Initiative für virtuelle Zellmodelle: Biohub, US-Behörden und Tech-Konzerne bündeln 1,8 Milliarden US-Dollar für biologische KI-Daten

Vom Einzelprojekt zur globalen Datenallianz für KI-gestützte Zellbiologie

Während große Sprachmodelle auf die Textbestände des gesamten Internets zurückgreifen konnten, fehlt der modernen Biologie bislang eine vergleichbare, einheitlich strukturierte Datenbibliothek [4]. Dieser Mangel an hochauflösenden, standardisierten Beobachtungsdaten begrenzt die Fähigkeit künstlicher Intelligenz, komplexe Prozesse in menschlichen Zellen präzise vorherzusagen und Krankheitsmechanismen digital zu entschlüsseln [4, 5]. Um diesen Engpass systematisch zu überwinden, hat die von Mark Zuckerberg und Priscilla Chan gegründete gemeinnützige Forschungsorganisation Biohub am 7. Oktober 2026 im kalifornischen Redwood City eine weitreichende Expansion ihrer Virtual Biology Initiative bekannt gegeben [1, 2]. Zusammen mit dem US-Energieministerium (Department of Energy, DOE), den National Institutes of Health (NIH) sowie führenden Technologieunternehmen und Forschungsinstituten wächst das Vorhaben auf ein Gesamtvolumen von 1,8 Milliarden US-Dollar an [1, 2].

Im Zentrum der Initiative steht das langfristige Ziel, eine sogenannte universelle virtuelle Zelle zu entwickeln [1]. Darunter verstehen die beteiligten Forschenden KI-basierte Simulationsmodelle, die präzise vorhersagen können, wie beliebige Zelltypen auf einen pharmazeutischen Wirkstoff, eine genetische Veränderung oder andere externe Eingriffe reagieren, noch bevor ein physischer Labortest durchgeführt wird [1, 2, 3]. Alex Rives, Head of Science bei Biohub, betont in diesem Zusammenhang, dass ein akkurates prädiktives Modell der Biologie wissenschaftliche Entdeckungen erheblich beschleunigen könnte, indem es Experimente auf den Computer verlagert und neue Wege zur Heilung oder Prävention von Krankheiten aufzeigt [1, 2]. Rives war im November 2025 gemeinsam mit dem Team von EvolutionaryScale zu Biohub gestoßen, um experimentelle Biologie, systematische Datenerhebung und KI-Grundlagenforschung zusammenzuführen [1].

Für Ihre strategische Einordnung ist eine klare Abgrenzung zwischen dem langfristigen Forschungsziel und dem aktuellen Projektstand entscheidend: Die Ankündigung vom Oktober 2026 präsentiert noch kein fertiges universelles Zellmodell und liefert noch keine klinischen Nachweise für verbesserte Krankheitstherapien [3]. Vielmehr handelt es sich um eine koordinierte Infrastruktur- und Datengenerierungsoffensive, die über mehrere Jahre hinweg überhaupt erst das Rohmaterial und die Messwerkzeuge bereitstellen soll, auf denen künftige KI-Architekturen trainiert und validiert werden können [1, 2, 3].

Finanzierungsarchitektur: Wie sich die 1,8 Milliarden US-Dollar zusammensetzen

Das kommunizierte Gesamtvolumen von 1,8 Milliarden US-Dollar ist kein einzelner neu aufgelegter Fonds, sondern eine hybride Bündelung aus frischem Forschungskapital, staatlichen Infrastrukturkapazitäten, privatwirtschaftlichen Zusagen und bereits getätigten öffentlichen Investitionen [1, 3, 4]. Den Grundstein legte Biohub bereits am 29. April 2026 beim ursprünglichen Start der Virtual Biology Initiative mit einer eigenen Zusage über 500 Millionen US-Dollar für einen Zeitraum von fünf Jahren [1, 5]. Davon fließen 400 Millionen US-Dollar direkt in den Aufbau eigener Mess-, Bildgebungs- und Engineering-Technologien sowie die interne Datengenerierung bei Biohub, während 100 Millionen US-Dollar für die Förderung externer Forschungsgruppen vorgesehen sind [1, 2, 5].

