2026: Das Jahr der KI-Agenten und programmierbaren Genome

2026: Das Jahr der KI-Agenten im Gesundheitswesen

Das Jahr 2026 markiert nach Einschätzung der Boston Consulting Group (BCG) einen Wendepunkt für das Gesundheitswesen: KI-Agenten werden flächendeckend Einzug halten und Versorgung, Forschung sowie Geschäftsmodelle grundlegend verändern. Gleichzeitig prophezeit das Fachmagazin «Nature» bedeutende wissenschaftliche Fortschritte durch künstliche Intelligenz, während Beobachter wie die FAZ einen „Realitätscheck“ für die KI-Industrie erwarten, bei dem konkrete Anwendungen im Vordergrund stehen.

Von der reaktiven zur prädiktiven Medizin

Der Fokus verschiebt sich zunehmend von reaktiver Behandlung hin zu prädiktiver Medizin. Durch die Kombination von Genomdaten, Wearables und elektronischen Patientenakten sollen Krankheiten früher erkannt und gezielter behandelt werden. Die Versorgung beginnt damit zunehmend vor dem Arztbesuch – etwa durch kontinuierliches Gesundheitsmonitoring im Alltag. KI-gestützte klinische Co-Piloten entwickeln sich dabei zum neuen Standard in Arztpraxen und Kliniken; sie entlasten Ärzte von Bürokratie, steigern die Produktivität und senken Fehlerquoten.

Agentische Systeme in Forschung und Klinik

Sogenannte agentische KI-Systeme, die Prozesse eigenständig planen und ausführen, treiben den Wandel voran. Ihr Einsatz reicht von Abrechnung und Dokumentation über klinische Entscheidungsunterstützung bis hin zur Wirkstoffentwicklung. Im Forschungsbereich könnten 2026 die ersten bedeutenden wissenschaftlichen Durchbrüche durch KI-Agenten gelingen, die komplexe, mehrstufige Forschungsprozesse mit geringer menschlicher Aufsicht ausführen. Neben großen Sprachmodellen werden auch spezialisierte Kleinmodelle erwartet, die auf die Lösung spezifischer biologischer Probleme trainiert sind.

Durchbrüche in der Genomik und Genediting

Die Genomforschung erlebt 2026 einen Paradigmenwechsel: KI-Systeme sind nicht mehr auf das bloße Lesen von DNA-Sequenzen beschränkt, sondern können deren Funktion vorhersagen und gezielt manipulieren.

Programmierbare Gen-Insertion und KI-Modelle

Basecamp Research hat die weltweit ersten KI-Modelle für programmierbare Gen-Insertion (aiPGI™) vorgestellt. Entwickelt in Zusammenarbeit mit NVIDIA, nutzen die sogenannten EDEN-Modelle Deep Learning, um große therapeutische DNA-Sequenzen an präzisen Stellen im menschlichen Genom einzufügen – eine Herausforderung, die bestehende CRISPR-Ansätze aufgrund ihrer Beschränkung auf kleine Änderungen nicht lösen konnten. Die Modelle wurden auf über 10 Billionen Token evolutionärer DNA von mehr als einer Million Arten trainiert. In Labortests entwarfen sie für 100% der getesteten krankheitsrelevanten Zielstellen aktive Insertionsproteine. Als therapeutisches Beispiel entwickelten die Forscher CAR-T-Zellen, die über 90% der Tumorzellen in Labortests vernichten.

Präzise DNA-Reparatur mit KI und CRISPR

Wissenschaftler der Universität Zürich, ETH Zürich und der Universität Gent entwickelten mit «Pythia» ein KI-basiertes Tool, das vorhersagt, wie Zellen ihre DNA nach einem CRISPR-Schnitt reparieren. Traditionell können diese Reparaturen zu unbeabsichtigten Fehlern führen. Pythia nutzt maschinelles Lernen, um Millionen möglicher Ergebnisse zu simulieren und winzige DNA-Reparaturvorlagen zu entwerfen, die wie molekularer Klebstoff wirken. Besonders bedeutsam: Die Methode funktioniert in allen Zellen, auch in Organen wie dem Gehirn, in denen sich die Zellen nicht teilen. Dies eröffnet neue Möglichkeiten für die Behandlung neurologischer Krankheiten.

