Wohin fließt das Geld? Nachverfolgung von Seed-Finanzierungen für Biotech-AI in der Krebsforschung

Krebs hat in der Medizin schon immer große Aufmerksamkeit auf sich gezogen — und heute zieht er auch einige der bedeutendsten Geldsummen im Technologiebereich an. Die Konvergenz von künstlicher Intelligenz und Krebsforschung hat eine völlig neue Investitionskategorie geschaffen, die an der Schnittstelle von Biologie, Informatik und Risikokapital liegt.

Biotech-Startups, die KI einsetzen, um Krebs zu verstehen, zu erkennen und zu behandeln, beschaffen sich Seed-Finanzierungen in einem Tempo und Umfang, der vor einem Jahrzehnt noch außergewöhnlich erschien. Die eigentliche Frage ist jedoch nicht nur, wie viel Geld fließt, sondern wohin genau dieses Geld geht, welche Probleme damit gelöst werden sollen und ob es aus den richtigen Gründen in die richtigen Hände gelangt.

Dieser Artikel wirft einen nüchternen Blick auf den aktuellen Stand der KI-fokussierten Seed-Finanzierung in der Krebsforschung. Er zeichnet nach, worauf Investoren bei ihren frühen Wetten setzen, welche wissenschaftlichen Ansätze das meiste Kapital anziehen, welche Unternehmen führend sind und was die Finanzierungslandschaft über die Zukunft der Krebsversorgung aussagt.

Das Ausmaß der getätigten Wette

Um zu verstehen, wohin das Geld fließt, hilft es zunächst, zu erfassen, wie viel im Spiel steht. In 2024 und 2025 machten Seed- und Series-A-Finanzierungen im Biotech-Bereich trotz eines angespannten breiteren Venture-Markts Milliarden an Frühphasen-Kapital aus.

Die gesamten Frühphasenrunden gingen von 10,6 Milliarden $ im Jahr 2024 auf 8,7 Milliarden $ im Jahr 2025 zurück, was die Vorsicht der Investoren und eine Präferenz für klinisch validierte Assets widerspiegelt, doch das KI-fokussierte Segment blieb bemerkenswert widerstandsfähig.

Der Grund ist einfach: Investoren glauben, dass KI die Ökonomie der Wirkstoffentdeckung grundlegend verändern kann. Betrachten Sie, wie das traditionelle Modell ohne KI aussieht:

1. Im Schnitt 10 bis 15 Jahre von der ersten Forschung bis zur Zulassung
2. Entwicklungskosten von über $2 Milliarden pro Wirkstoffkandidat
3. Eine klinische Ausfallrate von über 90% über alle Bereiche hinweg, mit der Onkologie unter den höchsten Raten
4. Jahre, die für Zielidentifikation und Screening aufgewendet werden — die KI in Monate komprimieren kann

KI verspricht, diese Zeitlinie zu verkürzen, Kosten zu senken und die Erfolgswahrscheinlichkeit zu verbessern. Dieses Versprechen hält Frühphasen-Kapital auch in einem engeren Markt in Fluss.

Obwohl der breitere Biotech-Sektor ein Twenty-Year-Low bei Frühphasenfinanzierungen erreicht hat, steigt die Zahl der Unternehmen, die KI für die Wirkstoffentdeckung nutzen; die Hälfte aller Investitionsgelder in Diagnose- und Tool-Unternehmen fließt inzwischen in KI-gestützte Organisationen.

Wohin das Seed-Kapital fließt: Die wichtigsten therapeutischen Bereiche

Nicht alle Bereiche der Krebsforschung werden gleichmäßig finanziert. Investoren in der Seed-Phase setzen gezielt auf bestimmte wissenschaftliche Felder, in denen KI den Fortschritt am stärksten beschleunigen kann. Das Verständnis dieser Bereiche offenbart die strategische Logik dahinter, wo Frühphasen-Kapital konzentriert ist.

1) KI-gesteuerte Plattformen zur Wirkstoffentdeckung

Der größte Anteil der Seed-Finanzierung geht an Unternehmen, die KI-Plattformen für Moleküldesign und die Identifizierung von Wirkstoffkandidaten aufbauen. Dabei handelt es sich nicht um Unternehmen, die an einem einzelnen Medikament arbeiten — sie bauen Infrastruktur, um viele Medikamente für mehrere Krebsarten zu entdecken. Isomorphic Labs, gegründet von Wissenschaftlern von Google DeepMind, schloss im Q1 2025 eine wegweisende Seed-Runde über $600 Millionen ab, unterstützt von Alphabet, mit dem Ziel, voll automatisierte, KI-geführte Labore zur Wirkstoffentdeckung aufzubauen.

