OpenAI fördert Archiv für Biotech-Daten aus Insolvenzverfahren

OpenAI richtet den Blick auf ein kaum erschlossenes Datenarchiv

Die Entwicklung leistungsfähiger medizinischer KI-Systeme hängt nicht allein von größeren Rechenzentren oder leistungsfähigeren Modellen ab. Eine ebenso wichtige Rolle spielt die Qualität der Daten, mit denen diese Systeme trainiert, geprüft und weiterentwickelt werden. Genau an diesem Punkt setzt eine neue Initiative der OpenAI Foundation an.

Die Stiftung unterstützt das Projekt „Biotech Archives“ der Organisation 1Day Sooner mit 500.000 US-Dollar. Das Vorhaben soll Daten aus der Biotech- und Pharmabranche sichern, die infolge von Unternehmensinsolvenzen häufig den Besitzer wechseln, in Archiven verschwinden oder nur eingeschränkt öffentlich zugänglich sind. Im Fokus stehen Informationen aus der Arzneimittelentwicklung, die für medizinische Forschung und künstliche Intelligenz von hohem Wert sein können.

Nach den vorliegenden Angaben soll das Material im Rahmen von Insolvenzverfahren und Versteigerungen erworben werden. Dazu können regulatorische Dokumente, klinische Entwicklungsdaten, Sicherheitsinformationen, Herstellungsstrategien und weitere Unterlagen gehören. Die Daten sollen anschließend strukturiert, digital aufbereitet und für Forschungszwecke beziehungsweise zum Training medizinischer KI-Modelle nutzbar gemacht werden.

Die Initiative ist Teil eines breiteren Förderprogramms mit dem Namen „Data for Public Health“. Dessen Ziel besteht darin, Datenquellen für Anwendungen im Gesundheitswesen besser zugänglich zu machen und dadurch Fortschritte bei Forschung, Diagnostik, Arzneimittelentwicklung und öffentlicher Gesundheit zu unterstützen.

Warum gescheiterte Biotech-Unternehmen interessante Daten liefern

In der Biotechnologie entstehen über Jahre große Mengen an Daten. Unternehmen dokumentieren beispielsweise, wie Wirkstoffkandidaten entwickelt, getestet und produziert wurden. Hinzu kommen Ergebnisse aus präklinischen Untersuchungen, klinischen Studien, Sicherheitsbewertungen und Gesprächen mit Zulassungsbehörden.

Wenn ein Unternehmen scheitert, bedeutet das nicht automatisch, dass sämtliche wissenschaftlichen Erkenntnisse wertlos sind. Ein Medikament kann etwa an einem bestimmten Sicherheitsrisiko, an unzureichender Wirksamkeit, an hohen Produktionskosten oder an fehlender Finanzierung gescheitert sein. Die zugrunde liegenden Daten können dennoch Hinweise enthalten, die für andere Forschungsprojekte relevant sind.

Für KI-Systeme sind insbesondere solche Informationen interessant, die Zusammenhänge zwischen Wirkstoff, Dosierung, Patientengruppe, Nebenwirkungen, Herstellungsprozess und Behandlungsergebnis abbilden. Werden diese Daten in ausreichender Qualität zusammengeführt, könnten sie dabei helfen, Muster zu erkennen, die in einzelnen Projekten nur schwer sichtbar sind.

Ein gescheitertes Entwicklungsprogramm kann deshalb aus Sicht der Datenanalyse mehrere Ebenen von Wissen enthalten:

• Welche Wirkstoffkandidaten unter welchen Bedingungen untersucht wurden.
• Welche Endpunkte in klinischen Studien erreicht oder verfehlt wurden.
• Welche Nebenwirkungen und Sicherheitsrisiken auftraten.
• Wie sich verschiedene Dosierungen und Patientengruppen unterschieden.
• Welche Produktionsverfahren technisch oder wirtschaftlich problematisch waren.
• Welche Anforderungen und Rückfragen im Zulassungsverfahren eine Rolle spielten.
• Welche Annahmen sich im Verlauf der Entwicklung als falsch oder unzureichend erwiesen.