Vom Lesen zum Verstehen: AlphaGenome und funktionale Genomik

Mit AlphaGenome hat DeepMind ein System vorgestellt, das über die reine Genidentifikation hinausgeht. Es nutzt Deep Learning, um vorherzusagen, wie DNA-Sequenzen biologische Prozesse regulieren – etwa Genaktivität und Proteinproduktion. Dies ermöglicht den Übergang von statischen Sequenzbeschreibungen zu dynamischen Modellen, die Regulation und Interaktionen erklären und so die Krankheitsforschung beschleunigen.

Synthetische Biologie und neue Therapieansätze

Die Integration von KI in die synthetische Biologie treibt die Entwicklung neuer Therapeutika voran und adressiert globale Gesundheitskrisen.

KI-gestützte Wirkstoffentwicklung und „Superbugs“

Dieselben EDEN-Modelle, die die Gen-Insertion ermöglichen, bewiesen ihre Vielseitigkeit bei der Entwicklung neuartiger antimikrobieller Peptide (AMPs). In Zusammenarbeit mit der University of Pennsylvania entwarf die KI eine gezielte Bibliothek kleiner Proteine, von denen 97% der Kandidaten in Labortests eine bestätigte Aktivität aufwiesen. Die besten Kandidaten zeigten hohe Wirksamkeit gegen multiresistente „Superbugs“, was ein neues Instrument im Kampf gegen Antibiotikaresistenzen bietet.

Personalisierte Gentherapien auf dem Vormarsch

Für 2026 sind mehrere klinische Studien zu personalisierten Gentherapien geplant. So beantragen Forscher bei der US-Arzneimittelbehörde FDA die Zulassung für Studien, die an die Behandlung eines Säuglings mit einer seltenen Stoffwechselstörung anknüpfen sowie an genetische Störungen des Immunsystems. An der Goethe-Universität Frankfurt verstärkt Prof. Dr. Marcel Schulz mit einer neuen Professur für KI in der Genomforschung die Entwicklung computergestützter Modelle für maschinelles Lernen, um personalisierte Therapien bei Herz-Kreislauferkrankungen voranzutreiben.

Zudem erwartet die Wissenschaft die Ergebnisse einer großen britischen Studie mit über 140'000 Personen, bei der ein Bluttest zur Früherkennung von rund 50 Krebsarten erprobt wurde. Bei positivem Ausgang planen die britischen Gesundheitsbehörden eine breite Einführung des Tests.

Markt und wirtschaftliche Perspektiven

Der Markt für Künstliche Intelligenz in der Genomik durchläuft ein exponentielles Wachstum. Nach Daten von Global Market Insights belief sich die Marktgröße 2022 auf 484,1 Millionen USD und wird prognostiziert, bis 2032 auf 12,5 Milliarden USD zu wachsen – eine jährliche Wachstumsrate (CAGR) von 39,2%.

Nordamerika dominiert mit einem Marktanteil von 51,9% (2022), getrieben durch hohe Investitionen in KI-gestützte Genomiklösungen und moderne Recheninfrastruktur. Wichtige Akteure am Markt sind unter anderem Deep Genomics, Illumina, SOPHiA GENETICS und Basecamp Research, das kürzlich eine Investition von NVentures (NVIDIAs Risikokapitalarm) erhalten hat.

Herausforderungen und ethische Fragen

Trotz des technologischen Fortschritts bleiben erhebliche Hürden bestehen.

Datenschutz, Bias und Regulierung

Gesundheitsdaten sind besonders sensibel und erfordern strengen Schutz vor Missbrauch. Zudem besteht die Gefahr von Verzerrungen (Bias), wenn KI-Systeme mit unvollständigen oder nicht repräsentativen Daten trainiert werden. Ein Mangel an qualifizierten KI-Experten und strenge regulatorische Rahmenbedingungen, insbesondere bei der Zulassung von KI-basierten Medizinprodukten, bremsen die Marktentwicklung aus. Behandlungsentscheidungen müssen nachvollziehbar bleiben; eine autonome Entscheidungsfindung durch KI über Therapiealternativen ist auf absehbare Zeit nicht möglich.

Biosicherheit und ethische Grenzen

Die zunehmende Autonomie von KI-Agenten in der Forschung birgt Risiken wie unbeabsichtigten Datenverlust. Bei der Genom-Editierung droht der Missbrauch biologischer Systeme oder unvorhergesehene ökologische Konsequenzen. Der Deutsche Ethikrat betont die Ambivalenz von Chancen und Risiken und fordert einen verantwortungsvollen Umgang, der Patientensicherheit und ethische Standards gewährleistet. Echtes Mitgefühl und menschliche Zuwendung in der Medizin werden dabei auch künftig nicht durch KI zu ersetzen sein.