F&E Automation in Pharma und Chemie: Oursourcing vs. In-House

Autor: Alex Böser, Senior Innovation Lead Chemistry @ 5-HT Chemistry & Health

Einleitung

Die chemische und pharmazeutische Forschung und Entwicklung wird immer komplexer und kostspieliger - die Entwicklung eines einzigen neuen Medikaments kann Milliarden von Dollar kosten. Um unter dem Druck schnellerer Innovationen, neuer Produkte und niedrigerer Kosten wettbewerbsfähig zu bleiben, setzen die Unternehmen in einem noch nie dagewesenen Tempo auf Technologien zur Laborautomatisierung. In der Tat gehören viele führende Unternehmen (vor allem in der Pharmaindustrie) zu den fortschrittlichsten Anwendern von Robotik und Automatisierung und nutzen die Technologie, um die Produktivität zu steigern und die steigenden F&E-Kosten einzudämmen. Die Automatisierung erstreckt sich auf praktisch alle Phasen der F&E, von der frühen Entdeckung (z. B. Hochdurchsatz-Screenings) über präklinische Tests und Scale-up bis hin zur Qualitätskontrolle in der Produktion. Durch die Reduzierung manueller, arbeitsintensiver Aufgaben verbessern diese Technologien den experimentellen Durchsatz, die Reproduzierbarkeit und die Datenintegrität. Die Automatisierung - insbesondere, wenn sie durch KI für komplexe Entscheidungen ergänzt wird - wird zunehmend als Wettbewerbsvorteil gesehen, der die F&E-Zyklen verkürzen und die Erfolgsquote erhöhen kann.

Vor diesem Hintergrund stehen Unternehmen vor der entscheidenden Entscheidung, wie sie die Automatisierung einsetzen wollen: Auslagern oder intern aufbauen. Outsourcing kann in Form von „Cloud Labs“ oder fortschrittlichen Auftragsforschungsinstituten (CROs) erfolgen, die im Auftrag von Kunden Experimente in automatisierten Einrichtungen durchführen. Dieses Modell verspricht sofortigen Zugang zu hochmodernen Instrumenten und potenzielle Kosteneinsparungen bei der Infrastruktur. Auf der anderen Seite investieren einige Unternehmen in den Aufbau eigener automatisierter Labore und integrieren Robotik, KI und digitale Systeme in ihre eigenen Forschungs- und Entwicklungszentren. Dies bietet eine direkte Kontrolle über die eigenen Prozesse und potenziell niedrigere langfristige Kosten, wenn sie stark genutzt werden, erfordert jedoch erhebliche Vorabinvestitionen und technisches Fachwissen.

Beide Ansätze sind auf dem Vormarsch. Die Auslagerung von F&E ist auf dem Vormarsch, da die Unternehmen nach größerer Flexibilität und Effizienz streben - viele vergeben inzwischen die Frühphasenforschung und das Screening an externe Partner, um wettbewerbsfähig zu bleiben. Gleichzeitig bauen die großen Unternehmen intern hochmoderne automatisierte Labors auf; so kann beispielsweise die fortschrittliche Screening-Einrichtung von AstraZeneca im Vereinigten Königreich bis zu 300.000 Verbindungen pro Tag mit Hilfe von Robotern testen.

Dieser Artikel befasst sich mit den Abwägungen zwischen Outsourcing und interner Automatisierung.

Zunächst wird ein Überblick über moderne F&E-Automatisierungstechnologien und ihre Anwendungen gegeben. Dann vergleichen wir die beiden Ansätze aus technischer und geschäftlicher Sicht und veranschaulichen die Vor- und Nachteile anhand von Beispielen aus der Praxis. Abschließend erörtern wir aufkommende Trends, Risiken und strategische Überlegungen, um den Leser bei der Entscheidungsfindung in seiner Situation zu unterstützen.

(Hinweis: Alle Verweise auf bestimmte Unternehmen oder Produkte dienen der Veranschaulichung anhand öffentlich zugänglicher Quellen. Es wird keine Empfehlung impliziert).

Automationstechnologien in verschiedenen F&E Stadien

Die heutige F&E-Automatisierung umfasst eine Konvergenz von Robotik, fortschrittlicher Instrumentierung und KI-gesteuerter Software. Zu den Schlüsseltechnologien gehören:

Robotische Laborsysteme: Automatisierte Liquid-Handler, Roboterarme und integrierte Arbeitszellen können Experimente mit minimalem menschlichem Eingriff durchführen. Diese Systeme eignen sich hervorragend für sich wiederholende, umfangreiche Aufgaben wie das Screening von Verbindungen, die Probenvorbereitung oder die kombinatorische Synthese. Moderne Anlagen arbeiten rund um die Uhr und koordinieren mehrere Instrumente parallel, was den menschlichen Durchsatz bei weitem übersteigt. So werden bei der manuellen Probenverarbeitung vielleicht nur ein paar Dutzend Assays pro Tag und Wissenschaftler durchgeführt, während ein gut konzipiertes Robotersystem unter optimalen Bedingungen zehn- oder sogar hunderttausende von Assay-Messungen pro Tag durchführen kann. Roboter sorgen auch für Präzision und Konsistenz - sie ermüden nicht und machen keine Fehler aufgrund von Unachtsamkeit, was die Datenqualität und Reproduzierbarkeit verbessert.
KI-gesteuertes Experimentieren: Künstliche Intelligenz und maschinelles Lernen werden zunehmend in die Laborautomatisierung integriert. KI-gesteuerte Syntheseplanungstools (z. B. Retrosynthese-Software wie SYNTHIA von Merck) können schnell Routen zur Herstellung von Zielmolekülen vorschlagen und so den früher mühsamen chemischen Planungsprozess verkürzen. In Kombination mit automatisierten Synthesizern und Analysatoren können KI-Algorithmen eine Closed-Loop-Optimierung durchführen, bei der Reaktionsbedingungen oder Moleküldesigns auf der Grundlage von Daten iterativ angepasst werden.
Hochdurchsatz-Screening (HTS) und -Analyse: Hochdurchsatztechniken ermöglichen es Forschern, große Bibliotheken von Verbindungen oder Prozessvarianten schnell zu testen. Automatisierung ist hier von entscheidender Bedeutung - Unternehmen setzen HTS-Roboter ein, um Hunderttausende bis Millionen von Proben auf ihre Aktivität in biologischen Assays oder chemischen Reaktionen zu untersuchen. Diese Systeme umfassen Roboter zur Handhabung der Platten, Detektoren und Informatiksysteme zur Protokollierung der Ergebnisse. Die pharmazeutische Industrie hat jahrzehntelang Pionierarbeit bei der Entdeckung von Arzneimitteln geleistet; jetzt haben verbesserte Automatisierung und Miniaturisierung HTS in Bereiche wie Formulierungsoptimierung und Bioprozessentwicklung gebracht. Prozessentwicklungslabors profitieren ebenfalls von miniaturisierten, parallelen Experimenten - so können beispielsweise automatisierte Bioreaktor-Arrays Dutzende von Fermentationsbedingungen gleichzeitig bewerten, was die Scale-up-Forschung erheblich beschleunigt.