Einzelne Datensätze können dabei unvollständig oder schwer vergleichbar sein. In ihrer Gesamtheit könnten sie jedoch ein Archiv über Entwicklungsentscheidungen bilden, das nicht nur erfolgreiche Projekte dokumentiert, sondern auch Irrwege und Abbrüche sichtbar macht. Gerade diese Informationen sind in öffentlich zugänglichen wissenschaftlichen Publikationen häufig unterrepräsentiert.

Das Konzept hinter „Biotech Archives“

Die Idee geht auf Ruxandra Teslo zurück, eine auf klinische Studien und gesundheitspolitische Fragen spezialisierte Analystin. Ihr Ansatz besteht darin, Unterlagen aus Insolvenzverfahren gezielt zu erwerben und für die medizinische Forschung zu erschließen. Die Daten werden in diesem Zusammenhang als bislang weitgehend verlorenes Archiv der Biotech-Branche beschrieben.

Der Begriff verweist auf ein strukturelles Problem der Branche: Viele Biotech-Unternehmen verfügen über umfangreiche Forschungs- und Entwicklungsunterlagen, solange sie finanziert werden und operativ tätig sind. Wird ein Unternehmen jedoch zahlungsunfähig, werden die Vermögenswerte häufig einzeln verkauft. Patente, Laborausrüstung, Datenbanken, regulatorische Dokumente und weitere Informationen können an unterschiedliche Käufer gehen. Eine systematische Sicherung des gesamten Wissens findet nicht zwangsläufig statt.

Das Projekt will diesen Prozess nach den bisher bekannten Informationen gezielter nutzen. Statt relevante Unterlagen ausschließlich als Teil eines kommerziellen Verkaufs zu betrachten, sollen sie als potenzielle Ressource für Forschung und KI-Entwicklung erfasst werden. Dazu wären mehrere Schritte notwendig:

• Identifikation geeigneter Insolvenzfälle und verfügbarer Datenbestände.
• Prüfung der Eigentums- und Nutzungsrechte.
• Erwerb der Unterlagen über Auktionen oder andere rechtlich zulässige Verfahren.
• Digitalisierung und Vereinheitlichung heterogener Dokumente.
• Entfernung oder Sicherung personenbezogener und vertraulicher Informationen.
• Qualitätskontrolle und wissenschaftliche Einordnung der Daten.
• Bereitstellung für definierte Forschungs- und Entwicklungszwecke.

Die technische Aufbereitung dürfte dabei mindestens ebenso anspruchsvoll sein wie der Ankauf. Biotech-Daten liegen oft in unterschiedlichen Formaten vor. Es kann sich um wissenschaftliche Berichte, Tabellen, Laborprotokolle, Zulassungsunterlagen, Bilddaten oder interne Kommunikationsdokumente handeln. Zudem sind Begriffe, Messmethoden und Studiendesigns nicht immer standardisiert.

Welche Rolle die OpenAI Foundation übernimmt

Die Förderung erfolgt über die OpenAI Foundation und nicht ausschließlich über das operative KI-Unternehmen OpenAI. Die Stiftung hat nach eigenen Angaben die Aufgabe, die Entwicklung künstlicher allgemeiner Intelligenz so zu begleiten, dass daraus ein breiter gesellschaftlicher Nutzen entsteht. In ihren Förderaktivitäten konzentriert sie sich unter anderem auf Wissenschaft, Gesundheit, gesellschaftliche Widerstandsfähigkeit und weitere öffentliche Interessen.

Mit dem Programm „Data for Public Health“ setzt die Foundation auf einen Bereich, in dem der Zugang zu hochwertigen Daten häufig eine zentrale Begrenzung darstellt. Medizinische Daten sind zwar in großer Menge vorhanden, aber nicht automatisch für das Training moderner KI-Systeme geeignet. Sie können in Kliniken, Unternehmen, Behörden, Forschungsprojekten oder privaten Datenbanken liegen. Oft bestehen rechtliche, technische oder organisatorische Hürden, bevor eine Nutzung möglich ist.

