Anthropic hat die Ein-Mann-Firma Mithril Medicine übernommen und lässt Claude in der Medikamentenentwicklung arbeiten. Die ersten Ergebnisse bleiben im Labor, an Mäusen und in Zellkulturen. Was das heißt und was es nicht heißt.
Was Anthropic mit Mithril Medicine gekauft hat
Der wichtigste Satz steht fast beiläufig in der Mitteilung. Mithril Medicine hatte einen einzigen Mitarbeiter. Gegründet wurde die Firma von Cody Tranbarger, der seine Arbeit unter dem Namen Prof_Oak_ auch öffentlich teilt. Sein Ziel waren Therapien gegen zwei seltene Formen der Muskeldystrophie, also gegen Erkrankungen, bei denen Muskeln nach und nach abgebaut werden.
Tranbarger wechselt zu Anthropic und führt die Forschung dort weiter. Aus einer Firma mit einem Beschäftigten wird damit ein Programm in einem Unternehmen, das zu den größten Anbietern von KI-Modellen zählt. Das ist der eigentliche Vorgang: Nicht ein Technologiekonzern kauft eine große Biotechfirma, sondern ein KI-Unternehmen holt sich eine einzelne Person und ihre Ergebnisse ins Haus.
Warum das interessant ist, wird klar, wenn man sich ansieht, was diese Person in kurzer Zeit aufgebaut hat. Den Angaben zufolge koordinierte sie mit Claude die Arbeit von elf externen Laboren, dazu Verträge, Logistik und Experimente. Für eine einzelne Forscherin oder einen einzelnen Forscher wäre das organisatorisch kaum zu schaffen.
Wo KI in der Medikamentenentwicklung wirklich Arbeit abnimmt
Der Begriff KI in der Medizin wird oft zu groß verwendet. Hilfreich ist ein Blick darauf, wo in der Entwicklung eines Medikaments tatsächlich Zeit verloren geht. Es beginnt mit der Frage, welches Ziel im Körper man überhaupt angreifen will. Danach folgt der Entwurf eines Moleküls, das genau dieses Ziel erwischt. Dann muss sich das Molekül in großem Maßstab zuverlässig herstellen lassen. Später kommen Dokumente für die Zulassung, die Planung von Studien und die Auswertung der Daten hinzu.
Anthropic beschreibt in seiner Mitteilung genau diese Breite. Das Unternehmen argumentiert, es gebe nicht das eine Problem, das KI lösen könnte, sondern viele kleinere Engpässe über den gesamten Ablauf verteilt. Wer sie finden will, muss nach dieser Logik tief in echte Projekte einsteigen, statt nur Moleküle am Reißbrett zu entwerfen.
Das ist eine ehrliche Einordnung. Sie erklärt zugleich, warum die Ergebnisse, die Anthropic jetzt vorlegt, so unterschiedlich ausfallen. Mal geht es um ein kürzeres Stück Erbgut, mal um Zehntausende Antikörperentwürfe, mal um Papierkram.
Mithril und die 18 Monate bis zum Mausversuch
Der konkreteste Mithril-Fortschritt betrifft eine der beiden Muskeldystrophien. Laut Anthropic hat das Team mit Claudes Hilfe einen Therapiekandidaten in weniger als 18 Monaten von einer Idee zu ermutigenden Ergebnissen bei Mäusen gebracht. Außerdem seien mehr als 100 neue bispezifische Antikörper entstanden, die nun in Zelltests geprüft werden. Bispezifisch bedeutet, dass ein Antikörper zwei Ziele gleichzeitig angreift.
Für 2027 plant die Gruppe, für beide Erkrankungen offiziell Kandidaten für die klinische Prüfung zu benennen. Bei der Erkrankung LAMA2-CMD sollen erste Studien am Menschen nach Unternehmensangaben frühestens ab Ende 2028 beginnen.
Wichtig ist, was in diesem Absatz fehlt. Es gibt keine Daten aus Studien mit Menschen. Die Formulierung lautet Ergebnisse bei Mäusen. Zwischen einem Mausversuch und einem zugelassenen Medikament liegen Jahre und die meisten Kandidaten scheitern auf diesem Weg. Wer die Zahlen liest, sollte sie als Zwischenstand betrachten, nicht als Durchbruch.
Was die sechs Partner mit Claude gemacht haben
Anthropic hat parallel Ergebnisse mit sechs Organisationen veröffentlicht. Die Beispiele zeigen, wie unterschiedlich die Einsatzorte sind.
