Der nächste große Wohlstandstrend am US-Aktienmarkt: Der Aufstieg der KI-gestützten Entwicklung neuer Arzneimittel, vier Unternehmen in der Industriekette gründlich erforschen

Der Vater von Dario Amodei, dem Gründer des KI-Giganten Anthropic, starb 2006 an Hepatitis C. Damals lag die Heilungsrate dieser Krankheit nur bei etwa 50 %, doch nur drei Jahre nach dem Tod seines Vaters gab es Durchbrüche bei neuen Therapeutika, sodass die Heilungsrate auf rund 95 % stieg.

Wenn der medizinische Fortschritt einige Jahre früher eingetreten wäre, wäre sein Vater höchstwahrscheinlich nicht von dieser Welt gegangen. Diese Erfahrung hat Darios Leben tiefgreifend verändert: Er wechselte von der Physik zur Biologie und widmete sich schließlich der Forschung im Bereich der künstlichen Intelligenz.

Wenn KI die Arzneimittelentwicklung beschleunigt, gewinnt man nicht nur Zeit, sondern auch Leben, die sonst hätten gerettet werden können.

Dieser Artikel ist wahrscheinlich das Thema, das ich in meinem Leben am meisten liebe und das mich am meisten begeistert.

Warum? Weil KI nach stetigen Durchbrüchen in Bereichen wie Programmierung und Mathematik nun endlich eine der größten und schwierigsten Herausforderungen der Menschheit in Angriff nimmt: Mit KI die Arzneimittelentwicklung beschleunigen, die Umkehrung des Alterns erforschen und sogar die Grenzen des menschlichen Lebens durchbrechen.

Ken, der Gründer des Netzwerks für US-Aktieninvestments, ist der Ansicht, dass die Bedeutung dieser Angelegenheit weit über autonome Fahrzeuge und KI-Roboter hinausgeht, die Wäsche waschen, kochen und uns bei Hausarbeiten unterstützen können.

Ich möchte allen meinen Followern einen Rat geben: Sie müssen Ihre Lebensdauer maximal verlängern, bis die KI eine Therapie zur Verjüngung entwickelt. Denn mit jedem zusätzlichen Lebensjahr haben KI-Systeme ein weiteres Jahr Zeit, die Grenzen des Alterns zu durchbrechen. Deshalb setze ich alles auf KI und halte langfristig an dieser größten Unternehmung der Menschheit fest.

Viele Menschen glauben vielleicht, dass der größte Gewinner der KI-gestützten Arzneimittelherstellung zwangsläufig die Unternehmen sind, die mithilfe von KI neue Medikamente entwickeln. Das Netzwerk für US-Aktieninvestments ist jedoch der Ansicht, dass die wirklich beachtenswerten Chancen möglicherweise gerade in den vorgelagerten Unternehmen verborgen liegen, die keine neuen Medikamente direkt entwickeln.

Warum sagen wir das so?

Zuerst müssen Sie verstehen, dass die Entwicklung eines neuen Medikaments im Wesentlichen zwei wichtige Schritte umfasst.

Erster Schritt: Mithilfe von Computern mögliche Behandlungsmethoden für Krankheiten finden;

Zweiter Schritt: In realen Laboren nachweisen, ob diese Methode tatsächlich wirkt.

In der Vergangenheit mussten Wissenschaftler viele Jahre damit verbringen, ständig verschiedene Moleküle zu entwerfen, herzustellen und zu testen, bis sie ein wirksames Medikament fanden, und nach Fehlschlägen von vorne beginnen.

Doch jetzt ändert KI die Spielregeln.

KI kann innerhalb kurzer Zeit hunderte bis tausende von Kandidatenlösungen entwerfen und Wissenschaftlern sogar dabei helfen, Proteinstrukturen vorherzusagen und potenzielle Angriffspunkte für Krankheiten zu finden.

Doch nun stellt sich ein Problem.

Dass KI 1000 potenziell krankheitsbekämpfende Moleküle im Computer entwirft, bedeutet nicht, dass diese 1000 Moleküle tatsächlich Krankheiten heilen können.

Sie müssen diese Entwürfe noch in reale Stoffe umwandeln und dann im Labor testen. Zum Beispiel: Können sie tatsächlich synthetisiert werden? Können sie auf die Zielzellen einwirken? Sind sie toxisch? Können sie im menschlichen Körper stabil wirken? All dies muss letztendlich durch Experimente in der Realität nachgewiesen werden.

Außerdem reicht es nicht, ein Experiment nur einmal durchzuführen. Die Wissenschaftler müssen die experimentellen Ergebnisse erneut an die KI übergeben, damit die KI analysiert, warum es fehlgeschlagen ist und wie es beim nächsten Mal verbessert werden soll, bevor erneut entworfen, hergestellt und getestet wird.

Daher gibt es jetzt ein sehr interessantes Phänomen: KI entwirft neue Medikamente immer schneller, aber die realen Labore können nicht mehr mithalten.