Die Unterstützung des Biotech-Archivs ist deshalb nicht nur als klassische Forschungsförderung einzuordnen. Sie zielt auf den Aufbau einer Dateninfrastruktur. Eine solche Infrastruktur kann langfristig wichtiger sein als die Finanzierung eines einzelnen Modells, weil sie mehreren Forschungsgruppen oder Anwendungen zugutekommen könnte.

Nach Medienberichten hat die OpenAI Foundation für ihre Aktivitäten im Gesundheits- und Wissenschaftsbereich zunächst mehr als 125 Millionen US-Dollar in Aussicht gestellt. Für das erste Jahr wurden außerdem umfangreichere Förderpläne der Stiftung genannt. Diese Gesamtzahlen betreffen jedoch das breitere Programm und sind nicht mit dem konkreten Zuschuss von 500.000 US-Dollar für „Biotech Archives“ gleichzusetzen.

Warum medizinische KI besondere Daten benötigt

Große Sprachmodelle können aus öffentlich verfügbaren Texten, Büchern, Webseiten und wissenschaftlichen Veröffentlichungen lernen. In der Medizin reicht diese Datenbasis jedoch häufig nicht aus. Medizinische Entscheidungen hängen von Kontext, Zeitverlauf, Patientengruppen, Messverfahren und Unsicherheiten ab. Ein Modell muss nicht nur Informationen wiedergeben, sondern auch die Aussagekraft und Grenzen einer Quelle bewerten können.

Für die Arzneimittelforschung sind außerdem Daten erforderlich, die in der öffentlichen Literatur nur teilweise enthalten sind. Publikationen konzentrieren sich tendenziell auf Ergebnisse, die wissenschaftlich oder wirtschaftlich relevant erscheinen. Abgebrochene Studien, negative Resultate und gescheiterte Produktionsverfahren werden dagegen nicht immer vollständig veröffentlicht.

Diese Lücke kann zu einer verzerrten Datenbasis führen. Wenn ein KI-System überwiegend erfolgreiche oder publizierte Projekte analysiert, könnte es die Wahrscheinlichkeit von Fehlschlägen unterschätzen. Die Berücksichtigung negativer Ergebnisse könnte dazu beitragen, die Modelle realistischer zu trainieren.

Für ein medizinisches KI-System können insbesondere folgende Datenarten relevant sein:

• Ergebnisse aus präklinischen und klinischen Studien.
• Dokumentierte Sicherheits- und Nebenwirkungsprofile.
• Informationen zur Pharmakokinetik und Pharmakodynamik.
• Daten zu Dosierungen, Behandlungsdauer und Patientengruppen.
• Herstellungs- und Qualitätskontrollverfahren.
• Regulatorische Bewertungen und Nachforderungen.
• Abweichungen zwischen Studienplanung und tatsächlichem Studienverlauf.
• Dokumentierte Gründe für die Einstellung eines Projekts.

Die Verfügbarkeit solcher Daten garantiert allerdings noch keinen medizinischen Durchbruch. Entscheidend ist, ob die Daten korrekt, vollständig, vergleichbar und rechtmäßig nutzbar sind. Ein großes Datenvolumen kann die Qualität eines Modells sogar verschlechtern, wenn es widersprüchliche oder fehlerhafte Informationen enthält.

Vom Insolvenzverfahren zum Trainingsdatensatz

Der Weg von einer Insolvenzakte zu einem verwendbaren Datensatz ist komplex. Zunächst muss geklärt werden, welche Dokumente tatsächlich zur Insolvenzmasse gehören und welche Rechte Dritter betroffen sind. In den Unterlagen können sich beispielsweise Lizenzrechte, vertragliche Beschränkungen, personenbezogene Informationen oder Geschäftsgeheimnisse von Partnerunternehmen befinden.

Auch der Erwerb über eine Auktion bedeutet nicht automatisch, dass die Daten ohne weitere Einschränkungen veröffentlicht oder zum Training eines KI-Modells verwendet werden dürfen. Eigentum an einem Datenträger und Nutzungsrecht an den darauf enthaltenen Informationen sind rechtlich nicht immer identisch. Zusätzlich können nationale Regelungen und internationale Vertragsbeziehungen eine Rolle spielen.

