Bei der KI-gestützten Arzneimittelentwicklung hat der harte Wettbewerb nun den Laborbereich erreicht.

KI kann im Handumdrehen Zehntausende von Molekülen erzeugen, aber deren Herstellung erfordert nach wie vor einen hohen Zeitaufwand und umfangreiche experimentelle Ressourcen.

Genau das ist das neue Problem, mit dem sich die KI-gestützte Pharmazeutik derzeit konfrontiert sieht: Moleküldesign und computergestütztes Screening werden immer schneller, aber die experimentellen Kapazitäten wachsen nicht unbedingt im gleichen Tempo.

Da Moleküldesign und computergestütztes Screening ständig beschleunigt werden, werden experimentelle Kapazitäten zu einem neuen Wettbewerbsfokus in der KI-gestützten Pharmazeutik. Labore sind nicht mehr nur Orte zur Überprüfung von Modellergebnissen, sondern müssen kontinuierlich qualitativ hochwertige Daten erzeugen, sodass experimentelle Ergebnisse die Modelloptimierung im Gegenzug vorantreiben.

In den letzten Jahren hat eine Reihe von Unternehmen für KI-gestützte Pharmazeutik damit begonnen, eigene Labore aufzubauen und experimentelle Kapazitäten in ihre technischen Plattformen zu integrieren. Terray Therapeutics ist ein solches Beispiel.

Dieses 2018 gegründete Unternehmen für KI-gestützte Pharmazeutik integriert Hochdurchsatz-Experimentiergeräte, automatisierte experimentelle Abläufe und KI-Modelle in ein einziges Forschungssystem, um das Labor von einem Überprüfungsglied im Forschungsprozess zu einer Datenquelle für das kontinuierliche Lernen von Modellen zu wandeln.

Im Oktober 2026 gab Terray Fortschritte bei der Zusammenarbeit mit Nvidia bekannt: Beide Seiten haben durch die Feinabstimmung von visuellen Sprachmodellen der Nemotron-Serie Molekülstrukturen, Reaktanten und Syntheserouten aus chemischen Reaktionsschemata in wissenschaftlichen Arbeiten extrahiert. Beim Benchmark-Test RxnCaption stieg der HybridMatch F1-Wert des Modells von 59,8 auf 63,4.

Dieser Fortschritt bedeutet nicht, dass die Syntheseeffizienz im Labor bereits gestiegen ist. Er spiegelt vielmehr die verbesserte Fähigkeit des Modells wider, Informationen zu chemischen Reaktionen zu erkennen und zu extrahieren, und liefert mehr verwertbare Daten für die nachfolgende Planung von Syntheserouten.

Von der Erzeugung experimenteller Daten bis hin zu Molekülvorhersage und Syntheseplanung versucht Terray, KI und das Labor zu einem kontinuierlich laufenden geschlossenen Forschungszyklus zu verbinden.

Das Labor zu einem Teil der KI-Forschung machen

Angesichts des Problems unzureichender Daten hat Terray sich dafür entschieden, beim Labor anzusetzen und die Erzeugung experimenteller Daten, die Modellgestaltung und die nachfolgende Überprüfung zu verbinden, um einen kontinuierlich iterierenden geschlossenen Forschungszyklus zu bilden.

Im November 2025 nannte Terray dieses System EMMI (Experimentation Meets Machine Intelligence, Experiment trifft maschinelle Intelligenz). Es handelt sich nicht um ein einzelnes Modell, sondern um eine Plattform für die Wirkstoffforschung kleiner Moleküle, die experimentelle Hardware, automatisierte Abläufe und mehrere KI-Module verbindet.

Das Labor ist zunächst für die Datenerzeugung zuständig.