Manas AI, mitbegründet von LinkedIn's Reid Hoffman und dem Krebs-Historiker Dr. Siddhartha Mukherjee, sammelte $24,6 Millionen Seed-Finanzierung ein, um Brustkrebs, Prostatakrebs und Lymphome anzupeilen, mit dem ausdrücklichen Ziel, zuvor unerreichbare molekulare Ziele zu erreichen. Bioptimus, ein französisches Startup, sicherte sich eine $35 Millionen Seed-Runde zum Aufbau grundlegender KI-Modelle für die Biologie.

2) Krebsdiagnostik und Früherkennung

Ein signifikanter Geldstrom fließt auch in KI-gestützte Diagnosetools, die Krebs früher, genauer und kostengünstiger erkennen. Deep-Learning-Modelle, die auf medizinischen Bildern, Pathologie-Schnitten, Genomsequenzen und Blut-Biomarkern trainiert sind, ermöglichen Erkennungsfähigkeiten, die traditionelle Methoden übertreffen.

Unternehmen in diesem Bereich erregen Investoreninteresse, weil die Früherkennung eine der wirkungsvollsten Stellschrauben zur Verbesserung der Krebsüberlebensraten bleibt. Sentinal4D, ein in Großbritannien ansässiges Startup, nutzt KI für die Wirkstoffentdeckung gegen Krebs und die personalisierte Tumordiagnostik auf Einzelzellebene. PathAI, das Deep Learning auf Pathologie-Schnitte anwendet, hat über $255 Millionen eingesammelt, einschließlich einer strategischen Partnerschaft mit Quest Diagnostics.

3) Immuntherapie & Krebsimpfstoffe

Seed-Investoren finanzieren auch eine neue Welle KI-verbesserter Immuntherapie-Unternehmen. Die Logik ist überzeugend: Immuntherapie hat die Krebsbehandlung revolutioniert, aber ihre Wirksamkeit bleibt bei Patienten inkonsistent. KI wird eingesetzt, um vorherzusagen, welche Patienten auf welche Ansätze ansprechen, gezieltere Krebsimpfstoffe zu entwerfen und intelligentere CAR-T- und TIL-(tumorinfiltrierende Lymphozyten)-Zelltherapien zu entwickeln.

Dispatch Bio debütierte mit $216 Millionen an kombinierter Seed- und Series-A-Finanzierung, unterstützt von Arch Venture Partners, dem Parker Institute for Cancer Immunotherapy, Bristol Myers Squibb und führenden Universitäten, mit dem Ziel, eine universelle Behandlung für solide Tumoren zu schaffen. Evaxion, ein KI-gestütztes Unternehmen für Krebsimpfstoffe, sammelte im Januar 2025 $10,8 Millionen, um seine personalisierten Neoantigen-Impfstoffprogramme voranzutreiben.

4) Proteinstruktur & Genomik

KIs Fähigkeit, Proteinstrukturen vorherzusagen, bekannt geworden durch DeepMind's AlphaFold, hat eine neue Grenze in der Krebswirkstoffentdeckung eröffnet. Proteine sind die molekulare Maschinerie der Krebsbiologie, und das Verständnis ihrer dreidimensionalen Formen ist entscheidend für das Design von Medikamenten, die präzise in Krebsprozesse eingreifen.

EvolutionaryScale, ein Start-up aus San Francisco, das neuartige Proteine mithilfe von Machine Learning entwirft, sammelte Mitte 2024 eine außergewöhnliche Seed-Finanzierung in Höhe von $142 million ein, angeführt von Lux Capital. DISCO Pharmaceuticals mit Sitz in Deutschland sicherte sich eine $21.75 million Seed-Finanzierung, um das Surfaceom von kleinzelligem Lungenkrebs zu kartieren, eine wissenschaftliche Grundlage, die völlig neue therapeutische Zielstrukturen hervorbringen könnte.

Seed-Runden benennen die Wette. Diese 19 Start-ups liefern sie bereits.

Das sind die Unternehmen, die tatsächlich die KI-gestützte Infrastruktur zur Wirkstoffentdeckung aufbauen, die Investoren unterstützen.