Nach dem Erwerb müssten die Dokumente in eine technisch nutzbare Form überführt werden. Dabei sind unter anderem optische Zeichenerkennung, Metadatenverwaltung, Versionierung und semantische Klassifizierung erforderlich. Ein regulatorisches Dokument kann beispielsweise Tabellen, Abkürzungen und Querverweise enthalten, die bei einer automatisierten Verarbeitung verloren gehen könnten.

Für eine professionelle Nutzung wäre daher ein nachvollziehbarer Datenlebenszyklus notwendig:

• Dokumentation der Herkunft jedes Datensatzes.
• Erfassung der ursprünglichen Version und des Erstellungszeitpunkts.
• Kennzeichnung von Lücken, Widersprüchen und unsicheren Angaben.
• Trennung von Rohdaten, bereinigten Daten und abgeleiteten Informationen.
• Protokollierung sämtlicher Änderungen und Verarbeitungsschritte.
• Festlegung klarer Zugriffs- und Nutzungsrechte.
• Regelmäßige Prüfung auf Datenschutz- und Compliance-Risiken.

Für B2B-Anwender ist vor allem die Nachvollziehbarkeit entscheidend. Ein medizinisches Modell muss nicht nur eine Antwort liefern, sondern möglichst auch angeben können, auf welche Quelle, Studie oder Dokumentenpassage es sich stützt. Ohne diese Transparenz wäre eine Nutzung in regulierten Bereichen nur eingeschränkt möglich.

Potenzielle Anwendungen in Forschung und Entwicklung

Die Initiative könnte verschiedene Anwendungsfelder unterstützen. Ein denkbares Szenario ist die automatische Strukturierung historischer Entwicklungsunterlagen. KI-Systeme könnten Dokumente nach Wirkstoffen, Studienphasen, Sicherheitsereignissen oder regulatorischen Fragestellungen ordnen. Das würde Forschenden den Zugang zu Informationen erleichtern, die bislang nur in verstreuten Akten vorliegen.

Darüber hinaus könnten Modelle bei der Identifikation von Mustern helfen. Sie könnten beispielsweise untersuchen, ob bestimmte Wirkstoffklassen häufiger an ähnlichen Sicherheitsproblemen scheitern oder welche Entwicklungsparameter mit späteren Abbrüchen verbunden sind. Solche Analysen würden keine medizinische Entscheidung ersetzen, könnten aber Hypothesen für weitere Forschung liefern.

Auch bei der Vorbereitung regulatorischer Verfahren könnten strukturierte Daten eine Rolle spielen. Unternehmen könnten frühzeitig prüfen, welche Nachweise für bestimmte Wirkstofftypen erforderlich sind, welche Fragen Behörden in vergleichbaren Verfahren gestellt haben und an welchen Stellen frühere Projekte wiederholt Schwierigkeiten hatten.

Weitere mögliche Einsatzbereiche sind:

• Recherche nach früher untersuchten Wirkstoffkandidaten.
• Vergleich von Studienergebnissen über mehrere Unternehmen hinweg.
• Erkennung redundanter Forschungsansätze.
• Analyse von Ursachen für Studienabbrüche.
• Unterstützung bei der Planung neuer präklinischer Untersuchungen.
• Bewertung von Produktions- und Skalierungsrisiken.
• Aufbereitung historischer Daten für wissenschaftliche Nachwuchsgruppen.

In der Praxis dürfte der größte Nutzen zunächst bei Recherche, Dokumentenanalyse und Wissensmanagement liegen. Ein direkter Einsatz zur Diagnose oder Therapieentscheidung würde deutlich höhere Anforderungen an Validierung, Haftung und behördliche Zulassung stellen.

Die ökonomische Logik hinter dem Vorhaben

Die Finanzierung von Biotech-Unternehmen ist mit hohen Risiken verbunden. Ein erheblicher Teil der Projekte erreicht weder die Marktreife noch die Zulassung. Die Investitionen in Forschung, Studien und Produktionsaufbau können dennoch umfangreiche Datenbestände hervorbringen.

