// Anthropic 24.09.2026 · 09:33 Uhr 10 Min. Lesezeit

Anthropic verbindet künstliche Intelligenz mit biologischer Laborforschung

Mindverse News

KI-gestützt erstellt 6 Quellen Arbeitsweise

Anthropic verbindet künstliche Intelligenz mit biologischer Laborforschung — Symbolbild

Das Wichtigste in Kürze

Anthropic hat ein biologisches Nasslabor im Großraum San Francisco bestätigt. Dort sollen physische Experimente durchgeführt werden, die über reine Computersimulationen hinausgehen.
Nach Berichten von Reuters liegt ein möglicher Schwerpunkt auf präklinischer Forschung und Wirkstoffansätzen für seltene Erkrankungen. Anthropic selbst beschreibt das Labor jedoch nicht als ausschließlich auf Medikamentenentwicklung ausgerichtet.
Das Unternehmen untersucht zugleich, wie das KI-Modell Claude Laborgeräte koordinieren, Messungen auswerten und Forschungsabläufe unterstützen kann.
Klinische Studien mit eigenen Medikamentenkandidaten sind nach Angaben des Unternehmens nicht vorgesehen. Die Forschung soll vor diesem Stadium beendet werden.
Die Laborgründung fügt sich in eine breitere Strategie ein, mit der Anthropic seine Modelle in den Life-Sciences-Bereich und in die automatisierte Laborarbeit ausweiten will.
Für Pharmaunternehmen, Forschungseinrichtungen und Technologieanbieter stellt sich damit insbesondere die Frage, wie belastbar, sicher und regulatorisch kontrollierbar KI-gesteuerte Experimente in der Praxis werden können.

// Inhalt · 10 Abschnitte

Anthropic verlagert KI-Forschung aus dem Rechner ins Labor
Welche Ziele Anthropic mit dem Biologielabor verfolgt
Claude soll Laborabläufe unterstützen
Anthropic grenzt sich von klinischer Entwicklung ab
Die Biowissenschaften als strategisches Wachstumsfeld
Warum der Schritt für Pharmaunternehmen relevant ist
Sicherheits- und Governance-Fragen gewinnen an Gewicht
Was der Schritt über die Entwicklung von KI aussagt
Die nächsten Beobachtungspunkte
Bedeutung für Unternehmen und Wissensarbeit
Quellen

Anthropic verlagert KI-Forschung aus dem Rechner ins Labor

Anthropic baut seine Aktivitäten im Bereich der Biowissenschaften aus. Das für das KI-Modell Claude bekannte Unternehmen hat die Einrichtung eines biologischen Nasslabors im Großraum San Francisco bestätigt. In einem solchen Labor finden physische Experimente mit biologischen Proben, Reagenzien und technischen Geräten statt. Damit geht Anthropic über einen Ansatz hinaus, bei dem künstliche Intelligenz ausschließlich wissenschaftliche Veröffentlichungen analysiert, Hypothesen formuliert oder biologische Prozesse am Computer simuliert.

Die Nachricht wurde zunächst durch einen Bericht der Nachrichtenagentur Reuters bekannt. Demnach soll Anthropic das Labor vergleichsweise unauffällig aufgebaut haben. Über die konkrete Ausstattung, die Zahl der Beschäftigten und einzelne Forschungsprojekte hat das Unternehmen bislang nur begrenzte Informationen veröffentlicht. Bestätigt ist jedoch, dass Anthropic praktische biologische Arbeiten durchführt und den Einsatz seiner KI-Systeme in realen Laborumgebungen untersucht.

Die Entwicklung ist für die Branche von Bedeutung, weil sich damit das Tätigkeitsfeld eines großen KI-Anbieters erweitert. Anthropic konkurriert nicht nur mit anderen Modellanbietern um leistungsfähigere Systeme, sondern erprobt zugleich eigene Anwendungen in einem Bereich, der bislang stark von spezialisierten Biotechnologie- und Pharmaunternehmen geprägt ist.

