Top 30 ausländische AI4S-Player: Wer macht aus wissenschaftlichen Entdeckungen ein Geschäft?
Finanzierungsnachrichten zu AI for Science lassen sich leicht zu einer weiteren Rangliste der Beträge umwandeln.
Tide AI hat im Artikel „Der Ansturm der Giganten auf die KI-gestützte Arzneimittelentwicklung konzentriert sich auf AI4S“ erläutert, warum Technologieunternehmen und Pharmakonzerne gleichzeitig bereit sind, Geld in die wissenschaftliche Entdeckung zu investieren.
Aber dass ein Modell bei Benchmark-Tests führend ist, ein Kandidatenmedikament die klinische Phase III erreicht und eine Software einen Umsatz von 200 Millionen US-Dollar erzielt, sind drei verschiedene Dinge; dass ein Pharmakonzern eine Zusammenarbeit von bis zu einer Milliarde US-Dollar anbietet, bedeutet auch nicht, dass dieses Geld bereits eingegangen ist......
Aus diesem Grund hat Tide AI 30 repräsentative Unternehmen im ausländischen AI4S-Segment ausgewählt (unter Berücksichtigung von technischer Validierung, Kommerzialisierungsnachweisen, Finanzierung und industrieller Zusammenarbeit, aufgeteilt in die drei Richtungen Materialien und Chemie, KI-gestützte Arzneimittelentwicklung und sonstige wissenschaftliche Intelligenz, jeweils 10 Unternehmen). Zusammen mit dem Entwicklungsstand und den zukunftsweisenden Layouts ausländischer Unternehmen wird gemeinsam erforscht, wohin die stetig ansteigende AI4S-Welle geht.
Das Folgende wurde von der Redaktion von Tide zusammengestellt – die Reihenfolge stellt keine Anlagebewertung oder Marktrangfolge dar –
01
Materialien und Chemie: Zuerst in den Forschungsprozess eintreten, dann experimentelle Prüfung akzeptieren
01 Schrödinger: Der Umsatz ist am transparentesten, und die eingesetzten Kosten lassen sich am besten erkennen
Geschäftstätigkeit des Unternehmens:
Schrödinger kombiniert Software für die rechnergestützte Chemie, Molekülsimulation und eigene Wirkstoffentdeckung und ist eines der wenigen Unternehmen in dieser Gruppe, dessen Geschäftsmodell sich anhand öffentlicher Finanzberichte aufschlüsseln lässt. Im Jahr 2025 belief sich der Gesamtumsatz des Unternehmens auf 255,9 Millionen US-Dollar, davon 199,5 Millionen US-Dollar Softwareumsatz und 56,4 Millionen US-Dollar Umsatz aus der Wirkstoffentdeckung; der jährliche Vertragswert der Software (ACV) betrug 198,5 Millionen US-Dollar; im gleichen Zeitraum belief sich der Nettoverlust auf 103,3 Millionen US-Dollar.
Gründerteam:
Das Unternehmen wurde von Forschern der rechnergestützten Chemie wie Richard Friesner und William A. Goddard III mitbegründet, derzeitiger CEO ist Ramy Farid. Seine Akkumulation begann mit physikalischer Modellierung und medizinischer Chemie, nicht erst nach dem Boom großer Modelle, als allgemeinen Modellen eine wissenschaftliche Schnittstelle hinzugefügt wurde.
Highlights der Aussichten:
Das Softwaregeschäft hat bereits bewiesen, dass Kunden bereit sind, kontinuierlich für Forschungs- und Entwicklungs tools zu zahlen, während die Wirkstoffentdeckung eine höhere Flexibilität bei Beteiligungen bietet, aber auch höhere F&E-Investitionen mit sich bringt. Bei diesem Unternehmen muss man sowohl auf die Softwareverlängerung und den ACV achten als auch darauf, ob die Pipeline den Verlust in ein einlösbares klinisches und Lizenzwert umwandeln kann.
02 SandboxAQ: Die Erzählung des Quantencomputings in wissenschaftliche Werkzeuge für Unternehmen umwandeln
Geschäftstätigkeit des Unternehmens:
Nach der Ausgliederung aus Alphabet fördert SandboxAQ vor allem Large Quantitative Models und nutzt Quantenphysik, chemische Simulation und KI, um Materialien, Arzneimittel, Finanz- und Sicherheitsszenarien zu bedienen. Im April 2025 gab das Unternehmen bekannt, dass die Finanzierungsrunde der Serie E mehr als 450 Millionen US-Dollar überschritten hat, und die kumulierte Finanzierung seit der Ausgliederung übersteigt 950 Millionen US-Dollar.
