06.10.2025
FROM SCIENCE TO BUSINESS

Life Sciences: Warum Innovationen einen langen Atem benötigen

In kaum einer Branche ist der Weg von der Idee bis zum marktreifen Produkt so lang wie in den Life Sciences. Die dritte Folge unserer Serie From Science to Business setzt sich mit den besonderen Herausforderungen dieser Branche auseinander.
/artikel/from-science-to-business-nachlese-3
Manfred Rieger, Geschäftsführer und Standortleiter Forschung & Entwicklung bei Takeda Österreich, und Christine Bandtlow, Vizerektorin für Forschung und Internationales an der Medizinischen Universität Innsbruck (MUI) | (c) brutkasten

Warum dauert es oft zehn Jahre und Milliardeninvestitionen, bis ein Medikament auf den Markt kommt? Welche Rolle spielen Universitäten und Spin-offs in diesem Prozess? Und welche Stärken und Schwächen hat der Life-Science-Standort Österreich? Diese Fragen standen im Mittelpunkt der dritten Folge von From Science to Business mit Christine Bandtlow, Vizerektorin für Forschung und Internationales an der Medizinischen Universität Innsbruck (MUI), und Manfred Rieger, Geschäftsführer und Standortleiter Forschung & Entwicklung bei Takeda Österreich.

Die Life-Sciences-Branche ist eines der komplexesten Innovationsfelder überhaupt. Während digitale Geschäftsmodelle innerhalb weniger Monate getestet und skaliert werden können, braucht es in der Medikamentenentwicklung jahrelange Forschung, regulatorische Genehmigungen und hohe Investitionen. Hinzu kommt: Nur ein Bruchteil der Projekte erreicht tatsächlich den Markt. Für Universitäten, Startups und Unternehmen bedeutet das enorme Risiken – aber auch große Chancen, wenn der Durchbruch gelingt.

„Wir rechnen in der Industrie im Schnitt mit zehn Jahren, bis ein Kandidat als Produkt am Markt ist. Und die Erfolgswahrscheinlichkeit liegt ebenfalls bei rund zehn Prozent“, erklärt Manfred Rieger. Wer in den Life Sciences erfolgreich sein will, braucht nicht nur Forschergeist, sondern auch langen Atem, Kapital und strategische Partnerschaften.

Vom Wirkstoff zur Zulassung: Ein langer Weg

Der Weg vom ersten Wirkstoff zur Zulassung gleicht einem Marathon, der in mehreren Etappen absolviert werden muss. Schon die Identifizierung eines Kandidaten dauert Jahre, in denen tausende Substanzen getestet und wieder verworfen werden. Erst wenn sich eine als potenziell wirksam herausstellt, folgt die präklinische und klinische Forschung.

Ist die Präklinik erfolgreich, beginnt die klinische Forschung am Menschen. Sie verläuft in drei Phasen: In Phase 1 wird der Wirkstoff an gesunden Proband:innen getestet, in Phase 2 stehen Dosierung und mögliche Nebenwirkungen im Vordergrund, und in Phase 3 folgen groß angelegte Wirksamkeitsstudien, die oft über Jahre hinweg laufen können. „Das Schlimmste, was passieren kann, ist ein Scheitern in Phase 3. Dann sind schon enorme Ressourcen geflossen“, betont Rieger.

Die Kosten summieren sich auf durchschnittlich 1,5 Milliarden Euro pro Medikament, wenn man auch die gescheiterten Projekte mit einrechnet, da im Schnitt nur rund zehn Prozent Marktreife erlangen. Das erklärt, warum robuste Pipelines und kluge Kooperationsstrategien für Pharmaunternehmen und Startups gleichermaßen entscheidend sind.

Universitäten als Brutstätten für Ideen

Während Konzerne wie Takeda über globale Entwicklungszyklen verfügen, stellt sich an Universitäten die Frage, wie aus wissenschaftlichen Erkenntnissen überhaupt anwendbare Innovationen entstehen können. Für Christine Bandtlow ist klar: Die Grundlagenforschung bleibt eine entscheidende Quelle, doch sie braucht Strukturen, die den Transfer ermöglichen.

