Newsletter · 2026-10-08 · Ashutosh Agarwal

Virtuelle Zellen kürzen einen Labortest um drei Viertel, während Skeptiker KI in der Medizin anzweifeln - AI Drug Discovery Weekly - Woche vom 8. Oktober 2026

Podcast-Synthese der AI Drug Discovery Weekly für die Woche vom 1. bis 8. Oktober 2026. Turbines Modell der virtuellen Zelle ließ AstraZeneca 100 statt 400 Zelllinien testen, Sanofi sagte, der Laborbeweis fehle noch, ein Decoder-Gast argumentierte, die Medizin sei der einzige Ort, an dem KI ihre eigene Arbeit nicht prüfen könne, Insilicos KI-entworfenes Medikament erreichte Phase 3, Tempus vertiefte seine Rolle bei einem personalisierten Krebsimpfstoff, und SDGR erreichte ein neues Hoch und fiel dann an einem Tag ohne Unternehmensnachrichten um 12,4 Prozent.

AI Drug Discovery Weekly

Woche vom 8. Oktober 2026: Virtuelle Zellen kürzen einen Labortest um drei Viertel, während Skeptiker KI in der Medizin anzweifeln

Ausgabe Nr. 15, Woche vom 1. bis 8. Oktober 2026.

Zusammenfassung

• Die große Idee dieser Woche war die „virtuelle Zelle“: ein Computermodell einer lebenden Zelle, das vorhersagt, wie sie auf ein Medikament reagiert, sodass Wissenschaftler einen Teil der Laborarbeit überspringen können. Turbine sagt, sein Modell habe AstraZeneca 100 statt 400 Zelllinien testen lassen und dennoch Vorhersagen für rund 1.200 geliefert. Ein Sanofi-Wissenschaftler im selben Podcast war deutlich in dem, was noch fehlt: der Beweis, dass die Aussagen des Modells im Labor Bestand haben. (The AI in Business Podcast, 5. Okt.)
• Die Debatte verlagerte sich von „Wem gehören die Daten“ zu „Wer kann die Antwort prüfen“. Bei Decoder lautete das Argument, KI glänze dort, wo sich Ergebnisse sofort prüfen lassen, etwa bei Software, und stocke in der Medizin, wo man „einer Reihe von Menschen neuartige Medikamente spritzen muss“, um es herauszufinden. (Decoder with Nilay Patel, 3. Okt.) Bei Moonshots sagte ein Teilnehmer, es gebe „enorm viel Verdrängung in der Pharmaindustrie“. (Moonshots with Peter Diamandis, 7. Okt.)
• Insilicos bekanntestes von KI entdecktes Medikament ist jetzt in Phase 3. CEO Alex Zhavoronkov nannte Eli Lilly außerdem „das größte Longevity-Biotechnologieunternehmen der Welt“. (BiotechTV - News, 5. Okt.)
• Die Geschichte der Dateninfrastruktur bekam ein weiteres Beispiel. Tempus AI weitete seine Rolle bei Modernas und Mercks personalisiertem Krebsimpfstoff aus: Es wird die Gensequenzierung durchführen, die für die Herstellung der Dosis jedes Patienten nötig ist. (Crain's Daily Gist, 7. Okt.)
• In der Großpharma ist die Installation das Schwierige. Pfizers neuer „AI Scholar“ Eric Schadt sagt, kleine KI-native Teams könnten nun die Arbeit von „40 bis 50 Personen“ leisten. Ein Veteran der Laborsoftware sagt, Top-Pharmakunden verlangten mindestens 50 Mio. $ Ertrag aus KI, und viele Unternehmen hätten „am Anfang viel zu viele Leute entlassen“. (Trends from the Trenches, 2. Okt.; Artificial Intelligence Podcast, 6. Okt.)
• Aktien: Schrodinger erreichte am 6. Okt. ein neues 52-Wochen-Hoch von 33,78 $ und fiel noch am selben Tag um 12,4 %. Die Woche endete mit einem Minus von 13,4 %, ohne dass Unternehmensnachrichten eine der Bewegungen erklärten. Recursion sprang am 5. Okt. bei hohem Handelsvolumen um 14,9 % und gab dann alles wieder ab (-2,9 % für die Woche), ebenfalls ohne Unternehmensnachrichten. Lilly stieg um 1,6 %, da Analysten ihre Kursziele vor den Quartalszahlen am 29. Okt. anhoben.

