Anthropic baut Biolabor, in dem Claude Roboter-Drogenexperimente steuert

Anthropic holt die Wirkstoffforschung vom Bildschirm ins Labor

Anthropic baut ein eigenes biologisches Labor – ein Schritt, der die life-sciences-Arbeit des Unternehmens von rein computergestützter Modellierung in die physische Experimentierung verlagert. Reuters berichtet, dass die Einrichtung im Raum San Francisco entstehen soll und dass die zentrale Prämisse ungewöhnlich ist: Claude, die KI-Modellfamilie von Anthropic, soll Roboter-Laborequipment durch Drogenexperimente steuern – mit so wenig menschlichem Eingriff wie möglich.

Der Unterschied ist bedeutsam. Der größte Teil der heutigen KI-gesteuerten Wirkstoffforschung findet in Software statt – Generierung von Kandidatenmolekülen, Vorhersage der Bindungsaffinität, Ranking von Verbindungen gegen ein Target. Diese Vorhersagen müssen noch an der Bench validiert werden, und genau bei dieser Validierung dehnen sich Zeitpläne und sammeln sich Kosten an. Mit einem eigenen Labor signalisiert Anthropic, dass es eine engere Schleife zwischen dem Modell, das ein Experiment vorschlägt, und der Hardware, die es ausführt, anstrebt.

Warum physische Experimente der schwierige Teil sind

Bench-Wissenschaft ist langsam, sequenziell und unforgiving. Protokolle laufen in Schritten ab, jeder abhängig vom vorherigen, und eine einzige kontaminierte Platte kann eine Woche Arbeit ungültig machen. Das Versprechen der Automatisierung sind Durchsatz und Reproduzierbarkeit: Roboter werden nicht müde und verlieren nicht die Konzentration, und ein KI-System kann jeden Parameter jedes Durchlaufs protokollieren.

Doch Biologie ist verrauscht. Assays scheitern, Reagenzien degradieren, und Instrumente driften aus der Kalibrierung. Ein Modell, das überwiegend auf Literatur und Simulation trainiert wurde, hat begrenzte Intuition dafür, was passiert, wenn ein Reagenz an einem Freitagnachmittag um 16 Uhr ein unerwartetes Verhalten zeigt. Das ist wahrscheinlich der Grund, warum Anthropic die Ambition als minimalen menschlichen Eingriff und nicht als völligen Verzicht darauf formuliert, und warum das Unternehmen sagt, dass Menschen aus Sicherheitsgründen Teil des Prozesses bleiben.

Zwei bereits ausgelieferte Werkzeuge, die die Arbeit ermöglichen

Anthropic ist nicht ohne Vorbereitung direkt zur Hardware gesprungen. Es hat bereits zwei Infrastrukturbausteine veröffentlicht, die modellgetriebene Experimentierung möglich machen sollen.

• Claude Science — ein KI-Arbeitsbereich, der speziell für Forschende entwickelt wurde und Wissenschaftlern eine strukturierte Umgebung bietet, in der sie wissenschaftliche Probleme mit dem Modell durcharbeiten können.
• Model Hardware Standard — eine Spezifikation, die es KI-Modellen ermöglichen soll, Laborgeräte zu steuern, und die die Übersetzungsschicht zwischen den Anweisungen eines Modells und den Instrumenten auf einer Bench adressiert.

Der Hardware-Standard ist möglicherweise der aussagekräftigere der beiden. Laborgeräte waren historisch ein Flickwerk aus herstellerspezifischer Software mit begrenzter Interoperabilität. Einem Modell zuverlässige Kontrolle zu übergeben, erfordert vereinbarte Schnittstellen, Fehlerbehandlung und Statusmeldungen – andernfalls hat eine Anweisung wie „diesen Assay ausführen“ nichts Konkretes, woran sie sich binden kann.

Menschliche Aufsicht bleibt in der Schleife

Anthropic stellt ausdrücklich klar, dass menschliche Aufsicht weiterhin erforderlich bleibt. Das ist nicht nur regulatorische Vorsicht. Ein KI-System, das Experimente sowohl entwerfen als auch ausführen kann, kann auch Fehler im großen Maßstab machen – ein falsch spezifiziertes Protokoll, das hunderte Male ausgeführt wird, produziert hunderte verschwendete Durchläufe, und ein subtiler Fehler in einem robotischen Flüssigkeitshandhabungsschritt kann einen Datensatz stillschweigend verfälschen, statt laut zu scheitern.