Bei Generate Biomedicines arbeiteten sechs Forscher mit Claude Code daran, ein Stück der genetischen Anleitung einer Krebstherapie neu zu schreiben. Eine Variante fiel rund 70 Prozent kürzer aus als die Standardversion. Im Labor sorgte sie dafür, dass Immunzellen etwa zehnmal so viele Rezeptoren bildeten und Tumorzellen wirksamer abtöteten.
Divergence Labs arbeitet an einer neuen Behandlung von Lebensmittelallergien. Claude erstellte dort in etwa einem Monat weitgehend selbstständig rund 35.000 Antikörperentwürfe. Bei ersten Tests fanden sich Treffer, darunter 20 Entwürfe, die das Allergie-Molekül IgE von Immunzellen lösen konnten. Drei davon wirkten nach Firmenangaben stärker als das Standardmedikament.
Bei Enveda verkürzte Claude die Prüfung von Produktionsdokumenten laut Medienberichten um rund 89 Prozent. BigHat Biosciences nutzte das Modell, um zwei Kandidaten in ihren Eigenschaften zu verbessern. Alle diese Zahlen sind von den beteiligten Firmen selbst genannt und bislang nicht unabhängig überprüft.
Warum Mausdaten noch kein Medikament sind
In der Arzneimittelforschung ist die Faustregel unangenehm klar. Von den Wirkstoffen, die im Labor vielversprechend aussehen, schafft es nur ein kleiner Teil in die Zulassung. Viele scheitern erst in Studien mit Menschen, oft wegen Nebenwirkungen oder weil der Effekt im Körper nicht so ausfällt wie im Modell.
Wenn ein KI-Unternehmen von Fortschritten berichtet, sind deshalb zwei Fragen entscheidend. Erstens, ob die Ergebnisse reproduzierbar sind, also unabhängige Forscher zum selben Resultat kommen. Zweitens, ob sich die beschleunigten Schritte auf den Gesamtprozess auswirken. Ein schnellerer Molekülentwurf hilft wenig, wenn die klinische Prüfung anschließend zehn Jahre dauert.
Anthropic formuliert das selbst vorsichtig. Die Arbeiten seien noch früh und überwiegend vorklinisch, also vor der Anwendung am Menschen. Man wolle den Einsatz deutlich ausweiten. Diese Zurückhaltung ist angemessen, denn die eigentliche Prüfung durch unabhängige Labore steht noch aus.
Was Claude in einem Forschungsteam leisten kann
Die veröffentlichten Beispiele werfen ein Schlaglicht auf eine Frage, die viele Forscher umtreibt. Bringt ein Sprachmodell mehr, wenn es denkt, oder wenn es arbeitet? Die Antwort aus diesen Projekten fällt uneindeutig aus.
Bei Divergence bestand der Beitrag offenbar darin, eine große Zahl von Varianten zu erzeugen, die Menschen anschließend sortieren. Das ist eine Beschleunigung durch Menge. Bei BigHat ging es darum, eine falsche Messgröße zu erkennen und neue Kennzahlen vorzuschlagen. Das ist ein Beitrag zum Denken, kein Massenbetrieb.
Beide Einsatzformen haben Grenzen. Ein Modell, das Antikörper vorschlägt, weiß nicht, ob ein Entwurf im Labor wirklich funktioniert. Es kennt auch nicht die stillen Regeln, die erfahrene Forscher beim Aussortieren anwenden. Hinzu kommt, dass generierte Entwürfe falsch sein können, ohne dass es auf den ersten Blick sichtbar ist.
Genau deshalb bleibt die Rolle des Modells in diesen Projekten eine unterstützende. Es beschleunigt Vorschläge, sortiert Dokumente und prüft Varianten. Die Entscheidung, was getestet wird, treffen weiterhin Menschen.
Was Anthropic als Nächstes vorhat
Anthropic kündigt an, die Arbeit deutlich auszubauen. Als Felder nennt das Unternehmen Lebensmittelallergien, seltene Erkrankungen im Kindesalter und mehrere Krebsarten. Das sind Bereiche, in denen die Zahl der betroffenen Menschen klein oder die Entwicklung bislang wenig lukrativ ist. Für ein Unternehmen, das sein Modell dort erprobt, ist das ein kluger Einstieg.
Für Beobachter bleibt die Frage, ob aus den Ankündigungen belastbare Medikamente werden. Ein erster Prüfstein ist der Zeitplan bis 2027, wenn für beide Muskeldystrophien Kandidaten benannt werden sollen. Der zweite wäre der Studienbeginn am Menschen. Bis dahin sind die Zahlen von heute Zwischenstände, und es ist ratsam, sie genau so zu lesen.
