Pressemitteilung von AI LEADERS

AI for Science: Wie KI in der Forschung ein neues Anlageuniversum eröffnet

---

---

Künstliche Intelligenz war lange vor allem ein Thema für Internetplattformen, digitale Werbung und Konsumentenanwendungen. Inzwischen verlagert sich ein wesentlicher Teil der Dynamik in Richtung "AI for Science": KI-gestützte Modelle beschleunigen Forschung, Simulation und Design in Bereichen wie Biotechnologie, Pharma, Chemie und Materialwissenschaft. Für Investoren entsteht damit ein neues, stark wachsendes Ökosystem zwischen Labor, Rechenzentrum und Fabrik. Im Kern geht es darum, die Entwicklung von Wirkstoffen, Materialien und komplexen Systemen nicht mehr ausschließlich über langwierige Laborversuche zu treiben, sondern massiv über Simulation und datengetriebene Modellierung zu ergänzen. Foundation-Modelle für Moleküle, Proteine oder Materialien erzeugen in Sekunden Vorschläge, für die früher Wochen experimenteller Arbeit nötig waren. Sie generieren virtuelle Bibliotheken von Kandidaten, simulieren Bindungseigenschaften, Toxizität oder mechanisches Verhalten und priorisieren jene Ansätze, die sich für reale Tests lohnen.


"Wir sehen hier die Industrialisierung der Forschung", sagt Christian Hintz, Portfoliomanager des "AI Leaders", einem global investierenden Aktienfonds mit dem Fokus auf Anbieter und Anwender Künstlicher Intelligenz (WKN: A2PF0M / ISIN: DE000A2PF0M4). "KI verschiebt den Aufwand von Versuchen im Labor hin zu vorstrukturierten Hypothesen aus dem Modell. Das verkürzt Entwicklungszyklen, senkt Kosten und erhöht die Trefferwahrscheinlichkeit - und zwar in Bereichen, in denen einzelne Erfolge enorme wirtschaftliche Hebel haben, etwa in der Onkologie, bei seltenen Krankheiten oder bei neuen Batteriematerialien." Technologisch entstehen entlang der gesamten Kette neue Anbieter: Plattformen für molekulare Foundation-Modelle, Start-ups, die Proteinfaltung und Wirkstoffbindung simulieren, Softwarehäuser für Hochleistungssimulationen und Automatisierungslösungen für Laborprozesse. Hinzu kommen klassische Biotech- und Chemieunternehmen, die KI-gestützte Modelle tief in ihre F&E-Prozesse integrieren und sich so strategische Vorteile sichern - etwa durch verkürzte Zeit bis zur klinischen Studie oder durch bessere Ausnutzung von Patentschutzfristen.


Für Investoren ist entscheidend, dass AI for Science eng an reale Budgets gekoppelt ist. Forschungsausgaben in Pharma, Chemie oder Energie zählen zu den stabileren Komponenten der Unternehmensplanung, nicht zuletzt, weil sie durch regulatorische Anforderungen, Patentausläufe und demografische Trends strukturell gestützt werden. "Wer in die Infrastruktur und Software dieser KI-getriebenen Forschung investiert, dockt nicht nur an einen Technologietrend an, sondern an Pflichtausgaben großer Industriezweige", betont Christian Hintz. "Das ist ein wichtiger Unterschied zu reinen Konsumenten-Applikationen, deren Nachfrage deutlich volatiler sein kann."


Die zweite Ebene des Investment-Case liegt in der Skalierbarkeit: Ein einmal trainiertes Modell für Protein-Design oder Materialsimulation lässt sich vielfach wiederverwenden, anpassen und lizenzieren - in unterschiedlichen Indikationen, Märkten und Partnerschaften. Geschäftsmodelle reichen von reinen Softwarelizenzen über "AI as a Service" bis zu Joint Ventures, in denen KI-Plattformen und Pharmaunternehmen Forschungsrisiken und -erträge teilen. Für Anleger bedeutet das: Zentral ist weniger die kurzfristige Profitabilität einzelner Projekte als die Frage, ob ein Unternehmen über wiederverwendbare Plattformen verfügt, die langfristig mehrere Wertschöpfungspfade eröffnen.


Gleichzeitig bleibt das Feld risikobehaftet. Viele Unternehmen befinden sich in frühen Entwicklungsstadien, regulatorische Anforderungen sind hoch, und nicht jede Simulation führt zu einem marktfähigen Produkt. "Genau deshalb ist Diversifikation über mehrere Anbieter, Anwendungsfelder und Entwicklungsstadien so wichtig", erklärt Christian Hintz. "Als thematischer Investor prüfen wir, ob ein Unternehmen klare Metriken für den Beitrag der KI zur Pipeline-Qualität hat und ob sich diese Effekte in Partnerschaften, Lizenzeinnahmen oder verkürzten Entwicklungszeiten abbilden." Für langfristige Investoren zeichnet sich damit ein strukturelles Wachstumsfeld ab: KI wird vom Produktivitätswerkzeug der Büroarbeit zur Forschungstechnologie, die Unsicherheit in hochregulierten Industrien reduziert. Wer AI for Science im Portfolio verankert, investiert nicht nur in virtuelle Moleküle, sondern in die Beschleunigung realer Innovationszyklen - von neuen Medikamenten über leichtere Werkstoffe bis zu effizienteren Energiespeichern. Firmen- & Pressekontakt