Newsletter · 2026-06-18 · Ashutosh Agarwal

Insilico, Latent Labs und Takeda melden Produktivitätsgewinne durch KI-Design, während die Synthetisierbarkeitslücke Gegenwind liefert

KI-Wirkstoffforschungs-Newsletter für die Woche vom 11. bis 18. Juni 2026. Insilico, Latent Labs und Takeda untermauern ihre Aussagen zum KI-Design mit harten Produktivitätszahlen, während eine eigene Episode zur Synthetisierbarkeitslücke das Gegengewicht liefert.

AI Drug Discovery Weekly

Woche vom 18. Juni 2026: Insilico, Latent Labs und Takeda melden Produktivitätsgewinne durch KI-Design, während die Synthetisierbarkeitslücke Gegenwind liefert

Kurzfassung

Diese Woche hörten die Führungskräfte der KI-Wirkstoffforschung auf, über Plattformen zu reden, und legten stattdessen harte Produktivitätszahlen auf den Tisch. Der CEO von Insilico Medicine nannte 30 Entwicklungskandidaten in fünf Jahren, von denen bereits 13 in der Klinik sind; Latent Labs behauptet, dass 47 % seiner KI-designten Antikörper die entscheidenden arzneistoffähnlichen Hürden ohne jede Optimierung überwinden; und der Chief Scientific Officer von Takeda beschrieb eine "KI-Rettung" eines totgeglaubten Programms, das nun in die Klinik geht. Das Gegengewicht lieferte eine technische Diskussion darüber, warum so viele KI-vorgeschlagene Moleküle sich in der Praxis nicht herstellen lassen, jene Synthetisierbarkeitslücke, die eine Folie von einem tatsächlichen klinischen Asset trennt. Keine der Diskussionen berührte unsere drei börsennotierten Coverage-Werte direkt (RXRX, SDGR, LLY), doch die Signalwirkung ist eindeutig positiv für die These der Plattformvalidierung und erinnert daran, dass der Wert derzeit am schnellsten bei privaten Laboren und Großkonzern-Partnern anfällt, nicht bei den börsennotierten Pure Plays.

Was ist neu

Insilico legte die konkreteste Produktivitätsbilanz der Woche vor. Bei Realities Remixed (18. Juni) sagte CEO Alex Zhavoronkov, Insilico habe "seit 2021 30 Entwicklungskandidaten nominiert ... und mittlerweile haben wir 13 in der Klinik, drei in Phase zwei und eine abgeschlossene Phase zwei." Seine Beschreibung des Produktivitätsunterschieds war der zitierfähigste Teil: Ein Medizinalchemiker nominiere typischerweise "fünf, sechs, vielleicht sieben in seiner gesamten Karriere", weshalb 30 in fünf Jahren, in seinen eigenen Worten, "gewaltige Produktivität" bedeuteten. Er führte diese Entwicklung auf Insilicos generative Reinforcement-Learning-Arbeit von 2019 zurück, die in 46 Tagen ein völlig neuartiges Molekül hervorbrachte.

Latent Labs bezifferte den Sprung im Antikörperdesign. Bei Free Radicals (16. Juni) stellte Gründer Simon Kohl, ein ehemaliger AlphaFold-II-Forscher bei DeepMind, drei innerhalb von neun Monaten veröffentlichte Spitzenmodelle vor: Latent X1 (de-novo-Binder), Latent X2 (Antikörper, im Dezember gestartet) und Latent Y (ein autonomer Design-Agent). Die zentrale Kennzahl: "47 % der von uns getesteten Designs, Antikörper-Designs, hatten die kritischen arzneistoffähnlichen Hürden bereits im ersten Anlauf genommen, also ohne jede Optimierung." Er beschrieb dies als Verdichtung von 18-monatigen Designzeiten auf etwa einen Monat, wobei Latent Y "Wochen an Arbeit erfahrener Proteindesigner auf einen Nachmittag" reduziere.