Öffentliche Datenbanken haben zwar eine große Menge an Molekülstrukturen und experimentellen Ergebnissen angesammelt, aber es bestehen Unterschiede bei den Nachweismethoden, Versuchsbedingungen und Datengenauigkeit verschiedener Labore, und die Abdeckung von nicht getroffenen Molekülen ist unzureichend. Bei Zielstrukturen, für die keine bekannten aktiven Moleküle vorliegen und die noch nicht umfassend erforscht wurden, reicht die alleinige Abhängigkeit von öffentlichen Daten oft nicht aus, um ausreichende Trainingsinformationen zu erhalten.

Aus diesem Grund hat Terray einen hochdichten Mikroarray-Chip selbst entwickelt, bei dem eine große Anzahl kleiner Moleküle auf dem Chip fixiert wird, um ihre Bindung an Zielproteine parallel zu messen. Sein Wert liegt nicht nur in der Erhöhung des Screening-Durchsatzes, sondern vor allem in der kontinuierlichen Gewinnung quantitativer experimenteller Daten, die für das Modelltraining geeignet sind. Dadurch wird das Labor nicht mehr nur zu einer Abteilung zur Überprüfung von Modellergebnissen, sondern zum Dateneingang des KI-Systems.

Bis Juni 2026 gab Terray an, insgesamt mehr als 420 Milliarden einzelne Messungen abgeschlossen zu haben, die mehr als 17 Milliarden einzigartige „Zielstruktur-Molekül“-Wechselwirkungen betreffen. Diese Daten liefern neue Informationen für das Modelltraining und helfen dem Unternehmen, chemische Räume zu erkunden, die in öffentlichen Datenbanken noch nicht umfassend abgedeckt sind.

Mit den Daten nehmen verschiedene Modelle dann jeweils an Forschungsentscheidungen teil:

COATI ist ein grundlegendes chemisches Modell, das die Zeichenketten, zweidimensionalen Strukturen und dreidimensionalen Konformationen von Molekülen auf einen einheitlichen mathematischen Darstellungsraum abbildet und die Grundlage für die nachfolgende Molekülgenerierung und Eigenschaftsvorhersage bildet;

TerraSynth ist ein Modell zur Planung von Syntheserouten, das Syntheserouten für Kandidatenmoleküle vorschlägt und bereits in der Entwurfsphase berücksichtigt, ob das Molekül tatsächlich synthetisiert werden kann;

TerraBind ist ein Modell zur Vorhersage der Bindungsaffinität, das bewertet, wie stark die Bindungsfähigkeit kleiner Moleküle an Zielproteine sein kann;

EMMI Select ist ein Modul für die Versuchsauswahl, das Modellergebnisse und Unsicherheitsbewertungen kombiniert, um bei der Entscheidung zu unterstützen, welche Moleküle in der nächsten Charge vorrangig synthetisiert und getestet werden sollen.

Diese Module lösen unterschiedliche Probleme im selben Forschungsprozess: von der Moleküldarstellung, Syntheseplanung und Vorhersage der Bindungsaffinität bis hin zur Auswahl der Gruppe von Kandidaten, die am meisten überprüfungswert sind. Schließlich kann ein Modell Zehntausende von Entwürfen vorschlagen, aber die Anzahl der Moleküle, die das Labor synthetisieren und testen kann, ist begrenzt. Der höchste Vorhersagewert bedeutet nicht unbedingt, dass es am meisten wert ist, experimentelle Ressourcen dafür einzusetzen.

Im Bereich der Syntheseplanung hat Terray im Juni 2026 TerraSynth auf den Markt gebracht. Nach eigenen Angaben hat sich bei 17 internen Projekten die Synthesegeschwindigkeit von Molekülen, die mit diesem Verfahren vorgeschlagen wurden, im Vergleich zu Entwürfen, bei denen Synthesebeschränkungen nicht berücksichtigt wurden, um das 2- bis 4-fache erhöht, und die Syntheseverzögerung wurde um bis zu 75 % reduziert.