Welche Ziele Anthropic mit dem Biologielabor verfolgt

Nach Angaben von Reuters und weiteren Berichten aus dem Umfeld des Unternehmens könnte ein Teil der Arbeit auf die Erforschung von Medikamenten und auf seltene Erkrankungen zielen. Im Mittelpunkt stehen dabei offenbar vor allem präklinische Fragestellungen. Diese Phase liegt zeitlich vor klinischen Studien am Menschen. Sie umfasst unter anderem die Untersuchung biologischer Mechanismen, die Bewertung möglicher Wirkstoffkandidaten und die Prüfung, ob ein Ansatz unter kontrollierten Bedingungen grundsätzlich weiterverfolgt werden kann.

Anthropic stellt zugleich klar, dass das Labor nicht ausschließlich für die Entwicklung von Arzneimitteln eingerichtet wurde. Eric Kauderer-Abrams, der bei Anthropic für den Bereich Life Sciences verantwortlich ist, verwies gegenüber Reuters darauf, dass reale Laborarbeit weiterhin ein entscheidender Schritt biologischer Forschung sei. Die KI könne Daten verarbeiten und Arbeitsabläufe unterstützen, die abschließende Überprüfung biologischer Hypothesen müsse jedoch in der physischen Welt erfolgen.

Diese Einschränkung ist wesentlich. Ein KI-Modell kann aus vorhandenen Daten Muster ableiten, wissenschaftliche Literatur strukturieren oder Vorschläge für Experimente formulieren. Ob eine Hypothese tatsächlich trägt, lässt sich in vielen Fällen jedoch erst durch reproduzierbare Versuche feststellen. Biologische Systeme sind komplex, variabel und häufig von Faktoren abhängig, die in Trainingsdaten oder Simulationen nur unvollständig erfasst werden.

Seltene Krankheiten als mögliches Anwendungsfeld

Ein möglicher Schwerpunkt auf seltenen Erkrankungen folgt einer bekannten wirtschaftlichen und medizinischen Herausforderung. Für viele dieser Krankheiten stehen nur begrenzte Datenmengen zur Verfügung. Zugleich sind Patientengruppen klein, Forschungsprogramme aufwendig und die Entwicklungskosten im Verhältnis zu den potenziellen Umsätzen häufig schwer zu rechtfertigen. KI-Systeme könnten in solchen Feldern dabei helfen, wissenschaftliche Informationen aus unterschiedlichen Quellen zusammenzuführen, biologische Zusammenhänge zu priorisieren und experimentelle Schritte effizienter zu planen.

Aus der Existenz eines Labors lässt sich allerdings noch nicht ableiten, dass Anthropic bereits konkrete Medikamente entwickelt oder kurzfristig marktfähige Therapien hervorbringen wird. Zwischen einer biologischen Forschungsfrage, einem experimentell bestätigten Wirkstoffkandidaten und einer zugelassenen Behandlung liegen zahlreiche Entwicklungsstufen. Dazu gehören unter anderem umfangreiche Sicherheitsprüfungen, die Herstellung in geeigneter Qualität, regulatorische Bewertungen und klinische Studien.

Claude soll Laborabläufe unterstützen

Die Laborgründung steht nach vorliegenden Informationen nicht nur im Zusammenhang mit Medikamentenforschung. Eine zweite wichtige Dimension ist die Laborrobotik. Anthropic arbeitet daran, KI-Systeme mit automatisierten Forschungsgeräten zu verbinden. Claude könnte dabei perspektivisch Aufgaben übernehmen, die heute von Forschenden manuell oder über getrennte Softwaresysteme ausgeführt werden.

Zu den denkbaren Funktionen gehören die Koordination mehrerer Laborgeräte, die Überwachung von Versuchsabläufen, die Auswertung eingehender Messwerte und die Dokumentation von Ergebnissen. Bei unzureichenden oder fehlerhaften Resultaten könnten Systeme dieser Art unter menschlicher Kontrolle Anpassungen vorschlagen oder bestimmte Versuche wiederholen. Die öffentlich verfügbaren Informationen deuten jedoch darauf hin, dass sich diese Verbindung von KI und Laborrobotik noch in einer frühen Entwicklungsphase befindet.

Ein eigener physischer Forschungsort bietet Anthropic die Möglichkeit, solche Systeme unter kontrollierten Bedingungen zu testen. Dabei geht es nicht allein um die Frage, ob Claude Anweisungen für ein Experiment formulieren kann. Entscheidend ist vielmehr, ob das System mit realen Geräten, unvollständigen Daten, Messfehlern und unerwarteten Ergebnissen zuverlässig umgehen kann.