Was ist neu

1. Virtuelle Zellen: die Leiter „informieren, leiten, ersetzen“

Der nützlichste Podcast der Woche war ein Wechselgespräch zwischen einem Entwickler und einem Käufer. Daniel Veres von Turbine, das Modelle virtueller Zellen herstellt, sprach im The AI in Business Podcast (5. Okt.) mit Giorgio Gaglia von Sanofi.

Das konkrete Ergebnis. Turbines Hauptprodukt „ADC Intelligence“ wird mit „mehreren Pharmaunternehmen wie AstraZeneca“ eingesetzt. Ein ADC, ein Antikörper-Wirkstoff-Konjugat, ist ein Antikörper, der eine toxische Nutzlast direkt zu Krebszellen trägt. Veres sagte, Partner testeten jetzt „nur 100“ Zelllinien statt der „bisherigen 400“. Das funktioniere, weil Turbine „gezeigt und validiert hat, dass sie dieses Gelernte auf mehr als 1.000 Zelllinien übertragen können“. In seinen Worten: „Man erhält Daten von 1.200 mit derselben Genauigkeit“ wie beim Durchführen des echten Experiments. Die Laborarbeit sinkt also um 75 %, und das Unternehmen bekommt einen deutlich breiteren Blick darauf, wie unterschiedliche Tumoren reagieren könnten.

Eine einfache Art, jede Behauptung zu virtuellen Zellen zu beurteilen. Veres ordnet Modelle in drei Stufen:

• Informieren (Inform): Das Modell „muss nicht sehr stark vorhersagend sein“, verändert aber trotzdem Ihre Hypothese darüber, was als Nächstes zu testen ist.
• Leiten (Guide): Sie vertrauen ihm genug, um genau das Experiment durchzuführen, das es vorschlägt, und „Sie haben eine höhere Erfolgsquote“.
• Ersetzen (Replace): Sie vertrauen ihm genug, um das Experiment zu überspringen. Sie akzeptieren, etwas Signal zu verlieren, weil das Experiment „teuer ist und viel Zeit kostet“.

Er war vorsichtig, wie weit das reicht: „Ich würde nicht sagen, dass es einen einzelnen Experimenttyp gibt, bei dem man den Simulationen blind vertrauen würde.“ Sein nächstliegendes Beispiel für „Ersetzen“ sind einfache Einzelwirkstofftests, ob eine Zelle lebt oder stirbt, solange es sich nicht um „eine völlig neue Verbindung mit einem völlig neuen Target“ handelt.

Die Sicht des Käufers. Gaglia, der einen mathematischen Hintergrund hat, bevorzugt „übertragbar“ gegenüber „generalisierbar“. Er will kein einzelnes Modell, das alles versucht und am Ende „bei allem mittelmäßig“ ist. Er will ein Modell, das sehr wenige neue Daten braucht, um auf ein neues Problem gerichtet zu werden. Auf die Frage, was Anbieter noch nicht zeigen können, sagte er: „dass die Entscheidungsfindung im Labor tatsächlich aufgeht, bisher noch nicht ... und noch besser die Übertragung auf höhere Organismen.“ Pharma wolle also „Lab-in-the-Loop“-Aufbauten, in denen Vorhersagen getestet werden und das Vertrauen mit der Zeit wächst, und „die Übertragbarkeit dieses Workflows ist noch nicht belegt“.