Mit der Erweiterung im Oktober 2026 treten drei weitere finanzielle und strukturelle Säulen hinzu, die das Projekt auf eine nationale und internationale Ebene heben [1, 2]. Während das US-Energieministerium neue Mittel und Großforschungsanlagen für die kommenden fünf Jahre einbringt und ein Industriekonsortium aus drei großen Technologieunternehmen dreistellige Millionenbeträge zusichert, besteht der Beitrag der US-Gesundheitsbehörde NIH in der Kuratierung und Öffnung historisch gewachsener Datenbestände [1, 2, 4]. Wie aus den Projektunterlagen hervorgeht, fließt seitens der NIH kein frisches Kapital; stattdessen werden bestehende Forschungsdaten, in die in der Vergangenheit über 500 Millionen US-Dollar an Bundesmitteln geflossen sind, für das KI-Training aufbereitet [2, 4].

Auch auf Seiten der Privatwirtschaft bleiben Details zur internen Aufteilung unter Verschluss: Google DeepMind, die auf Wirkstoffforschung spezialisierte Alphabet-Tochter Isomorphic Labs sowie Meta haben sich gemeinsam zu einer Investition von 300 Millionen US-Dollar verpflichtet, ohne jedoch aufzuschlüsseln, welchen exakten Betrag jedes einzelne Unternehmen beisteuert [1, 2, 4]. Ergänzt wird das Finanzierungsnetzwerk durch die Organisation Renaissance Philanthropy, die über zeitgebundene, thesengetriebene Philanthropie weiteres Stiftungskapital und Fördergelder für die Datengenerierung mobilisieren soll [2, 5].

• Biohub-Grundfinanzierung (500 Millionen US-Dollar über fünf Jahre): 400 Millionen US-Dollar für interne Technologieentwicklung und Datenerzeugung sowie 100 Millionen US-Dollar für externe Forschungsförderung [1, 2, 5].
• US-Energieministerium / DOE (über 500 Millionen US-Dollar über fünf Jahre): Investitionen in Labormessungen, Bildgebung, Modellierung, KI-Analytik und Exascale-Rechenleistung im Rahmen der staatlichen Genesis Mission [1, 2, 4].
• National Institutes of Health / NIH (über 500 Millionen US-Dollar an früheren Bundesinvestitionen): Einbringung und Koordinierung bestehender biomedizinischer Datensätze, Repositorien und Wissensdatenbanken über die Bio Genesis Mission ohne neuen Mittelabfluss [1, 2, 4].
• Industriekonsortium (300 Millionen US-Dollar kollektiv): Gemeinsame Zusage von Google DeepMind, Isomorphic Labs und Meta zur Entwicklung neuer Messtechnologien und multimodaler Datensätze [1, 2, 3].
• Technologische und philanthropische Flankierung (ohne beziffertes Einzelbudget): Bereitstellung beschleunigter Recheninfrastruktur und domänenspezifischer Software durch NVIDIA sowie Mittelakquise durch Renaissance Philanthropy [2, 3, 5].

Staatliche Großforschung: Die operativen Rollen von DOE und NIH

Die Beteiligung zweier zentraler US-Bundesbehörden verdeutlicht, dass KI-gestützte Systembiologie in den Vereinigten Staaten zunehmend als strategische Basistechnologie eingestuft wird [2, 4]. Sowohl das Energieministerium als auch die Gesundheitsbehörde knüpfen ihre Beteiligung an übergeordnete Regierungsprogramme, um verstreute wissenschaftliche Kapazitäten unter einem gemeinsamen Datenstandard zusammenzuführen [2, 4].

Das US-Energieministerium und die nationale Genesis Mission

Das Office of Science des US-Energieministeriums bringt seine Mittel von über 500 Millionen US-Dollar über die sogenannte Genesis Mission ein [2]. Dabei handelt es sich um eine behördenübergreifende nationale KI-für-Wissenschaft-Plattform, die Supercomputer, experimentelle Großanlagen, KI-Systeme und Datenbestände über das gesamte Netzwerk der staatlichen National Laboratories hinweg vernetzt [2, 4]. Wie Analysen zur US-Forschungspolitik hervorheben, reiht sich die Zellbiologie damit neben der Energieforschung und der nationalen Sicherheit als drittes strategisches Anwendungsfeld in diese staatliche Plattform ein [4].

Konkret öffnet das DOE für die Virtual Biology Initiative den Zugang zu Exascale-Supercomputern, autonomen Laboren sowie hochspezialisierten Anlagen für Röntgen- und Neutronenstreuung und Kryo-Elektronenmikroskopie [2, 4]. Darío Gil, Under Secretary for Science beim DOE, verwies ausdrücklich auf die Einbindung führender Nutzereinrichtungen wie des Joint Genome Institute, des Environmental Molecular Sciences Laboratory sowie fortschrittlicher Struktur-Strahlführungen (Beamlines) [2]. Durch die Verknüpfung dieser staatlichen Mess- und Rechenkapazitäten mit den KI-Modellen und biologischen Werkzeugen von Biohub soll laut Gil ein neuer Standard für offene Wissenschaft gesetzt werden, der Entdeckungen in Medizin und Biotechnologie beschleunigt [2].

