Sci2sci sammelt 1,2 Millionen Euro für vertrauenswürdige KI in der Biopharma-Branche ein

Das Berliner AI-Startup Sci2sci hat eine Pre-Seed-Finanzierung über 1,2 Millionen Euro abgeschlossen. Die Runde wird gemeinsam von Heliad und IBB Ventures angeführt, beteiligt sind zudem Robin Capital und Superangels. Das Unternehmen entwickelt eine neurosymbolische Infrastruktur, die den Einsatz von KI in stark regulierten Branchen nachvollziehbarer und überprüfbarer machen soll. Zunächst konzentriert sich Sci2sci auf die Biopharmaindustrie.

Mit dem frischen Kapital will das Startup sein Engineering-Team ausbauen und die Verbreitung seiner beiden Produkte VectorCat und Integrity Cortex beschleunigen. Perspektivisch soll die Technologie neben Life Sciences auch in anderen regulierten Branchen wie dem Bankensektor eingesetzt werden.

Heliad und IBB Ventures führen Finanzierungsrunde an

Die Pre-Seed-Runde wird von Heliad und IBB Ventures angeführt. Darüber hinaus beteiligen sich Robin Capital und Superangels.

Die meisten Unternehmen, die KI für regulierte Branchen verkaufen, setzen darauf, dass Sprachmodelle genau genug werden.

Christopher Garlich, Investment Lead bei Heliad

Sci2sci verfolgt den Ansatz, unbelegte Aussagen bereits auf Architekturebene zu verhindern.

Sci2sci adressiert damit ein Problem, das mit dem zunehmenden Einsatz generativer KI in Unternehmen an Bedeutung gewinnt: Sprachmodelle können große Datenbestände verarbeiten, ihre Ergebnisse sind für regulierte Prozesse jedoch nur begrenzt nutzbar, wenn sich Aussagen und Schlussfolgerungen nicht zuverlässig bis zu ihrer ursprünglichen Quelle zurückverfolgen lassen.

Biopharma als erster Zielmarkt

Besonders relevant ist diese Frage in der Pharmaindustrie. Forschungsergebnisse, Laborwerte, klinische Daten und regulatorische Dokumentationen verteilen sich häufig über unterschiedliche Systeme, PDFs, Tabellen oder Laboraufzeichnungen. Müssen beispielsweise Aussagen innerhalb einer regulatorischen Einreichung überprüft werden, kann die Nachverfolgung einer Information über mehrere Dokumente bis zu den zugrunde liegenden Rohdaten führen.

KI soll nicht lediglich Dokumente zusammenfassen, sondern Aussagen mit ihren Quellen verbinden und Schlussfolgerungen formal überprüfen. Unterstützt wird das Unternehmen dabei künftig auch von Stephanie Bova, ehemalige Corporate Vice President und Digital Transformation Officer R&D bei Novo Nordisk. Sie ist als Senior Advisor zu Sci2sci gestoßen.

"Knowledge as Code" statt klassischer KI-Zusammenfassung

Im Mittelpunkt der Technologie steht Integrity Cortex. Das Produkt folgt dem Prinzip „Knowledge as Code“.

Informationen aus Dokumenten, Unternehmensdaten und KI-Ausgaben werden dafür in einem miteinander verbundenen Wissensnetz organisiert. Statt ein Sprachmodell lediglich einen Fließtext erzeugen zu lassen, soll jede Aussage mit einem wörtlichen Beleg aus der zugrunde liegenden Quelle verbunden werden.

Schlussfolgerungen wiederum müssen aus zuvor definierten Aussagen ableitbar sein. Eine symbolische Komponente überprüft anschließend Quellen und Ableitungen.Erfindet das verwendete KI-Modell eine Information, soll die Verifikation scheitern. Gleichzeitig kann das System kennzeichnen, welche weiteren Schlussfolgerungen von der fehlerhaften Information abhängig sind. Ändert sich ein Ausgangsdokument, lässt sich nach Angaben des Unternehmens zudem nachvollziehen, welche nachgelagerten Aussagen davon betroffen sind.

Neurowissenschaften treffen auf KI

Der Ansatz hat auch mit dem wissenschaftlichen Hintergrund von Mitgründerin und CEO Angelina Lesnikova zu tun. Sie promovierte in Neurowissenschaften und beschäftigte sich mit den molekularen Mechanismen von Gedächtnis und Lernen.Daraus entstand die Grundidee, Unternehmenswissen nicht als statischen Datenspeicher, sondern als aktives Netzwerk miteinander verbundener Informationen zu behandeln.