Eine zweite Stimme zur virtuellen Zelle. Der Carnegie-Mellon-Professor Eric Xing, der GenBio leitet, sagte in The Most Interesting Thing in AI (7. Okt.), sein Unternehmen habe „letzten Monat ... die erste Implementierung veröffentlicht“ dessen, was er eine „ganzheitliche, multimodale, multiskalige und dynamische und handlungsfähige virtuelle Zelle“ nennt. Sie kombiniere „DNA, RNA, Protein, Zellmorphologie“ (Morphologie meint Form und Struktur der Zelle) in einem Modell. Sein Argument ist, dass Laborbiologie „invasiv“ sei: „In dem Moment, in dem man seine Daten erheben will, hat man dieses Stück Material bereits getötet.“ Eine digitale Kopie erlaube es, „kontrafaktische“ Was-wäre-wenn-Tests durchzuführen und rückgängig zu machen. Er merkte auch an, dass es „heutzutage viele virtuelle Zellen gibt ... es wird zu einem Modewort“, und dass die meisten nur eine Art von Daten abdecken. Laut der Podcast-Zusammenfassung argumentierte er außerdem, die Rolle von KI beim Biosicherheitsrisiko sei überbewertet worden.

Warum das wichtig ist. In der Debatte der letzten Woche ging es darum, wem die Daten gehören. Die Frage dieser Woche ist praktischer: An welchem Schritt kann man einem Modell genug vertrauen, um Laborausgaben zu kürzen? Turbines Zahl von 400 auf 100 ist die Art von messbarem Ergebnis, die KI von einem Wissenschaftsprojekt zu einer Budgetposition macht.

2. Insilico: Ein KI-entdecktes Medikament erreicht Phase 3, und ein Longevity-Dreh

Insilico-Medicine-CEO Alex Zhavoronkov gab nach der Tagung „Aging Research and Drug Discovery“ in Boston bei BiotechTV - News (5. Okt.) ein Update.

• Der Weg. 2019 wählte Insilico TNIK, ein Target, das sowohl mit Alterung als auch mit Fibrose (Lungenvernarbung) verbunden ist. Es nutzte „generative Chemie-Algorithmen“, um ein Molekül zu entwerfen, führte Erststudien am Menschen in Australien und zwei Phase-1-Studien durch und veröffentlichte in Nature Medicine eine Phase-2a-Studie, die einen „sehr vielversprechenden Trend“ bei der Lungenfunktion zeigte, gemessen als forcierte Vitalkapazität (wie viel Luft man ausatmen kann). Eine Phase-3-Studie hat nun begonnen und nutzt dieses traditionelle Maß der Lungenfunktion als primäres Ziel.
• Die Alterungsdaten. Insilico veröffentlichte die Proteindaten der Studie. „Sechs unabhängige Labore“ ließen sie durch ihre eigenen „Alterungsuhren“ laufen (Werkzeuge, die das biologische Alter aus Blutmarkern schätzen), und „alle sechs Uhren ... stimmten darin überein, dass wir das biologische Alter ... um drei bis sechs Jahre umkehren“. Zhavoronkov war ehrlich, was Ursache und Wirkung betrifft. Eine gesündere Lunge könnte den Patienten bei diesen Maßen einfach jünger aussehen lassen: „Wir wissen es tatsächlich nicht.“
• Seine Einordnung. Er nannte das Medikament „das Aushängeschild der modernen Longevity-Biotechnologie ... Es ist wie die Kardashian unter allen Medikamenten. Wir würden es nicht gern scheitern sehen.“ Insilico habe „mehr als 40 weitere Medikamente“, von denen einige, wie er sagte, „kommerziell viel tragfähiger“ seien.
• Regulierer. Auf der Tagung sah er US-Gesundheitsbeamte und ein FDA-Gremium über eine Beschleunigung dieser Art von Forschung diskutieren, etwas, das er in 22 Jahren „noch nie gesehen“ habe. Er fügte hinzu, man „sollte nicht so bald dramatische Wunder erwarten“.
• Die Lilly-Übertragung. Zhavoronkov nannte Lilly „das führende, das größte Longevity-Biotechnologieunternehmen der Welt“. Er sagte, Lillys Kevin Duffin habe Daten präsentiert, wonach Tirzepatid (der Wirkstoff in Mounjaro und Zepbound) epigenetische Alterungsuhren umkehre, und Novo Nordisk habe nachgezogen mit Semaglutid, das proteinbasierte Uhren „um drei, vier Jahre“ zurückdrehe. Er sagte auch: „Ich nehme vier ihrer Medikamente.“

Warum das wichtig ist. Insilico ist der klarste Test dafür, ob ein mit KI-Hilfe entworfenes Medikament eine große, traditionelle Studie bestehen kann. Scheitert es, wäre das der sichtbarste Rückschlag, den das Feld bislang hatte.