Die National Institutes of Health und die Standardisierung von Bestandsdaten

Während das DOE primär auf die Erzeugung neuer physikalisch-biologischer Messdaten und Hochleistungsrechenzeit ausgerichtet ist, adressiert die Beteiligung der NIH über deren Bio Genesis Mission das Problem fragmentierter Bestandsdaten [2, 4]. Über Jahrzehnte hinweg wurden mit öffentlichen Geldern umfangreiche biomedizinische Datenbanken aufgebaut, die jedoch oft in unterschiedlichen Formaten vorliegen und für das Training moderner Foundation-Modelle nicht direkt nutzbar sind [2, 4].

Die NIH koordinieren im Rahmen der Partnerschaft die Bereitstellung relevanter Datensätze und Wissensdatenbanken, darunter die nationalen biomedizinischen Repositorien, die von der National Library of Medicine (NLM) und dem National Center for Biotechnology Information (NCBI) katalogisiert werden [2]. Hinzu kommen Programme des NIH Common Fund, die bereits an koordinierten biologischen Atlanten und gemeinsamen Datenstandards arbeiten [2]. Biohub übernimmt in dieser Konstellation die Aufgabe, gemeinsam mit den NIH diese heterogenen Bestände für das Training von KI-Modellen zu standardisieren [1, 2]. Nicole Kleinstreuer, stellvertretende Direktorin für Programmkoordination, Planung und strategische Initiativen (DPCPSI) bei den NIH, sieht in dieser Bündelung die Chance, universelle Zellmodelle mit ausreichender biologischer Komplexität zu entwickeln, um zelluläre Reaktionen deutlich schneller vorherzusagen, als dies durch isolierte Laborexperimente allein möglich wäre [2].

Messtechnik, Multimodalität und Recheninfrastruktur als technologisches Fundament

Aus technischer Sicht scheitern bisherige Ansätze zur Zellsimulation häufig daran, dass biologische Systeme über zahlreiche Skalen hinweg interagieren – vom einzelnen Molekül über Zellorganellen bis hin zu Gewebeverbänden und ganzen Organismen [2, 5]. Alex Rives betont, dass für eine KI, die diese volle Komplexität in Gesundheit und Krankheit abbilden kann, um Größenordnungen mehr experimentelle Daten benötigt werden als heute weltweit existieren [5]. Auch Pushmeet Kohli, Vice President AI for Science bei Google DeepMind und Chief Scientist bei Google Cloud, bezeichnet das Fehlen offener, experimenteller Daten über das Verhalten lebender Zellen als den entscheidenden Flaschenhals auf dem Weg zur virtuellen Zelle [2, 4].

Der Schwerpunkt der Datenerhebung liegt daher auf sogenannten Perturbations- und Reaktionsdaten (Response Data) [2, 4]. Es geht nicht allein darum, statische Zustände von Zellen zu kartieren, sondern systematisch zu messen, wie unterschiedlichste Zelltypen unter einer Vielzahl von Bedingungen auf gezielte Eingriffe reagieren [2, 3, 4]. Um diese Dynamik zu erfassen, investiert Biohub seine internen Mittel von 400 Millionen US-Dollar gezielt in drei technologische Kernbereiche [2, 5]: Erstens in die Weiterentwicklung der Kryo-Elektronentomografie (Cryo-ET), die Strukturen im Inneren einer Zelle mit nahezu atomarer Auflösung sichtbar macht [2, 5]. Zweitens in neuartige Mikroskopieverfahren, mit denen sich Millionen bis Milliarden einzelner Zellen gleichzeitig in lebendem Gewebe und in Organismen über die Zeit beobachten lassen [2, 5]. Drittens in molekulare, zelluläre und gewebebezogene Engineering-Werkzeuge, um biologische Systeme gezielt zu verändern und mehr Parameter pro Experiment zu erfassen [2, 5].

