SINGAPUR / LONDON (IT BOLTWISE) – Das vietnamesische Startup Drylab hat in einer Seed-Runde 3 Millionen US-Dollar eingesammelt, um eine agentische KI-Plattform für Forschung und Datenanalyse aufzubauen. Die Mittel fließen laut Unternehmen in den Ausbau von Teams für Business, Engineering und Biotechnologie sowie in Sicherheits- und Compliance-Zertifizierungen. Drylab verfolgt dabei einen Ansatz, der Code für Analysen plant und ausführt, während Expertinnen und Experten an definierten Kontrollpunkten die Kontrolle behalten. In einem Wettbewerb erreichte die automatisierte Lösung mehrere Top-Positionen über fast eine Woche ohne manuelle Eingriffe.
Drylab will ein konkretes Forschungsproblem adressieren: Viele Labore arbeiten zwar zunehmend mit KI-gestützten Modellen, verlieren aber bei der Umsetzung oft die Passung zu ihren eigenen Experimenten, Messketten und Validierungsregeln. Genau dort setzt das Startup an. Laut Unternehmensangaben wurde Drylab 2025 von John Phan, Henry Phan und Nhi Nguyen gegründet und ist in Singapur sowie in San Francisco aktiv. Mit einer Seed-Finanzierungsrunde, die von Vertex Ventures Southeast Asia & India angeführt wurde und bei der der strategische Partner PatSnap beteiligt war, kommt das Team auf 3 Millionen US-Dollar. Der Betrag soll nicht nur die Produktentwicklung beschleunigen, sondern auch die Organisation so aufstellen, dass KI-Workflows in regulierten Umfeldern der Biotech- und Pharmaforschung verlässlich betrieben werden können.
Auf der technischen Ebene steht weniger ein „Chatbot für Wissenschaft“ im Vordergrund, sondern eine autonome, agentische KI-Architektur. Das System versteht Fragen in natürlicher Sprache, plant anschließend die nächsten Schritte und schreibt Code, um dann im Arbeitsbereich der Nutzer detaillierte Datenanalysen auszuführen. Wichtig dabei: Die KI ersetzt laut Drylab nicht die Rolle der Forschenden, sondern definiert Kontrollpunkte, an denen Expertinnen und Experten Datenschwellen und Berechnungsmethoden prüfen. Praktisch bedeutet das, dass der Agent nicht nur Ergebnisse ausspuckt, sondern den gesamten Pfad von der Aufgabenstellung bis zur reproduzierbaren Analyse in Form von Code durchläuft. Damit adressiert Drylab ein typisches Muster aus der Praxis: Selbst wenn ein Drittanbieter-Modell rechnerisch stark ist, fehlen oft automatisierte Mechanismen für fehlgeschlagene Experimente, für projektnahe Analyse-Schwellen oder für die systematische Verifikation von Resultaten.
Der Hintergrund dieser Entscheidung liegt in einer beobachteten Dynamik in der Forschung. Eine Anfang 2026 veröffentlichte Studie in Nature, die 41,3 Millionen wissenschaftliche Artikel ausgewertet hat, zeigt laut Quelle einen Anstieg der Publikationsleistung: Forschende, die KI einsetzen, veröffentlichen demnach 3,02-mal mehr Artikel als Forschende ohne KI-Nutzung. Gleichzeitig deutet die Studie auf ein Paradoxon hin: Die Breite der Forschungsthemen innerhalb eines Fachgebiets tendiert zu einer Verengung. In dem Kontext argumentiert Drylab, dass viele Einrichtungen auf vorgefertigte, universell einsetzbare Modelle von Drittanbietern zurückgreifen. Diese Systeme sind zwar schnell einsetzbar, speichern jedoch nicht automatisch das Wissen aus konkreten Laborläufen: fehlgeschlagene Testzweige, spezifische Analyseregeln, Einschränkungen oder die über Jahre gewachsene Erfahrung. Wenn Projekte enden oder Teams wechseln, kann dieses Wissen verloren gehen.
Drylab positioniert seine „selbstlernende Intelligenz“ daher als Baustein, der den Lernpfad eines Projekts dauerhaft begleitet. Anstatt nach jedem Durchlauf wieder bei Null zu starten, soll der Testverlauf von der anfänglichen Hypothese über unproduktive Versuchszweige bis hin zur optimalen Lösung in einem Projekt-Repository zur Wiederverwendung abgelegt werden. Nhi Nguyen, Mitgründerin und wissenschaftliche Leiterin (CSO), wird in den Angaben so zitiert bzw. inhaltlich beschrieben, dass selbst spezialisierte KI-Ansätze – etwa für Proteindesign, Pathologie oder Einzelzellanalyse – zunächst eine sofort nutzbare Lösung liefern können. Der eigentliche Mehrwert liege aber darin, dass das System nicht zwingend statisch bleiben muss, sondern sich in Richtung der Ziele, experimentellen Systeme und historischen Daten eines spezifischen Labors weiterentwickelt. Damit verschiebt sich der Fokus von generischer Modellauswahl hin zu einer Art „analytischem Gedächtnis“ für konkrete Forschungsgruppen.
