Ex-OpenAI-Forscher gründet Warp Sciences für automatisierte Wirkstoff-Labore

Worum es geht

Kevin Weil, zuvor bei OpenAI Chief Product Officer und Leiter der Wissenschaftssparte, hat das Start-up Warp Sciences gegründet. Laut Bloomberg (22. Oktober, Ortszeit) hat das Unternehmen eine Series-A-Finanzierung über 215 Millionen US-Dollar (rund 2,8 Billionen Won) abgeschlossen. Die Bewertung liegt bei 865 Millionen Dollar. Ziel ist ein weitgehend automatisiertes Labor für die Medikamentenentwicklung, in dem KI und Roboter Experimente durchführen.

Geldgeber und Gründerteam

Die Runde führte Lightspeed Venture Partners an. Weitere Investoren sind IVP, Mayfield, Lux Capital, Premji Invest und Menlo Ventures. Unter den Business Angels finden sich OpenAI-Finanzchefin Sarah Friar und die frühere OpenAI-Managerin Fidji Simo, außerdem Brian Armstrong (Coinbase), Shyam Sankar (Palantir) und Reid Hoffman (LinkedIn). Zu den Mitgründern zählen Manohar Paluri, früher Vizepräsident in Metas Superintelligenz-Forschung, DJ Patil, der erste Chief Data Scientist des Weißen Hauses, und Solomon Reisberg, ehemals Manager bei Teremoto Biosciences.

Das Geschäftsmodell: Lead Optimization

Warp entwickelt keine eigenen Arzneien. Stattdessen bietet es Pharma- und Biotech-Firmen Forschungsdienste an: Stoffe synthetisieren und testen. Der erste Dienst ist die „Lead Optimization“ (Optimierung von Leitsubstanzen). Hat man ein vielversprechendes Molekül gefunden, werden hunderte bis tausende Varianten hergestellt und getestet, um die Wirkung zu steigern und Nebenwirkungen zu senken.

Diese Arbeit lagern Pharmafirmen bislang oft an chinesische Auftragsforscher wie WuXi AppTec aus, die mit niedrigen Kosten und hohem Tempo den Markt dominieren. Weil der Konflikt zwischen den USA und China die Abhängigkeit riskant macht und manche Firmen sensible Daten und geistiges Eigentum ungern mit chinesischen Partnern teilen, will Weil diese Arbeit zurück in die USA holen. Dafür müsse man bei der Effizienz mit den chinesischen Anbietern mithalten, daher das automatisierte Labor.

Wie das Labor funktionieren soll

Das rund 20-köpfige Team hat Roboterarme und KI-Chips bereits beschafft. Forschende tragen bei Experimenten Körperkameras und Handschuhe mit Drucksensoren. So sollen Arbeitsdaten erfahrener Chemiker entstehen, mit denen eigene KI-Modelle trainiert werden und Roboter lernen, verschiedene Laboraufgaben auszuführen. Langfristig sollen Roboter rund um die Uhr arbeiten und Zeit und Kosten für Synthese und Prüfung senken.

Anfangs sind es aber noch überwiegend Chemiker, die arbeiten; die KI hilft bei Syntheserouten und der Wahl des nächsten Experiments. Zuerst werden wiederkehrende Schritte wie Reaktionsvorbereitung und Reinigung von Proben automatisiert.

Weil sieht einen Kreislauf: Mehr automatisierte Experimente liefern Daten, die KI lernt daraus, plant bessere Versuche und automatisiert mehr. Er sagt: „Das Labor treibt die KI voran, und die KI treibt das Labor voran.“ KI habe bei Softwareentwicklung und Mathematik viel erreicht, in experimentellen Wissenschaften aber noch nicht, weil Modelle reale Versuchsdaten brauchen.

Warp will aktuelle Spitzenmodelle und eigene, angepasste Open-Weight-Modelle (Modelle mit frei verfügbaren Gewichten) kombinieren. Weil sagt, man stehe noch am Anfang und wolle in den USA entwickelte Open-Weight-Modelle nutzen.

Hintergrund

Weil kam im Juni 2024 als CPO zu OpenAI, verantwortete Produkte wie ChatGPT, leitete später „OpenAI for Science“ und trieb „Prism“ voran, einen KI-Arbeitsbereich für Forschende und Paper-Schreiben. Schon dort propagierte er die Verbindung von KI und Robotiklaboren: KI entwirft Hypothesen und Experimente, Roboter führen sie aus, Ergebnisse fließen zurück. In einem Podcast im Februar nannte er das Ziel, Erkenntnisse, die man für 2050 erwartet, auf 2030 vorzuziehen. Lightspeed-Partner Guru Chahal will Warp an Portfoliofirmen der Biowissenschaften vermitteln und erwähnt eine mögliche spätere Ausweitung auf andere Forschungsfelder.

Einordnung

Die Summe zeigt, wie viel Kapital in „KI für die Wissenschaft“ fließt, besonders dort, wo echte Experimente nötig sind. Spannend ist der geopolitische Ansatz, Chinas Kostenvorsprung durch Automatisierung zu kontern. Offen ist, ob Roboter bei Preis und Geschwindigkeit tatsächlich mit etablierten Auftragsforschern mithalten; bisher gibt es keine Ergebnisse, nur Pläne und Herstellerangaben. Der Start erfolgt zunächst mit viel menschlicher Arbeit.