3. Tempus wird Teil der Herstellung eines personalisierten Krebsimpfstoffs

Crain's Daily Gist (7. Okt.) berichtete, Tempus AI habe „seine Partnerschaft mit ... Moderna und Merck“ zu intismeran autogene „ausgeweitet“. Das ist der experimentelle Krebsimpfstoff, der für jeden Patienten einzeln aus der Genetik des eigenen Tumors hergestellt wird.

• Tempus „wird die Entnahme von Gewebe- und Blutproben der Patienten verwalten und die Gensequenzierung durchführen, die für die Herstellung jeder individuellen Dosis erforderlich ist“.
• Tempus „ist dabei, Personalis zu übernehmen, die Sequenzierfirma, die die klinischen Studien des Impfstoffs ermöglichte, in einem Geschäft über 1,7 Mrd. $“.
• Analysten von Guggenheim nannten es „einen riesigen Gewinn“. Da „die Gensequenzierung direkt in den Herstellungsprozess eingebaut ist und nicht nur in das Patienten-Screening“, werde Tempus zu „einem unverzichtbaren Glied in der Lieferkette, das für Arzneimittelhersteller nahezu unersetzbar ist“.
• Der Deal folgt auf „ermutigende klinische Phase-3-Ergebnisse“ mit Mercks Keytruda beim Melanom, und die Unternehmen „sollen die Behandlung bald bei der FDA einreichen“. Wird sie zugelassen, „wäre es das erste Medikament der Geschichte, das mithilfe personalisierter Gensequenzierung hergestellt wird“.

Warum das wichtig ist. Das wiederholt das Thema der letzten Ausgaben: Stetige, wiederkehrende Umsätze fließen tendenziell an den, der die Daten und die Infrastruktur kontrolliert, nicht an den, der das Molekül entwirft. Tempus ist dasselbe Unternehmen, das im letzten Monat Recursions RNA-Modell lizenziert hat.

4. Wie KI in der Großpharma aussieht

Mehrere Podcasts gingen diese Woche über die Schlagzeilen hinaus und beschrieben, wie Unternehmen KI tatsächlich einführen.

• Pfizers erster „AI Scholar“. Eric Schadt hat bei Merck, Pacific Biosciences, Mount Sinai und Pathos AI gearbeitet. Bei Trends from the Trenches (2. Okt.) sagte er, Pfizer habe die Rolle geschaffen, während es auf „ein nativeres KI-Betriebsmodell“ hinarbeitet. Sein Hauptpunkt ist, dass Einzelwerkzeuge nicht genügen. Der Gewinn entstehe, wenn man KI-Experten und Fachexperten in enge Teams bringt, die „buchstäblich die Arbeit von 40 bis 50 Personen leisten können, die vor wenigen Jahren dafür nötig gewesen wären“. Sein deutliches Urteil: „Die Medizin insgesamt hat noch immer nicht auf dem Niveau profitiert, auf dem wir die Wissenschaft ... von dieser großen KI-Revolution profitieren sehen.“ Sein neues Unternehmen, noch im Stealth-Modus, nutzt KI-Modelle mit Schlussfolgern, um Ärzten Empfehlungen zu geben, die mit „prüfbaren Spuren“ kommen, die das Warum erklären.
• Der 50-Millionen-Dollar-Test und der Fehler mit den Entlassungen. Der Laborsoftware-Veteran John F. Conway sprach im Artificial Intelligence Podcast (6. Okt.). Er sagte: „Viele unserer Top-Pharmakunden haben ... mindestens 50 Millionen Dollar Ertrag aus einer bestimmten Abteilung vorgeschrieben.“ Der größte Fehler: „Sie haben am Anfang viel zu viele Leute entlassen, weil sie dachten, ... das ist die Wunderwaffe“, und später „haben viele CEOs und CFOs gesagt, wir haben voreilig gehandelt“. Er beziffert die Kosten nicht wiederholbarer Wissenschaft auf „30 bis 50 Milliarden Dollar Verschwendung pro Jahr“ und sagt, die Ursache seien meist unordentliche Daten und Laborprozesse, nicht schwache Modelle. Er argumentierte auch, dass bei schwierigen Problemen mit wenigen Daten „kleinere Modelle, diese Foundation Models, unerlässlich sind“.
• Wie verbreitet ist es? Eine Umfrage zur Pharmaherstellung, die im Off Script: A Pharma Manufacturing Podcast (6. Okt.) besprochen wurde, ergab, dass „fast 50 %“ der Unternehmen KI bereits in der Wirkstoffforschung einsetzen. Der Sprecher sagte, es sei „wahrscheinlich noch zu früh, um in der ganzen Branche wirklich greifbare Vorteile zu sehen“.
• Ausgaben und Amortisation. Bei Schwab Network (1. Okt.) merkte ein Gast an, dass die Pharma-F&E historisch „insgesamt eine negative Rendite“ hatte (die Branche gibt mehr für Forschung aus, als ihre neuen Medikamente einspielen). KI ist die erhoffte Lösung, und „Roche hat 3.500 NVIDIA-Chips“.
• Eine echte Zeitersparnis. Joey Mason von Claret Capital beschrieb im The Fiftyfaces Podcast (7. Okt.) ein großes Pharmaunternehmen, das KI nutzte, „um vorherzusagen, wo die nächsten Ausbrüche einer bestimmten Krankheit stattfinden würden“, um dort Impfstoffstudien anzusiedeln. Das habe „ihnen neun Monate im Prozess der klinischen Studie erspart“.