Um ein Beispiel zu nennen: Früher erhielt ein Restaurant täglich nur 100 Bestellungen, die Küche kam problemlos damit zurecht. Jetzt lässt KI die Bestellungen plötzlich auf 10.000 pro Tag ansteigen, aber die Herde, Köche und Geräte in der Küche wurden nicht gleichzeitig erweitert.

Wo liegt also der eigentliche Engpass? Offensichtlich nicht bei der Entgegennahme von Bestellungen, sondern darin, dass die nachgelagerte Küche die Bestellungen nicht verarbeiten kann.

Die KI-gestützte Arzneimittelherstellung befindet sich jetzt in einer ähnlichen Situation: KI ist das System, das die Anzahl der Bestellungen rasant erhöht, und das Labor ist die nachgelagerte Küche.

Daraus ergibt sich eine sehr wichtige Investitionslogik.

Die ersten Unternehmen, die von der KI-gestützten Arzneimittelherstellung profitieren, sind nicht unbedingt Biotechnologieunternehmen, die das nächste Wundermittel gegen Krebs entwickeln, sondern möglicherweise vorgelagerte Lieferanten, die diesen Unternehmen bei Experimenten helfen und Materialien sowie Geräte bereitstellen.

Zum Beispiel gibt es Unternehmen, die Wissenschaftler speziell bei der Synthese von DNA unterstützen, andere, die Proteine herstellen, wieder andere, die Geräte zur gleichzeitigen Untersuchung einer großen Anzahl von Proben anbieten, und weitere, die durch Roboter und automatisierte Geräte dafür sorgen, dass Labore täglich mehr Experimente durchführen können.

Wenn Sie in ein Unternehmen investieren, das Krebsmedikamente entwickelt, kann der Aktienkurs stark einbrechen, selbst wenn es zehn Jahre lang arbeitet und Milliarden von Dollar investiert, sobald die klinischen Studien am Ende scheitern.

Unternehmen, die DNA, Laborgeräte, Testreagenzien und Labordienstleistungen bereitstellen, müssen jedoch nicht darauf wetten, dass ein bestimmtes neues Medikament letztendlich erfolgreich ist. Solange immer mehr Pharmaunternehmen beginnen, KI einzusetzen, mehr Kandidatenmedikamente entwerfen und mehr Experimente durchführen müssen, kann dies zu einem Anstieg der Bestellungen bei diesen vorgelagerten Unternehmen führen.

Ob der Anstieg der Bestellungen letztendlich in Gewinne umgewandelt werden kann, hängt natürlich auch von Wettbewerb, Preisgestaltung und Auslastung der Produktionskapazitäten ab. Deshalb müssen wir nicht nur darauf achten, wer das nächste Wundermittel entwickelt, sondern auch darauf, wer die unverzichtbaren Werkzeuge für immer mehr Experimente mit neuen Medikamenten bereitstellt.

Welche US-Unternehmen erhalten bereits echte Bestellungen? Welche Unternehmen spiegeln die KI-Nachfrage bereits in ihren Finanzberichten wider? Und welche Unternehmen werden nur von dem Markt im Voraus auf die zukünftigen Erwartungen eingepreist?

Zwei Beispiele zum Verständnis des Datenkreislaufs der KI-gestützten Arzneimittelherstellung

Im Folgenden betrachten wir anhand zweier aktueller Fälle, ob dies bereits zu echten experimentellen Anforderungen geführt hat.

Am 7. Oktober kündigte die von Ehepaar Zuckerberg unterstützte gemeinnützige Forschungseinrichtung Biohub die Erweiterung der Virtual Biology Initiative an.

Zu den Teilnehmern gehören das US-Energieministerium, die National Institutes of Health der USA sowie Google DeepMind, Meta und Isomorphic Labs.

Die gesamten im Plan enthaltenen Mittel, vorhandenen Daten, Rechenkapazitäten und Messtechnikressourcen belaufen sich auf insgesamt 1,8 Milliarden US-Dollar.

Es ist zu beachten, dass diese 1,8 Milliarden US-Dollar keine sofortigen Barbestellungen sind, die ein bestimmtes Unternehmen erhalten wird, sondern vorhandene Ressourcen und zukünftige Investitionen umfassen, um eine groß angelegte Infrastruktur für biologische Daten aufzubauen.

Einfach ausgedrückt: Durch echte Experimente wird beobachtet, welche Veränderungen Zellen unter verschiedenen Bedingungen durchlaufen. Diese Ergebnisse werden standardisiert und an die KI zum Lernen übergeben, sodass das Modell allmählich lernt, biologische Reaktionen vorherzusagen.

Das Signal, das diese Angelegenheit aussendet, ist klar:

Was der Bereich der KI-Biologie derzeit fehlt, sind nicht nur stärkere Modelle und mehr Rechenkapazität, sondern auch eine große Menge hochwertiger, wiederholbarer und von Modellen lesbarer experimenteller Echtzeitdaten.

Dieses Modell zeigt sich bereits konkret am US-Unternehmen RXRX.