An der Medizinischen Universität Innsbruck (MUI) wurde dafür 2024 das MedLifeLab als Innovation Hub und strategische Beteiligungsgesellschaft gegründet. Die 100-Prozent-Tochter versteht sich als Innovationszentrum für translationale Forschung und Spin-offs. Schwerpunkte liegen in den Bereichen personalisierte Medizin, Gen- und Zelltherapien sowie digitale Gesundheit. Ziel ist es, Forschungsergebnisse aus der Universität in Richtung Ausgründung oder Lizenzmodell zu begleiten und dafür mit Partnern aus Wissenschaft, Wirtschaft und Investoren-Ökosystem zu kooperieren.

v.l. Martin Pacher mit Christine Bandtlow und Manfred Rieger | (c) brutkasten

„Wir prüfen in einer sehr frühen Phase, ob Innovationspotenzial in einem Forschungsprojekt steckt. Forschende kommen mit ihren Ideen, manchmal noch sehr unausgereift. Dann arbeiten Expert:innen im MedLifeLab mit ihnen zusammen und es geht in eine Konsolidierungsphase“, erklärt Bandtlow.

In dieser Phase wird entschieden, ob der Weg Richtung Lizenzverwertung oder Richtung Ausgründung führt. Geht es in Richtung Spin-off, stehen Teambuilding, Business Development und Investorensuche im Vordergrund. Für die Forschenden bedeutet das auch einen Perspektivenwechsel. „Wir wollen zeigen, dass es auch eine andere Karriereschiene gibt: Ausgründungen, Startups, Unternehmertum“, betont Bandtlow. Neben der klassischen akademischen Laufbahn mit Publikationen, Habilitation und Professur eröffnet sich damit ein alternativer Weg: die Rolle als Gründer:in, Unternehmer:in oder Teil eines Startup-Teams, das wissenschaftliche Ergebnisse in marktfähige Produkte überführt.

Das MedLifeLab ist dabei auch international vernetzt – etwa mit EU-Forschungsprogrammen und Initiativen wie „Innovative Health Initiative“. Diese Anbindung soll den Innsbrucker Standort stärken und Forscher:innen die Möglichkeit geben, nicht nur lokal, sondern europaweit sichtbar zu werden.

Selbst mit einem funktionierenden Innovationspfad bleibt die Finanzierung eine Achillesferse. Vor allem Frühphasenprojekte haben es schwer, weil die Risiken immens und die Entwicklungszyklen lang sind. „Bei Medizinprodukten ist es leichter, Investoren zu finden. Wenn es aber Richtung biomedizinische Forschung geht, dauert es lange – und damit auch der Ausgründungsprozess“, erklärt Bandtlow.

Kooperationen als Erfolgsfaktor

Kooperationen sind ein weiterer Schlüssel, um Risiken zu minimieren und Entwicklungen zu beschleunigen. Große Unternehmen wie Takeda setzen bewusst auf ein breites Netz an Partnerschaften. „60 Prozent unserer Pipeline wird in Partnerschaften bearbeitet“, berichtet Rieger. „Wir haben rund 180 bis 200 externe Kollaborationen mit Startups, Universitäten und Forschungseinrichtungen.“

Die Modelle reichen von reinen Technologieentwicklungen über wissenschaftliche Kooperationen bis hin zu gemeinsamen Proof-of-Concept-Projekten. Entscheidend sei, dass die Zusammenarbeit funktioniere: „Die Chemie muss stimmen – sowohl mit Kliniken als auch mit Spin-offs.“

Ein Blick auf Takeda in Österreich zeigt, wie umfassend das Unternehmen aufgestellt ist und wie groß das Potenzial für Zusammenarbeit mit Forschungseinrichtungen sein kann. Das japanische Biopharma-Unternehmen beschäftigt hierzulande mehr als 4.500 Mitarbeiter:innen und zählt Österreich zu seinen wichtigsten Produktions- und Forschungsstandorten weltweit. In Wien befindet sich, neben Boston (USA) und Shonan (Japan), das größte Forschungs- und Entwicklungszentrum von Takeda in Europa. In Linz betreibt Takeda außerdem einen der größten Produktionsstandorte für biopharmazeutische Wirkstoffe in Europa.

