BenevolentAI

BenevolentAI

BenevolentAI · Coding · Business

BenevolentAI ist ein britisches Unternehmen für KI-Wirkstoffforschung. Sein biomedizinischer Wissensgraph trägt die Target-Identifikation und heute Qor, eine Plattform für belegte Entscheidungen.

Vorschau der Oberfläche von BenevolentAI

Über BenevolentAI

About

Was ist BenevolentAI

BenevolentAI ist ein Life-Science-Technologieunternehmen, das maschinelles Lernen auf biomedizinische Evidenz anwendet. 2013 in London gegründet, hat es ein Jahrzehnt in den Aufbau eines Wissensgraphen gesteckt: eine strukturierte Karte von Genen, Proteinen, Krankheiten, Wirkstoffen, Patenten und Fachartikeln, über die seine Modelle schließen.

Dieser Graph ist das eigentliche Kapital. Wirkstoffforscher lesen Literatur normalerweise von Hand und behalten die Verbindungen im Kopf. BenevolentAI hat diese Verbindungen in eine abfragbare Schicht überführt und daraus Target-Identifikation für Krankheiten mit unübersichtlicher Biologie gemacht, etwa chronische Nierenerkrankung und idiopathische Lungenfibrose.

2022 ging das Unternehmen an die Euronext Amsterdam, im März 2025 verließ es die Börse über eine Fusion mit Osaka Holdings. Rückschläge in der Klinik, darunter das Aus für das Programm BEN-2293 bei atopischer Dermatitis, erzwangen einen engeren Fokus. Heute wird dieselbe Wirkstoffforschungsplattform als Qor verkauft, ein Entscheidungswerkzeug für Biotech-Teams, Beratungen und Investoren. Eine öffentliche Preisliste gibt es nicht, und die tiefergehende Forschungsarbeit läuft über Partnerschaften.

Erste Schritte

  1. Öffnen Sie qor.one und fordern Sie die kostenlose Testversion an oder buchen Sie eine Demo mit dem Team.
  2. Nennen Sie den Wirkstoffkandidaten oder die Indikation, die Sie interessiert, und die Entscheidung, die Sie verteidigen müssen, etwa eine Partnerschaft oder eine Finanzierungsrunde.
  3. Lassen Sie die Plattform die Evidenzbasis zusammenstellen und die Position formulieren. Prüfen Sie anschließend jede Aussage gegen die angegebene Quelle.
  4. Speichern Sie die Position und aktivieren Sie Hinweise, damit Sie sehen, was sich seit der letzten Prüfung geändert hat.
  5. Für Forschungskooperationen wenden Sie sich direkt an BenevolentAI. Solche Projekte werden mit dem Wissenschaftsteam zugeschnitten.

Produktinformationen

Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von BenevolentAI.

Kostenloser TarifJa
Bezahlte TarifeCustom quote
PlattformWeb
EntwicklerBenevolentAI
KategorieCoding · Business
VeröffentlichungsdatumNov 2013
Zuletzt aktualisiertMar 2025
Website-BesucheN/A
Globales Website-RankingN/A
API-VerfügbarkeitN/A

Am besten für

Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.

Nutzer

  • Gründer in der präklinischen Phase
  • Führungskräfte in der klinischen Phase
  • Beratungen und Investoren

Aufgaben

  • Target-Identifikation bei komplexen Krankheiten
  • Wettbewerbspositionierung
  • Partnerschaft und Transaktion

Szenarien

  • Vorbereitung einer Vorstandsunterlage
  • Beobachtung einer schnell laufenden Indikation
  • Erste Orientierung in einem unbekannten Krankheitsfeld

Wichtigste Funktionen

Biomedizinischer Wissensgraph

Der Graph verbindet Gene, Proteine, Signalwege, Krankheiten, Moleküle und publizierte Befunde in einer Struktur, die Modelle durchlaufen. Er ist über mehr als ein Jahrzehnt mit eigenen Ontologien gewachsen, deshalb behandelt das Unternehmen ihn als Schutzmauer und nicht als Modellschicht. Für ein Forschungsteam heißt das praktisch: eine Frage zu einem unbekannten Target liefert verknüpfte Belege statt einer Artikelliste.

