Künstliche Intelligenz wird gefeiert: Unternehmen schwärmen von einem Gamechanger, Wissenschaftler von völlig neuen Möglichkeiten. Wie weit sie derzeit aber noch von einem Allheilmittel entfernt ist, zeigen diese drei Fälle.
Die Medizin hat eine neue Gottheit: künstliche Intelligenz (KI). Die Technologie verspricht neue Medikamente in kürzester Zeit, Diagnosen per Klick und maßgeschneiderte Therapien. Das klingt himmlisch. Doch wer Krankheiten auf ein Rechenproblem reduziert, vergisst: So manches Heilsversprechen bleibt derzeit genau das – nämlich ein Versprechen.
Dazu ein Blick in die pharmazeutische Forschung: Neue Medikamente zu entwickeln, ist teuer und dauert oft Jahre. Digitale Technologien könnten solche Prozesse beschleunigen, so die Hoffnung. Vor allem KI und maschinelles Lernen helfen, riesige Datenmengen zu analysieren und vielversprechende Wirkstoffkandidaten frühzeitig zu identifizieren.
Auch Simulationen liefern heute Einblicke, die früher kaum möglich waren: Molekulardynamische Modelle und hybride Quantenmechanik-Methoden zeigen, wie Proteine und Wirkstoffe im Detail zusammenwirken. Besonders beliebt ist das strukturbasierte Wirkstoffdesign, bei dem Moleküle gezielt an Enzyme oder Rezeptoren angedockt werden.
Mit der wachsenden Datenflut wird auch die Chemoinformatik unverzichtbar, um Struktur-Wirkungs-Beziehungen und Risiken potenzieller Substanzen zu bewerten. Und die Netzwerkpharmakologie verabschiedet sich vom klassischen Schlüssel-Schloss-Denken: Sie betrachtet die Wirkung von Medikamenten in komplexen biologischen Netzwerken. Das klingt alles recht vielversprechend.
Doch die Ernüchterung folgt schnell, wenn es um harte Fakten geht. Trotz aller KI-Euphorie scheitern noch immer ca. 90 Prozent aller Wirkstoffkandidaten an zahlreichen Hürden zwischen Entwicklung und Zulassung. Daran hat sich in letzter Zeit kaum etwas geändert.
Die meisten Substanzen fallen durch, weil sie nicht wirksam genug sind, weil sie unerwartete Nebenwirkungen zeigen oder sich im Körper ungünstig verhalten. Selbst Moleküle, die im Reagenzglas oder im Tierversuch vielversprechend wirken, enttäuschen oft in klinischen Studien. Die Übertragung vom Labor auf den Menschen bleibt auch in KI-Zeiten schwierig. Und nicht nur bei Medikamenten, auch bei neuen Medizintechnologien ist die Liste teils spektakulärer Fehlschläge lang.
Ein besonders prominentes Beispiel dafür ist Babylon Health. Das britische Start-up, gegründet im Jahr 2013, hatte vor, den klassischen Arztbesuch zu revolutionieren. Ein KI-gestützter Chatbot sollte Symptome bewerten, Diagnosen vorschlagen und telemedizinische Angebote vermitteln.
Doch die Realität sah anders aus. Ärzte zweifelten an der Verlässlichkeit der Diagnosen, Behörden stellten allzu kritische Fragen und die Finanzierung brach weg. Im Jahr 2023 meldete das Unternehmen Insolvenz an – ein abruptes Ende für ein Projekt, das zeitweise als Vorreiter digitaler Medizin gefeiert wurde.
Ähnlich ist es IBM Watson Health ergangen. Die Story zeigt, wie groß die Kluft zwischen Anspruch und Wirklichkeit sein kann. IBM wollte 2015 mit seinem KI-System Watson for Oncology die Krebsbehandlung revolutionieren. Entscheider schlossen Kooperationen mit Partnern wie dem Memorial Sloan Kettering Cancer Center und der Mayo Clinic. Sie hatten gehofft, durch die Analyse großer Datenmengen die onkologische Präzisionsmedizin voranzubringen. Doch viele Ergebnisse blieben hinter den Erwartungen zurück: Kliniken berichteten teilweise, Watsons Empfehlungen seien nicht zuverlässig genug; mitunter gab es fehlerhafte Vorschläge.
Parallel dazu kämpfte die Sparte mit hohen Kosten und fehlender Profitabilität. Trotz Millioneninvestitionen blieb der Durchbruch aus. Im Jahr 2022 entschied sich IBM schließlich zum Rückzug und verkaufte Watson Health an Francisco Partners/Merative.
Auch Forward und seine sogenannten CarePods wollten die medizinische Versorgung neu erfinden – und nahmen am Ende ein ebenso abruptes Ende. KI-Enthusiasten hatten das Start-up 2016 im Silicon Valley gegründet. Ihr Anspruch war, die hausärztliche Versorgung durch Technologien völlig neu zu denken. Anstelle klassischer Arztpraxen setzen sie auf ein stark digitalisiertes Modell: KI-gestützte Diagnostik, kontinuierliche Gesundheitsüberwachung, mobile Apps und moderne Praxisräume mit High-Tech-Charakter. Ab 2023 gehörten dazu auch sogenannte CarePods. Diese futuristisch anmutenden Kabinen waren Mini-Praxen, Patienten konnten eigenständig Vitalparameter messen, sich Blut abnehmen lassen und über digitale Schnittstellen mit Ärzten oder KI-Systemen in Kontakt treten.
Befürworter sahen darin die Zukunft einer skalierbaren Grundversorgung, Kritiker warnen vor Übertechnisierung und fragen nach Wirtschaftlichkeit und langfristiger Akzeptanz bei Patienten. Die Zeit war eben noch nicht reif für Praxen 4.0: Im November 2024 gab Forward bekannt, dass alle Standorte geschlossen werden. Ihr Modell war im Alltag gescheitert.
Alles in allem zeigen die Fails, dass neben Akteptanz, Algorithmus und Datensätzen vor allem ein großes Problem bleibt: überbordende Euphorie. KI ist das Zauberwort, mit dem Start-ups Investoren ködern, Konzerne ihre Börsenkurse pushen und Politiker Innovationsfreude demonstrieren.
Dabei ist gerade jetzt nüchterne Skepsis nötig. Nicht, weil KI keine Zukunft hätte, ganz im Gegenteil. Sondern weil sie nur dann nützt, wenn wir sie realistisch einordnen. Wer die Technologie allzu unkritisch einsetzt, provoziert zwangsläufig Enttäuschungen. Der Absturz nach dem Hype ist programmiert – und mit ihm ein massiver Vertrauensverlust. KI ist ein Tool. Es kann Forschung beschleunigen, Muster in Daten sichtbar machen und Prozesse effizienter gestalten. Es kann Ärzte und Forscher entlasten – aber es kann sie nicht ersetzen.
KI in Medizin und Pharmazie: Was sich ändern muss
Bildquelle: Getty Images, Unsplash