Ziel ist der Aufbau multimodaler Datensätze, die genomische, transkriptomische, proteomische, räumliche und bildgebende Informationen miteinander verknüpfen [2, 4, 5]. Max Jaderberg, Präsident von Isomorphic Labs, weist darauf hin, dass die Erzeugung solcher Datenmengen für die prädiktive Systembiologie die Kapazitäten jeder einzelnen Organisation übersteigt und zwingend eine solche Skalierung erfordert [2, 3]. Um die entstehenden Datenmengen überhaupt verarbeiten, analysieren und für das Training großer Modelle nutzen zu können, bringt sich NVIDIA als zentraler Technologiepartner ein [2, 5]. Der Halbleiter- und Softwarekonzern unterstützt Biohub und das Partnernetzwerk mit beschleunigter Recheninfrastruktur, domänenspezifischer Software und technischer Expertise [2, 3, 5].

Das globale Wissenschaftskonsortium und die Integration bestehender Plattformen

Um sicherzustellen, dass die Datenproduktion nicht an institutionellen Grenzen haltmacht, orientiert sich die Virtual Biology Initiative explizit an historischen Großprojekten wie dem Human Genome Project und der Protein Data Bank [2, 5]. Neben den US-Behörden und Tech-Konzernen ist ein internationales Netzwerk führender Forschungsinstitute und Konsortien eingebunden, das sowohl über koordinierte Projekte innerhalb der Initiative als auch über unabhängige, komplementäre Forschungsarbeiten zur gemeinsamen Datenbasis beiträgt [2, 5].

Für europäische und internationale Beobachter ist dabei besonders relevant, dass die Kooperation weit über die USA hinausreicht [2, 5]. Zu den zentralen wissenschaftlichen Partnern zählen das britische Wellcome Sanger Institute auf dem Wellcome Genome Campus, der in Schweden initiierte Human Protein Atlas (HPA), der global organisierte Human Cell Atlas (HCA) sowie auf US-Seite das Allen Institute, das Broad Institute von MIT und Harvard, die Gladstone Institutes und das Arc Institute [2, 3, 5]. Zudem stützt sich das Vorhaben auf das 2025 gestartete Billion Cells Project, an dem neben führenden US-Universitäten auch die ETH Zürich und das Genome Institute of Singapore sowie die Industriepartner 10x Genomics und Ultima Genomics beteiligt sind [5].

Eine zentrale Herausforderung solcher Konsortien liegt in der technischen Interoperabilität [2, 3]. Biohub entwickelt daher eine übergreifende Integrationsschicht, die gemeinsame Datenstandards, einheitliche Identifikatoren (Common Identifiers) und einen zentralen Zugangspunkt (Single Point of Access) bereitstellen soll [2, 3, 4]. Dabei baut die Organisation auf einem Jahrzehnt eigener Vorarbeiten und bestehender Community-Infrastruktur auf, zu der unter anderem der Multi-Organ-Zellatlas Tabula Sapiens, die Plattformen OpenCell und Zebrahub sowie das Analysewerkzeug CELLxGENE und das CryoET Data Portal gehören [2, 3, 4].

• Broad Institute (MIT und Harvard): Bringt Grundlagenmethoden der Einzelzellanalyse wie Single-Cell-RNA-Sequenzierung, Perturb-Seq, optisches gepooltes Screening und räumliche Transkriptomik über seine Programs of the Cell Initiative ein [5].
• Human Cell Atlas (HCA): Globales Netzwerk mit über 3.900 Mitgliedern an mehr als 1.700 Institutionen in über 100 Ländern, das Referenzkarten menschlicher Zellen mittels moderner Spatial-Omics-Technologien in die zweite und dritte Dimension erweitert [5].
• Human Protein Atlas (HPA): Seit 2003 bestehendes, in Schweden verankertes Programm zur Kartierung menschlicher Proteine, das nun verstärkt Perturbationsstudien und systemweite Proteom-Messungen für multimodale Zellrepräsentationen integriert [5].
• Wellcome Sanger Institute: Bringt als Veteran des Humangenomprojekts Expertise in Krankheitsgenomik, planetarer Genomik und programmierbarer Biologie vom britischen Wellcome Genome Campus ein [2, 5].
• Allen Institute und Gladstone Institutes: Liefern umfangreiche experimentelle Datensätze und biologische Modelle aus den Bereichen Neurowissenschaften, Zellbiologie und Immunologie sowie strategische Forschungskoordination [2, 5].
• The Billion Cells Project: 2025 initiiertes Einzelzell-Sequenzierungsprojekt, das 17 Vorhaben unter anderem an MIT, Stanford, UCSF, Columbia, University of Washington, ETH Zürich und dem Genome Institute of Singapore koordiniert [5].