Die Zusammenarbeit mit Nvidia zur Analyse chemischer Reaktionsdiagramme ist ebenfalls eine Datenergänzung in diesem Abschnitt: Durch visuelle Sprachmodelle werden Reaktionsschemata aus Arbeiten in strukturierte Informationen umgewandelt, um dem Modell mehr Daten für das Erlernen von Regeln chemischer Reaktionen zu liefern.

Im Bereich der Vorhersage der Bindungsaffinität hat Terray auch die Testergebnisse von TerraBind-Struct veröffentlicht. Nach Angaben des Unternehmens beträgt die End-to-End-Inferenzgeschwindigkeit von TerraBind-Struct für einen einzelnen Protein-Ligand-Komplex auf einer einzelnen NVIDIA A6000-GPU etwa das 26-fache von Boltz-2; bei dem öffentlichen CASP16-Testdatensatz und den internen Datensätzen des Unternehmens ist der Pearson-Korrelationskoeffizient zwischen der Vorhersage der Bindungsaffinität und den experimentellen Daten im Vergleich zu Boltz-2 um etwa 16 % bis 20 % gestiegen.

Im Vergleich zu Boltz-2 wurde eine 26-fache Steigerung der End-to-End-Inferenzzeit für jeden Komplex beobachtet (bei Verwendung von 196 Token, 10 Samplings und Nvidias cuEquivariance-Kern auf einer einzelnen A6000-GPU)

Das bedeutet, dass Terray unter begrenzten Rechen- und experimentellen Ressourcen mehr Kandidatenmoleküle screenen und die überprüfungswertesten Entwürfe an das Labor weitergeben möchte.

Es löst nicht das Problem „Welches Molekül hat den höchsten Wert?“, sondern „Welche Gruppe von Experimenten ist am meisten wert, vorrangig durchgeführt zu werden?“.

Schließlich werden die experimentellen Ergebnisse wieder an das Modell zurückgeführt.

Terray verbindet KI-Entwurf und Laborautomatisierung über eine angepasste Software und verknüpft Molekülsynthese, experimentelle Nachweise und Modellaktualisierungen. Neue Experimente dienen nicht nur der Überprüfung von Vorhersagen, sondern erzeugen auch neue Trainingsdaten, die die nachfolgende Molekülgestaltung beeinflussen.

Damit möchte Terray keinen unidirektionalen Prozess „KI-Generierung – manuelle Überprüfung“ aufbauen, sondern:

Experiment erzeugt Daten – Modell schlägt Entwürfe vor – Labor synthetisiert und testet – Ergebnisse fließen zurück zum Modell.

Dieser geschlossene Zyklus ist der Kern von EMMI. COATI, TerraBind, TerraSynth und EMMI Select sind keine voneinander isolierten Produkte, sondern übernehmen jeweils Aufgaben wie Moleküldarstellung, Eigenschaftsvorhersage, Syntheseplanung und Versuchsauswahl und sind gemeinsam in den Forschungsprozess eingebettet.

Zuerst Zusammenarbeit, dann Pipeline

Ob das technische System wirksam ist, muss letztendlich durch Forschungsprojekte beantwortet werden.

Derzeit hat Terray bereits mit mehreren Pharmaunternehmen Kooperationen aufgebaut.

Überblick über die Kooperationen von Terray

Bei diesen Kooperationen liefern die Pharmaunternehmen hauptsächlich Zielstrukturressourcen und relevantes Wissen zur Biologie von Krankheiten, während Terray auf seiner eigenen Hochdurchsatz-Experimentier- und KI-Plattform die Entdeckung von Arzneimitteln mit kleinen Molekülen durchführt. Gemäß den Kooperationsvereinbarungen unterscheiden sich die Rollenverteilungen beider Seiten bei nachfolgender Forschung und Kommerzialisierung.

