Kann KI 50 % aller Arzneimittelforschung ersetzen, indem sie autonom neue Moleküle in silico mit generativer KI und Quantencomputing-Simulationen entwirft und testet ?

Die pharmazeutische F&E ist notorisch langsam und teuer, aber KI beschleunigt bereits die Arzneimittelentdeckung. Wenn eine KI nicht nur Moleküle generieren, sondern auch deren Wechselwirkungen mit der menschlichen Biologie in bisher ungekannter Größenordnung simulieren könnte, könnte sie die traditionelle, laborbasierte Forschung überflüssig machen. Die Frage ist nicht, ob KI Medikamente entwerfen kann – sondern ob sie es besser kann als Menschen, ohne dass menschliche Wissenschaftler die Ergebnisse interpretieren müssen.

Generative KI kann heute bereits neuartige kleine Molekülstrukturen mit hoher vorhergesagter Bindungsaffinität zu Proteintargets vorschlagen, und das in-silico-Hochdurchsatz-Screening auf klassischer Hardware deckt bereits Millionen von Kandidaten ab. Eine vollständig autonome, durchgängige Entdeckung, die generatives Design, quantengradgenaues Andocken und Laborgültigung kombiniert, bleibt jedoch außer Reichweite: Die Andockgenauigkeit liegt noch unter der für eine zuverlässige Affinitätsbewertung benötigten Unsicherheit von ~1 kcal/mol, Quantensimulationen für große Proteine sind auf kurzfristigen Geräten fehleranfällig, und Engpässe bei der Nasslaborsynthese und -validierung bestehen fort. Aktuelle Demonstrationen erreichen eine teilweise Automatisierung (Design → in-silico-Triage → teilweise Synthese), aber keine Gruppe hat die Schwelle einer 50 %-Durchsatzreduzierung über eine breite Palette von Targets hinweg erreicht. QUELLE: McKinsey & Company — https://www.mckinsey.com/capabilities/quantumblack/our-insights/quantum-computing-in-drug-discovery

— Aktualisiert am 10. Mai 2026