KI für die Pharmaindustrie
Von der Wirkstoffidentifikation über die Sequenzanalyse bis zur produktiven Plattform.
Supper & Supper entwickelt KI-Lösungen für pharmazeutische Forschung und Entwicklung.
Computational Life Science ist bei uns keine neue Abteilung
Seit 2019 arbeiten wir an biologischen und pharmazeutischen Fragestellungen: Wir haben Wirkstoffkandidaten für einen Generika-Hersteller identifiziert, Tumoreigenschaften klassifiziert und Mikrobiom-Sequenzen für therapeutische Anwendungen ausgewertet. Diese Projekte bündeln wir in unserem Portfolio unter der Kategorie Pharma.
Unsere Data Scientists sind promoviert – in Biologie, Chemie, Mathematik, Physik, Statistik und Agronomie. Mit Ihren Fachbereichen sprechen also Menschen, denen man die Fragestellung nicht erst erklären muss.
Und wir liefern alles aus einer Hand: vom ersten Proof of Concept bis zur Plattform, die Sie über Jahre produktiv für tausende Nutzer betreiben. Auf Wunsch als verlängerte Werkbank Ihres Teams.
Was bedeutet KI in der Pharmaindustrie?
KI verbindet maschinelles Lernen mit heterogenen Daten aus Forschung, Entwicklung und Markt: mit Assays, Sequenzdaten, Patentinformationen, Bildgebung und historischen Projektverläufen. Daraus macht sie belastbare Entscheidungsgrundlagen. So greift sie die zentralen Probleme der Branche auf: sinkende F&E-Produktivität, teure Abbrüche in späten Phasen und Wissen, das über Systeme und Abteilungen verstreut liegt.
Anwendungsfelder
Wo KI in der pharmazeutischen Forschung und Entwicklung konkret ansetzt – und woran solche Vorhaben in der Praxis scheitern.
Präklinische Pipeline-Entscheidungen. Predictive Models für Go/No-Go-Entscheidungen: Wahrscheinlichkeiten samt Unsicherheitsintervall und eine Aufschlüsselung der treibenden Merkmale statt eines Punktschätzers, den niemand einordnen kann. Zum Anwendungsfeld →
Bildbasierte Auswertung in Screening und Diagnostik. Segmentierung, Objekterkennung und Quantifizierung auf mikroskopischen und histologischen Aufnahmen – einschließlich der Annotation, die eine fachlich belastbare Referenz erst möglich macht. Zum Anwendungsfeld →
Datenfundament und Betrieb für Forschungsdaten. FAIR-konforme Strukturen für Labor- und Forschungsdaten, reproduzierbare Auswertungspipelines und Monitoring im Betrieb – die Basis, auf der Modelle überhaupt aufsetzen können. Zum Anwendungsfeld →
Referenzprojekte
Product Finder für einen Generika-Hersteller. Ein Werkzeug, das Wirkstoffe, Anwendungsgebiete und pharmazeutische Produkte unter Berücksichtigung der Patentlaufzeiten auffindbar macht, die Marktattraktivität potenzieller Wirkstoffe bewertet und Kandidaten direkt in die Entwicklungspipeline überführt – ausgewertet über Webcrawling und Natural Language Processing, bereitgestellt in einem Dashboard für Fachanwender. Zum Use Case →
Clustering von DNA-Sequenzen aus Mikrobiom-Daten. Eine Pipeline, die Mikrobiomsequenzen anhand ihrer Nukleotidfolge gruppiert und die Cluster über BLAST bekannten Sequenzen zuordnet. Grundlage für das Verständnis der Wirt-Mikrobiom-Interaktion und für therapeutische Interventionen. Zum Use Case →
Beurteilung von Mammatumoren. Machine-Learning-Modelle zur Vorhersage von Tumoreigenschaften, umgesetzt in Dataiku. Zum Use Case →
Leistungen im Überblick
- Wirkstoff- und Portfolioanalyse: Identifikation von Kandidaten und Bewertung ihrer Marktattraktivität – auch aus unstrukturierten Quellen wie Patentschriften und Fachliteratur.
- Sequenz- und Omics-Analyse: Clustering, Annotation und Interpretation großer Sequenzdatenmengen.
- Klassifikation und Diagnostik: Modelle zur Beurteilung biologischer Proben und Gewebeeigenschaften.
- Entscheidungen in der Wirkstoff-Pipeline: Predictive Models für Go/No-Go-Entscheidungen, die ihre Unsicherheit ausweisen.
- Datenfundament und Betrieb: FAIR-konforme Strukturen für Labor- und Forschungsdaten, MLOps, Monitoring und Retraining.
Vom Proof of Concept zur Plattform
Die meisten KI-Vorhaben scheitern nicht am Modell, sondern am Übergang in den Betrieb. Wir decken die gesamte Kette selbst ab. Sie brauchen keinen zweiten Partner für die Industrialisierung.
- Data Consulting – Fragestellung und Datenlage klären
- Data Lab – Prototyp an Ihren Daten
- Data Operations – Produktivbetrieb mit MLOps
- Data Infrastructure – skalierbare Cloud-Architektur, Hosting in DE und EU
Annotation mit klinischer Expertise. Wo Trainingsdaten fachlich beurteilt werden müssen, arbeiten wir mit einem spezialisierten Partner, der klinische Daten gemeinsam mit Ärztinnen und Ärzten annotiert. Damit liefern wir auch den Teil, an dem Bildprojekte in der Praxis am häufigsten hängen bleiben.
Zusammenarbeit, Datensicherheit und Regulatorik
Wir sind nach ISO/IEC 27001:2022 zertifiziert (TÜV Rheinland, Reg.-Nr. 01 153 2300149). Verarbeitung und Hosting erfolgen in Deutschland und der EU. Kundendaten nutzen wir ausschließlich für das vereinbarte Projekt und nicht für das Training eigener Modelle. Zertifikat und TOM-Dokumentation stellen wir Ihrem Einkauf auf Anfrage zur Verfügung.
Wir kennen die Grenze zwischen freier Forschung und reguliertem Umfeld: In der frühen Forschung arbeiten wir eigenständig und schnell, in regulierten Prozessen liefern wir die Dokumentation, die Ihre Validierung benötigt. Für die Anforderungen des EU AI Act bieten wir unseren KI-Compliance Check an.
Sprechen wir über Ihr Vorhaben
Ob Wirkstoffidentifikation, Sequenzanalyse oder Plattform für Ihre Fachbereiche: Wir starten mit einer Bewertung Ihrer Datenlage, nicht mit einem Angebot.