Aus wirtschaftlicher Perspektive stellt sich damit die Frage, wie der Wert dieser Daten nach dem Scheitern eines Unternehmens erhalten werden kann. Werden sie nur als Bestandteil eines einzelnen Verkaufs betrachtet, kann ihr Nutzen auf einen Käufer oder ein Nachfolgeprojekt begrenzt bleiben. Eine systematische Archivierung könnte dagegen dazu beitragen, dass Erkenntnisse über mehrere Projekte hinweg verwendet werden.

Der Zuschuss von 500.000 US-Dollar ist im Vergleich zu den Kosten klinischer Studien relativ klein. Für den Aufbau eines spezialisierten Archivs kann er dennoch relevant sein, insbesondere für die Identifikation geeigneter Fälle, erste Ankäufe und die Entwicklung von Standards. Der finanzielle Hebel könnte darin liegen, Daten nutzbar zu machen, deren ursprüngliche Erzeugung bereits mit erheblichen privaten Investitionen finanziert wurde.

Für die Branche könnte ein solches Archiv außerdem neue Formen der Zusammenarbeit ermöglichen. Start-ups, Universitäten, Pharmaunternehmen und öffentliche Einrichtungen könnten auf eine gemeinsame Datenbasis zugreifen, sofern Lizenzmodelle und Governance-Strukturen dies erlauben. Ob daraus tatsächlich ein offenes Ökosystem entsteht, hängt jedoch von den Bedingungen des Datenzugangs ab.

Datenschutz und geistiges Eigentum als zentrale Hürden

Medizinische und klinische Daten können personenbezogene Informationen enthalten. Auch wenn Namen entfernt werden, besteht bei seltenen Erkrankungen, kleinen Studiengruppen oder detaillierten Zeitverläufen das Risiko einer Re-Identifizierung. Eine bloße Anonymisierung reicht daher nicht in jedem Fall aus.

Besondere Aufmerksamkeit erfordern Daten aus klinischen Studien. Die ursprüngliche Einwilligung der Teilnehmenden kann an bestimmte Forschungszwecke gebunden sein. Ob eine spätere Verwendung zum Training eines allgemeinen KI-Modells damit vereinbar ist, muss im jeweiligen rechtlichen und ethischen Kontext geprüft werden.

Daneben können Dokumente Geschäftsgeheimnisse, Patente oder vertraglich geschützte Informationen enthalten. Ein Insolvenzverfahren hebt diese Schutzrechte nicht automatisch auf. Auch die Rechte von Forschungspartnern, Auftragsinstituten und Lizenzgebern müssen berücksichtigt werden.

Ein verantwortungsvoller Aufbau des Archivs müsste deshalb mindestens folgende Fragen beantworten:

• Wer ist Eigentümer der jeweiligen Daten?
• Welche Nutzungsrechte werden mit dem Erwerb tatsächlich übertragen?
• Welche personenbezogenen Informationen sind enthalten?
• Für welche Forschungszwecke liegt eine ausreichende Rechtsgrundlage vor?
• Welche Daten dürfen veröffentlicht und welche nur eingeschränkt zugänglich gemacht werden?
• Wie werden nachträgliche Lösch- oder Sperranfragen bearbeitet?
• Wer haftet für Fehler, falsche Zuordnungen oder unzulässige Verwendungen?

Für europäische Unternehmen kommt zusätzlich die regulatorische Entwicklung rund um künstliche Intelligenz, Datenschutz und Gesundheitsdaten hinzu. Je nach Anwendung können Anforderungen an Risikomanagement, technische Dokumentation, menschliche Aufsicht und Nachvollziehbarkeit gelten. Ein Datensatz, der für wissenschaftliche Experimente geeignet ist, muss daher nicht automatisch für ein kommerzielles Hochrisikosystem ausreichen.

Qualität ist wichtiger als die reine Datenmenge

Die Bezeichnung „verlorenes Archiv“ macht deutlich, dass es sich vermutlich um heterogenes und historisch gewachsenes Material handelt. Für das Training von KI-Systemen ergeben sich daraus mehrere Risiken. Dokumente können veraltet, unvollständig oder widersprüchlich sein. Manche Ergebnisse wurden möglicherweise unter Bedingungen erhoben, die sich nicht auf andere Patientengruppen übertragen lassen.

