Das US-Startup Warp Sciences hat 215 Millionen US-Dollar (rund 192 Millionen Euro) eingesammelt, um chemische Forschungslabore mit künstlicher Intelligenz und Robotik zu automatisieren. Das Unternehmen trat am 22. Oktober 2026 erstmals öffentlich auf. Angeführt wurde die Series-A-Finanzierung von Lightspeed Venture Partners.
Warp wurde unter anderem von Kevin Weil gegründet, der zuvor als Chief Product Officer und später als Leiter von OpenAI for Science tätig war. Nach Informationen von Bloomberg liegt die Unternehmensbewertung nach der Finanzierung bei 865 Millionen Dollar, umgerechnet rund 772 Millionen Euro.
Das Geschäftsmodell unterscheidet sich von klassischen KI-Startups zur Medikamentenentwicklung. Warp will keine eigenen Arzneimittel entwickeln, sondern für Pharma- und Biotechnologieunternehmen chemische Substanzen herstellen und testen. Dafür entsteht in den USA eine Forschungsinfrastruktur, in der menschliche Chemiker, Roboter und KI-Modelle zunehmend zusammenarbeiten sollen.
Die Finanzierung ist bestätigt. Wie leistungsfähig die geplante Laborautomatisierung bereits ist, lässt sich hingegen noch nicht unabhängig beurteilen.
Roboter sollen die aufwendige Molekülsynthese übernehmen
Warp Sciences beginnt mit einem konkreten Abschnitt der Medikamentenforschung: der sogenannten Lead-Optimierung.
Nachdem Wissenschaftler eine vielversprechende chemische Verbindung identifiziert haben, müssen häufig Hunderte oder Tausende Varianten hergestellt und untersucht werden. Die Forscher verändern einzelne Molekülstrukturen, um beispielsweise Wirksamkeit, Stabilität oder andere für einen Wirkstoff relevante Eigenschaften zu verbessern.
Die Herstellung solcher Verbindungen ist aufwendig. Chemiker müssen Reaktionen vorbereiten, Substanzen dosieren, Reaktionsbedingungen überwachen, Produkte reinigen und anschließend analysieren. Viele dieser Schritte erfordern spezialisierte Geräte und wiederholte manuelle Eingriffe.
Genau hier setzt Warp an. Das Unternehmen baut eine sogenannte Contract Research Organization (CRO) auf, die chemische Forschungsaufträge für andere Unternehmen übernimmt.
Nach Angaben der offiziellen Unternehmensmitteilung vom 22. Oktober sollen zunächst erfahrene Chemiker die Experimente durchführen und überwachen. Die Automatisierung wird schrittweise ausgebaut.
Dazu gehören robotische Arbeitsschritte bei der Vorbereitung chemischer Reaktionen und der Aufreinigung von Proben. KI-Systeme sollen außerdem helfen, Experimente zu planen und geeignete Synthesewege auszuwählen.
Gegenüber TechCrunch erläuterte das Unternehmen, dass menschliche Chemiker mit Kameras und sensorbestückten Handschuhen bei ihrer Arbeit Daten für das Robotiktraining erfassen sollen.
Das Ziel ist ein Labor, das mit zunehmender Automatisierung mehr Experimente in kürzerer Zeit durchführen kann. Eine bereits vollständig autonome Produktionsumgebung mit veröffentlichten Leistungskennzahlen wurde bislang jedoch nicht nachgewiesen.
Auch gescheiterte Experimente werden zu Trainingsdaten
Die langfristige Technologieidee geht über die Automatisierung einzelner Laborgeräte hinaus.
Warp will den gesamten Prozess von der Planung eines Experiments über seine physische Durchführung bis zur Auswertung als zusammenhängenden Datenkreislauf organisieren.
Jede chemische Reaktion liefert dabei unterschiedliche Informationen: verwendete Ausgangsstoffe, Temperatur, Reaktionsdauer, Prozessschritte, erzielte Produkte und unerwünschte Nebenreaktionen.