Takeda lieferte das klarste Beispiel dafür, dass es in einer echten Pipeline tatsächlich funktioniert. Bei The BioCentury Show (18. Juni) beschrieb CSO Chris Arendt eine Partnerschaft mit Nabla (aus dem Labor von George Church), die mittels De-novo-Epitop-Design ein nicht entwickelbares, nicht herstellbares Großmolekül gegen Myasthenia gravis rettete, das das Unternehmen "eigentlich schließen wollte" und das nun mehrere Kandidaten hervorbringt, die "sehr, sehr bald in die Klinik" gehen, in dem, was er "eine Rettung durch KI" nannte. Er sagte zudem, De-novo-Antikörperdesign erreiche mittlerweile "zweistellige nanomolare Binder" gegen mehrfach membrandurchspannende Proteine ohne jegliche Strukturdaten, und vorläufige Sicherheitsbewertungen, für die früher ein Fachexperte eine volle Woche pro Bewertung benötigte, könnten nun mit 20 pro Woche durchgeführt werden.

Die Plattformvision erhielt prominente Rückendeckung. Bei View From The Top (18. Juni) bekräftigte Demis Hassabis, dass AlphaFold mittlerweile von rund 3 Millionen Forschern genutzt werde, und positionierte Isomorphic Labs (die Alphabet-Ausgründung) so, dass sie "mehrere weitere Durchbrüche auf AlphaFold-Niveau" aufeinanderstapele, um die Wirkstoffforschung "von Jahren auf Monate, vielleicht eines Tages sogar auf Wochen" zu verkürzen.

Ein bodenständiger Datenpunkt aus der Kleinmolekülforschung: Bei The Long Run with Luke Timmerman (16. Juni) beschrieb Sri Kosuri von Octent eine ML-gesteuerte iterative Chemie, die rund 250.000 Analoga hervorbrachte auf dem Weg zu OCT-980, einem oralen Korrektor für Rhodopsin-Fehlfaltung, der sich derzeit in Phase I-B befindet, mit Daten, die für das dritte Quartal 2027 erwartet werden, eine Erinnerung daran, dass KI nach wie vor auf großen, realen Laborchemie-Zyklen aufsetzt.

Die Debatte

Das Bull-Case dieser Woche war ungewöhnlich datenreich: Mehrere unabhängige Akteure (Insilico, Latent Labs, Takeda) untermauerten die KI-Design-Behauptung mit realen Kandidatenzahlen, Trefferquoten und Zeitplänen für den Klinikeintritt, nicht bloß mit Rhetorik über Marktpotenzial.

Das Bear-Case erhielt eine eigene Folge. Bei Data in Biotech (17. Juni) drehte sich die Diskussion um die Synthetisierbarkeitslücke: Generative Modelle, oft auf sprachmodellartigen 2D-/String-Repräsentationen aufgebaut, schlagen routinemäßig Moleküle vor, die im Labor "vernünftigerweise nicht hergestellt werden können", sodass "die gesamte Arbeit, die in diese generative KI und die extrem großen Mengen an Rechenleistung geflossen ist", zu Kandidaten führen kann, die nie validiert werden können. Die tiefergehende Kritik: Abstrakte 2D-Repräsentationen erfassen nicht die 3D-Realität, die tatsächlich die Bindung bestimmt, weshalb KI-Vorhersagen "sehr häufig nicht eintreffen, wenn man sie in der realen Welt testet". Die vorgeschlagene Lösung, die Suche auf nachweislich synthetisierbare Baustein-Chemie zu beschränken, gibt genau jene Neuartigkeit auf, die KI überhaupt erst attraktiv macht.

Fazit: Die Woche stärkt die These, dass "KI Entwicklungszeiten verdichtet und schwierige Zielstrukturen rettet", doch dieselbe Woche liefert zugleich den stärksten Grund, headline-artige Trefferquoten-Statistiken zu relativieren. Eine Zahl von 47 % "arzneistoffähnlich im ersten Anlauf" bedeutet wenig, wenn ein bedeutender Teil dieser Designs sich nicht herstellen, dosieren und durch die Klinik bringen lässt.