Die Leistungsfähigkeit will Drylab auch außerhalb des Labors belegen: Beim OpenADMET PXR-Wettbewerb 2026 lief die automatisierte Lösung laut Quelle sieben Tage lang ohne manuelle Eingriffe. In Phase 1 erreichte das System einen Platz unter den Top 9 von fast 400 internationalen Teams, in Phase 2 den 23. Platz von 100 Finalisten. Für viele Forschungsteams ist genau diese Kombination entscheidend: KI soll nicht nur kurzfristig helfen, sondern ein mehrtägiges Arbeitspensum durchplanen und die relevanten Schritte reproduzierbar abarbeiten. Neben der funktionalen Frage stellt das Startup zudem die Sicherheits- und Betriebsarchitektur in den Mittelpunkt. Für die pharmazeutische Industrie – so die Begründung im Text – ist Datensicherheit ein „entscheidendes Element“. Deshalb ermöglicht Drylab eine flexible Bereitstellung in einer isolierten Cloud oder direkt auf kundenseitig kontrollierter Infrastruktur, sodass Unternehmen die Kontrolle über generierte Daten und Erkenntnisse behalten.
Damit trifft Drylab einen Nerv, der in vielen KI-Implementierungen in Unternehmen immer wieder auftaucht: Der Engpass liegt häufig nicht in der Modellgüte, sondern in der Integration in bestehende Arbeitsumgebungen, in der Nachvollziehbarkeit von Entscheidungen und in der Frage, wie sensibel Daten verarbeitet und gespeichert werden. John Phan, Mitgründer und CEO, formuliert als Zielrichtung, dass jedes Pharma- und Biotechnologieunternehmen sein eigenes intelligentes System entwickeln kann, das sich gemeinsam mit den Wissenschaftlern weiterentwickelt, und dass jede Anwendung die Möglichkeit bekommt, besser zu werden als die vorherige. Für den Markt bedeutet das, dass sich Anbieteragenturen zunehmend vom reinen Bereitstellen von KI-Output lösen und stattdessen „Arbeitsplattformen“ für Forschung aufbauen müssen: mit Code-Ausführung, Speichern des Projektverlaufs und klaren Kontrollmechanismen. Gerade in Bereichen wie ADMET und verwandten Screening-Workflows, in denen Validierung und Reproduzierbarkeit einen hohen Stellenwert haben, kann das die Schwelle für den unternehmensweiten Einsatz senken.
Nach der Seed-Investition ist vor allem entscheidend, ob Drylab die beschriebenen Sicherheits- und Compliance-Ziele zügig in belastbare Betriebsprozesse übersetzt. Im Text heißt es ausdrücklich, dass die Mittel dazu genutzt werden sollen, das Ingenieur- und Biotechnologie-Team auszubauen und die von großen Forschungsorganisationen geforderten Sicherheits- und Compliance-Zertifizierungen zu erhalten. Für Unternehmen ist das weniger ein „nice to have“ als eine Voraussetzung, um agentische Systeme überhaupt in produktionsnahen Umgebungen prüfen zu dürfen. Gleichzeitig bleibt eine technische Leitfrage: Wie gut die Plattform die Balance zwischen Autonomie und Kontrolle einhält, also wie präzise die Kontrollpunkte für Datenschwellen und Berechnungsmethoden gestaltet sind, und wie sauber der Übergang von natürlicher Sprache zu robustem, auditierbarem Code gelingt. Wenn Drylab diese Punkte adressiert, könnte die nächste Welle der KI-Entwicklung in der Forschung weniger vom Modellranking, sondern stärker von der Wiederverwendbarkeit projektbezogenen Wissens getrieben werden.
Für vietnamesische Technologieexperten eröffnet der Ansatz außerdem eine Perspektive, die über die reine Nutzung vorhandener Modelle hinausgeht. Das Startup positioniert sich als Partner, der komplexe Probleme im globalen Forschungs- und Entwicklungsmarkt mitgestalten will. In der Praxis wird sich zeigen, ob sich „agentische KI“ im Laboralltag durchsetzt, sobald sie nicht nur Analysen ausführt, sondern den iterativen Charakter von Forschung – inklusive Fehlversuchen und Lernkurven – konsequent in den Workflows abbildet. Genau diese Fähigkeit könnte in den kommenden Quartalen darüber entscheiden, ob agentische Systeme als Labor-Spielzeug wahrgenommen werden oder als tragfähige Infrastruktur für wiederholbare, sicherheitsbewusste Forschung.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Drylab sammelt 3 Millionen US-Dollar für agentische KI in der Biotech-Forschung" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Drylab sammelt 3 Millionen US-Dollar für agentische KI in der Biotech-Forschung" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Drylab sammelt 3 Millionen US-Dollar für agentische KI in der Biotech-Forschung« bei Google Deutschland suchen, bei Bing oder Google News!