Warum zuerst Biopharma

Sci2sci startete im Biopharma-Sektor, wo das Datenproblem akut ist und die Kosten für fehlerhafte Fakten in regulatorischen Verzögerungen, gescheiterten Audits und abgebrochener Forschung gemessen werden. Biopharma-Unternehmen generieren enorme Mengen an Forschungsdaten, von denen der Großteil in verstreuten PDFs, Tabellenkalkulationen und Labornotizen in Dutzenden unverbundenen Systemen liegt.  

Wenn ein Zulassungsantrag auf ein präklinisches Ergebnis verweist, das sich auf ein Laborergebnis bezieht, das wiederum auf Rohdaten basiert, die vor drei Jahren zuletzt geändert wurden – wer verifiziert diese Kette? Heute erledigen das Menschen manuell über Wochen hinweg. Und wenn KI-Tools auf dieselben unübersichtlichen, widersprüchlichen Daten aufgesetzt werden, übernehmen sie diese Dysfunktion – und halluzinieren mit voller Überzeugung.

Ehemalige Corporate VP und Digital Transformation Officer, F&E Novo Nordisk, Stephanie Bova hat dieses Problem in größtmöglichem Maßstab erlebt. „Jedes Gremium, das ich berate, stellt dieselbe Frage: Warum zeigen sich die KI-Investitionen nirgendwo, wo ich sie messen kann? Die Antwort ist fast immer Vertrauen. Pilotprojekte funktionieren wunderbar, aber nichts erreicht die Produktion, weil niemand bereit ist, seinen Namen unter ein Ergebnis zu setzen, das er nicht nachverfolgen kann. Sci2sci beseitigt dieses Hindernis auf Architekturebene – genau deshalb bin ich eingestiegen.“ Sie unterstützt derzeit Life-Science-Unternehmen bei der Bewältigung ähnlicher Herausforderungen als CEO von Mirai Advisors, einer Beratungsfirma für Führungskräfte, die sich darauf spezialisiert hat, Vorständen und C-Level-Entscheidern dabei zu helfen, einen messbaren Mehrwert aus ihren KI- und Technologieinvestitionen zu ziehen, und ist kürzlich als Senior Advisor zu sci2sci gestoßen.

Jeder Fakt wird ausführbar

Die Mitgründerin und CEO von Sci2sci, Angelina Lesnikova, hat einen Doktortitel in Neurowissenschaften. Dort untersuchte sie jahrelang die molekularen Mechanismen von Gedächtnis und Lernen im Gehirn – eine Forschung, die die Kernidee des Unternehmens prägte: Wissen sollte sich wie ein aktives Netzwerk verhalten, nicht wie ein statischer Speicher.

Integrity Cortex, das Flaggschiff-Produkt des Unternehmens, basiert auf dem Prinzip „Wissen als Code“. Es extrahiert jeden Fakt aus den Dokumenten, Daten und KI-Ausgaben eines Unternehmens und verbindet sie zu einem einzigen lebendigen Netzwerk. Anstatt ein Sprachmodell zu bitten, Dokumente in Prosa zusammenzufassen, kodiert das Framework Informationen als formales Logiksystem – jede Behauptung muss ein wörtliches Zitat anführen, jede Schlussfolgerung muss aus dargelegten Prämissen abgeleitet werden. Eine symbolische Engine verifiziert dann jedes Zitat und jede Ableitung. Wenn das Modell einen Fakt erfindet, schlägt die Verifizierung fehl – und dieser Fehler markiert jede Schlussfolgerung, die davon abhängt. Zudem erkennt das System Inkonsistenzen, die bereits in der Datenbasis vorhanden sind, und verfolgt die Auswirkungen nachgelagert, sobald sich ein Quelldokument ändert.

Dieser Ansatz wird durch Parseltongue ermöglicht, ein Framework, das sci2sci dieses Jahr unter der Apache 2.0-Lizenz als Open Source veröffentlicht hat. Im August hat ein Forscherteam den zweiten Platz bei einem Biopharma-KI-Hackathon gewonnen mit einem auf Parseltongue basierenden System, das Wirkstoffziele gegen veröffentlichte Fachliteratur und klinische Studien validiert.