Besonders interessant sind die Versuche, die nicht zum gewünschten Ergebnis führen. Solche negativen Resultate werden in wissenschaftlichen Publikationen oft seltener dokumentiert als erfolgreiche Experimente.
Für KI-Modelle können diese Daten dennoch wertvoll sein. Sie helfen dabei, Reaktionsbedingungen zu erkennen, die wahrscheinlich scheitern, und zukünftige Experimente gezielter auszuwählen.
Der Hauptinvestor Lightspeed Venture Partners beschreibt zwei Einsatzmöglichkeiten der geplanten Dateninfrastruktur: Die Modelle sollen einerseits bestehende Laborprozesse verbessern und andererseits vorhersagen, welche Moleküle und Synthesewege als Nächstes untersucht werden sollten.
Langfristig könnte so ein selbstverstärkender Prozess entstehen. Neue Experimente liefern zusätzliche Daten, die Modelle werden angepasst, und deren Vorschläge fließen wiederum in die Laborarbeit ein.
Ein ähnliches Grundprinzip findet sich im Robot Learning. Weltmodelle wie das bereits von Humanoid Insider vorgestellte Motus2 versuchen ebenfalls, aus Handlungen und ihren Konsequenzen bessere zukünftige Entscheidungen abzuleiten.
Die technischen Aufgaben sind allerdings unterschiedlich. Während Robotikmodelle Bewegungen und physische Manipulation erlernen, muss ein chemisches KI-System zusätzlich Reaktionsverläufe, Stoffeigenschaften und experimentelle Ergebnisse berücksichtigen.
Warp hat bisher keine öffentlich überprüften Daten veröffentlicht, die belegen, wie stark die geplante Lernschleife die Erfolgsquote chemischer Experimente oder die Entwicklungsgeschwindigkeit verbessert.
215 Millionen Dollar und ein Gründerteam aus OpenAI, Meta und der Pharmaindustrie
Die ungewöhnlich große Series-A-Finanzierung unterstreicht, wie kapitalintensiv die Verbindung von Physical AI und chemischer Forschung sein kann.
Neben Lightspeed beteiligten sich unter anderem IVP, Mayfield, Lux Capital, Premji Invest und Menlo Ventures. Hinzu kommen weitere institutionelle und private Investoren.
Das vierköpfige Gründerteam verbindet unterschiedliche Kompetenzen:
- Kevin Weil, CEO: ehemaliger Chief Product Officer und Leiter der wissenschaftlichen KI-Aktivitäten bei OpenAI.
- DJ Patil, COO: ehemaliger Chief Data Scientist der US-Regierung und Mitgründer im Führungsteam von Devoted Health.
- Manohar Paluri, CTO: ehemaliger Vizepräsident bei Meta und Mitbegründer des KI-Forschungslabors FAIR.
- Solomon Reisberg, CSO: früherer Chemieforschungsleiter bei Terremoto Biosciences mit Erfahrung in der Wirkstoffentwicklung.
Hinzu kommen Fachkräfte mit Robotikerfahrung bei Unternehmen wie Skild AI, Genesis und 1X sowie Wissenschaftler aus der Biotechnologie und den US-Nationallaboren.
Die Finanzierung soll nicht nur Softwareentwicklung ermöglichen, sondern auch physische Laborflächen, chemische Ausrüstung, Robotiksysteme und den Aufbau einer kommerziellen Forschungsorganisation finanzieren.
Anders als bei einem reinen KI-Softwareunternehmen entstehen dadurch erhebliche Kosten für Geräte, Laborbetrieb, Sicherheit, qualifiziertes Personal und die Validierung von Experimenten.
Warp besitzt nach eigenen Angaben keine eigene Medikamentenpipeline. Die Kunden bestimmen, welche chemischen Verbindungen untersucht werden. Das Unternehmen möchte die Infrastruktur und die entsprechenden Forschungsdienstleistungen liefern.
Warum Warp chemische Forschung aus China zurück in die USA holen will
Neben der Automatisierung spielt die geografische Verteilung der pharmazeutischen Forschung eine zentrale Rolle.