Gründerteam:
CEO Jack Hidary ist seit langem im Bereich Deep-Tech-Gründungen und Investitionen tätig, Eric Schmidt ist Vorsitzender. Der Vorteil des Teams liegt darin, wissenschaftliche Talente, Unternehmensvertrieb und Kapitalorganisation in einer gemeinsamen Erzählung zu vereinen.
Highlights der Aussichten:
Was SandboxAQ wirklich beweisen muss, ist, ob große Modelle kontinuierlich zu Unternehmensverträgen werden können, und nicht nur eine Liste von Kooperationen abdecken, die mehrere beliebte Segmente umfassen.
03 Quantinuum: Quantenhardware-Unternehmen beginnen, die Preisgestaltung des öffentlichen Marktes zu akzeptieren
Geschäftstätigkeit des Unternehmens:
Quantinuum entstand aus der Fusion des Quantencomputing-Geschäfts von Honeywell mit Cambridge Quantum und deckt Ionenfallen-Hardware, Compiler, Software und Anwendungen für die Quantenchemie ab. Es ist kein reines KI-Unternehmen für Materialien, aber seine Rechenleistung zielt auf die Simulation von Chemie und Materialien ab, weshalb es in dieser Gruppe beobachtet wird.
Gründerteam:
Das Unternehmen hat zwei Teams für Hardware und Quantensoftware zusammengeführt, derzeitiger CEO ist Rajeeb Hazra. Im Vergleich zu vielen Quantenunternehmen, die nur von langfristiger Rechenleistung sprechen, muss es sich bereits der Prüfung von Umsätzen, Verlusten und Lieferrhythmen börsennotierter Unternehmen stellen.
Highlights der Aussichten:
Das Unternehmen hat den Börsengang nach der Überzuteilung abgeschlossen. Laut Berichten von Morningstar belief sich das durch den Börsengang aufgenommene Kapital auf etwa 1,68 Milliarden US-Dollar, bei einem Ausgabepreis von 60 US-Dollar und einer entsprechenden Bewertung von etwa 15,6 Milliarden US-Dollar. Der Börsengang stellt Kapital zur Verfügung und macht Betriebsdaten abgesehen von dem „Quantenvorsprung“ zu einer dauerhaften Herausforderung.
04 CuspAI: Eine industrielle Allianz organisieren, um die gesamte Kette von Ressourcen zu erhalten, die für die Materialentdeckung benötigt werden
Geschäftstätigkeit des Unternehmens:
Die MIRA-Plattform von CuspAI geht von den Zielleistungen aus und verbindet generatives Design, Simulation, Planung von Syntheserouten und experimentelle Validierung. Im Juli 2026 schloss das Unternehmen die Serie B über 450 Millionen US-Dollar ab, angeführt von Kleiner Perkins und NEA, mit einer berichteten Bewertung von 2,6 Milliarden US-Dollar.
Gründerteam:
Der Mitbegründer Chad Edwards und der Wissenschaftler für maschinelles Lernen Max Welling ergänzen sich in den Bereichen Industrialisierung und Modellentwicklung; Yann LeCun, Geoffrey Hinton und weitere befinden sich in der Beraterliste.
Highlights der Aussichten:
Der gleichzeitig eingeführte AI Materials Foundry hat mehr als 45 Gründungsmitglieder, NVIDIA stellt Rechenleistung zur Verfügung, Meta FAIR und andere stellen Modell- und Forschungskapazitäten zur Verfügung. Diese Mitglieder sind Ökosystem-Kollaborateure und sollten nicht direkt als zahlende Kunden bezeichnet werden. Das nächste, was CuspAI liefern muss, sind Materialien, die synthetisierbar, skalierbar und in industrielle Prozesse integrierbar sind, und nicht die Größe der Allianz selbst.
05 Periodic Labs: 300 Millionen US-Dollar in der Seed-Runde, setzen auf KI-Wissenschaftler, die Experimente automatisch durchführen
Geschäftstätigkeit des Unternehmens:
Periodic Labs kombiniert Modelle, Roboter und Nassversuche, mit dem Ziel, dass die KI Hypothesen aufstellt, Experimente durchführt und aus den Ergebnissen weiter lernt. Im Jahr 2025 schloss das Unternehmen die Seed-Runde über 300 Millionen US-Dollar ab.