In einem industriellen Labor müssen Versuchsabläufe zudem nachvollziehbar und standardisiert sein. Jede Handlung kann Auswirkungen auf die Qualität der Daten haben. Werden Proben falsch beschriftet, Temperaturen nicht eingehalten oder Messwerte fehlerhaft interpretiert, kann eine gesamte Versuchsreihe unbrauchbar werden. Ein KI-System muss deshalb nicht nur sprachlich überzeugende Antworten erzeugen, sondern innerhalb klarer technischer und organisatorischer Grenzen arbeiten.

Vom wissenschaftlichen Assistenten zum steuernden System

Die mögliche Entwicklung lässt sich als Übergang von einer unterstützenden zu einer stärker handelnden Rolle beschreiben. In einer ersten Stufe analysiert die KI Literatur, erstellt Zusammenfassungen, schreibt Code oder hilft bei der Interpretation von Daten. In einer weiteren Stufe kann sie Experimente vorbereiten, Geräte ansprechen und Ergebnisse miteinander vergleichen. Je größer der Grad der Automatisierung, desto wichtiger werden Zugriffsrechte, Freigabeprozesse und technische Sicherheitsvorkehrungen.

Für Unternehmen in der Pharma- und Biotechnologiebranche ist daher nicht nur die Leistungsfähigkeit eines Modells relevant. Ebenso entscheidend sind die Integrationsfähigkeit in bestehende Laborinformationssysteme, die Protokollierung aller Modellentscheidungen, der Schutz sensibler Forschungsdaten sowie die Möglichkeit, jeden Arbeitsschritt nachträglich zu prüfen.

Anthropic grenzt sich von klinischer Entwicklung ab

Nach Angaben des Unternehmens sollen mit den eigenen Forschungsergebnissen keine klinischen Studien durchgeführt werden. Anthropic wolle die Arbeit vor dieser Entwicklungsstufe beenden und damit nicht unmittelbar in Konkurrenz zu Pharmaunternehmen treten. Das Unternehmen positioniert sich damit eher als Anbieter von Modellen, wissenschaftlichen Werkzeugen und vor- beziehungsweise präklinischen Forschungskapazitäten.

Diese Abgrenzung kann mehrere Funktionen erfüllen. Sie reduziert zunächst den Umfang der regulatorischen und medizinischen Verantwortung, die mit klinischen Studien verbunden ist. Gleichzeitig eröffnet sie potenzielle Kooperationsmöglichkeiten mit Pharmaunternehmen, Biotechnologie-Start-ups und akademischen Einrichtungen, die über Erfahrung in späteren Entwicklungsphasen verfügen.

Ob diese Trennlinie in der Praxis dauerhaft eindeutig bleibt, hängt von der konkreten Ausgestaltung der Forschungsprogramme ab. Auch präklinische Ergebnisse können weitreichende Bedeutung für die Entwicklung eines Medikaments haben. Deshalb werden Fragen der Datenqualität, der Reproduzierbarkeit und der wissenschaftlichen Verantwortlichkeit bereits in frühen Phasen relevant.

Die Biowissenschaften als strategisches Wachstumsfeld

Anthropic hatte bereits zuvor signalisiert, dass Life Sciences zu den Bereichen gehören, in denen das Unternehmen besonders große Einsatzmöglichkeiten für künstliche Intelligenz sieht. Im Juni kündigte Anthropic bei einer Veranstaltung in San Francisco Programme zur Unterstützung der Arzneimittelentwicklung an. Der Fokus sollte unter anderem auf präklinischen Arbeiten liegen, die für traditionelle Unternehmen wirtschaftlich weniger attraktiv sein können.

Darüber hinaus hat Anthropic mit Claude Science eine Software beziehungsweise ein Werkzeugangebot für wissenschaftliche Anwendungen vorgestellt. Nach Angaben aus der Berichterstattung bündelt Claude Science verschiedene Funktionen für die Analyse wissenschaftlicher Informationen, für Programmieraufgaben, die Erstellung von Abbildungen und die Unterstützung bei Manuskripten. Solche Werkzeuge zielen darauf, unterschiedliche Arbeitsschritte in einem KI-gestützten Arbeitsablauf zusammenzuführen.