5. Geld fließt in KI, und Lizenzgeschäfte fließen nach China

Cyriac Roeding, CEO des Krebs-Biotechs Earli, machte bei Business Of Biotech (5. Okt.) zwei bemerkenswerte Aussagen:

• Wagniskapital: Rund 87,5 % der Wagniskapital-Dollar dieses Jahres fließen in KI, was für alles andere „zwölfeinhalb“ Prozent übrig lässt. Er war froh, dass Earli „an der Schnittstelle von Bio und KI“ sitzt, merkte aber an, dass die meisten Biotechs das nicht tun.
• China: „Vor fünf Jahren ging weniger als fünf Prozent der Lizenzgelder von Pharmaunternehmen nach China. In diesem Jahr werden es zwei Drittel sein.“ Er fügte hinzu: „Sie kaufen nicht nur billige Nachahmungen, sie kaufen Innovation.“ Der Moderator verwies auf Chinas Plan 2026 bis 2030, der bis 2030 mehr als 520 Mrd. $ Biotech-Umsatz, fünf globale Blockbuster (Medikamente mit mehr als 1 Mrd. $ Jahresumsatz) und einen Anteil von 25 % an den weltweiten First-in-class-Medikamenten anstrebt.
• Wo KI bei Earli ins Spiel kommt: beim Entwurf der „genetischen Schalter“, die eine Therapie nur in Krebszellen einschalten. „Es gibt buchstäblich ... Billionen möglicher Kombinationen“, sagte er, sodass die traditionelle Methode, Teile aus der Natur zu entlehnen, „nicht funktionieren wird“.

Das sind Schätzungen von Sprechern, keine geprüften Zahlen, daher sind sie als Richtungsangaben zu verstehen. Letzte Woche bezifferte Sinicas Gast China auf „etwa die Hälfte“ des weltweiten Auslizenzierens. Roedings „zwei Drittel“ liegt höher, doch beide zeigen in dieselbe Richtung.

6. Anthropics Labor: Die Geschichte hat sich verbreitet, und der Zynismus auch

Anthropics Biologielabor-Geschichte wanderte von Tech-Sendungen in allgemeine Wirtschaftspodcasts. Transform NOW (2. Okt.) merkte an, dass Anthropic bereits Werkzeuge „an die großen Player wie Bristol-Myers“ liefert, und verwies auf die Ironie, dass ein KI-Sicherheitsunternehmen autonome Biologieexperimente betreibt. Bei TechStuff (7. Okt.) nannte Kevin Roose Isomorphic Labs und Anthropics Labor als echte Beispiele dafür, was schnelleres KI-Fortschreiten leisten könnte. Er sagte auch, ob die guten oder die schlechten Effekte überwiegen, hänge von der Regulierung und von den Entscheidungen der Laborleiter ab. Die schärferen Einschätzungen kamen von Moonshots (siehe Die Debatte).