Gründerteam:
Liam Fedus war an der Entwicklung von Modellen wie ChatGPT beteiligt, Ekin Dogus Cubuk kommt aus der Materialforschung von Google DeepMind. Die beiden repräsentieren jeweils die beiden Wege der Spitzenmodelle und der rechnergestützten Materialwissenschaft.
Highlights der Aussichten:
Die von dem System Neon offengelegten experimentellen Ergebnisse gehören zu den internen Benchmarks des Unternehmens. Das wirklich Entscheidende ist, ob externe Labore die Ergebnisse reproduzieren können und ob der automatisierte geschlossene Zyklus stabil läuft.
06 Citrine Informatics: Nicht dem größten Modell nachjagen, sondern zuerst die eigenen Materialdaten des Unternehmens ordnen
Geschäftstätigkeit des Unternehmens:
Die Plattform von Citrine vereinheitlicht Rezeptur-, Prozess-, Experiment- und Leistungsdaten, bevor sie Leistungsvorhersagen, Rezepturoptimierungen und Experimentempfehlungen durchführt. Sie bedient die bereits vorhandenen F&E-Prozesse von Materialunternehmen, anstatt von Kunden zu verlangen, zuerst ein vollautomatisches wissenschaftliches Labor zu akzeptieren.
Gründerteam:
Greg Mulholland und Bryce Meredig gründeten das Unternehmen im Jahr 2013 und brachten jeweils Hintergründe in den Bereichen Werkstofftechnik, Kommerzialisierung und maschinelles Lernen für Materialien mit. Über mehr als ein Jahrzehnt an Branchenerfahrung macht es eher zu einem Anbieter von Infrastruktur für F&E-Daten von Unternehmen.
Highlights der Aussichten:
Laut aktuellen Aufzeichnungen von PitchBook beläuft sich seine kumulierte Finanzierung auf etwa 73,7 Millionen US-Dollar. Der Wert solcher Unternehmen hängt davon ab, ob Kunden historische Daten kontinuierlich in die Plattform einbringen und ob Modellvorschläge in tatsächliche Rezepturen und Produktionsentscheidungen einfließen können.
07 Uncountable: Die KI im F&E-Datensystem verbergen, um dem Cashflow näher zu kommen
Geschäftstätigkeit des Unternehmens:
Uncountable bietet eine cloudbasierte Plattform für die Verwaltung von F&E-Informationen, die elektronische Aufzeichnungen von Experimenten, die Integration von Experimentdaten, Rezepturen und KI-Optimierung abdeckt. Im Juni 2025 schloss das Unternehmen die Serie A über 27 Millionen US-Dollar ab, angeführt von Sageview Capital.
Gründerteam:
Noel Hollingsworth, Jason Hirshman und Will Tashman gründeten das Unternehmen gemeinsam. Das Team zielt nicht auf ein einzelnes Materialmodell ab, sondern auf die weitverbreiteten Datensilos in Chemie-, Lebensmittel-, Kosmetik- und Pharmazieunternehmen.
Highlights der Aussichten:
Laut Unternehmensmitteilungen hat es mehr als 120 Kunden und etwa 90 Mitarbeiter und gibt an, seit 9 Jahren ein profitables Wachstum aufrechtzuerhalten. Seine Erkenntnis ist direkt: Scientific AI muss nicht immer für die „Entdeckung neuer Substanzen“ berechnet werden, sondern kann zuerst für die Daten und Entscheidungen von F&E-Organisationen berechnet werden.
08 Radical AI: Von der Wissenssuche zum geschlossenen Experimentzyklus, Fälle müssen noch von Dritten reproduziert werden
Geschäftstätigkeit des Unternehmens:
Radical AI verbindet wissenschaftliche Literatur, Materialmodelle und automatisierte Experimente für Legierungen, Energie- und Industriematerialien. Im Gegensatz zur reinen Generierung von Kandidatenstrukturen betont es den vollständigen Prozess von der Wissensextraktion bis zum Experimentierfeedback.
Gründerteam:
Gründer und CEO Joseph Krause positioniert das Unternehmen als Erbauer von Infrastruktur für die Materialentwicklung. Das Team muss gleichzeitig mit Urheberrechten an Literatur, Datenqualität, Experimentdurchführung und industrieller Validierung umgehen, was die Organisation schwieriger macht als bei einem einzelnen Modellprodukt.