Manfred Rieger | (c) brutkasten

Auch in der klinischen Forschung ist Takeda Österreich stark engagiert. Gemeinsam mit heimischen Partnern wie der MedUni Wien betreibt das Unternehmen Studien, unter anderem zu seltenen Krankheiten wie cTTP, aber auch zu innovativen Therapien. Kooperationen mit der Christian-Doppler-Gesellschaft oder im Rahmen der FFG/COMET-Programme zeigen, wie Industrie und Wissenschaft hier Hand in Hand arbeiten.

Standort Österreich im internationalen Vergleich

Wie gut ist Österreich für die Zukunft der Life Sciences gerüstet? Hier gehen die Einschätzungen von Bandtlow und Rieger ins Detail – und zeigen, wo Chancen und Defizite liegen.

Bandtlow verweist auf neue Rahmenbedingungen aus Brüssel: „Die EU hat mit dem Life-Science-Act 2030 klare Impulse gesetzt. Für Österreich ist das eine Chance. Aber: Klinische Forschung wird von öffentlicher Hand nach wie vor zu wenig unterstützt.“ Zwar gebe es erste Programme, etwa über die Ludwig-Boltzmann- oder die Christian-Doppler-Gesellschaft, doch im internationalen Vergleich sei das Angebot zu klein. „Während in Deutschland oder Frankreich jedes Jahr Dutzende klinische Forschungsgruppen gefördert werden, sind es bei uns nur drei. Das reicht nicht, um nachhaltig eine starke Basis aufzubauen.“

Ein weiteres Problem sieht sie in den Karrierewegen für junge Forscher:innen. „Wir kommen sehr aus dem klassischen akademischen Modell, wo die Professur das höchste Ziel ist. Viele junge Leute wollen aber früher mit ihren Entdeckungen in die Anwendung. Dafür fehlen in Österreich oft die passenden Strukturen und personalrechtlichen Rahmenbedingungen.“

Rieger wiederum betont die Stärken: „Wir brauchen uns ausbildungstechnisch nicht zu verstecken – weder vor den USA noch Japan. Das Niveau ist sehr hoch.“ Zugleich fordert er ein selbstbewussteres Auftreten und bessere Finanzierungsmodelle. „Life Sciences sind kostenintensiv, man kann das nicht mit klassischen Startups vergleichen. Wenn wir wollen, dass mehr Spin-offs entstehen, müssen wir adäquate Modelle entwickeln, die auch Risiken abfedern.“

Besonders wichtig sei für ihn die klinische Forschung: „Jeder Euro, der in klinische Studien investiert wird, bringt zwei Euro für die Volkswirtschaft zurück. Das ist ein Treiber, weil so viel dranhängt. Unternehmen profitieren, Universitäten profitieren, und der Standort insgesamt wird attraktiver.“


Takeaways

  • Sehr gute Ausbildung: Österreichs Hochschulen liefern Spitzenforschung und gut ausgebildete Fachkräfte.
  • Fehlende Finanzierung: Besonders Frühphasenprojekte im biomedizinischen Bereich haben zu wenig Kapitalzugang.
  • Klinische Forschung unterfinanziert: Nur wenige Programme, deutlich weniger als in Deutschland oder Frankreich.
  • Karrieremodelle im Wandel: Forschende sollen künftig leichter zwischen Wissenschaft und Unternehmertum wechseln können.
  • Hoher volkswirtschaftlicher Nutzen: Jeder Euro in klinische Forschung bringt zwei Euro zurück.
  • Chancen durch EU-Rahmen: Life-Science-Act 2030 bietet Rückenwind, muss aber national umgesetzt werden.
  • Mentalität & Selbstbewusstsein: Mehr Unternehmergeist und Mut zum Risiko wären nötig, um internationale Talente anzuziehen.