Die Debatte

Die Frage dieser Woche: Kann KI in der Medizin jemals „das Experiment ersetzen“, und ist die Pharmabranche zu Recht vorsichtig oder nur in Verdrängung?

Seite 1: Die Medizin ist anders, weil man die Antwort nicht schnell prüfen kann. Bei Decoder with Nilay Patel (3. Okt.) argumentierte der Sprecher, heutige KI sei bei digitalen Aufgaben, „die sich verifizieren lassen“, „außerordentlich leistungsfähig“, weil sie das Ergebnis jedes Schrittes beobachten könne. Die Medizin funktioniert so nicht: „Wenn man neuartige Medikamente erschaffen will, können die Computer sie Tag und Nacht ausspucken ... Nun, man muss verifizieren, dass neuartige Medikamente wirken, und das heißt, man muss einer Reihe von Menschen neuartige Medikamente spritzen ... Das ist nicht wie das Schreiben von Computercode. Das ist die Lücke.“ Sanofis Gaglia machte denselben Punkt aus dem Innern der Pharmabranche: Anbieter können noch nicht zeigen, dass ihre Vorhersagen „im Labor aufgehen“ (The AI in Business Podcast).

Seite 2: Pharma ist in Verdrängung, und KI-Labore werden zu Arzneimittelunternehmen. Bei Moonshots with Peter Diamandis #301 (7. Okt.) beschrieb ein Teilnehmer einen Pharma-Wagniskapitalgeber, der ein Publikum fragte, „wie viele von Ihnen wären bereit, ein von Claude entworfenes Medikament zu nehmen“, und nannte das „seliges, defensives Fehlen von Selbsterkenntnis, dass KI ihnen den Käse wegnimmt“. Ein anderer verglich die Pharmabranche mit einem T-Rex, dem man von einem einschlagenden Meteoriten erzählt. Die schärfste Behauptung betraf Anthropic: Ein Pharma-CEO denke vielleicht „wir lizenzieren einfach ein paar Jahre von Anthropic“, aber „Anthropic hat bereits seine Nasslabore eröffnet ... Sie werden diese [künftigen Modelle] nie an Sie freigeben. Sie werden sie nutzen, um Medikamente zu entwickeln, und dann werden sie Medikamente verkaufen.“ Der Teilnehmer fügte hinzu, dass Pharmaunternehmen, weil „fünf Jahre Rechenleistung reserviert sind“, „in den nächsten sechs Monaten aggressiv werden“ müssten.

Ein Dreh aus demselben Panel. Ein Moonshots-Teilnehmer argumentierte das Gegenteil über die Motive der KI-Labore. Bessere KI zu bauen sei so wertvoll, dass Vorhaben wie „die Top 5.000 Krankheiten zu heilen“ „alles nur Marketing“ seien. Nach dieser Sicht gibt ein Labor „ein paar Prozent dafür aus, alle Krankheiten zu heilen, als Marketingmaßnahme, um sicherzustellen, dass man weiterhin die gesellschaftliche Erlaubnis“ hat, sich auf den Bau leistungsfähigerer KI zu konzentrieren. Wenn das stimmt, ist die Furcht „KI-Labore werden zu Pharma“ übertrieben, und die Biologiearbeit der Labore dient mehr der Öffentlichkeitsarbeit als dem Profit.