In den Bereichen frühe Forschung, Leitstrukturoptimierung, präklinische Tests und Prozess-Scaling-up sind die Ziele der Automatisierung einheitlich: Erhöhung des experimentellen Durchsatzes und der Konsistenz, Erfassung umfangreicherer Daten und letztlich Verkürzung der F&E-Zeit. Die Implementierung von Automatisierung kann die Zykluszeiten verkürzen, die Reproduzierbarkeit verbessern und zu höheren Erfolgsquoten in der Forschung und Entwicklung führen. Darüber hinaus sorgt eine robuste Automatisierung in der Prozessentwicklung für einen reibungsloseren Technologietransfer vom Labor in die Produktion - Daten aus automatisierten Experimenten sind standardisierter und rückverfolgbar, was die Einhaltung von Vorschriften und die Zuverlässigkeit beim Scale-up unterstützt.

Um diese Vorteile zu erreichen, sind jedoch eine umfangreiche Infrastruktur und Fachwissen erforderlich. An dieser Stelle wird die Frage des Outsourcings oder der internen Implementierung entscheidend. Unternehmen müssen entscheiden, ob sie externe automatisierte Labore nutzen oder in den Aufbau eigener Labore investieren wollen. Die folgenden Abschnitte gehen auf diese Entscheidung ein.

Outsourcing von Automation: Cloud Labs und CROs

Bei der Auslagerung der automatisierten Forschung und Entwicklung wird die experimentelle Arbeit an einen Dritten übertragen, der sich auf automatisierte Hightech-Labors spezialisiert hat. Ein bemerkenswertes Modell ist das Aufkommen der „Cloud Labs“, bei denen es sich im Wesentlichen um ferngesteuerte Labore handelt, die als Dienstleistung angeboten werden. Laut einer Definition ist ein Cloud-Labor „ein Labor eines Drittanbieters, das experimentelle Arbeiten im Auftrag von Outsourcing-Organisationen übernimmt“. Diese Einrichtungen sind hoch automatisiert, mit einer breiten Palette von Instrumenten ausgestattet und über das Internet zugänglich. Wissenschaftler entwerfen Experimente über eine Webschnittstelle oder eine Skript-API, und die Robotersysteme des Cloud-Labors führen die Arbeit rund um die Uhr aus.

Emerald Cloud Lab (ECL) beispielsweise - ein Pionier in diesem Bereich - beherbergt mehr als 200 Arten von wissenschaftlichen Instrumenten in einer zentralen Einrichtung und ermöglicht es Forschern, Experimente aus der Ferne über eine eigene Schnittstelle durchzuführen. Das Labor ist das ganze Jahr über in Betrieb, und die Kunden können eine breite Palette von Verfahren (chemische Synthese, analytische Tests, Bioassays usw.) durchführen, ohne jemals einen Fuß in das Labor zu setzen. Der Vorteil liegt auf der Hand: Unternehmen erhalten bei Bedarf Zugang zu hochmoderner Automatisierung, ohne die Geräte selbst kaufen oder warten zu müssen - das spart Immobilien-, Bau-, Versorgungs- und Gerätekosten. Die Wissenschaftler konzentrieren sich auf die Entwicklung von Experimenten und die Analyse von Daten, während der Cloud-Anbieter die physische Ausführung und Wartung übernimmt.

Neben den Cloud-Labors setzen auch traditionelle Auftragsforschungsinstitute (CROs) auf Automatisierung, um schnellere und besser skalierbare Dienstleistungen anbieten zu können. Viele Pharmaunternehmen lagern bereits Forschungsaufgaben an CROs aus (für Chemie, Biologie, Toxikologie usw.), um externes Fachwissen zu nutzen oder die Kapazität zu erhöhen. Führende CROs und Start-ups differenzieren sich nun durch den Aufbau vollautomatisierter Plattformen:

Das Start-up Arctoris beispielsweise betreibt ein automatisiertes Labor für die Arzneimittelforschung und arbeitet mit Pharma-/Biotech-Unternehmen zusammen, um biochemische Tests, Zellstudien und vieles mehr mit robotergestützter Präzision durchzuführen. (Bemerkenswert ist, dass Arctoris im Jahr 2024 eine große automatisierte F&E-Anlage erwarb, die Eli Lilly ursprünglich selbst gebaut hatte - mehr dazu später).
In ähnlicher Weise bietet Strateos eine Cloud-basierte Automatisierung für die Arzneimittelforschung an und stellt seine Software sogar für die Implementierung in den eigenen Labors der Kunden zur Verfügung.
Spezialisierte Anbieter wie Culture Biosciences konzentrieren sich auf automatisierte Bioreaktoren für die frühe Prozessentwicklung in der Biotechnologie und führen Fermentationsversuche als Dienstleistung durch.

Vorteile von Outsourcing

Aus geschäftlicher Sicht werden durch das Outsourcing Fixkosten in variable Kosten umgewandelt. Anstatt Kapital für Roboter und Instrumente auszugeben (die in die Millionen gehen können), zahlen die Unternehmen pro Experiment oder per Abonnement. Dies kann sehr kosteneffizient sein, insbesondere für kleinere Unternehmen oder solche mit unregelmäßigem F&E-Bedarf.

Das Outsourcing verkürzt auch die Vorlaufzeit drastisch: In manchen Fällen kann es länger dauern, die Geräte in-house zu kaufen und einzurichten, als das Cloud-Labor braucht, um Ergebnisse zu liefern. Für schnell voranschreitende Forschungsprogramme ist diese Schnelligkeit bei Experimenten ein entscheidender Vorteil.

Outsourcing kann auch Skalierbarkeit nach Bedarf bieten. Müssen Sie diesen Monat zusätzlich 100.000 Verbindungen screenen oder Dutzende von parallelen Synthesen durchführen? Ein großer Anbieter kann durch die Nutzung seiner rund um die Uhr verfügbaren automatisierten Arbeitsabläufe oft Spitzenlasten bewältigen, ohne dass Ihr Unternehmen etwas Neues anschaffen muss. Wenn der Bedarf im nächsten Monat sinkt, können Sie die Nutzung (und die Kosten) einfach herunterfahren. Diese Flexibilität ist besonders vorteilhaft, wenn die Arbeitsbelastung in Forschung und Entwicklung variabel ist oder wenn Sie eine neue Forschungsrichtung testen wollen, ohne sich auf eine bestimmte Infrastruktur festzulegen.

Vom technischen Standpunkt aus gesehen bietet das Outsourcing an einen Automatisierungsspezialisten hochmoderne Fähigkeiten, die sich intern nur schwer nachbilden lassen. Anbieter wie ECL oder Strateos investieren in die Pflege eines umfassenden Gerätebestands und fortschrittlicher Software. ECL verfügt beispielsweise über Hunderte von Instrumentenmodellen für Chemie, Biologie und Analysetechniken, weit mehr als sich ein typisches Einzellabor eines Unternehmens leisten oder verwalten könnte. Diese Labors arbeiten oft rund um die Uhr und führen strenge Qualitätskontrollen durch, um eine hohe Reproduzierbarkeit zu gewährleisten. Automatisierung verbessert von Natur aus die Standardisierung - wie ein Branchenartikel feststellte, erleichtern automatisierte Arbeitsabläufe „die Kontrolle von Verunreinigungen, die Reproduzierbarkeit, die Standardisierung und die Datensicherheit“ über alle F&E-Stufen hinweg. Darüber hinaus können Outsourcing-Partner Unterstützung bei der Einhaltung von Vorschriften bieten (z. B. GxP-konforme Daten und Dokumentation für regulierte Arbeiten), was für Unternehmen, denen diese Infrastruktur fehlt, ein Segen sein kann.

