Der Flywheel-Effekt: Wie KI die genetikorientierte Gesundheitsversorgung neu gestaltet

Amazon, OpenAI, Google, Anthropic und NVIDIA werden angeführt, um Entwicklungen in den Bereichen künstliche Intelligenz und Biowissenschaften zu beschreiben. Diese Unternehmen werden zum Zeitpunkt der Erstellung nicht vom VanEck Genomics and Healthcare Innovators UCITS ETF gehalten. Verweise auf bestimmte Unternehmen stellen weder eine Anlageberatung noch eine Aufforderung zum Kauf oder Verkauf von Wertpapieren dar.

Die vielleicht folgenreichste Veränderung in den Biowissenschaften in jüngster Zeit ist weder die Zulassung eines einzelnen Arzneimittels noch die Auswertung einer klinischen Studie oder ein regulatorischer Meilenstein. Es handelt sich um etwas Strukturelleres: Künstliche Intelligenz ist nicht länger einfach nur ein weiteres Software-Tool, das Forschern zur Verfügung steht. Sie beginnt sich als Teil der Forschungsinfrastruktur herauszubilden, durch die genetische Medizin entwickelt, validiert und vorangetrieben wird.

KI wird zur Forschungsinfrastruktur

Innerhalb von weniger als drei Monaten – zwischen dem 14. April und dem 30. Juni 2026 – haben vier der größten und kapitalstärksten KI-Entwickler der Welt eigene Plattformen für die Biowissenschaften auf den Markt gebracht: Amazon, OpenAI, Google und Anthropic. Amazon Bio Discovery erschien am 14. April 2026¹, eine KI-gestützte Cloud-Plattform, die die Erfassung biologischer Daten, die Auswahl von KI-Modellen und die Integration von Labor-Workflows in einer einzigen Umgebung vereint. Zwei Tage später stellte OpenAI GPT-Rosalind² vor, ein hochmodernes Reasoning-Modell, das speziell für Biologie, Wirkstoffforschung und medizinische Forschung entwickelt wurde. Google folgte am 20. Mai 2026 mit Gemini for Science³, einer umfassenderen wissenschaftlichen Forschungsumgebung, deren Fähigkeiten in den Biowissenschaften auf Tools wie AlphaFold, AlphaGenome und AlphaMissense aufbauen. Und am 30. Juni 2026 brachte Anthropic Claude Science⁴ auf den Markt, eine spezialisierte KI-Workbench, die Forschern helfen soll, genetische, zelluläre, Protein- und Chemiedaten mithilfe von mehr als 60 wissenschaftlichen Datenbanken und NVIDIAs BioNeMo Agent Toolkit zu analysieren.

NVIDIA selbst war noch früher aktiv. BioNeMo – erstmals im Juni 2023 eingeführt⁵ und 2025 sowie 2026 erheblich erweitert – nimmt eine eigenständige und wohl nachhaltigere Wettbewerbsposition ein als jeder seiner Rivalen auf der Anwendungsebene.

Was diesen Moment strukturell von früheren Wellen der Technologieeinführung in den Biowissenschaften unterscheidet, ist nicht die Ausgereiftheit irgendeiner einzelnen Plattform. Es ist die Gleichzeitigkeit. Diese Unternehmen, mit Zugang zu erheblichem Kapital, Recheninfrastruktur und Forschungstalenten, sind unabhängig voneinander zu dem Schluss gekommen, dass die Biowissenschaften eine wesentliche strategische Frontier für KI darstellen. Dieser Konsens ist kein Zufall. Er spiegelt das Zusammentreffen von drei Voraussetzungen wider, die nun gleichzeitig erfüllt sind: biologische Datensätze, die groß genug sind, um aussagekräftige Modelle zu trainieren, KI-Architekturen, die leistungsfähig genug sind, um aus diesen Datensätzen Signale zu extrahieren, und ein klinisches sowie regulatorisches Umfeld, in dem KI zunehmend über den gesamten Arzneimittelentwicklungszyklus hinweg eingesetzt wird, auch in Einreichungen zur Unterstützung regulatorischer Entscheidungen⁶. Die Wettbewerbsdynamik zwischen diesen Plattformen wird erheblich sein und ist noch nicht abschließend bestimmt.

Das Exposure unseres Genomics ETF gegenüber diesem Zyklus

Die Anlagechance, die durch das Rennen um KI-Plattformen im Jahr 2026 entstanden ist, geht weit über die Frage hinaus, welches einzelne Technologieunternehmen sich als dominierender Gewinner im Bereich Life-Sciences-KI durchsetzen wird. Diese Frage – Google versus OpenAI oder Anthropic versus Amazon – ist tatsächlich offen und könnte dies noch jahrelang bleiben. Die strukturell interessantere Beobachtung für Investoren ist, dass jede in diesem Rennen konkurrierende Plattform auf dasselbe zugrunde liegende Ökosystem zurückgreift, und der VanEck Genomics and Healthcare Innovators UCITS ETF (Ticker: CURE) ist darauf ausgelegt, mehrere Teile dieses Ökosystems abzubilden und gleichzeitig von den KI-Fähigkeiten zu profitieren, die diese Plattformen einsetzen.