Seite 3 (Mittelweg): Die Biologie wird das größte Feld, aber klinische Zeitpläne werden sich nicht stark verkürzen. Bei Moonshots #299 (3. Okt.) sagte Richard Socher, Gründer des KI-Unternehmens Recursive (nicht Recursion): „Ich denke, das größte Gebiet wird tatsächlich die Biologie sein.“ Er sagte auch, dass es, Medikamente „in den Vereinigten Staaten mit FDA-Zulassungen in großem Maßstab an Menschen“ zu bringen, mit „natürlichen Verzögerungen von eher einem halben Jahrzehnt bis zu einem Jahrzehnt“ verbunden sei. Er lobte Lila Sciences, das ein anderer Teilnehmer so beschrieb, es „betreibe eine Million Quadratfuß Roboterfläche, um die Entdeckungsrate sozusagen zu vertausendfachen“. Er beschrieb außerdem ein Unternehmen (im Transkript als „Peril Bio“ wiedergegeben), das aus Stammzellen winzige Lymphknoten-Organoide züchtet, im Labor gewachsene Mini-Organe. Er sagte, es habe von der FDA die Genehmigung erhalten, Tierversuche zu überspringen, weil seine Tests menschliche Reaktionen besser vorhersagen. Das ist seine Behauptung, und wir haben sie nicht überprüft. Das Panel war sich einig, dass Biologieprofessoren diejenigen sind, die bei der Nutzung von KI „wirklich, wirklich hinterherhinken“.

Unsere Einschätzung. Turbines Leiter klärt einen Großteil der Debatte. „Ersetzen“ ist für enge, gut verstandene Tests schon real. „Leiten“ ist der Bereich, in dem heute der Großteil des Pharmawerts liegt. Niemand Ernstzunehmendes behauptet „Ersetzen“ für ein neues Medikament gegen ein neues Target am Menschen. Die Moonshots-Sicht vermischt den Entwurf von Molekülen, den KI beschleunigt, mit dem Nachweis, dass sie wirken, der noch immer Jahre an Studien erfordert. Aber Conways Entlassungsgeschichte und Schadts „40 bis 50 Personen“ zeigen beide, dass sich das Betriebsmodell der Pharmabranche schneller ändert als ihre Studienzeitpläne.

Aktien im Fokus

Quelle: FactSet-Kursdaten, Schlusskurs vom 8. Oktober 2026.

Recursion (RXRX): ein Hin und Zurück ohne Nachrichten dahinter. Die Aktie sprang am 5. Okt. um 14,9 % auf 4,78 $ bei rund 67 Millionen gehandelten Aktien, mehr als dem Dreifachen des Durchschnitts von etwa 20,6 Millionen. Am 6. Okt. berührte sie intraday 5,19 $ und fiel dann drei Tage in Folge, darunter -7,5 % am 8. Okt. auf 3,95 $. Wir fanden für die Woche keine Unternehmensnachrichten. Das nächste echte Ereignis bleibt die Datenauswertung der TUPELO-Studie zu REC-4881 (ein experimentelles Medikament gegen familiäre adenomatöse Polyposis, eine erbliche Erkrankung, die Darmpolypen verursacht) am 2. Nov.

Schrodinger (SDGR): ein neues Hoch, dann ein scharfer Absturz. Die Aktie stieg am 5. Okt. um 7,5 %, erreichte am 6. Okt. ein neues 52-Wochen-Hoch von 33,78 $ und schloss an diesem Tag 12,4 % tiefer bei 28,90 $. An beiden Tagen lag das Handelsvolumen weit über dem Normalen. Bis zum 8. Okt. rutschte sie weiter auf 26,39 $. Auch hier tauchten für die Woche keine Unternehmensnachrichten auf. Unsere Einschätzung: Das ist der Momentum- und Short-Covering-Trade (laut früheren Ausgaben waren rund 15 % der Aktien leerverkauft), der sich umkehrt, keine Veränderung des Geschäfts. Der echte Test sind die Q3-Zahlen Anfang November, insbesondere das Wachstum des Softwarevertragswerts.

Eli Lilly (LLY): viel los, aber nichts zu KI. Nachrichtenmeldungen dieser Woche:

• Gate-Bioscience-Deal erweitert (5. Okt.): fügt ein Target hinzu, mit Option auf ein zweites, unter Nutzung von Gates „Molecular Gate“-Plattform, um schwer adressierbare Proteine zu entfernen. Der potenzielle Gesamtwert „könnte 870 Mio. $ übersteigen“, zuzüglich gestaffelter Lizenzgebühren. Gates Plattform wird nicht als KI beschrieben, und der Deal läuft nicht unter der Marke TuneLab.
• Foghorn-Partnerschaft beendet (2. Okt.): Lilly und Foghorn werden FHD-909, einen SMARCA2-Degrader, nach den Phase-1-Daten nicht weiterverfolgen. Guggenheim senkte sein Foghorn-Kursziel von 12 $ auf 5 $, und Wedbush stufte Foghorn auf Neutral mit einem Kursziel von 2 $ herab.
• FDA: Jaypirca zugelassen für die Erstlinientherapie der chronischen lymphatischen Leukämie (CLL/SLL) ohne 17p-Deletion (2. Okt.). Olomorasib erhielt den Orphan-Drug-Status für Bauchspeicheldrüsenkrebs (5. Okt.).
• Analysten: Morgan Stanley hob sein Kursziel von 1.419 $ auf 1.430 $ an (7. Okt.). Cantor Fitzgerald hob sein Kursziel von 1.410 $ auf 1.440 $ an (8. Okt.) und sagte, Lilly „steht angesichts der Premiumbewertung für 2027 vor einer hohen Hürde“, wobei Zepbound, Mounjaro-Verkäufe im Ausland und Foundayo „die Aktie stützen könnten“. Das mittlere Kursziel laut FactSet liegt bei 1.364,49 $.
• TuneLab: in der vierten Woche in Folge keine neuen Partner oder Konditionen. Beobachten Sie die Q3-Call am 29. Okt.
• In Podcasts: Lilly kam vor allem über Adipositas-Medikamente zur Sprache (Stock Club, 1. Okt., zu einem Weg zu einer Bewertung von 10 Billionen $, der 20 Jahre lang 13,6 % jährliches Umsatzwachstum erfordern würde) und über Zhavoronkovs Aussage vom „größten Longevity-Biotechnologieunternehmen“ (BiotechTV - News).

Auswirkungen auf verwandte Bereiche

• Tempus AI (TEM) und Sequenzierungsanbieter: Die Sequenzierung in die Herstellung jeder Impfstoffdosis einzubauen, ist ein klebrigeres, wiederkehrendes Umsatzmodell als einmalige Tests (Crain's Daily Gist). Wird intismeran zugelassen, wird jeder Patient zu einem Sequenzierauftrag.
• Anbieter virtueller Zellen vs. traditionelle Laborleistungen: Turbines Ergebnis von 400 auf 100 deutet auf weniger Zelllinien-Screenings pro Programm hin (The AI in Business Podcast). Auf Sicht ist das ein Gegenwind für ausgelagerte Screening-Labore und stärkt das Argument für Software-Ausgaben nach Art von Schrodinger. In den berichteten Zahlen von niemandem ist das bislang sichtbar.
• NVIDIA: Roches 3.500 NVIDIA-Chips (Schwab Network) sind ein weiteres Zeichen dafür, dass Pharma zum direkten Käufer von KI-Rechenleistung wird, nicht nur zum Softwarekunden.
• Lilly und Novo als „Longevity“-Unternehmen: Wenn Daten zu Alterungsuhren für Tirzepatid und Semaglutid Akzeptanz finden, erweitert das die langfristige Geschichte der GLP-1-Medikamente (BiotechTV - News). Insilicos Phase 3 ist zudem der erste große Test, ob KI-entworfene Medikamente eine traditionelle Studie bestehen können.
• US-Biotech-Finanzierung: Wenn 87,5 % der Wagniskapital-Dollar in KI und zwei Drittel der Pharma-Lizenzgelder nach China fließen (Business Of Biotech), stehen US-Biotechs ohne KI-Bezug vor einem härteren Finanzierungsklima. Das drängt mehr von ihnen, sich um KI herum neu aufzustellen.
• CROs und Studienbetrieb: Die Wahl von Studienstandorten durch Vorhersage von Ausbrüchen sparte neun Monate (The Fiftyfaces Podcast). Von Agenten betriebene „selbstfahrende klinische Studien“ sind inzwischen ein Konferenzthema (Citeline Podcasts, 6. Okt.). Auftragsforschungsinstitute (CROs), die Studien für Arzneimittelhersteller durchführen, sind am stärksten exponiert.

Was sich gegenüber der Vorwoche geändert hat