Entscheidend ist, dass Outsourcing nicht unbedingt bedeutet, die wissenschaftliche Kontrolle abzugeben. Insbesondere Cloud-Labore sind so konzipiert, dass die Wissenschaftler des Kunden die Kontrolle über die Versuchsplanung behalten. Im Gegensatz zu einem traditionellen CRO, bei dem man vielleicht ein Protokoll sendet und auf die Daten wartet, legen die Nutzer von Cloud-Labors Methoden und Parameter direkt fest, fast so, als wären die entfernten Instrumente ihre eigenen. Dies wurde von Pragma Bio hervorgehoben, einem Biotech-Startup, das sich für ein Cloud-Lab-Modell entschieden hat: „Cloud Labs ermöglichen es den Wissenschaftlern, die vollständige Kontrolle über alle wissenschaftlichen Entscheidungen zu behalten“, so dass sie die Ausführung auslagern, aber das Experimentdesign in-house behalten können. Im Fall von Pragma wollte man die „Interpretationsebene“ vermeiden, die mit CROs einhergeht, und sein eigenes stillschweigendes Wissen über die Wissenschaft beibehalten. Das Cloud-Labor machte dies möglich, indem es sozusagen „Bare-Metal“-Zugang zu einer breiten Palette von Instrumenten über Software bietet. Die Wissenschaftler erstellen Protokolle in der programmatischen Schnittstelle des Cloud-Labors, und diese Protokolle (geschrieben in der symbolischen Kodierungssprache des Labors) gehören dem Kunden und können nach Belieben wiederverwendet und geändert werden. Dies ist ein neues Paradigma des Outsourcings, bei dem die Grenzen zwischen intern und extern verschwimmen - die Forscher erhalten die Vorteile einer externen Infrastruktur, betreiben sie aber fast wie eine Erweiterung ihres eigenen Labors.

Nachteile von Outsourcing

Trotz ihrer Attraktivität ist die Auslagerung der Automatisierung mit Abstrichen und Risiken verbunden. Ein Hauptproblem ist der Verlust an direkter, praktischer Kontrolle auf der operativen Ebene. Wenn Sie ein externes Labor beauftragen, verlassen Sie sich darauf, dass die Systeme und Mitarbeiter des Anbieters die Dinge korrekt ausführen. Wenn bei einem Experiment etwas schief geht, kann die Fehlerbehebung im Vergleich zu einem internen Labor langsamer und undurchsichtiger sein - was zu versteckten Kosten führt.

Außerdem gibt es eine potenzielle Kommunikationslücke. Ihre Wissenschaftler müssen die Protokolle genau spezifizieren und oft mit dem Anbieter hin- und herwechseln. Missverständnisse oder unterschiedliche Auslegungen können zu Experimenten führen, die nicht genau der Absicht entsprechen. Die Sicherstellung der Abstimmung erfordert eine sorgfältige Überwachung.

Die Verwaltung externer Projekte kann selbst zu einem großen Aufwand werden. Die Koordinierung mit einem Cloud-Labor oder einem CRO erfordert Projektmanagement, Terminplanung, Datentransfer und möglicherweise die Schulung Ihrer Mitarbeiter in der Software des Anbieters. Diese Aktivitäten sind zeitaufwendig. Unternehmen unterschätzen oft, wie viel Aufwand mit der Überwachung der ausgelagerten Arbeit verbunden ist. In einigen Fällen müssen Firmen Projektmanager speziell für die Betreuung von CRO-Beziehungen abstellen oder einstellen, wenn das Volumen wächst. Wissenschaftler müssen möglicherweise über ihre üblichen Fähigkeiten hinausgehen, um externe Partner zu managen, was zu Ineffizienzen führen kann, wenn es nicht berücksichtigt wird.

Es gibt auch geschäftliche und strategische Risiken. Outsourcing bedeutet, dass Ihr kritisches F&E-Wissen und Ihre Daten die vier Wände Ihres Unternehmens verlassen. Während seriöse Anbieter die Vertraulichkeit wahren, fühlen sich manche Unternehmen unwohl, wenn sie sich bei ihren sensibelsten Projekten oder Programmen, die viel geistiges Eigentum beinhalten, auf externe Labors verlassen. Das geistige Eigentum, das bei Experimenten entsteht, gehört vertraglich dem Kunden, aber das Know-how - die praktischen Erkenntnisse aus der Durchführung der Arbeit - befindet sich möglicherweise eher in den Systemen des Anbieters als in Ihrem Team. Wenn man sich zu sehr auf das Outsourcing verlässt, könnte das zu einer Aushöhlung des internen Fachwissens führen. Wenn Forscher nur noch Daten anfordern und ihre praktischen Fähigkeiten nicht mehr pflegen, könnte die Fähigkeit des Unternehmens, unabhängig zu innovieren, langfristig leiden.

Eine weitere Überlegung betrifft die Skalierbarkeit der Kosten: Outsourcing ist bei kleinen bis mittleren Beträgen oft kosteneffektiv, aber wenn die F&E eines Unternehmens so wächst, dass ein ständiger, intensiver Einsatz von Automatisierung erforderlich ist, können die kumulativen Dienstleistungsgebühren mit den Kosten für eigene Geräte konkurrieren oder diese übersteigen. In vielen Fällen berechnen die Anbieter pro Experiment oder pro Probe. Die Unternehmen müssen den Übergangspunkt analysieren, an dem eine Eigenentwicklung für ihr Arbeitsvolumen billiger werden könnte.

Schließlich kann das Outsourcing zu Abhängigkeits- und Planungsproblemen führen. Sie sind möglicherweise einer von vielen Kunden, so dass Warteschlangenzeiten oder die Verfügbarkeit Ihre Flexibilität einschränken können. Wenn der Zeitplan eines kritischen Experiments von einer externen Warteschlange abhängt oder wenn der Anbieter einen Ausfall hat, kann sich dies auf die Projektfristen auswirken. Im Gegensatz dazu kann eine interne Einrichtung unter Ihrer direkten Kontrolle bei Bedarf mobilisiert werden (vorausgesetzt, Sie verfügen über Kapazitäten).

Zusammenfassend lässt sich sagen, dass die Auslagerung der F&E-Automatisierung einen schnellen Zugang zu fortschrittlicher Technologie, geringere Vorlaufkosten und elastische Kapazitäten bietet, allerdings auf Kosten eines gewissen Maßes an Kontrolle, potenzieller versteckter Kosten bei der Koordination und strategischer Abhängigkeit.

Als Nächstes untersuchen wir die Kehrseite: den internen Aufbau von Automatisierungsfunktionen.