Menschen in der Schleife zu behalten, ist auch für die Interpretation wichtig. Zu entscheiden, dass ein unerwartetes Ergebnis eine Entdeckung und kein Artefakt ist, bleibt eine Ermessensfrage, die von Kontext abhängt, den ein Modell möglicherweise nicht besitzt. Die Designfrage für Anthropic ist, wo dieses Ermessen im Workflow sitzt und wie viel des experimentellen Zyklus unbeaufsichtigt laufen kann, bevor ein Mensch sein Okay gibt.

Der Preis: Krankheiten, die lange als „undruggable“ galten

Eric Kauderer-Abrams, der die Life-Sciences-Sparte von Anthropic leitet, verweist auf Erkrankungen, die sich einer Behandlung vollständig widersetzt haben, weil überhaupt keine tragfähige Therapie existiert. Seine Wette ist, dass KI das Design komplexer Antikörper beschleunigen kann, die mehrere Targets gleichzeitig treffen können – eine Molekülklasse, die mit konventionellen Mitteln bekanntermaßen schwer zu konstruieren ist.

Multi-Target-Antikörper sind attraktiv, weil viele Krankheiten mehr als einen biologischen Signalweg umfassen und das gleichzeitige Treffen mehrerer Knotenpunkte wirksamer sein kann als das Blockieren eines einzelnen Knotens. Das technische Problem besteht darin, dass ein Molekül, das zwei Targets bindet, stabil, herstellbar und spezifisch bleiben muss; der Designraum ist riesig und überwiegend leer. Kauderer-Abrams sieht KI als Möglichkeit, diesen Raum schneller zu durchsuchen, als iteratives menschliches Design es erlaubt.

Aufgebaut auf einem Jahr Biotech-Schritten

Das Labor kommt nicht isoliert. Anfang dieses Jahres, im April, übernahm Anthropic das Startup Coefficient Bio für rund 400 Millionen US-Dollar. Etwa im selben Zeitraum trat Novartis-CEO Vas Narasimhan dem Board von Anthropic bei und brachte Perspektive aus der Pharmaindustrie auf Governance-Ebene ein.

Zusammengelesen skizzieren diese Schritte eine bewusste Strategie: biologische Expertise erwerben, Pharma-Führung einbinden, Werkzeuge ausliefern, die Forschende tatsächlich nutzen können, und dann physische Kapazität aufbauen, um proprietäre Daten zu erzeugen. Jeder Schritt verstärkt den vorherigen. Ein Labor, das seine eigenen experimentellen Ergebnisse zurück in die Modellentwicklung speist, würde Anthropic etwas geben, das nur wenige KI-Unternehmen besitzen – eine geschlossene Schleife zwischen Vorhersage und physischer Ground Truth.

Vorerst keine klinischen Studien

Eine Grenze, die Anthropic offenbar zieht: In dieser Phase wird das Unternehmen laut dem Bericht keine eigenen klinischen Studien durchführen. Die Begründung ist pragmatisch und diplomatisch. Humanstudien sind die teuerste, langsamste und am stärksten regulierte Phase der Wirkstoffentwicklung, und ein Einstieg in sie würde das Unternehmen in direkte Konkurrenz zu den Pharma-Partnern bringen, mit denen es plausibel zusammenarbeiten möchte.

Upstream zu bleiben – in Discovery, Design und präklinischer Validierung – erlaubt es Anthropic, Fähigkeiten zu verkaufen, statt um dieselbe Pipeline zu konkurrieren. Es hält das Unternehmen auch aus dem Haftungs- und Compliance-Fußabdruck heraus, der mit Studien an Patienten einhergeht.

Worauf zu achten ist

Mehrere Fragen werden entscheiden, ob daraus eine echte Verschiebung der Art und Weise wird, wie Medikamente entdeckt werden, oder eine teure Demonstration. Wie viel des experimentellen Zyklus ist tatsächlich autonom, und wie oft greift ein Mensch ein? Werden Ergebnisse veröffentlicht, oder sind die Daten dazu bestimmt, proprietär zu bleiben? Wird der Model Hardware Standard von Geräteherstellern über die eigenen Bänke von Anthropic hinaus übernommen?

Vorerst ist die Bedeutung richtungsweisend. Ein KI-Labor, das Moleküle entwerfen und sie dann physisch testen kann, schließt eine Lücke, die das Feld seit Jahren begrenzt hat. Ob die Roboter von Anthropic diese Schleife schneller und zuverlässiger machen können als ein gut geführtes menschliches Labor, bleibt das Experiment, das am meisten zählt.

Dieser Artikel basiert auf einer Reportage von The Decoder. Lesen Sie den Originalartikel.