlichen eine Milliarde US-Dollar werden vom Markt für andere Dinge bezahlt.

Das Erste ist die Möglichkeit des Überlaufens der Fähigkeiten von ByteDance. Im Wesentlichen überträgt Anew die Fähigkeiten von ByteDance, die im Zeitalter der Empfehlungssysteme gesammelt wurden – nämlich Modelltraining, Engineering und Rechenleistungssteuerung – auf ein neues Schlachtfeld. Mathematisch ist das schlüssig: Der Kern des Empfehlungsalgorithmus ist die schnelle Suche nach der optimalen Lösung in einem riesigen kontinuierlichen Lösungsraum, und die mathematische Natur des Wirkstoffmoleküldesigns ist diesem sehr ähnlich. Investoren setzen darauf, dass die Maschine, die für Kurzvideos trainiert wurde, auch mit Protein-Daten gut funktioniert.

Das Zweite ist die Maschine zur Herstellung von Pipelines, nicht die Pipeline selbst. Eine Einschätzung von Cathay Haitong als Referenz: Die Wettbewerbseinheit der KI-gestützten Arzneimittelentwicklung entwickelt sich von einzelnen Molekülen zu einer systemischen Fähigkeit aus „Daten × Modell × Pipeline“. Moleküle können scheitern, die Produktionslinie nicht. Isomorphic kann 2,1 Milliarden US-Dollar aufnehmen, während ein Biotech-Unternehmen, das ein bestimmtes spezifisches Arzneimittel in der Hand hält, nicht einmal einen Bruchteil davon aufbringen kann. Das heißt, der Markt hat sich entschieden, die Fabrik zu bewerten, nicht das Produkt.

Das Dritte ist die Zeit. Die chinesischen Unternehmen für KI-gestützte Arzneimittelentwicklung wurden in einer ersten Welle zwischen 2018 und 2021 gegründet, die meisten stecken bis heute in der Unsicherheit, ob KI ein Werkzeug oder ein Arzneimittel ist. Eine Bewertung von 1,5 Milliarden US-Dollar bereits in der Angel-Runde ist ein Vorgriff auf dem Primärmarkt: Wenn die klinischen Daten vorliegen, kann die Bewertung stark steigen oder auf null fallen. Eine Option ist immer zweiseitig.

Noch bemerkenswerter als die 1,5 Milliarden US-Dollar ist die 56-%-Beteiligung.

ByteDance hält keine hundertprozentige Beteiligung und hat das Unternehmen auch nicht vollständig verkauft. Die Probleme einer hundertprozentigen Beteiligung wurden bereits erwähnt: Der Konflikt zwischen der „Zwei-Zehn-Regel“ und dem Rhythmus des Internetgeschäfts ist fast unlösbar. Ein vollständiger Verkauf würde bedeuten, eine strategische Karte aufzugeben und möglicherweise einen zukünftigen Konkurrenten aufzubauen. Die kontrollierende Ausgliederung ist ein Ausgleich zwischen beiden: Die Muttergesellschaft behält die Kontrolle und die finanziellen Aufwärtspotenziale, das neue Unternehmen erhält einen unabhängigen Kapitalzugang, ein unabhängiges Vergütungssystem und den für die Pharmaindustrie typischen Rhythmus.

Diese Vorgehensweise wird zu einem globalen Paradigma. Alphabet hat Isomorphic ausgegliedert, ist aber tief eingebunden; Anthropic hat sich für die direkte Übernahme von Coefficient Bio entschieden; Nvidia hält keine Beteiligung, sondern geht nur Allianzen ein. Das Ausmaß des Einsatzes ist ein Maß für das Vertrauen jedes Unternehmens. Man sieht, dass ByteDance und Google am meisten setzen: Sie geben Geld, Rechenleistung und behalten die Kontrolle.

Für chinesische Internet-Großkonzerne kann der überfließende Wert dieses Vorhabens größer sein als die Finanzierung selbst. Die internen KI-Teams, die an Materialien, Batterien und Klimafragen arbeiten, haben nun einen nachahmenswerten Weg: Ausgliedern, die Rechenleistung der Muttergesellschaft nutzen, Industriekapital einbringen und im Rhythmus der jeweiligen Branche wachsen. Es ist zu erwarten, dass viele strategische Abteilungen von Großkonzernen diese 56-%-Eigentumsstruktur untersuchen werden.

Der Engpass hat sich verlagert

Wo liegt der nächste Engpass der KI-gestützten Arzneimittelentwicklung? Eine Einschätzung von Industrial Securities drückt das am meisten kontraintuitive Merkmal dieser Branche aus: Der geschwindigkeitsbestimmende Schritt liegt nicht darin, wie schnell das Modell läuft, sondern wie schnell Nass-Experimente Daten erzeugen.

Das Wettrüsten auf der Modellseite ist bereits überdimensioniert. Werkzeuge wie AlphaFold haben die Grenzkosten der Strukturvorhersage fast auf null gedrückt, Generierungsmodelle produzieren täglich Millionen von Kandidatenmolekülen. Wenn die Ausgabegeschwindigkeit des Modells zehntausendmal höher ist als die Geschwindigkeit der experimentellen Überprüfung, verlagert sich der gesamte Engpass: Man kann hundert Millionen Moleküle entwerfen, aber das Labor kann pro Woche nur fünfzig synthetisieren.

Das erklärt auch den Wechsel der Hauptakteure: Von Algorithmusunternehmen zu