→ Lesen: 19 Pharma-Startups, die die KI-gesteuerte Wirkstoffentdeckung prägen

Die Investoren, die Frühphasen-Finanzierung für KI-Krebsforschung vorantreiben

Das Investorenprofil für KI-Krebs-Seed-Runden lohnt eine genaue Betrachtung, weil es offenlegt, wie sich der Markt strukturiert und wer mit seinem Kapital wissenschaftliche Prioritäten setzt.

Die derzeit aktiven Schlüsselakteure in diesem Bereich umfassen:

1. ARCH Venture Partners — einer der aktivsten Seed-Investoren im Bereich Deep Science, mit Beteiligungen an Xaira Therapeutics und Dispatch Bio
2. Andreessen Horowitz (a16z) — unterstützt AI-native Plattformen zur Wirkstoffentdeckung mit Schwerpunkt auf computerbasierter Biologie
3. Lux Capital — führt Finanzierungsrunden in Unternehmen für Protein-AI und Genomik an, wie EvolutionaryScale
4. Parker Institute for Cancer Immunotherapy — ein missionarischer Investor, der sich speziell auf Durchbrüche in der Immuntherapie konzentriert
5. Alphabet (Google) — über Isomorphic Labs einer der größten Seed-Wetten im Bereich AI-Biotech in der Geschichte
6. Bristol Myers Squibb und andere Big Pharma, die zunehmend bereits in der Seed-Phase mitinvestieren, um frühzeitigen Zugang zu bahnbrechender Wissenschaft zu sichern

Ein unterscheidender Trend bei dieser Investorengruppe ist die Forderung, dass ein Biotech-Startup erhebliche KI- und rechnerische Expertise im Gründerteam verankert haben muss, nicht nur nachträglich hinzugefügt. Fonds wie Dimension und Lux Capital bewerten nicht nur die therapeutische Hypothese, sondern die Tiefe der dahinterstehenden Machine-Learning-Fähigkeiten. 

Was diese Investorenmischung letztlich offenbart, ist, dass die Seed-Finanzierung für KI-Krebsforschung nicht mehr ausschließlich dem traditionellen Life-Science-Venture-Capital vorbehalten ist. Big Tech, Corporate Pharma und missionsgetriebene Fonds sitzen alle am Tisch, bringen jeweils eine andere strategische Perspektive ein und treiben gemeinsam die Round-Größen auf neue Höhen.

Die Risiken hinter der Euphorie

Die Finanzierungsbegeisterung ist real, doch ebenso real sind die Risiken. Nicht jeder in KI-Krebs-Seed-Unternehmen investierte Dollar wird ein funktionierendes Medikament, eine validierte Diagnose oder eine bedeutsame Verbesserung der Patientenergebnisse hervorbringen. Die Geschichte der Biotechnologie ist voller gut finanzierter Ideen, die in der klinischen Phase scheiterten, und KI immunisiert kein Unternehmen gegen die inhärente Komplexität der Biologie.

Mehrere spezifische Risikofaktoren verdienen Aufmerksamkeit:

1. Die Lücke bei der klinischen Translation: Ein KI-Modell, das in silico brillant abschneidet, kann scheitern, wenn Vorhersagen auf die Unvorhersehbarkeit der menschlichen Biologie in einer Studie treffen.
2. Datenqualität und Bias: KI-Systeme sind nur so gut wie die Daten, auf denen sie trainiert werden. Krebssätze, die bestimmte Populationen unterrepräsentieren, können Modelle erzeugen, die für einige Patienten gut und für andere schlecht funktionieren.
3. Druck für Folgefinanzierungen: Start-ups, die über beeindruckende Algorithmen hinaus keine konkreten biologischen Ergebnisse vorweisen können, haben zunehmend Schwierigkeiten, die nächste Finanzierungsrunde zu erhalten.
4. Geopolitischer Wettbewerb: China hat allein in der ersten Hälfte von 2025 $48.5 billion in Biotech-Deals investiert, mehr als im gesamten Jahr 2024 zusammen, und gestaltet die Wettbewerbslandschaft in einer Weise um, die westliche Seed-Investoren nicht ignorieren können.

Die daraus entstehende Bifurkation ist deutlich: gut kapitalisierte Unternehmen mit institutioneller Unterstützung auf der einen Seite und unterfinanzierte Neueinsteiger auf der anderen, die darum kämpfen, die Lücke zwischen Algorithmus und Klinik zu überbrücken.