Der ETF bildet den MVIS® Global Future Healthcare ESG Index nach, der ein breiteres Spektrum an Themen der Gesundheitsinnovation abdeckt, darunter Unternehmen, die Umsätze aus genetisch basierten Therapien erzielen, Technologieplattformen, die diese ermöglichen, sowie zugehörige Laborausrüstung und Dienstleistungen⁷. Diese dreistufige Konstruktion entspricht wesentlichen Teilen der breiteren Infrastruktur, die KI-gestützte Biowissenschaften unterstützt, sowie Bereichen, in denen KI messbare kommerzielle Vorteile bringen kann.

Bemerkenswert ist, dass die Beziehung zwischen KI und genetisch basierter Gesundheitsversorgung keine lineare Wertschöpfungskette ist. Sie ist ein sich selbst verstärkender Zyklus.

Quelle: interne Daten von VanEck.

1. Der Zyklus beginnt mit der Sequenzierung. Da die Kosten für das Auslesen von DNA weiter sinken⁸, angetrieben durch Fortschritte wie die Verbesserungen der Geräte von Illumina⁹, die Einzelzell-Technologien von 10x Genomics¹⁰ und die Long-Read-Fähigkeiten von Oxford Nanopore¹¹, werden mehr biologische Daten über mehr Patienten, Gewebetypen und Krankheitskontexte hinweg erzeugt. Dieser wachsende Datensatz ist das Rohmaterial, auf dem KI-Plattformen trainiert werden. Claude Science, GPT-Rosalind, Gemini for Science und BioNeMo bauen ihre Fähigkeiten in den Biowissenschaften genau auf diesem wachsenden biologischen Datensatz auf, einschließlich Sequenzierungsausgaben, klinischer Aufzeichnungen und molekularer Profile.
2. Besser trainierte KI-Modelle verbessern dann die diagnostische Ebene. Unternehmen wie Natera, Guardant Health, QIAGEN und Adaptive Biotechnologies nutzen KI-gestützte Analytik und Sequenzierungsdaten, um klinisch aussagekräftigere Signale aus biologischen Informationen zu extrahieren, und verbessern so die Früherkennung von Krebs¹², die Therapieauswahl¹³ und die Patientenstratifizierung¹⁴.
3. Diese diagnostischen Erkenntnisse fließen direkt in die Therapieentwicklung ein: Zu wissen, welche Patienten eine bestimmte Veränderung aufweisen und in manchen Fällen, wie stark sie ausgeprägt ist und in welchem Gewebe sie vorkommt, kann dazu beitragen, die Entwicklung spezifischer genbasierter Behandlungen oder personalisierter Impfstoffe zu unterstützen. Von dort aus könnte KI jede Phase der Pipeline beschleunigen – von der Zielidentifikation und dem Moleküldesign bis hin zur Optimierung klinischer Studien und zur regulatorischen Einreichung. Moderna erklärt beispielsweise, dass seine Scientific Intelligence Engine Daten, KI und maschinelles Lernen, Automatisierung und Robotik kombiniert, um die Forschung über seine mRNA-Plattform hinweg zu beschleunigen¹⁵, während die Zusammenarbeit von Alnylam mit Inceptive generative KI nutzt, um die Entdeckung neuer RNA-basierter Therapien zu beschleunigen¹⁶.
4. Und dann schließt sich der Zyklus. Jede Therapie, die Patienten erreicht, erzeugt neue klinische Daten: Therapieansprechen, Resistenzmechanismen, Biomarker-Dynamiken, Langzeitergebnisse. Diese Daten fließen zurück in die Sequenzierungs- und Diagnostikebene, trainieren bessere Modelle, verbessern künftige Therapien und rechtfertigen Investitionen in die nächste Generation von Sequenzierungsinstrumenten. Auf diese Weise verstärkt sich der Zyklus selbst, und das Schwungrad beschleunigt sich mit jeder Umdrehung.

Letztlich ist das, was der VanEck Genomics ETF in der Gesamtschau bietet, keine Wette auf eine einzelne KI-Plattform, eine einzelne Therapiemodalität oder ein einzelnes klinisches Ergebnis. Stattdessen bietet er ein diversifiziertes Exposure entlang der Wertschöpfungskette, in der KI sowohl darauf angewiesen ist, dass diese Unternehmen funktionieren, als auch ihnen im Prozess kommerzielle Vorteile verschaffen kann – eine bidirektionale Beziehung, die es dem Portfolio ermöglichen könnte, an der Wertschöpfung in verschiedenen Teilen des Zyklus zu partizipieren.