Diesen August gab RXRX bekannt, dass es mit Genentech, einer Tochtergesellschaft von Roche, zusammenarbeitet. Beide Parteien haben gemeinsam ein neues therapeutisches Ziel für die Neurowissenschaften entdeckt und experimentell validiert, bevor es in ein frühes Projekt zur Entdeckung von niedermolekularen Arzneimitteln überführt wurde.

Die Arbeitsweise von RXRX besteht nicht darin, dass KI im Computer beliebig Antworten errät. Die Forscher kultivieren zunächst Neuronen mithilfe von Stammzellentechnologie, führen dann genetische Störungen, automatisierte Experimente und Zellbildgebung durch, sammeln eine große Menge an Echtzeitdaten und lassen die KI daraus krankheitsbezogene Muster finden.

Laut den vom Unternehmen veröffentlichten Angaben wurden in der entsprechenden Forschung insgesamt mehr als 1 Billion Neuronen kultiviert und über 30 Millionen Zellbilder erfasst.

Warum müssen so viele Experimente durchgeführt werden?

Denn nachdem die KI eine mögliche Behandlungsrichtung entdeckt hat, muss durch die nächste Runde von Experimenten validiert werden, ob diese Richtung zuverlässig ist.

Der gesamte Prozess lässt sich in einem Satz zusammenfassen:

KI stellt Hypothesen auf, das Labor übernimmt die Validierung, die Daten fließen zurück in das Modell, und das Modell stellt die nächste Runde von Hypothesen auf.

Natürlich ist es noch ein langer Weg von der Entdeckung und Validierung eines neuen Ziels bis zur endgültigen Markteinführung eines Arzneimittels. Der Fall von RXRX beweist lediglich, dass KI, automatisierte Experimente und echte biologische Daten zu einem kontinuierlich laufenden Entwicklungsprozess kombiniert werden können. Es bedeutet nicht, dass ein bestimmtes Arzneimittel bereits erfolgreich ist, und noch weniger, dass die Einnahmen des Unternehmens sofort sprunghaft ansteigen werden.

Aber es offenbart eine sehr wichtige Veränderung:

In der Ära der KI-gestützten Arzneimittelherstellung sind Labore nicht nur Orte zur Validierung von Medikamenten, sondern werden auch zu Orten, an denen kontinuierlich Daten für das KI-Training erzeugt werden.

Plattformen wie RXRX können eigene Labore aufbauen. Aber selbst Unternehmen mit eigenen Laboren müssen DNA, Proteine, Testreagenzien und automatisierte Geräte beschaffen oder direkt professionelle Labordienstleistungen kaufen.

Das bedeutet, dass ein Teil der durch KI ausgelösten experimentellen Anforderungen letztendlich zu Bestellungen bei Unternehmen für biowissenschaftliche Werkzeuge und Dienstleistungen führt.

Vier „Schaufelverkäufer“ hinter der KI-gestützten Arzneimittelherstellung

Im Folgenden richten wir den Fokus auf vier US-Unternehmen, um jeweils zu betrachten, wer experimentelle Materialien herstellt, wer die Tests durchführt, wer die Laborautomatisierung vorantreibt und wer die Zelldaten erzeugt, die KI am dringendsten benötigt. Präklinische Studien, klinische Studien und pharmazeutische Datendienste gehören ebenfalls zu dieser Industriekette, aber heute konzentrieren wir uns zunächst auf die Phase der Arzneimittelentdeckung.

Erstes Unternehmen: TWST

Wir vom Netzwerk für US-Aktieninvestments stellen TWST an die erste Stelle, da es unter diesen vier Unternehmen derzeit der Logik „KI-Entwürfe nehmen zu, Bestellungen steigen direkt“ am nächsten kommt.

TWST ist ein Unternehmen für DNA-Synthese und Proteinforschungsdienstleistungen, das Pharmaunternehmen und Forschungseinrichtungen hauptsächlich dabei unterstützt, biologische Entwürfe aus dem Computer in reale Materialien umzuwandeln, die im Labor getestet werden können.

Zum Beispiel: Wenn KI ein neues Protein entwirft, können Wissenschaftler nicht nur die Computersimulationsergebnisse betrachten, sondern müssen zuerst die entsprechende DNA synthetisieren, dann durch Experimente das echte Protein herstellen und schließlich testen, ob es wirkt.

Und die größte Stärke von TWST liegt darin, mithilfe von Siliziumchips und Automatisierungstechnologie verschiedene DNA-Sequenzen in großem Maßstab zu synthetisieren und damit verbundene Forschungsdienstleistungen für Proteine, Antikörper und Ähnliches anzubieten.

Dieses Jahr nutzte Anthropic im Rahmen eines Proteindesign-Projekts Claude zur Generierung von Kandidatenlösungen und arbeitete mit Laboreinrichtungen einschließlich TWST zusammen, um diese KI-Entwürfe durch echte Experimente zu validieren.

Das zeigt, dass TWST bereits in den tatsächlichen Ablauf „KI-Entwurf, Materialherstellung, experimentelle Validierung“ eingebunden ist und nicht nur auf Marktkonzepten beruht.

Sein Geschäftsmodell ist auch relativ direkt.