Ein Modell könnte außerdem Zusammenhänge erkennen, die statistisch auffällig, aber medizinisch nicht kausal sind. Wenn bestimmte Patientengruppen in einer Studie häufiger Nebenwirkungen zeigen, kann dies beispielsweise an der Auswahl der Teilnehmenden, an Begleiterkrankungen oder an der Studiendurchführung liegen. Ohne fachliche Einordnung besteht die Gefahr, dass KI-Systeme Scheinkorrelationen übernehmen.

Ein weiterer Punkt ist die Repräsentativität. Historische Biotech-Daten können bestimmte Regionen, Ethnien, Altersgruppen oder Gesundheitssysteme überproportional abbilden. Werden solche Daten ohne Korrektur in Modelle integriert, können bestehende Verzerrungen verstärkt werden.

Für die Datenbewertung sind deshalb unter anderem folgende Kriterien relevant:

• Vollständigkeit und Konsistenz der Unterlagen.
• Nachvollziehbarkeit der Datenerhebung.
• Reproduzierbarkeit der ursprünglichen Ergebnisse.
• Repräsentation verschiedener Patientengruppen.
• Aktualität der medizinischen und regulatorischen Informationen.
• Trennung von beobachteten Daten und nachträglichen Interpretationen.
• Dokumentation von Unsicherheiten und fehlenden Informationen.

Die technische Verarbeitung sollte durch Fachleute aus Medizin, Biostatistik, Regulierung, Datenschutz und Datenengineering begleitet werden. Ein rein automatisierter Prozess könnte zwar große Mengen schneller verarbeiten, aber wichtige Bedeutungszusammenhänge übersehen.

Was die Initiative für Unternehmen und Forschungseinrichtungen bedeutet

Für Unternehmen aus Pharma, Biotechnologie und Medizintechnik ist die Initiative vor allem deshalb relevant, weil Daten zunehmend zu einer strategischen Ressource werden. Die Fähigkeit, heterogene Forschungsinformationen zu verbinden und aus historischen Projekten zu lernen, kann Entwicklungsprozesse beeinflussen.

Unternehmen sollten allerdings zwischen öffentlich zugänglichen Datensätzen, lizenzierten Daten und vertraulichen Unternehmensinformationen unterscheiden. Eine externe Datenquelle kann wertvolle Hinweise liefern, darf aber nicht ohne Prüfung in interne Trainings- oder Entscheidungsprozesse integriert werden.

Für Forschungseinrichtungen könnte ein zentralisiertes Archiv den Zugang zu früheren Entwicklungsprogrammen erleichtern. Universitäten und kleinere Start-ups verfügen häufig nicht über die Mittel, umfangreiche historische Datenbestände selbst zu erwerben und aufzubereiten. Ein standardisierter Zugang könnte daher die Forschungslandschaft verbreitern.

Gleichzeitig werden neue Anforderungen an Datenkompetenz entstehen. Fachabteilungen müssen verstehen, wie Trainingsdaten ausgewählt, bereinigt und bewertet werden. Für den praktischen Einsatz wird nicht nur ein leistungsfähiges Modell benötigt, sondern auch eine belastbare Dokumentation der Datenherkunft und der Modellgrenzen.

Aus B2B-Sicht sind insbesondere diese Fragen entscheidend:

• Ist der Datenzugang offen, lizenziert oder auf bestimmte Partner begrenzt?
• Welche kommerziellen Nutzungsrechte werden eingeräumt?
• Wie wird die Qualität der Daten geprüft?
• Welche Nachweise stehen für regulatorische Audits zur Verfügung?
• Wie werden Aktualisierungen und Korrekturen vorgenommen?
• Welche technischen Schnittstellen und Datenformate werden unterstützt?
• Wie werden Modelle gegen Datenverfälschung und unbefugten Zugriff geschützt?

Ein möglicher Wandel im Umgang mit Fehlschlägen

Die Initiative berührt eine grundsätzliche Frage der Innovationsökonomie: Wie kann die Gesellschaft aus Forschungsprojekten lernen, die ihr ursprüngliches Ziel nicht erreicht haben?

