Jeder schlägt AlphaFold 3, nur nie im selben Test: Was die Wirkstoff-KI-Rekorde zeigen

Darum geht es

Am 10. November 2026 hat Geodesic Intelligence das Modell NovaAtom-Lite vorgestellt. Das Start-up gehört Quanquan Gu, der bei ByteDance die Proteinmodelle SeedFold und DPLM geleitet hat. Das Modell sagt voraus, wie Proteine, DNA, RNA und kleine Wirkstoffmoleküle dreidimensional zusammenpassen. Gu verkündete, es schlage sowohl AlphaFold 3 als auch IsoDDE, die interne Wirkstoff-Plattform der DeepMind-Schwester Isomorphic Labs. Die South China Morning Post griff die Meldung am 12. November auf, ihr Bericht nennt aber keine Zahlen. Die stehen in einem Blogbeitrag von Geodesic: eine vollständige Tabelle auf dem Benchmark FoldBench, gemessen von Geodesic selbst.

NovaAtom-Lite ist kein Einzelfall. Seit AlphaFold 3 im Mai 2024 erschienen ist, haben sich mehrere Modelle zum Sieger erklärt: Chai-1, Protenix, SeedFold und IsoDDE. Boltz-2 und OpenFold3 werben eher mit Teilerfolgen. Die Siege fallen allerdings auf verschiedenen Tests, mit verschiedenem Rechenaufwand und auf verschiedenen Teilmengen. Unsere Frage lautet deshalb: Was beweisen diese Rekorde, und was bedeuten sie für die Suche nach Medikamenten?

Zur Technik in einem Satz: Diese Modelle arbeiten mit Co-Folding. Sie bekommen nur die Bausteine, also die Aminosäurekette und die chemische Formel des Wirkstoffs, und berechnen daraus gemeinsam, wie das Protein sich faltet und wo das Molekül andockt. Bisher war dafür meist ein Kristallexperiment nötig, das Monate dauern kann.

Die Rekorde nebeneinander

Die einzige unabhängig gepflegte Liste ist die FoldBench-Rangliste auf GitHub. Ihr letzter Eintrag stammt vom 31. Dezember 2025. Protenix-v1 und v2, SeedFold, IsoDDE und NovaAtom-Lite stehen dort nicht. Das dort geführte „Protenix“ ist eine ältere Version. Jede neuere FoldBench-Bestmarke ist also eine Selbstauskunft. Wichtig dabei: FoldBench zählt Strukturen, die zwischen Januar 2023 und November 2024 veröffentlicht wurden. Boltz-2 und RoseTTAFold3 könnten diese Ziele schon im Training gesehen haben, die Rangliste führt ihre Werte deshalb nur „als Referenz“. Dasselbe Problem hätten die Protenix-Variante mit Datenstand Juni 2025 und das aktuelle OpenFold3-Standardmodell OpenBind-0 mit Stichtag Juni 2025. Bei IsoDDE fanden wir keinen Stichtag für die Trainingsdaten.

Drei Gründe, warum die Siege nicht vergleichbar sind

1. Selbst AlphaFold 3 hat keinen festen Wert. Auf FoldBench kommt AF3 in der Gesamtmenge auf 64,90 % bei Protein-Ligand-Paaren, in der Teilmenge ab 2024 auf 67,59 %. Im Protenix-v1-Bericht stehen laut Apheris für AF3 dagegen 62,59 %. Bei Antikörpern sind es einmal 47,90 % und einmal 48,75 %. Je nach Auswahl der Ziele und Auswertung schwankt die Referenz also um einige Prozentpunkte. Das sind ungefähr die Abstände, mit denen neue Rekorde gemeldet werden.

2. Teilmengen statt Vollständigkeit. Geodesic weist das in der eigenen Tabelle offen aus. AlphaFold 3 wurde dort auf 167 statt 172 Antikörper-Paaren gewertet, Protenix-v1 auf 160. Für IsoDDE fehlen fünf von acht Aufgaben („NR“, nicht berichtet). NovaAtom-Lite liegt nur in drei von acht Kategorien vorn. Bei Protein-DNA führt AlphaFold 3 mit 79,18 % vor NovaAtom-Lite mit 74,24 %. Wir haben die Abstände in Fälle umgerechnet. Bei 172 Antikörper-Paaren entsprechen 79,07 % rund 136 Treffern, 75,58 % rund 130 Treffern. Bei den 558 Ligand-Paaren sind es 430 gegenüber 424. Der „Sieg“ über IsoDDE beruht also jeweils auf etwa sechs Komplexen. Unsere grobe Rechnung: Bei 172 Fällen hat ein einzelner Erfolgswert einen statistischen Unsicherheitsbereich von etwa ±6 Prozentpunkten. Geodesic selbst rät, Abstände von ein bis zwei Punkten als Gleichstand zu lesen.

