AI & HEALTH

Anthropic will eigene Medikamente herstellen. Lies das noch einmal.

Das Unternehmen, das Pharmaunternehmen das Denkwerkzeug verkauft, will nun auch das Molekül besitzen. Anthropic hat Claude Science für Arzneimittelhersteller eingeführt und gleichzeitig angekündigt, eigene Medikamente zu entdecken. Es ist ein klares Beispiel für die Sache, auf die wir immer wieder hinweisen: KI-Geld, das in den Gesundheitsbereich fließt, hat fast nie nur ein Motiv. Hier erfahren Sie, was die vertikale Integration von Intelligenz für Sie tatsächlich bedeutet.

By Sabin · Wellness & AI8 minRead in English →

Am letzten Junitag tat Anthropic bei einer Veranstaltung in San Francisco zwei Dinge gleichzeitig. Es brachte Claude Science auf den Markt, eine KI-Werkbank, die für Arzneimittelhersteller entwickelt wurde – ein Tool, das Pharmawissenschaftlern hilft, das fragmentierte Chaos der modernen Arzneimittelforschung von einem Ort aus zu verwalten. Und es kündigte an, eigene Medikamente zu entdecken und ein internes Programm für „vernachlässigte“ Krankheiten aufzulegen, die den großen Biopharmaunternehmen den Aufwand nicht wert sind.

Liest man diese beiden Sätze nacheinander, wird die Sache klar. Anthropic verkauft die Schaufeln und sichert sich einen Anteil am selben Goldrausch. Es wird der gesamten Branche das Denkwerkzeug zur Verfügung stellen – und mit dieser Branche unter Verwendung desselben Tools konkurrieren. Das ist kein Skandal. Das ist eine Strategie. Aber es ist ein perfektes, offizielles Beispiel für etwas, das wir seit Monaten sagen: Wenn KI-Geld in den Gesundheitsbereich fließt, hat es fast nie nur einen Grund.

Der offizielle Grund und der leisere

Die dargelegte Logik ist vernünftig, ja sogar sympathisch. Anthropic’s Life-Sciences-Leiter drückte es unverblümt aus: Um die richtigen Werkzeuge für die Industrie zu entwickeln, müssen wir sie leben – „in den Schützengräben der Medikamentenentwicklung“ an der Seite unserer Kunden sein und aus engen Feedbackschleifen lernen. Als Public-Benefit-Unternehmen sagt Anthropic, es könne Programme nach dem Patientennutzen auswählen, „einschließlich Arbeiten, die der kommerzielle Markt übersieht.“ Vernachlässigte Krankheiten sind genau die Art von Dingen, die der Markt ignoriert, weil die Mathematik nie aufgeht: zu kleine Population, zu wenig Gewinn, zu viel Risiko.

Nehmen Sie all das für bare Münze – vieles davon ist wahrscheinlich wahr. Dann bemerken Sie, was die Vereinbarung auch bewirkt, ob beabsichtigt oder nicht. Jedes Pharmaunternehmen, das Claude Science einsetzt, speist seine schwierigsten Probleme, seinen proprietären Kontext und das Urteilsvermögen seiner Wissenschaftler in ein Tool ein, das einem Unternehmen gehört, das nun selbst ein Medikamentenentwickler ist. Die Feedbackschleife, die das Produkt verbessert, ist dieselbe Schleife, die das interne Programm intelligenter macht. „Vernachlässigte Krankheiten“ ist ein wirklich guter Zweck und ein sehr guter Einstieg: geringer Wettbewerb, hoher Goodwill und ein Trainingsfeld für eine Fähigkeit, die nicht auf vernachlässigte Krankheiten beschränkt bleibt.

Es gibt keine Regel, die besagt, dass ein Unternehmen nur ein Motiv haben darf. Die nützliche Frage ist nie „Sind sie gut oder schlecht?“, sondern „Was belohnt diese Anordnung, ganz gleich, was jemand beabsichtigt?“

Vertikale Integration der Intelligenz

Ein Jahrzehnt lang lautete die Geschichte der KI im Gesundheitswesen „Software hilft den Experten“. Das Labor hielt sein Modell auf Distanz; das Modell war ein Lieferant. Was Anthropic gerade beschrieben hat, ist anders: Der Modellhersteller bewegt sich in der Hierarchie nach unten, um das zu besitzen, was das Modell produziert. Die Reasoning-Ebene wird zur Wertschöpfungsebene. Wer die Intelligenz besitzt, die das Medikament findet, ist nun in der Lage, das Medikament zu besitzen.