In vielen Branchen werden Erfolge ausführlich dokumentiert, während negative Ergebnisse weniger sichtbar sind. In der Arzneimittelforschung ist diese Asymmetrie besonders bedeutsam, weil die Kosten von Wiederholungen hoch und Entwicklungszyklen lang sind. Wenn ein Wirkstoff bereits in einer bestimmten Phase an einem bekannten Problem gescheitert ist, kann die Kenntnis darüber spätere Forschungsarbeit beeinflussen.

Ein Archiv gescheiterter Biotech-Projekte könnte daher eine Art institutionelles Gedächtnis schaffen. Es würde nicht nur erfolgreiche Wirkstoffe und zugelassene Therapien erfassen, sondern auch dokumentieren, welche Annahmen, Versuchsaufbauten oder Produktionsansätze nicht funktioniert haben.

Ob dieses Wissen tatsächlich zugänglich und nutzbar wird, hängt von der Gestaltung des Projekts ab. Ein geschlossenes Archiv mit hohen Zugangshürden hätte einen anderen gesellschaftlichen Nutzen als eine offene Datenplattform. Ebenso entscheidend ist, ob die Daten nur für das Training von Modellen verwendet werden oder ob Forschende die zugrunde liegenden Dokumente selbst einsehen können.

OpenAI zwischen gemeinnütziger Förderung und strategischer Wirkung

Die Förderung ist in einen größeren Kontext einzuordnen. OpenAI investiert erhebliche Ressourcen in die Entwicklung und Bereitstellung künstlicher Intelligenz. Die OpenAI Foundation positioniert sich zugleich als Akteurin, der die gesellschaftlichen Auswirkungen dieser Technologie zugutekommen sollen.

Gesundheitsdaten und medizinische Anwendungen sind dabei ein besonders sichtbares Feld. Fortschritte in der Medizin gelten als möglicher Bereich, in dem KI einen hohen gesellschaftlichen Nutzen entfalten kann. Gleichzeitig sind die Risiken besonders groß, weil fehlerhafte Systeme unmittelbare Auswirkungen auf Patientinnen und Patienten haben können.

Die Finanzierung eines Datenarchivs kann mehrere Ziele miteinander verbinden: Sie unterstützt Forschung, erweitert die Datenbasis für medizinische KI und stärkt zugleich die öffentliche Rolle der Stiftung. Daraus folgt nicht automatisch ein Interessenkonflikt. Es macht jedoch eine klare Trennung zwischen Förderzweck, Datenzugang und kommerzieller Nutzung erforderlich.

Für externe Beobachter wird daher entscheidend sein, wie transparent die Foundation über Auswahlkriterien, Mittelverwendung, Eigentumsrechte und spätere Zugangsbedingungen informiert. Ebenso relevant ist die Frage, ob die aus der Förderung entstehenden Daten ausschließlich OpenAI zugutekommen oder auch unabhängigen Forschungseinrichtungen zur Verfügung stehen.

Was jetzt beobachtet werden sollte

Der konkrete Zuschuss von 500.000 US-Dollar ist zunächst als Anschubfinanzierung für ein spezialisiertes Archiv zu verstehen. Ob daraus eine dauerhafte Infrastruktur entsteht, wird von der Zahl der erworbenen Datenbestände, der rechtlichen Klärung und der technischen Qualität der Aufbereitung abhängen.

In den kommenden Monaten dürften insbesondere folgende Entwicklungen Aufschluss über die Reichweite des Projekts geben:

• Welche Insolvenzfälle und Datensätze tatsächlich erworben werden.
• Ob die Daten für unabhängige Forschung zugänglich gemacht werden.
• Welche Standards für Datenschutz, Anonymisierung und Qualitätsprüfung gelten.
• Ob aus dem Archiv konkrete wissenschaftliche Projekte oder KI-Anwendungen hervorgehen.
• Wie die Zusammenarbeit zwischen 1Day Sooner, Forschungseinrichtungen und weiteren Partnern organisiert wird.
• Ob zusätzliche Fördermittel bereitgestellt werden.
• Wie Behörden und Fachgesellschaften die Nutzung der Daten bewerten.