Spannungsfeld Open Science: Einjährige Exklusivität für kommerzielle Partner

In den offiziellen Mitteilungen von Biohub, dem US-Energieministerium und den beteiligten Technologieunternehmen wird die neue Datenplattform durchgängig als offene Ressource (Open Data Commons) für die weltweite Wissenschaftsgemeinschaft beschrieben [2, 3]. Ziel sei es, Silos aufzubrechen und Forschenden rund um den Globus freien Zugang zu den trainierbaren Datensätzen zu gewähren [2, 5]. Bei genauerer Betrachtung der Governance-Struktur zeigt sich jedoch eine wesentliche Einschränkung, die für den Wettbewerb im Bereich der KI-gestützten Wirkstoffforschung von erheblicher Bedeutung ist [1].

Wie Biohub-Forschungschef Alex Rives gegenüber dem Nachrichtenportal Axios bestätigte, erhalten die kommerziellen Partner der Initiative eine einjährige Exklusivitätsfrist über diejenigen Daten, die sie im Rahmen der Kooperation selbst entwickeln, bevor diese für die allgemeine Öffentlichkeit freigegeben werden [1]. Diese Regelung betrifft namentlich Akteure wie Google DeepMind, Isomorphic Labs und Meta, die zusammen 300 Millionen US-Dollar in das Projekt einbringen [1, 2].

Aus analytischer Sicht entsteht hier ein zweistufiges Zugriffsmodell: Während die Daten langfristig tatsächlich in das öffentliche Gemeingut übergehen sollen, verschafft der zeitliche Vorsprung von zwölf Monaten den beteiligten Großkonzernen einen signifikanten Wettbewerbsvorteil [1]. In einem Technologiefeld, in dem sich Modellarchitekturen innerhalb weniger Monate weiterentwickeln, können diese Unternehmen ihre proprietären oder internen KI-Systeme bereits ein Jahr früher auf den neuesten experimentellen Perturbationsdaten trainieren, während externe akademische Gruppen sowie unabhängige Biotech-Start-ups auf das Ablaufen der Sperrfrist warten müssen [1, 4]. Ob und in welchem Umfang die mit öffentlichen Mitteln des DOE und der NIH erzeugten beziehungsweise standardisierten Daten sofort und ohne Verzögerung zugänglich gemacht werden, wird für kleinere Marktakteure entscheidend sein, die sich keine eigenen privaten Datenfabriken leisten können [4].

Wissenschaftlicher Reifegrad und der globale Wettlauf um die virtuelle Zelle

Die Aufstockung der Virtual Biology Initiative fällt in eine Phase, in der führende KI-Labore ihre Systeme zunehmend von sprachlichen Aufgaben auf formale und naturwissenschaftliche Disziplinen ausrichten [1]. Erst am 6. Oktober 2026 – einen Tag vor der Biohub-Ankündigung – hatte OpenAI über neue mathematische Forschungsergebnisse eines internen Modells berichtet [1]. Biohub und seine Partner positionieren die Zellbiologie nun als das nächste große wissenschaftliche Zielgebiet für KI-Megaprojekte [1].

Dennoch bewegt sich Biohub in diesem Feld nicht ohne Wettbewerb, und die bisherigen Erfahrungen zeigen deutlich, wie anspruchsvoll das Vorhaben ist [4]. Bereits im Jahr 2025 hatte das unabhängige Arc Institute – das an Partnerschaften mit Stanford, UC Berkeley und UCSF beteiligt ist und ebenfalls mit Biohub kooperiert – einen öffentlichen Wettbewerb (Virtual Cell Challenge) ausgeschrieben [4, 5]. Auf Basis eines neu erhobenen Datensatzes von 300.000 menschlichen Stammzellen und dotiert mit einem Hauptpreis von 100.000 US-Dollar sollten Teilnehmende vorhersagen, wie Zellen reagieren, wenn einzelne Gene gezielt abgeschaltet werden [4]. Solche Wettbewerbe verdeutlichten ein zentrales Muster: Die prädiktiven Modelle verbessern sich zwar rasant, ihr Fortschritt ist jedoch strikt durch die Geschwindigkeit und Qualität begrenzt, mit der neue experimentelle Laborwerte nachgeliefert werden [4].