Aufbau einer In-House Automationsinfrastruktur

Ein internes automatisiertes F&E-Labor einzurichten bedeutet, in Roboter, Instrumente, Software und Personal zu investieren, um automatisierte Arbeitsabläufe im eigenen Unternehmen durchzuführen. Viele große Pharma- und Chemieunternehmen haben diesen Weg eingeschlagen, oft im Rahmen von Initiativen zum „Labor der Zukunft“. Die unternehmensinterne Automatisierung kann vom Hinzufügen einiger Roboterarbeitsplätze in einem bestehenden Labor bis hin zum Bau ganzer Anlagen reichen, die auf Automatisierung und digitale Integration ausgelegt sind (manchmal auch als „intelligente Labore“ oder „selbstfahrende Labore“ bezeichnet).

Vorteile einer In-House Entwicklung

Der wichtigste Vorteil ist die volle Kontrolle. Das Unternehmen ist Eigentümer der Geräte und des Prozesses, was eine individuelle Anpassung auf jeder Ebene ermöglicht. Sie können die Automatisierung genau auf Ihre spezifischen Forschungsbedürfnisse zuschneiden, was ideal ist, wenn Sie einzigartige Assays oder Prozesse haben, die von externen Plattformen nicht ohne weiteres abgedeckt werden können. Die Flexibilität ist in diesem Zusammenhang höher - wenn Wissenschaftler ein Protokoll spontan ändern oder eine neue Technik entwickeln wollen, kann ein internes Automatisierungsteam diese Änderungen im System implementieren. Sie sind nicht auf das Menü der von einem Anbieter angebotenen Dienste oder Instrumente beschränkt. Dies ist besonders wichtig für Organisationen, die die Wissenschaft vorantreiben. Wenn beispielsweise eine neue Analysemethode oder eine maßgeschneiderte Hardware benötigt wird, kann eine interne Einrichtung diese integrieren, während ein ausgelagertes Labor dies möglicherweise nicht unterstützt.

Das Eigentum an der Automatisierungspipeline bedeutet auch, dass die Daten und das geistige Eigentum vollständig im Unternehmen verbleiben. Sensible Informationen (Wirkstoffstrukturen, Targets usw.) verlassen Ihr sicheres Netzwerk nicht. Für Unternehmen in wettbewerbsfähigen therapeutischen Bereichen kann diese Sicherheit wichtiger sein als Kostenüberlegungen. Darüber hinaus erwerben Ihre Wissenschaftler und Ingenieure durch die interne Durchführung der Arbeiten ein umfassendes Fachwissen über die Methoden und Technologien. Dieses Wissen kann zu einem wertvollen geistigen Kapital werden. Eine gut entwickelte interne Automatisierungsfähigkeit kann selbst eine Quelle von Wettbewerbsvorteilen sein - sie ermöglicht geschützte Arbeitsabläufe, die von Konkurrenten nicht ohne weiteres kopiert werden können. Eine McKinsey-Studie ergab, dass Labors, die Automatisierung in großem Umfang eingeführt haben, Verbesserungen bei allen wichtigen Leistungskennzahlen verzeichnen konnten und die Fähigkeit erlangten, schneller innovativ zu sein als weniger automatisierte Unternehmen.

Aus geschäftlicher Sicht ist die Anfangsinvestition zwar hoch, aber die innerbetriebliche Automatisierung kann langfristig zu Kosteneinsparungen führen, wenn sie in großem Umfang genutzt wird. Mit den Investitionskosten können Sie die Geräte im Wesentlichen unbegrenzt nutzen (abgesehen von den Wartungskosten). Bei einem hohen Durchsatz - z. B. bei einer Screening-Gruppe, die Millionen von Assays pro Jahr durchführt - kann der Besitz von Robotern im Laufe der Zeit weitaus billiger sein als die Zahlung von Gebühren pro Assay an einen Anbieter. Es besteht auch die Möglichkeit, die Anlage für einen optimalen Arbeitsablauf mit anderen internen Funktionen zu gestalten. So kann beispielsweise ein automatisiertes Labor für medizinische Chemie in der Nähe der Chemiker untergebracht und nahtlos in die internen Datensysteme integriert werden, was die Reibung in den Iterationszyklen verringert.

Große Unternehmen rechtfertigen ihre Automatisierungsinvestitionen oft mit den Vorteilen der Skalierbarkeit und Integration:

Eli Lilly investierte 2017 ca. 90 Mio. USD in den Bau des „Life Sciences Studio“, eines vollautomatischen Labors mit 11.500 Quadratmetern, das Design, Synthese, Reinigung und Tests in einer Plattform vereint. Diese Einrichtung ermöglichte es den Wissenschaftlern von Lilly, ihre Experimente über eine Cloud-Software fernzusteuern, quasi ein maßgeschneidertes internes Cloud-Labor. Diese Ressource ermöglichte Lilly eine End-to-End-Automatisierung unter einem Dach, die eine schnelle Iteration vom Moleküldesign bis zu biologischen Tests ermöglichte.
In ähnlicher Weise hat Novartis berichtet, dass die interne Automatisierung es ermöglicht hat, den Durchsatz von einst 30-40 Proben pro Tag auf Hunderttausende von Proben pro Tag zu erhöhen - eine unvorstellbare Steigerung ohne Robotik.
AstraZeneca hat an seinem Standort in Cambridge, Großbritannien, automatisierte modulare Labors gebaut, die bis zu 300.000 Verbindungen pro Tag in Screening-Assays testen können.

Diese Investitionen spiegeln eine Strategie wider, die darauf abzielt, die Entwicklung intern drastisch zu beschleunigen und Projekte in einer Größenordnung zu bearbeiten, die ein Outsourcing nicht ohne weiteres erreichen kann (oder extrem kostspielig wäre, wenn es ausgelagert würde).

Ein weiterer Vorteil der internen Automatisierung ist die Ausrichtung und Geschwindigkeit der iterativen Forschung. Wenn sich die Roboter in der Halle befinden, können die Wissenschaftler bei Bedarf schnell eingreifen, Experimente in Echtzeit anpassen und haben direkten Einblick in den Prozess. Es besteht keine Notwendigkeit, Anweisungen für eine externe Partei zu verpacken oder auf geplante Zeitfenster zu warten - die Feedbackschleife kann enger sein. In Prozessentwicklungsszenarien bedeutet der Einsatz interner automatisierter Systeme, dass Ihre Entwicklungsingenieure kontinuierlich Experimente durchführen und optimieren können, um einen Herstellungsprozess zu verfeinern, wobei eine sofortige funktionsübergreifende Zusammenarbeit möglich ist. Dieser Echtzeitaspekt kann die Entwicklungszyklen verkürzen.

Nachteile von In-House Lösungen

Die in-house Etablierung solcher Lösungen ist mit erheblichen Herausforderungen verbunden. Die Kosten sind das offensichtlichste Hindernis. Die Ausstattung selbst einer bescheidenen Automatisierungseinrichtung (Roboter-Flüssigkeitshandhabungsgeräte, Lagersysteme, integrierte Analyseinstrumente, Softwarelizenzen, Renovierung der Einrichtung) kann Millionen an Kapital erfordern. Für hochmoderne integrierte Labore wie das von Lilly können zweistellige Millionenbeträge anfallen. Über die Anschaffung hinaus fallen laufende Kosten an: Wartungsverträge, Kalibrierung, Software-Updates und schließlich der Austausch von Geräten im Zuge des technischen Fortschritts. Automatisierungshardware kann innerhalb eines Jahrzehnts veraltet sein oder sich abnutzen, so dass es eine kontinuierliche Investition ist, um an der Spitze zu bleiben.