CTO und Mitgründer Valerii Kremnev verantwortet die technologische Umsetzung des Ansatzes. Eine Grundlage bildet das Framework Parseltongue, das Sci2sci in diesem Jahr unter der Apache-2.0-Lizenz als Open Source veröffentlicht hat. Im August erreichte ein Forscherteam mit einem darauf basierenden System den zweiten Platz bei einem Biopharma-AI-Hackathon. Das System überprüfte potenzielle Wirkstoffziele gegen wissenschaftliche Literatur und klinische Studien.

Auditierbarkeit wird zum entscheidenden Faktor

Für regulierte Branchen reicht eine plausible KI-Antwort nicht aus. Unternehmen müssen häufig dokumentieren können, wie Informationen entstanden sind und auf welchen Daten Entscheidungen beruhen. Sci2sci beschreibt seine Verifikationsschicht deshalb als deterministisch und interpretierbar. Gleichzeitig soll ein vollständiger Audit Trail entstehen, der mit den Anforderungen von 21 CFR Part 11 für elektronische Aufzeichnungen kompatibel ist.

Damit zielt das Unternehmen unter anderem auf regulatorische Einreichungen, Produktionsdokumentationen und andere Prozesse, bei denen Aussagen eindeutig zu ihrer Quelle zurückverfolgt werden müssen. Der Ansatz unterscheidet sich damit von klassischen Retrieval- oder Enterprise-Chatbot-Systemen: Nicht allein das Auffinden der richtigen Information steht im Mittelpunkt, sondern der formale Nachweis, wie eine Aussage zustande gekommen ist.

VectorCat verbindet verstreute Unternehmensdaten

Ergänzt wird Integrity Cortex durch VectorCat. Die Datenintegrationsschicht verbindet Cloud-Speicher, Netzlaufwerke und Laborsysteme, ohne dass Unternehmen ihre vorhandenen Daten zunächst vollständig migrieren müssen. VectorCat soll daraus einen durchsuchbaren Katalog für Mitarbeiter und KI-Agenten erstellen. Integrity Cortex übernimmt anschließend die Aufgabe, die daraus gewonnenen Informationen nachvollziehbar und überprüfbar zu machen. Nach Angaben von Sci2sci befinden sich die Produkte bereits bei Kunden entlang unterschiedlicher Bereiche der Arzneimittelentwicklung im produktiven Einsatz, von präklinischer Forschung über klinische Auftragsforschung bis zu Bioprozessen.

Mit den 1,2 Millionen Euro will Sci2sci zunächst bestehende Implementierungen vertiefen und weitere Kunden aus der Biopharmaindustrie gewinnen.Gleichzeitig soll Integrity Cortex für andere regulierte Branchen weiterentwickelt werden. Als möglichen nächsten Markt nennt das Unternehmen den Bankensektor. Auch dort müssen Informationen häufig über große Mengen miteinander verbundener Dokumente hinweg nachvollzogen und regulatorisch dokumentiert werden.

Der nächste KI-Wettbewerb könnte um Vertrauen geführt werden

Die Finanzierungsrunde von Sci2sci zeigt dabei eine Verschiebung im Enterprise-AI-Markt. Nachdem Unternehmen in den vergangenen Jahren zahlreiche generative KI-Anwendungen getestet haben, rücken zunehmend Fragen nach Nachvollziehbarkeit, Governance und tatsächlicher Produktionstauglichkeit in den Mittelpunkt. Gerade in Pharma, Finanzwesen oder anderen regulierten Branchen reicht es nicht aus, wenn ein KI-System meistens richtig liegt. Entscheidend ist, dass Unternehmen nachvollziehen und dokumentieren können, warum eine Aussage richtig ist und aus welcher Quelle sie stammt.

Sci2sci versucht dieses Problem nicht über eine zusätzliche Kontrollschicht am Ende des Prozesses zu lösen, sondern über die Architektur des Systems selbst. Ob sich dieser neurosymbolische Ansatz gegenüber anderen Formen von Retrieval, Knowledge Graphs und AI-Governance-Systemen durchsetzt, muss sich noch zeigen. Mit den ersten produktiven Kunden und der Pre-Seed-Finanzierung beginnt für Sci2sci nun vor allem die Frage, ob sich die Technologie über einzelne Biopharma-Anwendungen hinaus skalieren lässt.