3. Wer mehr würfelt, gewinnt. Die Modelle erzeugen pro Aufgabe mehrere Vorschläge aus zufälligen Startwerten, sogenannten Seeds. Ein eingebautes Bewertungssystem wählt dann den besten Vorschlag aus. NovaAtom-Lite rechnet mit 5 Seeds mal 5 Vorschlägen. Laut Geodesic steigt seine Antikörper-Quote von 74,3 % mit einem Seed auf 83,1 % mit 100 Seeds. IsoDDE erreicht mit 1.000 Seeds 59 % statt 39 % bei der strengen Antikörper-Wertung. Für Protenix-v2 meldet ByteDance, dass es mit 5 Seeds besser abschneidet als v1 mit 1.000. Schon das FoldBench-Paper stellte fest, dass AF3 seinen Vorsprung bei Antikörpern vor allem durch mehr Seeds erzielt und dass die Auswahl des richtigen Vorschlags der Engpass ist. Wenn der Rechenaufwand allein neun Prozentpunkte bringt, sagt ein Sieg ohne gleiches Budget wenig über das Modell.

Was Runs N' Poses und FoldBench über neue Moleküle zeigen

Interessanter als die Spitzenwerte ist die Frage, ob die Modelle Chemie verstanden oder Beispiele auswendig gelernt haben. Genau das prüft Runs N' Poses von Škrinjar, Durairaj und Schwede (Universität Basel, Februar 2025). Der Benchmark umfasst 2.600 hochaufgelöste Protein-Ligand-Komplexe, die nach dem Trainings-Stichtag veröffentlicht wurden. Jeder Komplex wird danach einsortiert, wie stark Bindetasche und Lage des Moleküls einem Trainingsbeispiel ähneln. Das Fazit der Autoren: Die getesteten Co-Folding-Modelle „merken sich weitgehend Ligandenlagen aus ihren Trainingsdaten“. Besonders deutlich ist das bei Molekülen, die bisher nur in einer einzigen Tasche gesehen wurden.

Die Zahlen aus den Herstellerberichten zeigen das Ausmaß. In der Gruppe mit 0 bis 20 % Ähnlichkeit liegt AlphaFold 3 bei 23,3 % (Isomorphic) beziehungsweise 23,8 % (Geodesic). In der Gruppe mit 80 bis 100 % Ähnlichkeit kommt es auf 88,2 %. IsoDDE erreicht in der schwersten Gruppe nach Herstellerangabe 50 %, NovaAtom-Lite 47,6 %. Auf diesem Test, der am stärksten nach echter Neuheit fragt, schlägt NovaAtom-Lite IsoDDE also nicht. Die Werte stammen allerdings aus unterschiedlich zusammengestellten Teilmengen. Das FoldBench-Paper kommt zu einem ähnlichen Ergebnis: Die Trefferquote beim Andocken „sinkt deutlich, je weniger der Ligand dem Trainingsset ähnelt“. Schwachstellen bleiben Nukleinsäuren, Antikörperschleifen, allosterische Taschen (Bindestellen abseits der eigentlichen aktiven Stelle) und ringförmige Peptide.

Dazu kommt die Frage, ob die Vorhersagen physikalisch überhaupt möglich sind. Das misst PoseBusters (Oxford, 2024): Es prüft unter anderem, ob Atome sich überlappen oder Bindungswinkel unmöglich sind. Bei der ersten Auswertung waren klassische Docking-Programme wie AutoDock Vina und Gold den damaligen KI-Methoden noch überlegen. Chai-1s 77 % auf PoseBusters stammen dagegen aus einem eher „bekannten“ Testset, das über die Neuheit der Moleküle wenig aussagt.