Seed-Gelder fließen aufgrund von Versprechen.

Die Rendite ist, wo die eigentliche Geschichte erzählt wird.

Hier steht, ob Pharmas KI-Investition tatsächlich Rendite abwirft und was die Zahlen aussagen.

→ Lesen: Bringt Pharmas KI-Investition tatsächlich Rendite? Das sagen die Zahlen

Was uns die Finanzierungslandkarte über die Zukunft verrät?

In der Summe erzählt das Muster der Seed-Finanzierung in der KI-Krebsforschung eine kohärente Geschichte darüber, wo die Fortschritte im nächsten Jahrzehnt herkommen werden. Das Geld konzentriert sich auf Bereiche, in denen KI einen nachweisbaren Vorteil hat: Moleküle schneller zu entwerfen, Bilder genauer zu lesen, das Ansprechen von Patienten zuverlässiger vorherzusagen und das Verhalten von Proteinen präziser zu modellieren. 

Es fließt zu Teams, die tiefes biologisches Fachwissen mit echter rechnerischer Kompetenz kombinieren, vereint durch den Glauben, dass das alte Modell der Krebsmedikamentenentwicklung bereit ist, gestört zu werden. Die Medikamente, die Krebs im Jahr 2035 behandeln werden, werden wahrscheinlich gerade jetzt in KI-gestützten Laboren entworfen, die durch die heutigen Seed-Runden finanziert werden. 

Ob sich die Wissenschaft in bessere Patientenergebnisse übersetzt, bleibt die wichtigste Frage. Aber das Geld hat seine Richtung gefunden und zeigt eindeutig auf die Schnittstelle zwischen künstlicher Intelligenz und dem ältesten Feind der Medizin.

Häufig gestellte Fragen (FAQs)

1) Warum zieht KI in der Krebsforschung erhebliche Seed-Finanzierung an?

KI hat das Potenzial, die Wirkstoffforschung zu beschleunigen, Krebsdiagnostik zu verbessern und die Zeit sowie die Kosten für die Entwicklung neuer Therapien zu reduzieren. Investoren sehen in KI ein Werkzeug, das Forschern helfen kann, vielversprechende Wirkstoffkandidaten zu identifizieren, komplexe biologische Daten zu analysieren und die Entscheidungsfindung während des gesamten Entwicklungsprozesses zu verbessern. Dieses Potenzial für höhere Effizienz und Innovation zieht weiterhin großes Interesse von Risikokapitalgebern, Pharmaunternehmen und Technologieinvestoren an. Infolgedessen bleiben auf KI ausgerichtete Krebs-Startups trotz allgemeiner Marktherausforderungen ein wichtiges Investitionsfeld.

2) Welche Bereiche der Krebsforschung erhalten die meisten KI-getriebenen Seed-Investitionen?

Ein großer Teil der Mittel fließt in KI-basierte Plattformen zur Wirkstoffentdeckung, Krebsdiagnostik, die Entwicklung von Immuntherapien, Krebsimpfstoffe und die Erforschung von Proteinstrukturen. Investoren interessieren sich besonders für Technologien, die die Moleküldesigns beschleunigen, die Früherkennung verbessern und neue therapeutische Ziele identifizieren können. Diese Bereiche bieten Möglichkeiten, einige der größten Herausforderungen in der Onkologie anzugehen und dabei potenziell bedeutende klinische Auswirkungen zu erzielen. Unternehmen, die an der Schnittstelle von Biologie, Data Science und künstlicher Intelligenz arbeiten, ziehen erhebliche Aufmerksamkeit auf sich.

3) Welche Risiken berücksichtigen Investoren bei der Finanzierung von KI-Krebs-Startups?

Obwohl KI spannende Möglichkeiten bietet, erkennen Investoren, dass starke Algorithmen allein keinen medizinischen Erfolg garantieren. Herausforderungen wie Datenqualität, biologische Komplexität, klinische Validierung und regulatorische Anforderungen können den Erfolg von KI-getriebenen Programmen beeinflussen. Startups müssen nachweisen, dass ihre rechnerischen Vorhersagen in bedeutende wissenschaftliche und klinische Ergebnisse übersetzt werden können. Investoren achten daher auf Teams, die tiefgehende Expertise sowohl in den Lebenswissenschaften als auch in der künstlichen Intelligenz kombinieren, um die Wahrscheinlichkeit eines langfristigen Erfolgs zu erhöhen.