Highlights der Aussichten:
Laut einem von Wiley kooperierten Fall wurden 195.359 Aufsätze verwendet, mehr als 1000 Kandidatenmaterialien generiert und in 16 Wochen vorläufige Ergebnisse erzielt. In Zukunft sollte mehr darauf geachtet werden, ob externe Kunden die Effizienzsteigerung reproduzieren können.
09 Aether Biomachines: Das Proteindesign aus der Pharmaindustrie herausführen und an Industriematerialien verkaufen
Geschäftstätigkeit des Unternehmens:
Aether entwirft Proteine mit spezifischen Funktionen mithilfe des Protein-Funktionsmodells, Anwendungen umfassen 3D-Druck-Zusatzmaterialien, Seltenerdgewinnung, Kunststoffrecycling und Kohlenstoffabscheidung. Im Dezember 2025 erhielt das Unternehmen eine zusätzliche Finanzierung von 15 Millionen US-Dollar, womit sich die kumulierte Finanzierung auf 64 Millionen US-Dollar belief.
Gründerteam:
Gründer und CEO Pavle Jeremić leitet das Team beim Aufbau eines eigenen Systems für Hochdurchsatz-Screening und Experimentdaten. Im Vergleich zu Plattformen, die nur Sequenzgenerierung durchführen, legt es mehr Wert auf Funktionsdaten und industrielle Nutzung.
Highlights der Aussichten:
Das Unternehmen gibt an, dass Produkte wie RapidPrint und Ultra bei Druckgeschwindigkeit und Festigkeit die von ihm ausgewählten Branchenbenchmarks übertreffen. Im nächsten Schritt geht es um Kundenzertifizierungen, Großbestellungen und Stabilität unter verschiedenen Betriebsbedingungen, anstatt experimentelle Ergebnisse direkt mit skalierbaren Einnahmen gleichzusetzen.
10 Discovered Materials: Mit der Wärmeableitung von Chips anfangen, zuerst die Hürde der Synthese überwinden
Geschäftstätigkeit des Unternehmens:
Discovered Materials nutzt KI-Forschungsagenten, um Simulation, Synthese und experimentelle Validierung von Halbleitermaterialien zu bearbeiten und löst zunächst spezifische Probleme wie die Wärmeableitung von Chips. Im August 2026 schloss das Unternehmen die Seed-Runde über 9 Millionen US-Dollar ab, angeführt von Lightspeed India Partners.
Gründerteam:
Advaith Sridhar und Akash Ramdas lernten sich am IIT Madras kennen; Ramdas hat einen Doktortitel in Materialwissenschaft von Stanford, Sridhar hat Erfahrung in der Entwicklung von KI-Modellen und Agenten. Die Kombination der beiden entspricht den beiden Kernkompetenzen Materialwissenschaft und Modelltechnik.
Highlights der Aussichten:
Das Unternehmen hat Kandidatenmaterialien und den Material Discovery Bench veröffentlicht, aber in dem von seiner Forschungsseite dargestellten Weg laufen mehr als 500 berechnete Kandidaten schließlich zu einer glaubwürdigen Syntheseroute zusammen. Dieses Verhältnis ist nicht beschämend, sondern zeigt vielmehr die Schwierigkeit der Materialentdeckung: Die Generierung von Kandidaten ist nur der Anfang. Die Synthetisierbarkeit, Testbarkeit und Eignung für den Einsatz in Wafer-Fabriken machen die nachfolgenden Kosten aus.
02
KI-gestützte Arzneimittelentwicklung: Die Plattform-Erzählung beginnt, spezifischen Kandidatenmedikamenten und Bargeldklauseln Platz zu machen
01 Isomorphic Labs: Eines der am besten finanzierten Unternehmen, der Nachweis am Menschen steht noch bevor
Geschäftstätigkeit des Unternehmens:
Isomorphic Labs baut auf Fähigkeiten im Zusammenhang mit AlphaFold auf, um eine KI-orientierte Plattform für das Wirkstoffdesign aufzubauen und mit Pharmakonzernen wie Eli Lilly und Novartis an Entdeckungsprojekten zusammenzuarbeiten. Im Mai 2026 schloss das Unternehmen die Serie B über 2,1 Milliarden US-Dollar ab, die beiden externen Finanzierungsrunden summieren sich auf etwa 2,7 Milliarden US-Dollar.
Gründerteam:
Das Unternehmen wurde von