Am Beispiel der Kooperation mit Gilead: Beide Seiten arbeiten an der Entdeckung und Entwicklung von Arzneimitteln mit kleinen Molekülen für mehrere Zielstrukturen. Wenn Gilead das exklusive Lizenzwahlrecht ausübt, ist es für die nachfolgende Entwicklung und Kommerzialisierung der betreffenden Verbindungen verantwortlich; Terray ist berechtigt, Anfangszahlungen, Zahlungen für Forschungs-, Entwicklungs- und Verkaufsmeilensteine sowie Verkaufsbeteiligungen zu erhalten.

Im Dezember 2025 gab Terray bekannt, den ersten Meilenstein der Wirkstoffentdeckung in der Kooperation mit BMS erreicht zu haben, und gab an, dass die betreffenden Ergebnisse herausfordernde Zielstrukturen betreffen, für die zuvor kein chemischer Ausgangspunkt vorlag. Das Unternehmen hat jedoch keine spezifische Zielstruktur, Kandidatenmoleküle, Projektphase oder Meilensteinbetrag offengelegt.

Im Vergleich zu den Fortschritten bei den Kooperationen braucht Terrays eigene Forschungs- und Entwicklungspipeline noch Zeit zur Überprüfung.

Überblick über die laufende Pipeline von Terray

Im Februar 2026 erklärte CEO Jacob Berlin in einem Interview mit GEN, dass das am weitesten fortgeschrittene selbst entwickelte Projekt des Unternehmens ein Inhibitor mit Gehirndurchdringungsvermögen gegen Multiple Sklerose ist, der voraussichtlich 2027 in die klinische Phase eintritt. Im Interview wurden keine spezifische Zielstruktur und präklinischen Daten offengelegt.

Dieser Zeitplan ist gegenüber den früheren Erwartungen des Unternehmens verschoben. 2024 hatte Terray erwartet, dass der erste Kandidatenwirkstoff 2026 in die klinische Phase eintritt; bis Februar 2026 wurde dieser Zeitpunkt auf 2027 aktualisiert.

Das spiegelt auch die aktuelle Entwicklungsstufe von Terray wider: Die Plattform wird ständig erweitert, die Kooperationen schreiten voran, aber die eigene Pipeline befindet sich noch in der präklinischen Phase.

Ein Unterschied von einem Jahr kann kaum als Versäumnis bezeichnet werden, aber er zeigt, dass die Plattformkapazität und der klinische Fortschritt zwei unterschiedliche Kurven sind. Phasenweise Meilensteine in Kooperationen mit Pharmaunternehmen können den Anwendungswert der Plattform in bestimmten Projekten widerspiegeln, aber selbst entwickelte Arzneimittel müssen noch Phasen wie die Bestimmung von Kandidaten, präklinische Studien und klinische Studien durchlaufen.

Ob die Plattform von Terray tatsächlich zu Arzneimittelvermögen umgewandelt werden kann, muss noch durch mehr Projektergebnisse beantwortet werden.

KIs gestützte Pharmazeutik: Jedes Unternehmen hat sein eigenes Labor

Nicht alle Unternehmen für KI-gestützte Pharmazeutik machen den Aufbau eigener Labore zum Kern des Plattformaufbaus. Selbst wenn alle in experimentelle Kapazitäten investieren, unterscheiden sich die erzeugten Daten voneinander.

Technische Ansatzpunkte und Plattformaufbau verschiedener Unternehmen für KI-gestützte Pharmazeutik

Dadurch taucht eine grundlegendere Frage auf: Wer erzeugt die Daten, die das Modell benötigt, auf welche Weise und unter welchen Versuchsbedingungen?

Terrays Antwort sind Daten zu Wechselwirkungen zwischen kleinen Molekülen und Zielstrukturen. Mit hochdichten Mikroarray-Chips kann es parallele Bindungsmessungen von Millionen kleiner Moleküle an Zielproteine durchführen. Diese Daten werden sowohl zur Entdeckung von Leitverbindungen als auch zur nachfolgenden Optimierung von Leitverbindungen verwendet. Die Forschungsobjekte sind fokussiert, und der Messdurchsatz ist hoch.

Recursion hingegen nutzt zellphänotypische