Es gibt auch einen Bedarf an Fähigkeiten und Personal. Der Betrieb eines automatisierten Labors ist nicht so einfach wie der eines manuellen Labors. Unternehmen brauchen neben Fachwissenschaftlern auch Automatisierungsingenieure, Softwarespezialisten und Datenwissenschaftler. Die Rekrutierung und Bindung dieser Talente kann sich als schwierig erweisen, insbesondere für Unternehmen, deren Kerngeschäft die Wissenschaft und nicht die Technik ist. Die Lernkurve von Wissenschaftlern für den effektiven Einsatz komplexer Robotersysteme sollte nicht unterschätzt werden - ohne ausreichende Schulung und eine unterstützende Kultur werden teure Automatisierungssysteme möglicherweise nicht ausreichend genutzt. Eine Beratungsstudie von Deloitte und anderen betont, dass die Einführung von Laborautomatisierung ein Veränderungsmanagement und die Weiterbildung der Mitarbeiter erfordert, aber wenn sie richtig gemacht wird, kann sie die KPIs im Labor drastisch verbessern. Wenn sie jedoch falsch eingesetzt werden, können die Tools falsch verwendet oder die Experimente falsch eingerichtet werden, was zu Verzögerungen führt.

Ein weiteres Risiko der Eigenfertigung ist die unzureichende Auslastung. Wenn die Automatisierungsanlage nicht voll ausgelastet ist, ist die Investitionsrendite gering. Dies kann passieren, wenn sich die Prioritäten in der Forschung und Entwicklung verschieben oder wenn die Fähigkeiten des Systems nicht mit den sich entwickelnden Anforderungen der Projekte übereinstimmen. Ein bemerkenswertes Szenario, das dieses Risiko veranschaulicht, ist das Schicksal des Life Sciences Studio von Lilly: Nach einigen Jahren des Betriebs beschloss Lilly, diese automatisierte Plattform zu veräußern. Im Jahr 2024 wurde die gesamte Einrichtung von Arctoris (einem CRO) übernommen und nach Großbritannien verlagert, um einen breiteren Kundenkreis zu bedienen. Auch wenn die Details variieren, lässt dies darauf schließen, dass selbst ein großes Pharmaunternehmen eine interne Automatisierungsanlage nicht ausreichend nutzen kann oder dass sie außerhalb ihres neuen strategischen Schwerpunkts liegt und sie schließlich an einen Outsourcing-Spezialisten abgibt. Dies unterstreicht, dass Flexibilität nicht nur ein technisches, sondern auch ein finanzielles Attribut ist - wenn man intern feste Kapazitäten aufbaut, ist man an einen bestimmten Ansatz gebunden, wohingegen das Outsourcing flexibler ist und je nach Bedarf ein- und ausgeschaltet werden kann.

Wartung und Ausfallzeiten sind weitere Aspekte. Wenn Sie Ihr eigenes automatisiertes Labor betreiben, bedeutet jede Ausfallzeit eine unmittelbare Unterbrechung Ihrer Forschung. Unternehmen müssen Ersatzteile vorhalten und Techniker bereithalten, um Roboter zu reparieren oder Softwarefehler zu beheben. Externe Anbieter verteilen dieses Risiko auf ihre Kunden und verfügen über spezielle Teams, die eine hohe Betriebszeit gewährleisten. In einem kleinen Unternehmen könnte ein defekter Autosampler die Arbeit für Tage unterbrechen, wenn kein Backup vorhanden ist. Indem Sie eine eigene Lösung entwickeln, übernehmen Sie das Betriebsrisiko, das sonst von den Anbietern übernommen wird.

Und schließlich kann die Skalierung einer internen Anlage bei verändertem Bedarf langsam sein. Wenn Sie plötzlich den doppelten Durchsatz benötigen, müssen Sie mehr Geräte beschaffen oder vielleicht die Anlagen erweitern - was Monate oder Jahre dauern kann. Im Gegensatz dazu kann ein ausgelagertes Modell eine relativ schnelle Skalierung ermöglichen, indem Sie einfach Ihr Dienstleistungsniveau erhöhen (vorausgesetzt, der Anbieter verfügt über Kapazitäten). Interne Einrichtungen können zu Engpässen werden, wenn sie nicht mit Überkapazitäten geplant werden.

Zusammenfassend lässt sich sagen, dass die unternehmensinterne Automatisierung maximale Kontrolle, individuelle Anpassung und potenziell niedrigere Grenzkosten in großem Umfang ermöglicht, jedoch hohe Vorlaufkosten, eine hohe Wartungslast und den Bedarf an spezialisierten Fachkräften und deren Nutzung mit sich bringt, um die Investition zu rechtfertigen.

Vor- und Nachteile auf einen Blick - technische und geschäftliche Gesichtspunkte

Um den Vergleich zu verdeutlichen, werden in den folgenden Tabellen die wichtigsten Vor- und Nachteile von Outsourcing und interner Automatisierung sowohl aus technischer als auch aus geschäftlicher Sicht dargestellt.

Technische Überlegungen - Flexibilität, IP und Kontrolle:

Outsourcing (technische Vorteile): Sofortiger Zugang zu umfassenden Fähigkeiten (Hunderte von Gerätetypen, neueste Technologien), die intern möglicherweise nicht verfügbar sind. Hochgradig reproduzierbare, automatisierte Prozesse, die von Experten betrieben werden, mit einer 24/7-Betriebszeit, die mehr Daten in kürzerer Zeit gewährleistet. Rahmenwerke für die Einhaltung von Vorschriften und die Datenverwaltung (z. B. integriertes LIMS, Prüfpfade) ohne interne Einrichtung. Möglichkeit, mehrere komplexe Workflows über Cloud-Schnittstellen parallel laufen zu lassen, was selbst für gut ausgestattete interne Labore schwierig zu koordinieren ist.
Outsourcing (technische Nachteile): Eingeschränkte Anpassungsmöglichkeiten, wenn Ihre Anforderungen nicht in das Standardangebot des Anbieters fallen (Sie sind durch das Angebot an Assays/Instrumenten eingeschränkt). Potenzielle Fehlanpassung - der Anbieter könnte Protokolle mit feinen Unterschieden durchführen (seine Interpretation Ihrer Methode), was sich auf die Ergebnisse auswirkt. Weniger Echtzeitkontrolle: Sie können nicht physisch eingreifen, wenn mitten im Experiment etwas Unerwartetes passiert. Die Datenintegration kann zusätzliche Schritte erfordern: Die sichere Einspeisung externer Daten in Ihre internen Datenbanken/ELN im richtigen Format kann ein eigenständiges IT-Projekt sein. Im Laufe der Zeit verlieren die Wissenschaftler möglicherweise einige praktische Fähigkeiten oder Einblicke in die Prozesse, da sie die Experimente nicht physisch durchführen.
In-House (Technische Vorteile): Volle Kontrolle bei der Entwicklung und Optimierung von Protokollen nach Bedarf. Systeme können kundenspezifisch erstellt oder für spezifische Prozesse konfiguriert werden, die für Ihre Pipeline einzigartig sind. Alle Daten verbleiben in internen Systemen - leichtere Integration mit eigenen Datenbanken und Anwendung interner Analysen. Größere Innovationsfähigkeit bei der Methodik: Sie können unkonventionelle Experimente durchführen, ohne dass Sie eine externe Genehmigung oder neue Verträge benötigen. Das geistige Eigentum ist vollständig geschützt; jede neue Technik, die Sie mit Ihren Geräten entwickeln, ist Ihr Betriebsgeheimnis. Interne Teams bauen mit jedem Experiment Know-how auf, was zu Prozessverbesserungen führen kann, die zu einem Wettbewerbsvorteil werden.
In-House (Technische Nachteile): Die Technologie kann veraltet sein - Sie könnten in eine Plattform investieren, die heute auf dem neuesten Stand der Technik ist, aber in 5-10 Jahren hinterherhinkt und weitere Investitionen erfordert. Sie sind für die Wartung und Zuverlässigkeit verantwortlich; wenn ein Roboter ausfällt, wird Ihr Experiment unterbrochen, bis er repariert ist (externe Labors haben oft Redundanz). Es liegt in Ihrer Verantwortung, für robuste Datensysteme (LIMS usw.) zu sorgen - einige Unternehmen haben Schwierigkeiten, das gleiche Maß an digitaler Integration zu erreichen, wie es Cloud-Labore von Haus aus bieten. Bei der internen Automatisierung kann es auch zu einer schleichenden Ausweitung kommen - der Versuch, alles ohne ausreichendes Fachwissen zu automatisieren, kann zu suboptimalen Implementierungen oder frustrierten Wissenschaftlern führen, wenn das System nicht benutzerfreundlich ist. Im Wesentlichen erfordert dies ein Engagement für kontinuierliche Verbesserung und Unterstützung.

Geschäftliche Erwägungen - Kosten, Geschwindigkeit und Skalierbarkeit:

Outsourcing (Business Vorteile): Geringere Vorlaufkosten und schnellere Inbetriebnahme: Sie müssen keine Einrichtungen bauen, sondern können innerhalb von Tagen oder Wochen mit Experimenten beginnen, indem Sie einen Anbieter beauftragen. Umwandlung von CapEx in OpEx - Sie zahlen für das, was Sie nutzen, was für viele Unternehmen, insbesondere für Neugründungen oder projektbezogene Arbeit, budgetfreundlich ist. Skalierbarkeit und Flexibilität: Sie können die Nutzung je nach Projektbedarf erhöhen oder verringern, ohne sich Gedanken über ungenutzte Geräte oder Laborflächen machen zu müssen. Zugang zu Expertenunterstützung - Anbieter verfügen oft über Experten für Methodenentwicklung und Fehlerbehebung, was bedeutet, dass Sie auch einen Teil der F&E-Arbeitskosten auslagern können. Wenn eine neue Technik oder ein neues Instrument benötigt wird, kann der Anbieter diese schneller einführen, als es ein interner Beschaffungsprozess erlauben würde (insbesondere, wenn sie von mehreren Kunden genutzt werden).
Outsourcing (Business Nachteile): Die kumulativen Kosten können bei großem Umfang oder langer Dauer hoch werden - ähnlich wie bei „Mieten oder Kaufen“ könnte bei langfristiger intensiver Nutzung der Kauf vorzuziehen sein. Es kann vertragliche Verpflichtungen, Mindestgebühren oder Premium-Preise für vorrangigen Zugang geben. Abhängigkeitsrisiken: Ihr F&E-Zeitplan ist an die Leistung und Stabilität des Anbieters geknüpft; wenn es zu Ausfällen oder Geschäftsproblemen kommt, könnten Sie aufgeschmissen sein. Einige Anbieter sind selbst Start-ups - man muss ihre Langlebigkeit und Backup-Pläne beurteilen. Darüber hinaus kann das Outsourcing organisatorische Veränderungen mit sich bringen (z. B. wechselnde Aufgaben des Laborpersonals oder der Wegfall einiger Positionen), was sich auf die Arbeitsmoral und die Unternehmenskultur auswirken kann. Es gibt auch weniger Transparenz bei den Kostenfaktoren - einige Kosten (Managementzeit, Verzögerungen) sind versteckt, wie in Analysen zum Outsourcing festgestellt wurde, was es schwierig macht, den ROI vollständig zu quantifizieren.
In-House (Business Vorteile): Langfristige Kosteneinsparungen bei hohem Durchsatz - ist die Einrichtung erst einmal in Betrieb, sind die zusätzlichen Kosten für jedes Experiment relativ gering (hauptsächlich Reagenzien und Betriebsmittel), und ein hoher Durchsatz kann Größenvorteile bringen. Sie können die Investition auch amortisieren, indem Sie das Labor für mehrere Programme und sogar mehrere Geschäftsbereiche nutzen. In der iterativen Forschung können die Zykluszeiten verkürzt werden, da die Kommunikation intern und unmittelbar erfolgt, ohne dass man in einer CRO-Warteschlange warten muss. Interne Fähigkeiten können ein strategischer Vorteil sein - zum Beispiel kann die Ermöglichung eigener Arbeitsabläufe, die die Entdeckung beschleunigen, zu mehr geistigem Eigentum und schnelleren Arzneimittelkandidaten führen, was einen enormen Geschäftswert darstellt. Einige Unternehmen betrachten ihre Automatisierungstechnik sogar als Teil ihres Portfolios an geistigem Eigentum (und in Fällen wie dem von Lilly als einen Vermögenswert, der bei Bedarf verkauft werden könnte). Eine firmeneigene Automatisierung kann auch Partner oder Investoren beeindrucken, indem sie die technologische Führerschaft demonstriert.
In-House (Business Nachteile): Hohe Anfangsinvestitionen und Fixkosten: Es kann Monate oder Jahre dauern, bis ein automatisiertes Labor aufgebaut und validiert ist, d. h. es fallen erst einmal verlorene Kosten an, bevor sich Vorteile ergeben. Ändern sich die Prioritäten in der Forschung und Entwicklung (z. B. durch eine Änderung des therapeutischen Schwerpunkts), kann es sein, dass die Einrichtung nicht mehr den neuen Anforderungen entspricht, was zu einer Verschwendung von Kapazitäten führt. Die Betriebskosten - qualifiziertes Personal, Dienstleistungsverträge, Instandhaltung der Einrichtung - fallen laufend an und müssen unabhängig von kurzfristigen Projektflauten budgetiert werden. Wenn sie plötzlich mit einem Projekt betraut werden, das ihren Durchsatz übersteigt, können sie zu einem Engpass werden, wenn nicht mehr Kapital eingesetzt wird. Darüber hinaus ist die Kapitalrendite unter Umständen schwer zu berechnen; die Vorteile einer schnelleren Forschung sind zwar real, können aber diffus sein (z. B. macht sich die bei der Entdeckung eingesparte Zeit nicht sofort in der Bilanz bemerkbar, kann aber den Wert der Pipeline erhöhen). Dies kann es schwierig machen, große Ausgaben gegenüber der Geschäftsleitung zu rechtfertigen, wenn keine eindeutige kurzfristige Kapitalrendite vorliegt.

