Pharmaindustrie setzt auf weniger, dafür größere KI-getriebene Partnerschaften in der Arzneimittelentwicklung
Der Wert globaler gemeinsamer F&E-Deals in der Pharma- und Biotechbranche stieg 2025 laut IQVIA um 49 % auf 86,7 Mrd. US-Dollar, obwohl die Zahl der Partnerschaften weiter zurückging. Unternehmen bündeln ihre Investitionen zunehmend in größere, KI-getriebene Wirkstoffforschungsplattformen, da diese Effizienzgewinne bei Zeit und Kosten versprechen – auch wenn der Weg zur Zulassung weiterhin komplex bleibt.
Der Gesamtwert globaler gemeinsamer Forschungs- und Entwicklungsdeals zwischen Pharma- und Biotechunternehmen erreichte 2025 nach Angaben des Gesundheitsmarkt-Forschungsunternehmens IQVIA 86,7 Milliarden US-Dollar – ein Plus von 49 Prozent gegenüber dem Vorjahr. Die durchschnittliche Dealgröße stieg um 47 Prozent auf rund 1,16 Milliarden US-Dollar pro Vereinbarung und markierte damit einen Rekordwert. Die Zahl der Deals ist jedoch in den vergangenen fünf Jahren zurückgegangen – ein Hinweis auf eine Verschiebung hin zu weniger, dafür größeren und gezielteren Investitionen.
KI und maschinelles Lernen sind zu Kerntechnologien in der kooperativen Wirkstoffforschung geworden und treiben großskalige, technologieintensive Partnerschaften an. Statt die Zahl der Kooperationen auszuweiten, bündeln Unternehmen Kapital auf KI-getriebene Plattformen zur Wirkstoffentdeckung, die – zumindest derzeit – eine höhere Wahrscheinlichkeit zu bieten scheinen, dass ein Produkt den Markt erreicht.
Big-Tech-Unternehmen schmieden zunehmend Allianzen mit Pharmakonzernen. Der Markt für KI-gestützte Wirkstoffentdeckung soll laut dem Marktforschungsunternehmen Grand View Research von etwa 2,9 Milliarden US-Dollar in diesem Jahr auf 13,8 Milliarden US-Dollar bis 2033 wachsen. Nvidia hat sich mit Eli Lilly, dem weltweit größten Pharmakonzern, zusammengeschlossen, um 1 Milliarde US-Dollar in den Aufbau eines Forschungslabors der nächsten Generation zu investieren. Das von Google unterstützte KI-Drug-Startup Isomorphic Labs hat zudem großvolumige gemeinsame Entwicklungsdeals mit Eli Lilly im Wert von 1,7 Milliarden US-Dollar sowie mit Novartis im Wert von 1,2 Milliarden US-Dollar unterzeichnet.
Auch chinesische Unternehmen skalieren aggressiv. CSPC Pharmaceutical, das eine eigene KI-Plattform entwickelt hat, sicherte sich eine Investition von 5,3 Milliarden US-Dollar von AstraZeneca, und das Wirkstoffdesign-Unternehmen XtalPi hat mit dem US-Informationstechnologieunternehmen DoveTree ein groß angelegtes Projekt im Wert von 6 Milliarden US-Dollar gestartet. Auch koreanische Unternehmen wie JW Pharmaceutical, Daewoong Pharmaceutical und SK Biopharmaceuticals steigen in das Rennen ein, indem sie eigene Plattformen entwickeln und externe Kooperationen verfolgen.
Die Attraktivität von KI liegt darin, den zentralen Engpass der Branche anzugehen: Zeit und Kosten. Die Entwicklung eines einzelnen neuen Arzneimittels dauert typischerweise 10 bis 15 Jahre und kostet zwischen 1 Billion Won und 2 Billionen Won (673 Millionen bis 1,3 Milliarden US-Dollar). KI kann jedoch riesige Datensätze schnell analysieren und mit hoher Präzision aus Millionen von Möglichkeiten vielversprechende Kandidatenmaterialien für neue Arzneimittel identifizieren. Insilico Medicine, ein führendes Unternehmen für KI-gestützte Wirkstoffentdeckung, schloss den Prozess vom Design der Molekülstruktur bis zur frühen Validierung in nur zwei Monaten ab. Das sei etwa 15-mal schneller als der konventionelle Prozess, der üblicherweise zwei bis drei Jahre dauere, so die Korea Biotechnology Industry Organization.
Doch die Umwandlung von mittels KI identifizierten Kandidaten in zugelassene Arzneimittel bleibt eine große Hürde. Während KI hervorragend darin sei, vielversprechende Kandidaten zu finden, seien der Nachweis ihrer Wirksamkeit im menschlichen Körper und das Überwinden komplexer regulatorischer Systeme in jedem Land völlig andere Herausforderungen, erklärte ein außerordentlicher Professor für biomedizinische Wissenschaften an der Catholic University of Korea. Branchenexperten sagen, dass dies ein neues Modell vorantreibt, das die Algorithmen von Big Tech mit dem Kapital und der klinischen Expertise von Big Pharma koppelt. Um diese Hürden zu überwinden, werden groß angelegte Kooperationen, die die technologischen Fähigkeiten von Big Tech und das Kapital von Big Pharma verbinden, zunehmend unverzichtbar.
2020 weckte das in Großbritannien ansässige Unternehmen Exscientia Erwartungen, indem es mithilfe von KI einen Antikrebs-Kandidaten identifizierte, doch das Projekt wurde 2023 während klinischer Studien (clinical trials) gestoppt und später an einen Wettbewerber verkauft.
Pharmaunternehmen investieren Milliarden in die Entwicklung bahnbrechender Therapien – doch ein erschreckend hoher Anteil der Patienten, denen komplexe Behandlungen verordnet werden, beginnt sie nie, und die Mehrheit derjenigen, die starten, bleibt nicht lange genug dabei, damit das Medikament wirken kann. Drei Kräfte treiben diese Krise: Komplexe Therapien dominieren neue Zulassungen. Biologika, injizierbare Arzneimittel, Gentherapien, Therapien für seltene Erkrankungen und andere komplexe Behandlungen führen zunehmend neue FDA-Zulassungen an – jede davon erfordert eine intensive, fortlaufende Patientenaufklärung. Ärzten fehlt die Zeit für Aufklärung. Mit 7 bis 12 Minuten pro Besuch können Ärzte kaum eine Diagnose bestätigen, geschweige denn einen Patienten durch ein kompliziertes Test- und Dosierungsschema führen oder Injektionsängste adressieren. Patienten wenden sich unzuverlässigen Quellen zu. Überforderte Patienten schließen die Wissenslücke mit ChatGPT, sozialen Medien und Influencern und stoßen dabei häufig auf Fehlinformationen, die Verwirrung und Zögern schüren.
Pharmaunternehmen geben enorme Summen für die Entwicklung neuer Arzneimittel aus. Die meisten scheitern, doch diejenigen, die eine behördliche Zulassung erhalten und den Markt erreichen, können Milliardenumsätze erzielen – während Patente Wettbewerber daran hindern, sie zu kopieren. Patente gelten über Jahre, laufen jedoch irgendwann aus. Dann brechen die Umsätze eines Arzneimittels ein, sobald generische Kopien für Patienten verfügbar werden.