Wenn die FDA und die sichersten KI-Labore vor demselben Vertrauensverlust warnen

Im April 2026 erteilte die FDA ihr erstes Warnschreiben wegen KI-Missbrauchs in der Arzneimittelherstellung – ein Unternehmen hatte KI-Agenten eingesetzt, um Compliance-Dokumente ohne menschliche Überprüfung zu erstellen. Auf die Frage, warum keine Prozessvalidierung durchgeführt wurde, antworteten die Mitarbeiter den Ermittlern, ihr KI-Agent habe sie nie darauf hingewiesen, dass dies erforderlich sei. Das Unternehmen stellte die Arzneimittelproduktion ein.

Drei Monate später eskalierten die Probleme von nicht verifizierten Ergebnissen hin zu unkontrollierten Modellen. OpenAI gab bekannt, dass eines seiner Modelle aus einer isolierten Testumgebung ausgebrochen war und die Produktionsinfrastruktur von Hugging Face kompromittiert hatte. Eine Woche später enthüllte Anthropic, dass drei seiner eigenen Claude-Modelle während Sicherheitstests in drei echte Unternehmen eingedrungen waren. Zwei der betroffenen Unternehmen bemerkten den Vorfall nicht einmal, bis Anthropic sie darüber informierte.

„Wenn die beiden Labore, die sich selbst als die sicherheitsbewusstesten vermarkten, im selben Monat Modelle haben, die in echte Unternehmen einbrechen, dann ist das ein Fehler im Prozessdesign“, sagte Valerii Kremnev, Mitgründer und CTO von sci2sci. „Wir haben den entgegengesetzten Ansatz gewählt. Anstatt zuerst Funktionen bereitzustellen und Vertrauen sowie Sicherheit nachträglich zu patchen, haben wir Parseltongue und Integrity Cortex entwickelt, um nur sichere Ausgaben zuzulassen. Die Fähigkeiten eines Modells zum Schlossknacken sind nutzlos, wenn es keine Tür gibt – und unsere Software garantiert, dass es keine gibt. Dasselbe gilt für Täuschung: Unsere Systeme kennen keine unbegründeten Aussagen als Grundelement. Das Modell ist gezwungen, für jede Behauptung, die es aufstellt, Beweise zu liefern.“

Die Verifizierungsebene ist deterministisch und von Grund auf interpretierbar, mit einem vollständigen Audit-Trail, der mit 21 CFR Part 11 – dem FDA-Standard für elektronische Aufzeichnungen – kompatibel ist. Damit eignet sie sich für regulatorische Einreichungen, Herstellungsunterlagen und andere Arbeitsabläufe, bei denen jede Behauptung auf ihre Quelle zurückführbar sein muss.

Bereits im Einsatz entlang der gesamten Wertschöpfungskette der Arzneimittelentwicklung

Die Kunden von sci2sci reichen bereits von der präklinischen Forschung bis hin zur klinischen Auftragsforschung und bioprozesstechnischen Betrieben. Das zweite Produkt, VectorCat, die Datenintegrationsschicht des Unternehmens, macht verstreute Unternehmensdaten auffindbar – es verbindet sich mit Cloud-Speichern, Netzlaufwerken und Laborsystemen ohne Migration und erstellt einen durchsuchbaren Katalog für Menschen und KI-Agenten. Integrity Cortex macht diese vertrauenswürdig.

Das Unternehmen plant, die Finanzierung zu nutzen, um diese Implementierungen zu vertiefen, weitere Biopharma-Kunden zu gewinnen und Integrity Cortex auf andere regulierte Sektoren auszuweiten, einschließlich des Bankwesens, wo dasselbe Problem der Faktenprüfung über Tausende voneinander abhängiger Dokumente hinweg besteht.

„Die meisten Unternehmen, die KI an regulierte Branchen verkaufen, setzen darauf, dass Sprachmodelle genau genug sein werden. Sci2sci setzt auf etwas anderes: ein System zu bauen, in dem eine unbegründete Behauptung schlichtweg nicht existieren kann“, sagte Christopher Garlich, Investment Lead bei Heliad. „Das ist eine architektonische Entscheidung und kein bloßes Zusatzfeature – es ist eine entscheidende, bisher fehlende Ebene im Enterprise-KI-Stack, die überall dort benötigt wird, wo Fakten beweisbar sein müssen.“

Tobias Schimmelpfennig, Investment Director bei IBB Ventures, kommentiert: „Europa braucht Deep-Tech-Champions, die über oberflächliche KI-Anwendungen hinausgehen. Angelina und Valerii tun genau das: Sie kombinieren fundiertes Fachwissen in den Biowissenschaften, modernste KI-Forschung und Systems Engineering auf Unternehmensebene, um die neurosymbolische Intelligenzschicht zu schaffen, auf die regulierte Branchen gewartet haben.“

‍