Reale Fallstudien und Beispiele

Zur Veranschaulichung der Diskussion werden im Folgenden einige Beispiele aus der Praxis angeführt, die zeigen, wie Unternehmen die Entscheidung zwischen Outsourcing und interner Automatisierung getroffen haben:

Emerald Cloud Lab & Startup: Pragma Bio, ein kleines Biotech-Unternehmen für natürliche Produkte, stand vor dem klassischen Dilemma, dass es für seine analytische Chemie ein eigenes Gerät benötigte oder eines kaufen musste. Das Unternehmen benötigte teure und vielfältige Instrumente (z. B. LC-MS-Geräte), um eine breite Palette von Molekülen zu untersuchen. Anstatt viel Geld für ein eigenes Labor auszugeben, entschied sich Pragma Bio für die Remote-Einrichtung von Emerald Cloud Lab. Dadurch erhielt das Unternehmen sofortigen Zugang zu erstklassigen Instrumenten und Automatisierungslösungen, ohne dafür mehrere Millionen Dollar ausgeben zu müssen. Die Wissenschaftler von Pragma behielten die Kontrolle, indem sie ihre eigenen Experimente über die ECL-Schnittstelle entwarfen und kodierten und das Cloud-Labor als eine Erweiterung ihres Teams betrachteten. Das Ergebnis: Sie entwickelten in kürzester Zeit komplexe Analysemethoden (über 700 automatisierte LC-MS-Assays in einer Kampagne) und iterierten in einer „softwareähnlichen“ Zykluszeit, was für sie intern unpraktisch gewesen wäre. Das Unternehmen hat ein Vierteljahr experimenteller Arbeit hinter sich gebracht, bevor es überhaupt Geräte hätte installieren können, wenn es den internen Weg gewählt hätte. Dieser Fall verdeutlicht, wie Cloud-Labors Start-ups in die Lage versetzen können, frühzeitig anspruchsvolle Forschungs- und Entwicklungsarbeiten durchzuführen, indem sie den physischen Aspekt der Experimente auslagern, nicht aber die geistige Kontrolle.
Große Pharmaunternehmen beim Übergang von in-house zu Outsourcing: Wie bereits erwähnt, war das Life Sciences Studio von Eli Lilly ein ehrgeiziges internes Automatisierungsprojekt - eine vollständig robotergestützte Plattform für die Arzneimittelforschung, die 2017 mit einer Investition von 90 Mio. USD errichtet wurde. Sie vereinte viele F&E-Schritte (Wirkstoffdesign, Synthese, Screening usw.) in einer Anlage mit Fernbedienungsmöglichkeiten. Lilly nutzte sie jahrelang intern, um seine Forschung zu beschleunigen. Im Jahr 2024 beschloss Lilly jedoch, diese Anlage zu veräußern. Sie wurde von Arctoris, einem Start-up-Unternehmen, das sich auf automatisierte Forschung spezialisiert hat, übernommen und an den Standort von Arctoris verlagert. Mit dem Verkauf des Labors ging Lilly im Wesentlichen von einem firmeninternen Modell zu einem Outsourcing-Modell über (zumindest für diese Art von Arbeit) - Arctoris erbringt nun automatisierte Forschungsdienstleistungen für mehrere Kunden, die die ehemalige Lilly-Plattform nutzen. Die Gründe wurden nicht öffentlich genannt, aber man kann spekulieren: Möglicherweise hat Lilly seine F&E-Strategie neu ausgerichtet oder fand die Nutzung oder Wartung einer solchen singulären Einrichtung auf lange Sicht suboptimal. Arctoris hingegen verdoppelte seine Kapazität über Nacht durch den Erwerb dieses hochmodernen Labors, das es für viele Projekte nutzen wird. Dieses Beispiel unterstreicht, dass die Entscheidung zwischen Eigenbau und Outsourcing nicht statisch ist; ein Unternehmen kann sich ändern. Es zeigt auch, wie ein spezialisierter Automatisierungsanbieter (CRO) eine große Anlage effizienter betreiben kann, indem er die Nachfrage vieler Sponsoren bündelt, während ein einzelnes Unternehmen sie möglicherweise nicht voll ausnutzt.
Pharma-Hybrid-Ansatz und Hochdurchsatz-Screening: Viele große Pharmaunternehmen verfolgen eine hybride Strategie. Sie bauen eine interne Automatisierung für Kernaktivitäten auf, die ein hohes Volumen haben und proprietär sind, während sie andere Aufgaben auslagern. Zum Beispiel:
- Novartis verfügt über eine umfangreiche interne Robotik für das primäre Screening chemischer Bibliotheken (eine wesentliche Aufgabe mit hohem Durchsatz), kann aber spezielle Assays oder bestimmte chemische Aufgaben an CROs auslagern, wenn die internen Ressourcen ausgelastet sind.
- Pfizer, Merck, GSK und andere verfügen über interne automatisierte Screening- und Compound-Management-Einrichtungen - diese gelten als Kernkompetenzen, die sie in-house behalten. Andererseits lagern sie Dinge wie die routinemäßige chemische Synthese oder Versuche zur Leitstrukturoptimierung bei Bedarf oft an externe Partner aus.

Es zeichnet sich ein allgemeines Muster ab: Auslagerung von Aufgaben in der Frühphase oder von Hilfsaufgaben, Beibehaltung der kritischsten oder sensibelsten Automatisierung in-house. In einem Branchenkommentar heißt es, dass ein Pharmaunternehmen „die frühen Phasen der Medikamentenentwicklung auslagern und die restliche Arbeit intern erledigen“ könnte, während ein Startup-Unternehmen das Gegenteil tun könnte - alles in der Cloud -, weil es kein eigenes Labor hat. Diese flexible Aufteilung ermöglicht es jedem Unternehmen, seine Investitionen dort zu konzentrieren, wo sie den größten Nutzen bringen.

Diese Beispiele verdeutlichen, dass es nicht die eine „richtige“ Antwort gibt. Jede Organisation findet ein Gleichgewicht, das auf ihrem eigenen Kontext basiert - Ressourcen, Umfang der Forschung, Fachwissen und strategische Prioritäten. Im nächsten Abschnitt werden wir die allgemeineren Trends und Faktoren erörtern, die bei dieser Entscheidung zu berücksichtigen sind.

Zusammenfassung

Die Automatisierung wird in der chemischen und pharmazeutischen Forschung und Entwicklung immer unverzichtbarer, da sie von der Entdeckung bis zur Entwicklung eine noch nie dagewesene Geschwindigkeit und Effizienz ermöglicht. Die grundlegende Frage für F&E-Führungskräfte ist nicht, ob sie die Automatisierung einführen sollen, sondern wie sie sie einsetzen sollen. Outsourcing vs. Inhouse ist eine strategische Entscheidung mit erheblichen technischen und geschäftlichen Auswirkungen.

