KI verändert das «Wie», nicht das «Was»

• Sébastien Pires
  Head AI
  BB Biotech

• Rachael Burri
  Head Investor Relations
  BB Biotech

Sébastien, du bist 2026 als erster Head AI zu BB Biotech gestossen. Was hast du bei deinem Einstieg vorgefunden und wo hast du das grösste Potenzial gesehen, unseren bestehenden Investmentprozess mit KI weiterzuentwickeln?

Ich stiess auf ein sehr erfahrenes Investmentteam mit einem über Jahrzehnte entwickelten Ansatz. Biotech war für mich zunächst ein neues Feld. Das hatte auch einen Vorteil: Ich konnte mit unvoreingenommenem Blick auf bestehende Prozesse schauen und schnell lernen, wie aus wissenschaftlicher Evidenz eine Investmententscheidung entsteht.

Die Philosophie war jedoch glasklar: Alles beginnt mit der Wissenschaft.

Die Chance lag auf der technologischen Seite. Das Problem war nicht der Zugang zu Informationen, sondern deren Fragmentierung. Wissen war über Personen, Modelle, Dokumente und Systeme verteilt. Mein Ziel war es, diese Elemente in einem Investmentsystem zusammenzuführen, das Zusammenhänge bewahrt, Wissen kontinuierlich aufbaut und dem Team die nötige Analysetiefe in der für das Portfolio erforderlichen Breite ermöglicht, ohne die Grundlagen der Investmententscheidung zu verändern.

BB Biotech hatte das «Was» bereits. Was wir aufbauen, ist das «Wie».

Wir bei BB Biotech sprechen bewusst von einem proprietären «Betriebssystem» und nicht von einer KI-Plattform. Was ist der entscheidende Unterschied und weshalb entwickeln wir diese Ebene selbst?

Eine Plattform stellt Funktionen bereit. Wir bauen ein Betriebssystem, das denkt und sich erinnert. Man kann es sich als Verbindung von 30 Jahren gesammelter Daten mit der Art und Weise vorstellen, wie unsere Analysten Biotechnologie verstehen. 

In Anspielung auf BB Biotech haben wir es «bibi» genannt. Es verbindet Dinge, die normalerweise voneinander getrennt sind: Nachrichten, Research, Katalysatoren, Annahmen, Modelle, Entscheidungen und Ergebnisse. Nicht mehr das Dokument bildet die Arbeitseinheit, sondern die Investmentfrage zusammen mit der zugrunde liegenden Evidenz und Argumentation.

Dass wir dieses System selbst entwickeln, bedeutet nicht, dass wir ein eigenes Basismodell kreieren. Ganz im Gegenteil: Modelle werden zunehmend zu einer austauschbaren Infrastruktur, und wir sollten jede Verbesserung nutzen. Was wir selbst besitzen müssen, ist die für uns spezifische Ebene: wie wir Biotechnologie abbilden, wie Evidenz mit einer Investmentthese verknüpft wird, wie unsere Analysten argumentieren und wie sich diese Argumentation im Zeitverlauf weiterentwickelt.

Klinische Studiendaten können einen Investment Case innerhalb kürzester Zeit verändern. Was passiert bei bibi, wenn solche Daten veröffentlicht werden und was unterscheidet den Prozess von einer Anfrage an einen Chatbot?

Ein Chatbot beginnt mit einer Frage – bibi beginnt mit dem Investmentkontext.

Wenn klinische Studiendaten veröffentlicht werden, wissen wir bereits, worauf es ankommt. Das System hat Zehntausende möglicher Ergebnisszenarien anhand des Studiendesigns, unserer Annahmen, der Bewertung und des Portfolios durchgespielt. Noch bevor die Daten vorliegen, haben wir also definiert, was ein starkes, schwaches oder uneindeutiges Ergebnis bedeuten würde.

Unsere Agenten ziehen die Primärquellen heran, gleichen die veröffentlichten Zahlen mit dem Studiendesign und früheren Daten ab und zeigen alles auf, was nicht dem erwarteten Muster entspricht.

bibi versucht nicht, als Erstes ein Urteil zu fällen. An den Märkten mangelt es nicht an schnellen Meinungen. Unser Ziel ist es, als Erste die richtige Frage strukturiert zu stellen. Was hat sich tatsächlich verändert? Welche Annahme hat sich verschoben? Ist die Unsicherheit gesunken oder gestiegen? Reagiert der Markt auf die Schlagzeile oder auf etwas, das die wirtschaftlichen Aussichten des Wirkstoffs verändert?

An diesem Punkt übernimmt das Team.

Genau dieser letzte Punkt dürfte für viele Anleger zentral sein. Wenn ein System Studien analysieren, Szenarien rechnen und Investmentthesen hinterfragen kann: Wo ziehen wir die Grenze zwischen technologischer Unterstützung und eigentlicher Investmententscheidung?

