Pharma-Roboter ersetzen Chemiker: Zahlung nur bei Erfolg

Der ehemalige OpenAI-Vizepräsident für Wissenschaft, Kevin Weil, hat mit Warp Sciences ein KI- und Robotikunternehmen für die chemische Wirkstoffforschung gegründet. Am 22. Oktober 2026 beendete Warp Sciences seine Stealth-Phase und meldete eine Finanzierung über 215 Millionen Dollar zu einer Bewertung von 865 Millionen Dollar. Die Runde wurde von Lightspeed Venture Partners angeführt; neben rund 18 weiteren Investoren beteiligten sich OpenAI-Finanzchefin Sarah Friar und OpenAI-Forschungsleiter Mark Chen privat. Neben Weil umfasst das Gründerteam DJ Patil, den früheren Meta-KI-Forschungsleiter Manohar Paluri und den Pharmachemiker Solomon Reisberg. Warp Sciences zielt auf einen Engpass in der präklinischen Entwicklung kleiner Moleküle: die Analog-Synthese während der Wirkstoffoptimierung. Nach dem Auffinden eines Kandidaten müssen Chemiker viele Varianten herstellen, testen und nach den Ergebnissen neu entwerfen. Design und Test lassen sich zunehmend automatisieren, doch die aufwendige Synthese bleibt oft handarbeitgeprägt und wird häufig an Auftragsforschungsinstitute vergeben, was Anbieter in China begünstigt hat. Das Startup will dieses Segment durch Roboter und KI-Modelle ersetzen, die aus experimentellen Ergebnissen lernen, und positioniert sich als Infrastrukturpartner, nicht als Entwickler eigener Medikamente. Konkret arbeiten Kundenchemiker zunächst mit Warps Team; sie definieren die Verbindungen und behalten die Kontrolle über ihre Projekte. Die chemischen Operationen werden per Kamera und drucksensitiven Handschuhen erfasst, um spätere Roboterbewegungen zu trainieren. Der Plan ist eine durchgängige Schleife aus Modellvorschlag, robotischer Synthese, Testlauf und datengetriebener Modellanpassung. Bezahlt wird nicht nach gebuchten Chemikern, sondern pro gelieferter Verbindung; misslungene Synthesen bleiben unvergütet. Damit übernimmt Warp Sciences ein eigenes Risiko, gewinnt aber Skaleneffekte, wenn Erfolg und Geschwindigkeit steigen. Weil argumentiert, KI habe Software und Mathematik stark beschleunigt, weil Feedback schnell kam. In Chemie und Biologie dauere Validierung dagegen Wochen; viele Datenmodelle lernten zudem vorwiegend von erfolgreichen Experimenten. Warp Sciences wolle den fehlenden experimentellen Kreislauf schließen und langfristig experimentelle Superintelligenz ermöglichen: Wissenschaftler definieren Eigenschaften, KI plant Versuche, steuert Labore und optimiert durch Versuch und Irrtum. Die strategische Aufstellung trifft auf einen heißen Markt. OpenAI und Anthropic haben kürzlich Bio-Projektmanagement und Biomoleküldesign-Teams zugekauft; große Labore wie Eli Lilly experimentieren mit Nvidia-Infrastruktur; Newcomer wie Lila Sciences, Chemify und ChemLex bauen automatisierte Labore. Wichtiger Unterscheidungsfaktor ist für Warp Sciences die Standortdiskussion: US-Regeln gegen chinesische Biotech-Aufträge und Druck auf Anbieter wie WuXi AppTec schaffen Nachfrage nach lokalen Alternativen. Ob die Preisversprechen halten, ist offen, weil noch keine Kennzahlen zu Durchlaufzeiten, Kosten oder Modellleistung vorliegen; zunächst muss das Team nachweisbar zuverlässig Verbindungen liefern.