Outsourcing ist ein attraktiver Weg für den sofortigen Zugang zu fortschrittlichen Fähigkeiten, minimalen Anlaufkosten und elastischer Skalierung. Durch die Nutzung einer externen Infrastruktur können auch kleine Organisationen Spitzenforschung betreiben. Allerdings bringt es neue Herausforderungen in Bezug auf die Koordination, den potenziellen Verlust eines Teils der Kontrolle und langfristige Kostenüberlegungen mit sich. Sie funktioniert am besten, wenn sie gezielt eingesetzt wird - z. B. zur Bewältigung von Überschüssen, zur Durchführung genau definierter standardisierter Assays oder um Projekte in Gang zu bringen, ohne auf interne Kapazitäten zu warten.

Der Aufbau einer unternehmensinternen Automatisierung erfordert Investitionen und Voraussicht, bietet jedoch eine beispiellose Kontrolle, Sicherheit und Integration in Ihre F&E-Maschine. Für Unternehmen mit einem anhaltend hohen F&E-Durchsatz oder sehr spezialisierten Arbeitsabläufen kann dies ein entscheidender Vorteil sein. Unternehmen wie Novartis und AstraZeneca haben die enormen Produktivitätszuwächse durch interne Automatisierung demonstriert, z. B. die Vervielfachung des Durchsatzes um Größenordnungen und die Ermöglichung von Experimenten, die mit manuellen Mitteln nicht möglich wären. Der Nutzen ist am größten, wenn das interne System vollständig genutzt und auf die Kernziele des Unternehmens abgestimmt wird. Die Risiken - hohe Fixkosten, Wartung und Veralterung - bedeuten, dass dieses Engagement aktiv gesteuert werden muss.

In vielen Fällen ist die optimale Lösung eine Mischform: Behalten Sie interne Kapazitäten für das, was Sie am besten können oder was Sie besonders gut schützen müssen, und lagern Sie andere Aspekte aus Effizienzgründen an vertrauenswürdige Partner aus. Eine durchdachte Kombination kann das Beste aus beiden Welten hervorbringen - Flexibilität, Größe und Innovation. Einige Unternehmen lagern beispielsweise das Screening in der Frühphase aus, um die Suche nach Hits zu beschleunigen, führen dann die Leitstrukturoptimierung in ihrem eigenen automatisierten Labor durch, um IP-reiches Wissen aufzubauen, und lagern später bestimmte Prozessentwicklungsaufgaben an spezialisierte CDMOs aus. Diese Art von nuanciertem Ansatz erfordert eine kontinuierliche Bewertung Ihres Portfolios und der verfügbaren externen Tools.

Bei der Entscheidung sollten Sie die folgenden strategischen Fragen berücksichtigen:

Welchen Umfang und welche Häufigkeit haben unsere Experimente? (Kleine oder sporadische Anforderungen begünstigen das Outsourcing; große, konstante Arbeitsbelastungen sind eher intern zu bewältigen).
Wie einzigartig oder proprietär sind unsere Methoden? (Einzigartige Methoden erfordern möglicherweise maßgeschneiderte innerbetriebliche Vorkehrungen; Standardmethoden können sicher ausgelagert werden).
Haben wir das Fachwissen für die Automatisierung oder können wir es aufbauen? (Wenn nicht sofort, könnte eine Partnerschaft helfen, diese Fähigkeit im Laufe der Zeit aufzubauen?)
Wie hoch sind die tatsächlichen Kosten und Risiken der einzelnen Optionen über einen Zeitraum von 5-10 Jahren? (Berücksichtigen Sie dabei auch versteckte Kosten wie den Verwaltungsaufwand oder die potenziellen Opportunitätskosten einer langsameren Forschung).
Wie wichtig ist Geschwindigkeit für unsere Wettbewerbsposition? (Outsourcing kann schneller beginnen; intern kann man potenziell schneller iterieren, wenn man sich etabliert hat).
Gibt es Hybridmodelle, die unsere Stärken ausspielen? (Ermitteln Sie, welche Elemente der F&E Sie selbst besitzen müssen und welche effizient ausgelagert werden können).

Wenn Unternehmen diese Faktoren sorgfältig abwägen und von Beispielen aus der Branche lernen, können sie eine Strategie entwickeln, die das Potenzial der Automatisierung voll ausschöpft. Letztendlich ist das Ziel dasselbe, egal ob ausgelagert, intern durchgeführt oder eine Mischung aus beidem: die Innovation zu beschleunigen, die F&E-Produktivität zu verbessern und bessere Produkte schneller auf den Markt zu bringen. Diejenigen, die bei dieser Entscheidung die Mischung aus Technologie und Strategie beherrschen, werden in der neuen Ära der automatisierten, datengesteuerten F&E gut aufgestellt sein.

Bemerkung zur Qualitätssicherung und Nutzung von KI

Dieser Artikel wurde mit Hilfe von 5-HTs eigenem KI-Agenten namens „Hatty“ strukturiert, formatiert, bearbeitet und teilweise geschrieben. Jeder von Hatty generierte Text wurde vom Autor überarbeitet, aktualisiert, angereichert und mit Querverweisen versehen.

Quellen

[1] HighRes Biosolutions. “Controlling Costs of Drug Discovery Through Automation.” (2022). Website: https://highresbio.com/news/controlling-costs-of-drug-discovery-through-automation

[2] Genentech News/GEN. “Laboratory Automation Reaches Every Stage of Drug Development.” (2023). Article: https://www.genengnews.com/topics/artificial-intelligence/laboratory-automation-reaches-every-stage-of-drug-development/

[3] Cichocki. Colabra Tech Blog. “Cloud labs: The future of scientific R&D.”(2023) Blog Article: https://www.colabra.ai/blog/cloud-labs-future-of-scientific-r-d/

[4] Buvailo. BiopharmaTrend (2023). Article: https://www.biopharmatrend.com/post/146-the-evolving-pharma-rd-outsourcing-industry-a-birds-eye-view/

[5] Buntz. Pharmaceutical Processing World. “Merck KGaA Q&A: Solving pharma’s ‘make’ step with SYNTHIA AI synthesis planning.” (2025). Article: https://www.pharmaceuticalprocessingworld.com/merck-kgaa-qa-solving-pharmas-make-step-with-synthias-ai-synthesis-planning/

[6] Broadley. Emerson Automation. “Automating Process Development Labs.” (2012). Article: https://www.emersonautomationexperts.com/2012/industry/life-sciences-medical/automating-process-development-labs/

[7] Blackburn. Emerald Cloud Lab. “Hidden Costs of Outsourcing.” (2021). Blog post: https://blog.emeraldcloudlab.com/hidden-costs-of-outsourcing/

[8] Kasianov. BioPharmTrend. “Eli Lilly Sells Automated Lab to Arctoris.” (2024). Article: https://www.biopharmatrend.com/post/949-eli-lilly-sells-automated-lab-to-arctoris-platform-relocates-to-oxford/

[9] Strateos Website: https://strateos.com/ (Accessed: 16.06.2025)

[10] Culture Biosciences Website: https://www.culturebiosciences.com/ (Accessed: 16.06.2025)

[11] Hostetler. Emerald Cloud Lab. “Cloud Case: Pragma Bio.” (2024). Blog post: https://blog.emeraldcloudlab.com/cloud-case-pragma-bio-x-emerald-cloud-lab/