Von der Gesamtsumme fließen 400 Millionen Dollar in Datenerhebung und Bildgebungstechnologien — also in die Infrastruktur, die nötig ist, um biologische Prozesse überhaupt in verwertbare Trainingsdaten zu übersetzen. Die restlichen 100 Millionen gehen an externe Forschungslabore und -projekte weltweit. Biohub verpflichtet sich dabei ausdrücklich, die generierten Datensätze offen zugänglich zu machen — als gemeinsame Basis für die gesamte KI-Biologieforschung. Partner wie Nvidia, das Allen Institute und Arc sind bereits Teil der Initiative.
- Die Chan Zuckerberg Biohub investiert eine halbe Milliarde Dollar in die Virtual Biology Initiative zur Erstellung KI-gestützter Zellmodelle.
- Mit 400 Millionen Dollar für die Infrastruktur soll eine neue Trainingsbasis von mindestens zehn Milliarden abgebildeten Zellen geschaffen werden.
- Der dabei verfolgte Open-Data-Ansatz ermöglicht weltweiten Zugang zur Forschung und setzt etablierte Akteure in der Pharmaindustrie unter Zugzwang.
Die Skalierungslücke: Warum 500 Millionen Dollar erst der Anfang sind
Der Haken liegt im Datenproblem: Laut Biohub-Forscher Alex Rives stoßen aktuelle KI-Biologie-Datensätze bei rund einer Milliarde Zellen an ihre Grenzen. Um die nötigen Modelle zu trainieren, brauchst du jedoch eine Größenordnung mehr — also mindestens zehn Milliarden Zellen als Trainingsbasis. Ob 500 Millionen Dollar ausreichen, um diese Datenlücke zu schließen, lässt Rives laut Axios bewusst offen.
Was hinter dem Ansatz steckt, ist die Skalierungs-Hypothese, die in der Sprachverarbeitung und zuletzt bei der Proteinstrukturforschung — Stichwort AlphaFold — beeindruckende Ergebnisse geliefert hat. Mehr Daten, mehr Rechenleistung, bessere Modelle. Google DeepMinds Demis Hassabis hat öffentlich formuliert, dass KI letztlich in der Lage sein könnte, Krankheiten zu beenden. Biohub setzt genau auf dieselbe Logik — nur eben für die komplexere Welt der lebenden Zelle statt für Aminosäuresequenzen.
Der Unterschied zur Proteinforschung ist nicht trivial: Proteine falten sich nach physikalischen Regeln, die sich formalisieren lassen. Zellen hingegen sind dynamische Systeme mit tausenden gleichzeitiger Wechselwirkungen — kontextabhängig, zeitabhängig und weit schwerer zu standardisieren. Ob Skalierung hier denselben Durchbruch bringt, ist die eigentliche wissenschaftliche Frage hinter den 500 Millionen.
Open Data als strategischer Hebel für die Forschung
Das Open-Data-Commitment von Biohub ist ein strategisch relevanter Zug. Wer die Datenbasis kontrolliert, auf der zukünftige Zellmodelle trainiert werden, prägt die gesamte Forschungslandschaft — von der universitären Grundlagenforschung bis hin zu pharmazeutischen Unternehmen, die KI-gestützte Wirkstoffforschung betreiben. Offene Datensätze senken die Einstiegshürde für kleinere Labore, erhöhen aber auch den Druck auf kommerzielle Akteure, die ähnliche Daten bislang proprietär halten.
Für dich als Entscheider in DACH-Unternehmen im Bereich Life Sciences und Pharma — von Bayer bis Roche — ist das eine Entwicklung, die du genau beobachten musst. Wenn du KI in der Wirkstoffforschung einsetzt, wirst du früher oder später auf Zellmodelle angewiesen sein. Wer diese Modelle dann stellt und unter welchen Bedingungen, entscheidet sich gerade jetzt. Der EU AI Act stuft KI-Systeme im Medizinbereich als Hochrisiko ein — ab August 2026 gelten entsprechend verschärfte Transparenz- und Dokumentationspflichten, die auch für deine KI-gestützten Forschungswerkzeuge relevant werden können.
❓ Häufig gestellte Fragen
📰 Recherchiert auf Basis von 2 Primärquellen (axios.com, therundown.ai)
📚 Quellen