Target-Identifikation bei komplexen Krankheiten

Die Plattform wurde für Krankheiten gebaut, bei denen Denken in einzelnen Genen scheitert, und die öffentliche Bilanz liegt bei chronischer Nierenerkrankung, idiopathischer Lungenfibrose, Herzinsuffizienz und Lupus. Wissenschaftler von AstraZeneca nahmen mehrere Targets aus BenevolentAI in ihre eigene Pipeline auf, nachdem 2019 eine Zusammenarbeit begann. Laut BenevolentAI stammen diese Targets aus dem Schließen des Graphen über kuratierte Literatur und experimentelle Daten, nicht aus einer einzelnen Screeningkampagne.

Qor: Antworten mit verknüpften Belegen

Qor ist das heutige kommerzielle Gesicht der Technik. Sie stellen eine Frage zu einem Asset oder einer Indikation und erhalten eine strukturierte Position: Lage im Feld, Folgen und was sich geändert hat. Jede faktische Aussage durchläuft eine Quellenprüfung, bevor sie bei Ihnen ankommt, und darin liegt der Unterschied zu einem allgemeinen Chatbot mit derselben Frage.

Laufende Beobachtung statt einmaliger Berichte

Fast jedes Forschungsergebnis veraltet am Tag der Übergabe. Qor hält jede gespeicherte Position unter Beobachtung und prüft sie erneut, wenn neue Artikel, Studiendaten oder Deals auftauchen. Stellt ein Wettbewerber ein Programm ein, kommt das Update, ohne dass jemand daran denken muss, nachzusehen. Genau dieser Fehler wird von Analysten am häufigsten genannt.

Abläufe für Portfolio- und Transaktionsentscheidungen

Das Produkt ist um die Fragen herum gebaut, die Biotech-Führungskräfte wirklich beschäftigen: wie überfüllt die Indikation ist, zu welchen Preisen vergleichbare Assets verkauft wurden, ob ein Studienergebnis des Rivalen dem eigenen Fall hilft oder schadet und ob die Analyse noch gilt. Diese Ordnung entstand aus der Arbeit mit Wissenschaftlern, Investoren und Beratern, nicht aus einem allgemeinen Dokumentenassistenten.

Kooperationsmodell für Forschungsprogramme

Die tiefere Forschungsarbeit läuft über Kooperationen mit Pharmafirmen, bei denen Wissenschaftler von BenevolentAI und vom Partner im selben Therapiefeld arbeiten. Die Beziehung zu AstraZeneca wurde 2022 auf Herzinsuffizienz und systemischen Lupus erythematodes ausgeweitet und bleibt das klarste Beispiel für die Nutzung über einen Bericht hinaus.

Vor- und Nachteile

Vorteile

  • Der Graph ist ein echter langfristiger Vermögenswert: Ontologien und Kuratierungsarbeit lassen sich nicht schnell kopieren.
  • Target-Identifikation kommt mit nachprüfbarer Evidenz, sodass ein Wissenschaftler die Begründung prüfen kann, statt einem Score zu vertrauen.
  • Qor hält Antworten aktuell und löst das übliche Problem von Analysen, die in der Woche ihrer Auslieferung veralten.
  • Die pharmazeutische Bestätigung ist real: AstraZeneca nahm mehrere KI-abgeleitete Targets in seine Pipeline auf.
  • Eine kostenlose Testversion erlaubt kleinen Teams, den Ablauf vor jedem Verkaufsgespräch zu prüfen.

Nachteile

  • Es gibt keine öffentlichen Preise, also bedeutet Budgetierung ein Verkaufsgespräch und ein individuelles Angebot.
  • Die klinische Bilanz enthält Rückschläge: BEN-2293 verfehlte die Phase-IIa-Ziele und das Programm wurde eingestellt.
  • Das Produkt setzt Fachwissen voraus. Wer keine Biologie kennt, kann schwer beurteilen, ob eine Antwort trägt.
  • Forschungskooperationen sind langsam und vertragslastig, ein kleines Biotech-Unternehmen kauft den vollen Motor also nicht per Klick.

Häufige Fragen

Zum Finden und Ordnen von Targets bei komplexen Krankheiten und zur Unterstützung von Entscheidungen zu Assets, Wettbewerbern und Deals. Die Forschungsarbeit läuft in Pharmapartnerschaften, die Entscheidungsarbeit wird als Qor verkauft.