Auch die Ergebnisse sollten an nachvollziehbaren Kriterien gemessen werden. Die bloße Veröffentlichung eines großen Datenbestands wäre kein ausreichender Erfolg. Entscheidend ist, ob Forschende dadurch bessere Hypothesen entwickeln, Entwicklungsfehler früher erkennen oder medizinische Modelle zuverlässiger validieren können.

Fazit: Ein kleiner Zuschuss mit potenziell großer strategischer Bedeutung

Mit der Förderung von 500.000 US-Dollar für „Biotech Archives“ setzt die OpenAI Foundation auf eine ungewöhnliche Datenquelle: die Hinterlassenschaften gescheiterter Biotech-Unternehmen. Im Mittelpunkt stehen Unterlagen, die wissenschaftlich relevant sein können, nach Insolvenzen jedoch häufig fragmentiert, verkauft oder nicht mehr systematisch genutzt werden.

Der Ansatz adressiert ein zentrales Problem medizinischer KI. Leistungsfähige Modelle benötigen nicht nur mehr Daten, sondern möglichst vielfältige, qualitativ geprüfte und aussagekräftig dokumentierte Informationen. Dazu gehören auch negative Ergebnisse, abgebrochene Studien und gescheiterte Produktionsversuche.

Gleichzeitig ist der Aufbau eines solchen Archivs mit erheblichen rechtlichen, technischen und ethischen Herausforderungen verbunden. Datenschutz, geistiges Eigentum, Datenqualität und regulatorische Nachvollziehbarkeit müssen von Anfang an berücksichtigt werden. Ein KI-Modell kann nur so verlässlich sein wie die Daten, ihre Aufbereitung und die fachliche Kontrolle, die dahinterstehen.

Für Unternehmen und Forschungseinrichtungen ist die Initiative deshalb weniger als unmittelbare Produktankündigung zu verstehen, sondern als möglicher Baustein einer neuen Dateninfrastruktur für die Medizin. Sollte es gelingen, bislang unzugängliche Informationen rechtssicher und wissenschaftlich belastbar nutzbar zu machen, könnte der Wert des Projekts deutlich über die Höhe des ersten Zuschusses hinausreichen.

Ob daraus ein offenes Forschungsinstrument, eine proprietäre Datenbasis oder zunächst nur ein Pilotprojekt entsteht, ist noch nicht abschließend erkennbar. Fest steht jedoch: In der medizinischen KI verschiebt sich der Wettbewerb zunehmend von der reinen Modellgröße hin zur Qualität, Herkunft und Nutzbarkeit der Daten. Genau an diesem Punkt setzt das von der OpenAI Foundation geförderte Vorhaben an.

Bibliografie

t3n, „OpenAI-Initiative will KI für die Medizin besser machen – ausgerechnet Insolvenzen sollen helfen“, Antonio Regalado, 18. September 2026. https://t3n.de/news/openai-initiative-will-ki-fuer-die-medizin-besser-machen-ausgerechnet-insolvenzen-sollen-helfen-1763806/ OpenAI Foundation, „Update on the OpenAI Foundation“, 24. März 2026. https://openai.com/index/update-on-the-openai-foundation/ HyperAI, „OpenAI kauft Daten insolventer Pharmafirmen für KI“, 14. September 2026. https://hyper.ai/de/stories/239c64e09eeee19e0ff794a309d1fc02 ATLABYTE, „OpenAI Foundation will give $500,000 for a bankrupt-biotech data archive to train AI“, 15. September 2026. https://atlabyte.com/en/news/openai-foundation-will-give-500000-for-a-bankrupt-biotech-data-archive-to-train-ai ad-hoc-news, „OpenAI Foundation: 125 Mio. Dollar für KI in der Medizin“, 15. September 2026. https://www.ad-hoc-news.de/wissenschaft/openai-foundation-125-mio-dollar-fuer-ki-in-der-medizin/70106551 Handelsblatt, „Künstliche Intelligenz: OpenAI schließt Rekordfinanzierung ab“, 27. Februar 2026. https://www.handelsblatt.com/technik/ki/kuenstliche-intelligenz-openai-schliesst-rekordfinanzierung-ab/100204118.html