Auch personell und organisatorisch hat Anthropic seine Verbindungen zur Pharmabranche ausgebaut. Vas Narasimhan, der frühere Vorstandsvorsitzende von Novartis, wurde in das Führungsgremium des Unternehmens berufen. Zudem übernahm Anthropic das Start-up Coefficient Bio. Medienberichten zufolge lag der Wert der Transaktion bei rund 400 Millionen US-Dollar in Aktien. Die Übernahme deutet auf das Interesse hin, Kompetenzen an der Schnittstelle von KI, Biologie und Wirkstoffforschung zu bündeln.

Warum der Schritt für Pharmaunternehmen relevant ist

Pharmaunternehmen investieren bereits seit Jahren in Verfahren, mit denen Wirkstoffforschung, klinische Entwicklung und Produktion effizienter werden sollen. Künstliche Intelligenz kann dabei in verschiedenen Bereichen eingesetzt werden: bei der Suche nach Zielstrukturen, der Vorhersage molekularer Eigenschaften, der Auswertung medizinischer Daten oder der Planung von Experimenten.

Anthropics Vorgehen unterscheidet sich insofern von vielen reinen Softwareansätzen, als das Unternehmen selbst eine Verbindung zwischen Modell und physischer Laborumgebung aufbaut. Dadurch kann Anthropic die Anforderungen der praktischen Forschung aus eigener Erfahrung erfassen. Gleichzeitig steigt die Verantwortung, weil fehlerhafte Modellvorschläge nicht nur zu ungenauen Texten, sondern zu fehlerhaften Versuchsabläufen, beschädigten Proben oder falschen Schlussfolgerungen führen können.

Für potenzielle Partner ergeben sich mehrere Prüfbereiche:

Wie zuverlässig kann das Modell Laboranweisungen in standardisierte Geräteschritte übersetzen?
Wie werden Unsicherheiten, widersprüchliche Messwerte und fehlende Daten behandelt?
Welche Rolle bleibt bei Forschenden, Laborleitungen und Qualitätssicherungsteams?
Wie werden Versuche dokumentiert, freigegeben und reproduziert?
Wer trägt die Verantwortung, wenn ein KI-gestützter Vorschlag zu einem fehlerhaften Ergebnis führt?
Wie lassen sich vertrauliche Forschungsdaten vor unbefugtem Zugriff oder unbeabsichtigter Weiterverwendung schützen?

Die Antworten auf diese Fragen werden maßgeblich darüber entscheiden, ob KI-Systeme in regulierten Laborumgebungen breit eingesetzt werden können. Eine überzeugende Demonstration im Forschungslabor ersetzt noch keine validierte Lösung für industrielle oder klinische Prozesse.

Sicherheits- und Governance-Fragen gewinnen an Gewicht

Die Ausweitung von KI in die Biologie erfolgt in einer Phase, in der die Sicherheitsdebatte besonders intensiv geführt wird. Anthropic hatte im September selbst über einen Fall berichtet, bei dem seine Systeme möglicherweise für missbräuchliche biologische Forschung im Zusammenhang mit Biowaffen eingesetzt werden sollten. Die Laborgründung wird deshalb auch unter dem Gesichtspunkt betrachtet, wie das Unternehmen Chancen und Risiken biologischer Anwendungen miteinander verbindet.

Ein physisches Labor kann die Kontrolle über bestimmte Experimente erleichtern, weil Zugänge, Geräte und Arbeitsabläufe zentral organisiert werden. Es kann aber zugleich neue Anforderungen schaffen. Sobald ein KI-Modell mit Laborgeräten verbunden ist, müssen technische Schnittstellen abgesichert und Berechtigungen präzise definiert werden. Nicht jede Anfrage darf automatisch in eine Handlung übersetzt werden.

In sicherheitskritischen Bereichen sind deshalb abgestufte Freigaben denkbar. Das Modell könnte beispielsweise zunächst nur Vorschläge erstellen. Erst nach Prüfung durch eine verantwortliche Person würden einzelne Geräte angesprochen oder Versuche gestartet. Zusätzlich können Protokolle, Warnsysteme und Sperrmechanismen eingesetzt werden. Für B2B-Anwender ist entscheidend, dass solche Kontrollstrukturen nicht nachträglich ergänzt, sondern bereits bei der Entwicklung berücksichtigt werden.