Was Forschende heute wirklich nutzen können

Für Hochschulen und Firmen zählt neben der Genauigkeit vor allem, ob sie ein Modell selbst betreiben dürfen. Laut dem Vergleich von Rewire Bio gilt:

• Frei, auch kommerziell: Boltz-1/2 (MIT), Chai-1 (Apache 2.0 seit Ende 2024), Protenix-v1 (Apache 2.0, GitHub), OpenFold3 und OpenBind-0 (Apache 2.0, GitHub).
• Eingeschränkt: AlphaFold 3. Die Gewichte gibt es nur auf Anfrage direkt bei DeepMind, nur für nicht-kommerzielle Einrichtungen. Auch die Ergebnisse dürfen nicht kommerziell genutzt oder zum Training ähnlicher Modelle verwendet werden. HelixFold3 ist ebenfalls nur nicht-kommerziell nutzbar.
• Geschlossen: IsoDDE (Isomorphic will das „Rezept“ nicht veröffentlichen) und Protenix-v2. Dessen Gewichte sind laut README „proprietär und vertraulich“, obwohl derselbe Text das Projekt pauschal unter Apache 2.0 stellt. Protenix gehört inzwischen zur ByteDance-Ausgründung Anew Labs. SeedFold gibt es nur als Webserver, NovaAtom-Lite nur über die Geodesic-API. Im Abschnitt „Materials shared“ seines Blogbeitrags hat Geodesic die Felder zu Lizenz und Link nicht ausgefüllt. AISB-1-Fed erhalten nur die beteiligten Pharmafirmen.

AISB-1-Fed zeigt außerdem, was kein öffentlicher Benchmark messen kann. AbbVie, Astex, BMS, Johnson & Johnson und Takeda haben OpenFold3 mit 20.167 eigenen Strukturen nachtrainiert. Dabei kam föderiertes Lernen zum Einsatz: Jede Firma trainiert bei sich, geteilt werden nur Modell-Updates, nie die Daten. Auf 1.056 privaten Testkomplexen lag das Ergebnis laut VCBeat bei über 50 % hochgenauen Vorhersagen, Boltz-2 kam auf rund 40 % und OpenFold3 auf rund 35 %. Takeda-Forscher Diego del Alamo merkte zu IsoDDE an, Isomorphic habe sich lange um Zugang zu Industriedaten bemüht, deshalb wisse man nicht, „wie viel diese zusätzlichen Daten bringen“. Boltz-Mitgründer Gabriele Corso bezweifelt laut Scientific American, dass solche Daten nötig sind.

Unser Fazit

Unsere Einschätzung: Die Bestmarken der letzten 18 Monate sind nicht erfunden, aber auch kein Beweis für eine Rangfolge. Belegt ist, dass sich die Modelle bei Antikörpern deutlich verbessert haben. Auf FoldBench lag die Spitze in der unabhängigen Messung bei 47,90 %, die Hersteller melden inzwischen 75 bis 79 %. Belegt ist auch, dass Moleküle ohne Vorbild im Training weiterhin in etwa jedem zweiten Fall falsch platziert werden. Welches Modell vorn liegt, lässt sich so nicht sagen: Isomorphic und Geodesic trennen wenige Komplexe, die Rechenbudgets sind unterschiedlich, und eine unabhängige Nachmessung fehlt.

Für die eigentliche Medikamentensuche ist eine Pose ohnehin nur ein Zwischenschritt. Die CASP16-Auswertung zu Pharma-Zielen bescheinigt AlphaFold 3 starke Posen, mit einem mittleren LDDT-PLI von 0,8 und damit über dem besten Teilnehmer. Die Vorhersage der Bindungsstärke nennen die Gutachter dagegen „völlig unzuverlässig“. Ob ein Wirkstoff am Ende Patienten hilft, entscheidet sich erst in klinischen Studien. Philipp Dubach weist darauf hin, dass KI-entworfene Moleküle in Phase II bisher etwa so oft scheitern wie klassische. Analysten von Northeast Securities mahnten laut SCMP ebenfalls, dass gute Benchmark-Werte keine schnellere Arzneimittelentwicklung garantieren.

Ein glaubwürdiger Sieg über AlphaFold 3 bräuchte vier Dinge: eine Drittmessung, denselben Trainings-Stichtag, dasselbe Sampling-Budget und die Ergebnisse auf den schwersten Ähnlichkeitsstufen von Runs N' Poses. Keines der genannten Modelle erfüllt derzeit alle vier.