Aktien im Fokus

Recursion (RXRX) und Schrödinger (SDGR), die börsennotierten KI-Plattform-Pure-Plays, erhielten diese Woche keinerlei Podcast- oder Nachrichtenberichterstattung und notieren beide nahe dem unteren Ende ihrer 52-Wochen-Spanne (RXRX bei rund 3,23 $ gegenüber einem Hoch von 7,18 $; SDGR bei rund 15,76 $ gegenüber einem Hoch von 23,75 $). Genau dieses Auseinanderklaffen ist die eigentliche Geschichte: Private Labore liefern die validierenden Schlagzeilen, während die börsennotierten Pure Plays aus der Debatte ausgeschlossen sind und niedriger bewertet werden.

Eli Lilly (LLY) war der einzige Wert im Universum mit harten Unternehmensnachrichten, allerdings klinischer, nicht KI-bezogener Natur: Am 15. Juni meldete das Unternehmen einen Phase-3-Erfolg für ein Dreifach-Kombinationsschema auf Basis von Pirtobrutinib bei rezidivierter/refraktärer CLL/SLL, das bei 639 Patienten das Risiko für Progression oder Tod um 45 % senkte (MT Newswires, 15.06.2026). Die Aktie gab an diesem Tag um rund 1,25 % nach und notierte nahe dem oberen Ende einer weiten 52-Wochen-Spanne.

Read-throughs

• Die Validierung fällt derzeit den Plattformen und Großkonzern-Partnern zu, nicht den Pure Plays. Takedas Nabla-Rettung und Insilicos Klinikzahlen zeigen, dass Pharmaunternehmen und private Labore die frühen Erfolge im KI-Design für sich verbuchen. Für SDGR (ein Modell aus Software plus Pipeline) ist das wissenschaftlich thesenstützend, aber ein Warnsignal in puncto Monetarisierung: Die Grenze des De-novo-Antikörper- und Proteindesigns (Latent Labs, Nabla) bewegt sich schnell und weitgehend außerhalb der börsennotierten Namen.
• Die Kritik an der Synthetisierbarkeit ist ein direkter Prüfstein für Trefferquoten-Marketing. Wenn SDGR oder RXRX das nächste Mal ihren KI-Durchsatz oder ihre Design-Erfolgskennzahlen anpreisen, ist die Framing aus Data in Biotech die richtige Sorgfaltslinse: Man sollte fragen, wie viele Designs tatsächlich synthetisierbar sind und wie sich die Vorhersagen im Labor bewähren, nicht nur in silico.
• Big Pharma verinnerlicht KI-F&E. Takedas Angaben zu 200 geplanten KI-Anwendungen und halbierten Entwicklungszeiten deuten darauf hin, dass die größten Abnehmer (die natürlichen Kunden für SDGRs Software und RXRXs Partnerschaften) intern aufbauen, ein mittelfristiges Nachfragerisiko für den Verkauf von Plattformen an Pharmaunternehmen.
• Die Isomorphic-/AlphaFold-Dynamik hebt die Messlatte. Hassabis' Framing von "Jahren zu Wochen" setzt die narrative Obergrenze, an der die börsennotierten Namen gemessen werden; sie hebt die Stimmung für das Thema insgesamt, verschärft aber zugleich die Frage, warum die börsennotierten Pure Plays niedriger bewertet werden, während die Wissenschaft sich beschleunigt.

Was sich gegenüber letzter Woche verändert hat

Dies ist die Auftaktausgabe von AI Drug Discovery Weekly, es gibt also noch keine frühere Basislinie zum Vergleich. Ab kommender Woche wird dieser Abschnitt wöchentliche Verschiebungen in der Debatte, Kandidaten-/Pipeline-Meilensteine und die Kursentwicklung über das gesamte Coverage-Universum hinweg nachverfolgen. Diese Woche festgelegte Basislinie: RXRX 3,23 $, SDGR 15,76 $, LLY 1.098,13 $; die Debatte konzentrierte sich auf Produktivitätsansprüche beim KI-Design gegenüber der Synthetisierbarkeitslücke.