Was der Schritt über die Entwicklung von KI aussagt

Die Aktivitäten von Anthropic zeigen eine allgemeine Verschiebung im KI-Markt. Sprachmodelle werden zunehmend nicht mehr nur als Werkzeuge für Kommunikation und Wissensarbeit betrachtet. Unternehmen erproben sie als Schnittstellen zu Software, Datenbanken, Robotern und spezialisierten Geräten. In der Forschung könnte daraus eine neue Form von Mensch-Maschine-Zusammenarbeit entstehen.

Der entscheidende Fortschritt wäre dabei nicht allein eine schnellere Informationsverarbeitung. Von größerer Bedeutung wäre die Fähigkeit, Hypothesen systematisch mit Experimenten zu verknüpfen. Ein System könnte wissenschaftliche Veröffentlichungen analysieren, daraus eine überprüfbare Annahme ableiten, einen Versuchsplan erstellen und die Resultate anschließend mit der ursprünglichen Hypothese vergleichen.

Gleichzeitig bleibt der wissenschaftliche Prozess offen für Überraschungen. Biologische Experimente liefern häufig Ergebnisse, die nicht den Erwartungen entsprechen. Ein robustes KI-System muss deshalb nicht nur bekannte Muster erkennen, sondern auch erkennen, wann seine Schlussfolgerungen unsicher sind. Es muss zudem vermeiden, aus statistischen Zusammenhängen vorschnell kausale Aussagen abzuleiten.

Die nächsten Beobachtungspunkte

Wie weit Anthropics Vorhaben tatsächlich reicht, wird sich vor allem an den künftig veröffentlichten Details zeigen. Relevant sind Angaben zu den Forschungsschwerpunkten, zur technischen Ausstattung und zur Rolle von Claude im Labor. Ebenso wichtig ist, ob Anthropic Ergebnisse in wissenschaftlichen Publikationen veröffentlicht oder mit externen Forschungseinrichtungen zusammenarbeitet.

Für die Bewertung des Projekts sollten Beobachter zwischen drei Ebenen unterscheiden. Erstens geht es um die allgemeine Unterstützung wissenschaftlicher Arbeit, etwa durch Literaturrecherche und Datenanalyse. Zweitens steht die Automatisierung einzelner Laborprozesse im Mittelpunkt. Drittens wäre zu prüfen, ob KI-Systeme tatsächlich einen messbaren Beitrag zur Entdeckung und Validierung neuer Wirkstoffansätze leisten.

Bis belastbare Ergebnisse vorliegen, bleibt die Einschätzung des Projekts vorläufig. Die bestätigte Existenz eines Nasslabors ist ein konkreter organisatorischer Schritt. Sie belegt jedoch noch nicht, dass Anthropic ein eigenes Pharmaunternehmen aufbaut oder bereits erfolgreiche Medikamente entwickelt. Der derzeit erkennbare Schwerpunkt liegt vielmehr auf der Verbindung von KI-Modellen, biologischer Forschung und automatisierten Laborabläufen.

Bedeutung für Unternehmen und Wissensarbeit

Für Unternehmen, die KI in Forschung, Entwicklung oder Wissensprozesse integrieren möchten, liefert die Entwicklung ein Beispiel für die zunehmende Verzahnung von generativer KI und spezialisierten Arbeitsumgebungen. Anwendungen wie Mindverse können dabei helfen, Informationen zu recherchieren, Inhalte zu strukturieren, Texte zu erstellen und Wissensbestände zugänglich zu machen. In sensiblen Fachgebieten bleibt jedoch eine fachkundige Prüfung unverzichtbar.

Gerade in regulierten Branchen sollte KI nicht als vollständig unabhängiger Entscheider verstanden werden. Sinnvoll ist ein Einsatz, bei dem das System Routineaufgaben beschleunigt, relevante Informationen bündelt und Fachkräfte bei der Vorbereitung von Entscheidungen unterstützt. Die Verantwortung für wissenschaftliche, medizinische und rechtliche Schlussfolgerungen muss bei qualifizierten Menschen und den dafür vorgesehenen Organisationen bleiben.

Anthropic setzt mit seinem Labor einen sichtbaren Akzent in dieser Entwicklung. Ob daraus ein dauerhaft tragfähiges Modell für KI-gestützte Biologieforschung entsteht, wird von der Qualität der Experimente, der Transparenz der Ergebnisse und der Umsetzung von Sicherheits- und Kontrollmechanismen abhängen.