Stellen Sie sich eine Welt vor, in der Krankheiten geheilt werden, noch bevor die ersten Symptome spürbar sind.

In dieser Welt navigieren wir Dank der Symbiose aus Quantencomputing und Künstlicher Intelligenz durch das hochkomplexe Universum des menschlichen Erbguts – wie mit einem GPS. KI-Systeme analysieren in Millisekunden Milliarden von Datenpunkten, um für jede:n Einzelne:n die exakte molekulare Antwort auf medizinische Fragestellungen zu errechnen. In der Pharmaforschung ist die Zeit der langwierigen „Trial-and-Error“-Phasen in Laboren vorbei: Digitale Zwillinge simulieren Wirkstoffinteraktionen präzise, wodurch bahnbrechende Therapien nicht mehr in Jahrzehnten, sondern in Monaten zur Marktreife gelangen.

In dieser medizinischen Utopie ist die Ära der „Gießkannen-Medizin“ – in der ein Medikament für Millionen Patient:innen passen muss – endgültig vorbei. Doch wie nah sind wir dieser Vision wirklich?

Wir haben mit einer Frau gesprochen, die an der Schnittstelle der IT-Welt und der Pharma-Welt arbeitet: Anna Bauer-Mehren ist Expertin für Digital Health und leitet bei Roche Information Solution ein Team, das KI-basierte Algorithmen für die klinische Entscheidungsfindung entwickelt. Als Co-Vorsitzende des bayerischen KI-Rats gestaltet sie zudem die ethischen und regulatorischen Rahmenbedingungen der Technologie in Deutschland aktiv mit. Im Interview erklärt sie, warum KI die Medizin nicht nur schneller, sondern vor allem menschlicher macht.

Anna Bauer-Mehren, Expertin für Digital Health bei Roche Information Solution und Co-Vorsitzende des bayrischen KI-Rats.

Q: Liebe Anna, vor 1,5 Jahren haben wir zuletzt gesprochen. Was ist für dich seitdem die signifikanteste Entwicklung im Bereich “KI im Gesundheitswesen”?

A: Der größte Unterschied zu unserem letzten Gespräch ist, dass KI kein „New Kid on the Block“ mehr ist, das keiner so recht versteht. Heute ist die Relevanz in der Pharma- und Diagnostikbranche jedem klar. Wir sind vom „Wir wollen mehr damit machen“ zum echten Arbeiten mit der KI übergegangen: Modelle machen Vorhersagen, diese werden im Labor getestet und die Ergebnisse fließen direkt zurück, um die KI zu verbessern.

Besonders spannend finde ich die Entwicklung hin zu Agentic AI. Dabei übergeben wir spezialisierte Aufgaben an autonome KI-Agenten. Bei größeren Prozessen setzen wir auf Multi-Agenten-Systeme mit dem Human-in-the-loop: Der Mensch überprüft also die Entscheidungsfindung. Wir stehen hier erst am Anfang, aber die Zusammenarbeit zwischen Computational Scientists und Wet-Lab-Forscher:innen ist heute auf einem völlig neuen Level.

Q: Was ist aktuell der größte KI-Hebel in der pharmazeutischen Wertschöpfungskette?

A: Ein absoluter Meilenstein war sicher der Nobelpreis für die Vorhersage von Proteinstrukturen aus Sequenzen – ein Problem, das die Forschung seit Jahrzehnten lösen wollte. Das hat das Thema De-novo-Design von Molekülen massiv befeuert. Während wir früher kaum wagten, uns das vorzustellen, sehen wir heute erste Moleküle in der Literatur, die rein KI-designt wurden [1].

In der Praxis nutzen wir den Lab-in-the-loop-Ansatz, um die Wirkstoffentwicklung massiv zu beschleunigen. Das heißt, wir füttern Modelle mit Daten aus vergangenen Experimenten, um gezielt gewünschte Eigenschaften zu verbessern. Die KI schlägt neue Moleküle vor, die wir im Labor testen, wodurch das Modell kontinuierlich lernt. KI fungiert hier als Enabler und Co-Pilot, der uns hilft, schneller zu Molekülen mit hoher Erfolgsaussicht zu kommen.

Q: Verwandeln sich Forscher:innen gerade in „Daten-Kurator:innen“? Wie hat sich dein Arbeitsalltag verändert?

A: Die Rolle ist eigentlich cooler geworden. Wir nutzen KI-Copiloten, um Unmengen an Informationen zusammenzufassen und Hypothesen schneller mit Evidenz zu unterfüttern. Der Fokus auf die "echte Forschung" ist geschärft.