Dies ist nicht einzigartig für ein Unternehmen und nicht auf Pharma beschränkt. Es ist derselbe Schritt, den man überall gleichzeitig beobachten kann: Der KI-Anbieter hört auf, Ihnen ein Tool zu verkaufen, und beginnt, das Ergebnis zu besetzen, für das das Tool gedacht war. Alphabet, Apple und Amazon haben jeweils Jahre damit verbracht, aus verschiedenen Türen in die Gesundheitsversorgung vorzudringen – Geräte, Aufzeichnungen, Kliniken, Apotheken. Die Frontier-Model-Labs gehen jetzt durch eine neue, und sie bringen die Reasoning Engine mit. Wenn dieselbe Handvoll Unternehmen das Modell, die Werkbank und das Molekül besitzt, beginnen „Wettbewerb“ und „Infrastruktur“ dieselben Firmen zu beschreiben.

Was das konkret für Sie bedeutet

Sie werden ein Frontier-Labor in der Medikamentenentwicklung nicht übertreffen, und Sie sollten es auch nicht versuchen. Wenn Anthropic’s Programm eine Behandlung für eine Krankheit hervorbringt, die Pharma aufgegeben hat, ist das ein eindeutig gutes Ergebnis – nehmen Sie es dankbar an. Die Infrastrukturschicht, die Infrastrukturaufgaben erledigt, ist in Ordnung. Der Punkt ist nicht, Angst davor zu haben. Der Punkt ist, sie klar zu sehen und bewusst mit der einen Schicht umzugehen, die diese Unternehmen nicht betreiben werden: Ihr eigenes Verständnis Ihres eigenen Körpers.

Hier ist die praktische Übersetzung. Die Werkzeuge, die Sie zur Reflexion über Ihre Gesundheit nutzen – die vielseitigen Chat-Modelle, in die Sie Ihre Laborwerte und Trainingsdaten eingeben – werden von Unternehmen entwickelt, die zunehmend eigene Pipelines, eigene Partnerschaften und eigene Ergebnisse erzielen möchten. Das macht die Tools nicht unzuverlässig. Es macht sie zu interessierten Parteien. Nutzen Sie sie so, wie Sie jeden fähigen Berater nutzen würden, dessen Arbeitgeber ein Nebengeschäft betreibt: für das, worin sie gut sind, und mit offenen Augen dafür, wessen Anreize hinter der Oberfläche stecken.

  1. Trennen Sie die Ebenen bewusst. Die Infrastrukturebene – Medikamentenentwicklung, Proteindesign, die Modelle selbst – liegt nicht in Ihren Händen und ist dort größtenteils in Ordnung. Die persönliche Ebene – Ihre Daten, Ihre wöchentlichen Entscheidungen, die Fragen, die Sie einem Kliniker stellen – gehört Ihnen. Lassen Sie sich nicht von einer Schlagzeile über die erste überzeugen, die zweite abzugeben.
  2. Fragen Sie, wem das Ergebnis gehört. Wenn ein beliebiges KI-Produkt anbietet, einen Teil Ihrer Gesundheit zu „regeln“, fragen Sie, was das Unternehmen, das es entwickelt hat, noch verkauft. Ein Tool wird nicht disqualifiziert, weil es ein Geschäftsmodell hat – aber Sie sollten wissen, welches es ist.
  3. Bewahren Sie Ihre Daten so auf, dass Sie sie selbst lesen können. Der beste Schutz gegen jeden Anreiz, den Sie nicht sehen können, ist, Ihre eigenen Zahlen so gut zu verstehen, dass keine Schnittstelle das Einzige ist, was zwischen Ihnen und dem Verständnis steht.
  4. Nutzen Sie KI als Denkpartner, nicht als Autorität. Begründen Sie sie mit Ihren eigenen Aufzeichnungen, nutzen Sie sie, um bessere Fragen zu verstehen und vorzubereiten, und überlassen Sie die Diagnose dem qualifizierten Menschen. Diese Arbeitsteilung überlebt jede Reorganisation der Branche.

Das Muster, noch einmal

Nichts davon erfordert die Annahme, dass Anthropic in böser Absicht handelt. Das tut es höchstwahrscheinlich nicht. Die Disziplin ist einfacher und dauerhafter als Misstrauen: Gehen Sie davon aus, dass gute Produkte vielschichtige Motive haben können, beobachten Sie, wo der Wert abgeschöpft wird, und weigern Sie sich, den einen Teil Ihrer Gesundheit auszulagern, der immer Ihnen gehören wird. Die Labore bewegen sich in der Hierarchie nach unten, um das Molekül zu besitzen. Lassen Sie sie. Stellen Sie nur sicher, dass Sie immer noch das Urteilsvermögen besitzen.

Dass KI von oben in die Gesundheit eindringt – durch Kapital, durch Werkbänke und jetzt durch die Moleküle selbst – verringert nicht den Wert, die eigene zu verstehen. Es erhöht ihn. Je mehr die wenigen Unternehmen besitzen, desto knapper und wertvoller wird der Teil, den sie nicht besitzen können: zu wissen, was man fragen muss und wann man der Antwort vertrauen kann.

Maschinell unterstützte Übersetzung. Bei Unklarheiten gilt die englische Originalfassung.

Suggested for you

Based on what you've been reading — always learning.

See all →