Viele westliche Pharma- und Biotechnologieunternehmen vergeben chemische Syntheseaufträge an spezialisierte Dienstleister in Asien. Besonders China verfügt über umfangreiche Kapazitäten für die Herstellung und Optimierung von Forschungswirkstoffen.
Für US-Unternehmen rücken dabei zunehmend Fragen nach Lieferketten, geistigem Eigentum und regulatorischen Risiken in den Vordergrund.
Warp will eine amerikanische Alternative zu etablierten internationalen Forschungsdienstleistern aufbauen. Das Unternehmen verspricht, die Nähe zu US-Kunden mit wettbewerbsfähigen Kosten zu verbinden.
Ob diese Rechnung aufgeht, hängt auch von der Wirtschaftlichkeit der Automatisierung ab. Roboter können repetitive Arbeitsschritte übernehmen und Anlagen theoretisch länger auslasten. Chemische Experimente benötigen jedoch weiterhin Überwachung, Qualitätskontrollen, Wartung und einen sicheren Umgang mit Materialien.
Für deutsche und europäische Pharmaunternehmen ist diese Entwicklung relevant, weil auch sie auf globale Forschungsdienstleister, spezialisierte Laborgeräte und internationale Forschungsstandorte angewiesen sind.
Die mögliche Verlagerung von Forschungsaufträgen betrifft deshalb nicht nur amerikanische und chinesische Dienstleister. Sie könnte langfristig auch Investitionsentscheidungen rund um europäische Laborautomatisierung, Forschungsinfrastruktur und wissenschaftliche KI beeinflussen.
Eine Verlagerung im größeren Maßstab lässt sich aus der aktuellen Finanzierung allein allerdings nicht ableiten. Warp hat noch keine Zahlen veröffentlicht, die eine tatsächliche Substitution bestehender asiatischer Forschungsdienstleistungen belegen.
Vom KI-Labor zur skalierbaren Forschungsdienstleistung
Warp Sciences ist ein weiteres Beispiel dafür, dass Physical AI nicht zwangsläufig humanoide Roboter voraussetzt. In einem chemischen Labor können stationäre Roboterarme, automatisierte Instrumente und spezialisierte Handhabungssysteme für bestimmte Aufgaben geeigneter sein als ein menschenähnlicher Roboter.
Das ist für die Kommerzialisierung wichtig. Kunden kaufen keine Demonstration einer universellen Roboterfähigkeit, sondern benötigen zuverlässig hergestellte und dokumentierte Forschungssubstanzen.
Eine vergleichbare Ausrichtung auf messbare Arbeitsleistung verfolgt der US-Automatisierungsanbieter Formic Robotics, der inzwischen mehr als 750.000 Produktionsstunden seiner Industrieroboterflotte meldet. Warp hat einen anderen Anwendungsbereich und befindet sich in einem deutlich früheren Stadium.
Gerade dieser Unterschied macht die nächsten Meilensteine relevant: Wie viele chemische Verbindungen kann Warp tatsächlich liefern? Wie lange dauern Synthese und Analyse? Welche Aufgaben übernehmen Roboter selbstständig? Und wie verändern sich Kosten und Erfolgsraten durch zusätzliche Trainingsdaten?
Bislang fehlen öffentlich zugängliche Kennzahlen zur Zahl automatisierter Experimente, zum Durchsatz des Labors und zur kommerziellen Auslastung.
Auch Google DeepMind investiert mit einem neuen Robotik-Hardwarelabor im Raum Cambridge in die Verbindung von KI-Modellen und realen physischen Experimenten. Warp verfolgt allerdings von Beginn an ein spezifisches Dienstleistungsgeschäft für die Pharmaindustrie.
Mit 215 Millionen Dollar verfügt das Startup über erhebliche Mittel zum Aufbau dieser Infrastruktur. Ob aus dem geplanten Kreislauf aus Experimenten, Robotik und KI ein wirtschaftlich tragfähiges Forschungsunternehmen entsteht, wird sich erst anhand realer Kundenaufträge und reproduzierbarer Laborergebnisse beurteilen lassen.