Das Ausmaß der Chance

Auf Grundlage aktueller Schätzungen Dritter¹⁷ könnte die Marktüberschneidung von KI und genetisch basierter Gesundheitsversorgung erheblich wachsen, wenngleich es sich hierbei um Prognosen handelt und das tatsächliche Wachstum wesentlich abweichen kann. Der globale Markt für KI in der Genomik wurde im Jahr 2025 auf 1,2 Milliarden US-Dollar geschätzt und soll bis 2033 auf 18,8 Milliarden US-Dollar steigen, was einer geschätzten durchschnittlichen jährlichen Wachstumsrate (CAGR) von 40,3 % entspricht.

Quelle: grandviewresearch.com/industry-analysis/ai-genomics-market-report. Anlagen sind mit Risiken verbunden, einschließlich des möglichen Verlusts des eingesetzten Kapitals

Diese Wachstumsrate spiegelt dieselben strukturellen Kräfte wider, die das Schwungrad beschreibt: wachsende genomische Datensätze, beschleunigte Entwicklung von KI-Modellen und steigende Nachfrage nach Präzisionstherapeutika. Das künftige Wachstum wird jedoch von Faktoren abhängen, darunter klinischer Erfolg, Regulierung, Datenverfügbarkeit, Akzeptanz durch Gesundheitsdienstleister und die Fähigkeit der Unternehmen, wissenschaftliche Fortschritte in kommerziell tragfähige Produkte umzusetzen.

Allgemeiner betrachtet wurde der globale Markt für Präzisionsmedizin im Jahr 2025 auf 116,6 Milliarden US-Dollar geschätzt und soll laut Schätzungen Dritter bis 2033 bei einer CAGR von 17,0 %¹⁸ auf 405,1 Milliarden US-Dollar steigen. Zusammengenommen könnten diese Zahlen darauf hindeuten, dass KI nicht einfach nur einen bestehenden Markt beschleunigt – sie schafft vielmehr eine eigenständige und schneller wachsende Ebene darüber. Dennoch sind diese Prognosen nicht garantiert und könnten sich nicht wie erwartet verwirklichen, da externe Faktoren das Ergebnis erheblich beeinflussen könnten.

Gleichzeitig entwickelt sich das regulatorische Umfeld in einer Weise, die diese Entwicklung unterstützen könnte. Historisch gesehen war eine der größten Hürden, um Gentherapien zu Patienten zu bringen, die regulatorische Belastung: Entwickler mussten für jedes neue Produkt kostspielige grundlegende Studien von Grund auf wiederholen, selbst wenn die zugrunde liegende Wissenschaft gut etabliert war. Die FDA hat dies 2026 entschieden aufgegriffen und eine zusammenhängende Reihe von Leitlinien¹⁹ herausgegeben, die darauf ausgelegt sind, die Entwicklung von Gen-Editing- und RNA-basierten Therapien zu beschleunigen. Diese Leitlinien ermöglichen es Entwicklern, auf bestehendem wissenschaftlichem Wissen aufzubauen, Daten über verwandte Programme hinweg zu nutzen und unnötige Wiederholungstests zu vermeiden, ohne die Sicherheitsstandards zu beeinträchtigen. Separat dazu bietet der Entwurf der FDA-Leitlinie zur künstlichen Intelligenz²⁰ einen risikobasierten Rahmen zur Bewertung der Glaubwürdigkeit von KI-generierten Informationen oder Daten, die regulatorische Entscheidungen zu Sicherheit, Wirksamkeit oder Qualität von Arzneimitteln und biologischen Produkten unterstützen sollen, und schafft damit einen klareren Weg für KI-gestützte Entwicklung über den gesamten Lebenszyklus in den Biowissenschaften hinweg.

Blick nach vorn

Es ist unwahrscheinlich, dass künstliche Intelligenz die genetisch basierte Gesundheitsversorgung über Nacht transformieren wird, und nicht jede KI-Initiative wird sich in kommerziellen Erfolg übersetzen. Die Geschichte der Technologieeinführung in den Biowissenschaften ist voller Tools, die die Forschung beschleunigt haben, ohne Zulassungen in entsprechendem Maße zu beschleunigen – und die klinischen, regulatorischen und produktionstechnischen Engpässe, die diesen Sektor schon immer geprägt haben, verschwinden nicht, nur weil die Entdeckungsphase schneller wird. Anleger sollten vorsichtig sein, Produktivitätsgewinne in der Forschung nicht mit kurzfristigen Umsätzen gleichzusetzen.

Dennoch bleibt die Richtung ungewiss, auch wenn sich mehrere strukturelle Bedingungen, die eine weitere Entwicklung unterstützen könnten, weiter verbessern. Die Sequenzierungskosten sinken weiter. Biologische Datensätze wachsen weiter. Das regulatorische Umfeld entwickelt sich weiter. Und vier der größten KI-Entwickler der Welt haben innerhalb eines Zeitraums von drei Monaten dedizierte Plattformen und erhebliches Kapital für den Bereich der Biowissenschaften bereitgestellt – ein Zusammentreffen, das ein wachsendes Interesse an den potenziellen Anwendungen von KI in den Biowissenschaften widerspiegelt.