In meinem Team bei Roche Information Solution konzentrieren wir uns stark auf die Früherkennung (Early Diagnosis). Ein Beispiel ist LGI Flag, ein Algorithmus für Darmkrebs [2]. Darmkrebs ist die zweittödlichste Krebsart, u.a. weil er trotz Screening zu spät erkannt wird. LGI Flag nutzt einfache demografische Daten und Laborergebnisse, um Risikopatient:innen zu identifizieren – nicht-invasiv und viel effektiver als rein routinemäßige Vorsorge. Zudem arbeiten wir an der Daten-Kuratierung, etwa beim navify Mutation Profiler [3], um Tumorprofile von Patient:innen blitzschnell mit der aktuellsten Forschung abzugleichen. Bei zehn Billionen Gigabyte an Healthcare-Daten weltweit ist das ohne KI-Unterstützung für Mediziner:innen kaum noch leistbar.

Die pharmazeutische Wertschöpfungskette punktuell dargestellt: KI wirkt an verschiedensten Stellen als Enabler - von der frühen Forschung über Entwicklung und Optimierung, in klinischen Studien bis zur Zulassung aber auch für Personalisierung.

Q: Die Realitätsprüfung – Was steht dir bei der täglichen Arbeit am meisten im Weg?

A: Technologisch ist sehr viel möglich, aber wir arbeiten in einem hochsensiblen Bereich. Unsere Algorithmen sind oft Software as a Medical Device und müssen streng reguliert sein, um Sicherheit zu garantieren. Das Hauptproblem ist jedoch der Zugang zu qualitativ hochwertigen Daten.

Es ist enorm kostspielig und zeitaufwendig, Daten sinnvoll zu verknüpfen. Projekte wie die Bavarian Health Cloud [4] oder der European Health Data Space [5] gehen in die richtige Richtung, aber die Umsetzung ist im Vergleich zum technologischen Fortschritt extrem langsam. Wir brauchen hier eine bessere Balance: Wir wollen keine Verhältnisse wie in manchen Ländern, wo Datenschutz kaum eine Rolle spielt, aber wir müssen schneller werden, damit die Innovationen auch tatsächlich bei den Patient:innen ankommen.

Q: Was wäre, wenn wir hier mehr Freiraum und flexiblere Rahmenbedingungen hätten: Welchen Durchbruch könnten wir dann morgen schon erleben?

A: Die technologische Entwicklung rast, aber die Rahmenbedingungen kriechen hinterher. Ein echter Durchbruch wäre es, wenn wir mehr Flexibilität bei der Zulassung digitaler Produkte bekämen. Konkret meine ich: Wir sollten Evidenz sammeln können, während ein Produkt bereits am Markt ist, statt jedes Detail vorab klären zu müssen – natürlich nur bei Lösungen, die kein Risiko für die Patient:innensicherheit darstellen.

Die US-Behörde FDA experimentiert bereits mit Pilotprojekten, bei denen Real-World-Daten genutzt werden, um im laufenden Betrieb Evidenz zu generieren [6]. Wenn wir solche Lockerungen auch bei uns konsequenter umsetzen würden, könnten Innovationen Monate oder Jahre früher bei den Menschen ankommen. Es ist oft frustrierend: Wir haben die Technologie, um Leben zu retten oder Krankheiten früher zu erkennen, aber wir hängen in Warteschleifen fest.

Q: 2025 hat Roche das Whitepaper „Mit KI zur gemeinsamen Entscheidungsfindung in der Medizin“ veröffentlicht. Inwieweit ermöglichen KI-Applikationen Patient:innen heute schon mehr Selbstbestimmung?

A: KI kann die „Black Box“ Medizin für Patient:innen öffnen. Ein großes Thema ist Common Decision Making. Oft sitzen Patient:innen bei Arzt oder Ärztin, bekommen eine komplexe Diagnose und fühlen sich überfordert. KI-Tools können helfen, Informationen so aufzubereiten, dass Patient:innen ihre Optionen wirklich verstehen und auf Augenhöhe mit Ärztin oder Arzt entscheiden können. KI ist also ein mächtiges Werkzeug, um Patient:innen zu empowern!

Abbildung aus dem Whitepaper "Mit KI zur gemeinsamen Entscheidungsfindung in der Medizin" (2025) [7]: KI in Form großer Sprachmodelle (LLMs) kann Patient:innen auf verschiedenen Ebenen ihrer Therapie(-entscheidung) unterstützen und empowern.