Ich halte eine starre Zuweisung von Aufgaben an Mensch oder Maschine nicht für sinnvoll. Diese Grenze wird sich laufend verschieben.

Dauerhafter ist die Unterscheidung zwischen Berechnung und Urteilsvermögen. KI kann eine Studie analysieren, eine Annahme hinterfragen, Szenarien erstellen, Inkonsistenzen erkennen und sogar dafür argumentieren, dass wir unsere Einschätzung ändern sollten. Ich möchte, dass sie all das tut.

Doch irgendwann geht die Frage «Was lässt sich aus der Evidenz ableiten?» über in «Woran glauben wir, wie hoch ist unsere Überzeugung und wie viel Kapital sind wir bereit, dafür einzusetzen?». Das ist eine Investmententscheidung, und die liegt beim Investmentteam.

Daneben gibt es eine klare Grenze bei der Nachvollziehbarkeit der Evidenz. Kann das System nicht belegen, woher eine wesentliche Aussage stammt, existiert diese Aussage für uns nicht. Geschwindigkeit ist nützlich. Geschwindigkeit ohne Nachvollziehbarkeit ist es nicht.

Für mich ist aus Investorensicht noch ein zweiter Punkt wichtig: Mehr Daten und Geschwindigkeit bedeuten nicht automatisch bessere Entscheidungen. Wie verhindern wir, dass KI im Biotechsektor vor allem zusätzliches Rauschen erzeugt?

Rauschen entsteht, wenn ein System alles liest, aber nichts davon als relevant einordnet. Deshalb haben wir bibi vorgegeben, worauf es uns ankommt: Wir wollen bei jedem Unternehmen wissen, ob das Medikament wirkt, ob es sicher ist und was unsere Erfolgswahrscheinlichkeit, die Bewertung und das von uns getragene Risiko verändern würde. Neue Informationen sind nur dann relevant, wenn sie eine dieser Einschätzungen verändern. Andernfalls bleiben sie im Hintergrund.

Das funktioniert, weil bibi weiss, wie die einzelnen Elemente zusammenhängen: Ein klinisches Ergebnis gehört zu einem Medikament, das Medikament bestimmt einen Teil des Unternehmenswerts und das Unternehmen ist Bestandteil unseres Portfolios. Ohne diese Verknüpfungen liest man lediglich schneller.

Mein Massstab für bibi ist einfach: Wenn sich an einem Investment Case tatsächlich etwas ändert, soll das Team dies so früh wie möglich erkennen.

Wir sprechen viel über Effizienz und bessere Informationsverarbeitung. Mich interessiert aber fast noch mehr die langfristige Wirkung. BB Biotech verfügt über mehr als 30 Jahre Investmenterfahrung. Was kann bibi daraus machen, was bisher nicht möglich war?

Was mich am meisten begeistert, ist der konstruktive Widerspruch. Wir bauen bibi so, dass das System widerspricht: Es soll eine These hinterfragen, eine Annahme infrage stellen und sämtliche Evidenz darlegen. Besonders spannend wird es, wenn das System einem Analysten widerspricht, der ein Unternehmen seit zehn Jahren verfolgt. Manchmal hat der Analyst recht und das System lernt. Manchmal hat das System recht und wir erkennen etwas, das uns sonst entgangen wäre. In beiden Fällen werden wir besser. Überträgt man das Woche für Woche und Jahr für Jahr auf jedes Unternehmen, das wir analysieren, entsteht ein sich kontinuierlich verbesserndes Urteilsvermögen.

Wenn wir also drei oder fünf Jahre in die Zukunft schauen: Wo sollte der eigentliche Wettbewerbsvorteil von BB Biotech liegen – in leistungsfähigeren KI-Modellen oder in dem Wissen, das wir mit deren Hilfe aufbauen?

In einigen Jahren werden die Modelle kaum wiederzuerkennen sein. Deshalb mache ich keine Prognosen zur Technologie. Unser Wettbewerbsvorteil sollte aber ohnehin nie in den Modellen selbst liegen. Entscheidend ist die Ebene darum herum: der Kontext, die Argumentation, die Erinnerung an jede Entscheidung und daran, warum wir sie getroffen haben. In den meisten Unternehmen geht dieses Wissen jedes Mal verloren, wenn jemand das Unternehmen verlässt. Wenn bibi seine Aufgabe erfüllt, wird das bei uns nicht passieren.  

__

Zu den Autoren

Sébastien Pires wurde 2026 zum ersten Head AI von BB Biotech ernannt. Er verantwortet die KI-Strategie und die Entwicklung von bibi. 

Rachael Burri ist Head Investor Relations bei BB Biotech und verantwortet den Dialog mit Aktionären, Analysten und weiteren Kapitalmarktteilnehmern.