Auch hinsichtlich des Zeitplans und der klinischen Verwertbarkeit mahnen Fachberichte zur Nüchternheit [1, 3]. Während die Finanzierungszusage des US-Energieministeriums klar auf fünf Jahre angelegt ist, nennt die Ankündigung von Biohub keinen konkreten Veröffentlichungstermin für die vereinheitlichte Datenressource [3]. Zudem wäre selbst ein technischer Durchbruch bei der Zellsimulation erst ein Zwischenschritt: Reproduzierbare Zellmessungen und KI-Vorhersagen, die einer Überprüfung im Nasslabor standhalten, würden zwar einen substanziellen wissenschaftlichen Fortschritt markieren [1]. Dennoch müssten Forschende im Anschluss erst noch nachweisen, wie sich diese zellulären Vorhersagen verlässlich in tatsächliche medizinische und klinische Vorteile für Patientinnen und Patienten übersetzen lassen [1, 3].

Strategische Konsequenzen für Pharma-, Biotech- und IT-Unternehmen

Für Entscheidungsträgerinnen und Entscheidungsträger in der pharmazeutischen Industrie, der Biotechnologie sowie der datengetriebenen IT-Infrastruktur ergeben sich aus der 1,8-Milliarden-Dollar-Initiative konkrete operative und strategische Implikationen, die sich direkt aus den belegten Projektstrukturen ableiten lassen [1, 2, 4].

Erstens verändert sich die Priorisierung in der frühen Wirkstoffforschung (Drug Discovery): Wenn prädiktive Zellmodelle mittelfristig zuverlässiger vorhersagen können, welche zellulären Hebel bewegt werden müssen, um eine kranke Zelle wieder in einen gesunden Zustand zu überführen, verlagert sich die Hypothesenprüfung vor den eigentlichen Labortest in den digitalen Raum [1, 5]. Für Ihre Forschungs- und Entwicklungsabteilungen bedeutet dies, dass Laborexperimente gezielter ausgewählt und Fehlversuche reduziert werden könnten, sobald entsprechende Modelle validiert sind [1].

Zweitens gewinnt die Standardisierung biologischer Datenformate massiv an Bedeutung [2, 3]. Da Biohub gemeinsam mit den NIH sowie Konsortien wie dem Human Cell Atlas und dem Broad Institute an einheitlichen Identifikatoren und Datenstandards für das KI-Training arbeitet, sollten Sie bei eigenen Datenpipelines frühzeitig auf Kompatibilität mit etablierten Plattformen wie CELLxGENE, dem CryoET Data Portal und den Repositorien des NCBI achten [2, 5]. Unternehmen, deren interne Messdaten denselben multimodalen Standards folgen, werden künftige Open-Source-Grundlagenmodelle wesentlich reibungsloser mit eigenen proprietären Daten nachtrainieren (Fine-Tuning) können [2, 4].

Drittens erfordert die einjährige Exklusivitätsklausel für Industriepartner eine genaue Beobachtung der Wettbewerbsdynamik [1]. Während Tech-Akteure wie Isomorphic Labs, Google DeepMind und Meta durch ihre 300-Millionen-Dollar-Beteiligung privilegierten Frühzugang zu selbst generierten Datensätzen erhalten, sind mittelständische Biotech- und Pharmaunternehmen auf die zeitverzögerten öffentlichen Veröffentlichungen oder auf eigene Kooperationen mit akademischen Konsortien angewiesen [1, 4]. Eine aktive Auseinandersetzung mit den offenen Datenressourcen der Initiative wird damit zu einem wichtigen Faktor, um im sich beschleunigenden Wettbewerb der KI-gestützten Lebenswissenschaften anschlussfähig zu bleiben [2, 4].

Quellen

[1] Biohub expands AI cell research into a $1.8 billion effort | The Rundown AI — https://www.therundown.ai/news/biohub-virtual-biology-ai-cell-expansion (abgerufen am 2026-10-14)

[2] AI-ready biological data: $1.8 billion global commitment — https://biohub.org/news/virtual-biology-initiative-expansion (abgerufen am 2026-10-14)

[3] Biohub expands $1.8 billion virtual cell AI research effort | ETIH EdTech News — EdTech Innovation Hub — https://www.edtechinnovationhub.com/news/biohub-expands-18-billion-effort-to-build-virtual-cells-for-disease-research (abgerufen am 2026-10-14)

[4] Biohub AI Biology Data Push Grows to $1.8 Billion — https://www.technology.org/2026/10/08/biohub-1-8-billion-ai-biology-data-doe-nih-google-meta (abgerufen am 2026-10-14)

[5] Virtual Biology Initiative - $500M for AI-powered biology — https://biohub.org/news/virtual-biology-initiative (abgerufen am 2026-10-14)