In der Diagnostik bedeutet Selbstbestimmung vor allem: Information zur richtigen Zeit. Nehmen wir wieder den navify Mutation Profiler [3]: Wenn der Onkologe oder die Onkologin durch KI-Unterstützung in Sekunden sieht, welche Therapie bei genau diesem genetischen Tumorprofil weltweit am erfolgreichsten war, kann er/sie das der betroffenen Person direkt erklären. Das schafft Vertrauen und das Gefühl, aktiv am Heilungsprozess teilzunehmen.

Q: Wagen wir einen Ausblick auf den „Virtual Twin“: Wie nah kommen wir einer perfekten digitalen Kopie des menschlichen Organismus? Wird es möglich sein, In-Vivo-Studien durch Simulationen zu ersetzen?

A: Der Begriff „Virtual Twin“ wird oft etwas zu optimistisch verwendet. Eine 1:1-Kopie des gesamten Menschen – inklusive aller biologischen Wechselwirkungen und Verhaltensweisen – ist weiterhin Science-Fiction. Aber: Wir sind exzellent darin geworden, Teilaspekte zu simulieren.

In der Pharmaforschung nutzen wir bereits In-Silico-Studien, also Simulationen, um zum Beispiel die optimale Dosierung eines Medikaments vorherzusagen. Wir können heute „virtuelle Patientenpopulationen“ erstellen, um klinische Studien zu simulieren, bevor der/die erste echte Proband:in das Mittel einnimmt. Das ersetzt die In-Vivo-Studie (am Lebewesen) noch nicht komplett, aber macht sie deutlich zielgerichteter. In fünf bis zehn Jahren werden diese Simulationen so präzise sein, dass wir viele Tierversuche und frühe Studienphasen massiv reduzieren können.

Q: Seit Beginn dieses Jahres bist du Co-Vorsitzende des bayerischen KI-Rats. Wie lösen wir das Dilemma zwischen dem enormen Bedarf an Real-World-Daten für das Training von Algorithmen und den hohen ethischen Anforderungen im Gesundheitswesen?

A: Das ist in der Tat eine der zentralen Herausforderungen. Damit Empowerment durch Technologie funktioniert, ist Vertrauen die absolute Grundvoraussetzung. Wir lösen dieses Dilemma, indem wir Ethik nicht als Bremse, sondern als Fundament begreifen.

Bei Roche stellen unsere AI Ethics Principles [8] sicher, dass wir in jedem KI-Projekt auf die Minimierung von Bias achten, absolute Datensicherheit garantieren und die Modelle transparent und erklärbar machen. Nur wenn wir sicherstellen, dass die KI fair und nachvollziehbar arbeitet, wird sie von der Gesellschaft und den Patient:innen auch akzeptiert.

Q: Wo werden wir mit KI in der Pharmaforschung in 10 Jahren stehen?

A: Wir werden wegkommen von der „Einheitsmedizin“ hin zu einer echten Präzisionsmedizin. In 10 Jahren wird es Standard sein, dass für jede schwere Erkrankung eine KI im Hintergrund prüft: Was ist die individuell beste Strategie für genau diesen Menschen?

Vielleicht noch wichtiger: Die KI wird uns helfen, Krankheiten zu erkennen, bevor sie Symptome verursachen. Wir wandeln uns von einem System, das „Krankheit verwaltet“, zu einem echten „Gesundheitssystem“. Das ist die eigentliche Revolution.

[1] De-novo-Design von Molekülen:

https://insilico.com/news/tnrecuxsc1-insilico-announces-nature-medicine-publi

[2] LGI Flag:

https://navify.roche.com/marketplace/products/algorithms/navify-algorithms-lgi-flag

[3] Navify Mutation Profiler:

https://navify.roche.com/ch/en-us/marketplace/products/navify-mutation-profiler

[4] Bavarian Health Cloud: https://baiosphere.org/

[5] European Health Data Space: https://www.european-health-data-space.com/

[6] FDA Pilotprojekt zu Real-World-Evidence:

https://www.fda.gov/science-research/science-and-research-special-topics/real-world-evidence

[7] Whitepaper „Mit KI zur gemeinsamen Entscheidungsfindung in der Medizin“:

https://patientenimfokus.de/ki/

[8] Roche AI Ethics Principles:

https://assets.roche.com/f/176343/x/401c28049f/roche-ai-ethics-principles.pdf