Diese Themen werden in „From Science to Business“ behandelt:

Folge 1: Status quo der Spin-offs in ÖsterreichStrukturen, Leistungsvereinbarungen, Beteiligungsgesellschaften und Mindset-Veränderungen an Hochschulen.
Folge 2: Von der Idee zum Patent und Spin-offWie Universitäten und Industrie den Transferpfad gestalten, inkl. IP- und Scouting-Prozesse.
Folge 3: Life Sciences im FokusLange Entwicklungszyklen von Medikamenten, hohe Investitionskosten und wie MedLifeLab und Takeda Spin-offs und Innovationen unterstützen.
Folge 4: Finanzierung von DeepTech-Spin-offs (erscheint am 8.10.2025) Herausforderungen langer Entwicklungszyklen, Evergreen-Fonds, Co-Investments und Investorensicht.
Folge 5: Kooperationen als Erfolgsfaktor (erscheint am 15.10.2025)Von der Idee zum globalen Skalieren. Wie Universitäten, Inkubatoren und Industriepartner Innovationen gemeinsam entwickeln.
Folge 6: Gründungsmindset an Hochschulen stärken (erscheint am 22.10..2025)Best Practices, Infrastruktur und Anreizsysteme, um mehr Spin-offs bis 2030 zu ermöglichen.

„From Science to Business“ setzen wir gemeinsam mit unseren Partnern AplusB (Academia plus Business), Austria Wirtschaftsservice (aws), MedLifeLab Innovation Hub (Medizinische Universität Innsbruck), Noctua Science Ventures, JKU – LIT Open Innovation Center (Johannes Kepler Universität Linz), OÖ HightechFonds, Spin-off Austria, Takeda, tecnet equity, The Spinoff Factory (Technische Universität Wien), Universität Innsbruck und WU (Wirtschaftsuniversität Wien) um.

Deine ungelesenen Artikel:
10.11.2026

KI-Agenten gezielt steuern: Warum klare Grenzen im Kundenservice entscheidend sind

KI-Agenten können im Kundenservice viel leisten, solange sie wissen, wo ihre Grenzen liegen. Ein Gastbeitrag über die gezielte Steuerung von KI im Kundenkontakt.
/artikel/ki-agenten-gezielt-steuern-warum-klare-grenzen-im-kundenservice-entscheidend-sind
10.11.2026

KI-Agenten gezielt steuern: Warum klare Grenzen im Kundenservice entscheidend sind

KI-Agenten können im Kundenservice viel leisten, solange sie wissen, wo ihre Grenzen liegen. Ein Gastbeitrag über die gezielte Steuerung von KI im Kundenkontakt.
/artikel/ki-agenten-gezielt-steuern-warum-klare-grenzen-im-kundenservice-entscheidend-sind

Ein Kunde fragt nach dem Lieferstatus seiner Bestellung. Ein anderer benötigt eine Produktempfehlung. Ein dritter möchte wissen, welche Bedingungen für eine Reklamation gelten. Obwohl alle drei Anfragen im Kundenservice eingehen, stellen sie unterschiedliche Anforderungen an den Einsatz künstlicher Intelligenz. Denn während eine Produktberatung individuell formuliert werden kann, müssen Auskünfte zu Vertragsbedingungen auf verbindlichen Informationen beruhen.

Für mittelständische Unternehmen stellt sich deshalb eine zentrale Frage: Wie lässt sich genau festlegen, welche Informationen KI-Agenten nutzen und welche Aufgaben sie eigenständig übernehmen dürfen?

Unternehmen müssen bestimmen, worauf die KI zugreifen darf

Moderne Sprachmodelle können Informationen verarbeiten, Zusammenhänge erkennen und Antworten formulieren. Im Kundenservice reicht diese Fähigkeit allein jedoch nicht aus. Entscheidend ist, dass die KI ausschließlich auf Informationen und Funktionen zugreift, die für das jeweilige Anliegen freigegeben sind.

Bei Fragen zu Lieferbedingungen sollte sie beispielsweise nur die aktuellen Unternehmensrichtlinien berücksichtigen. Bei einer allgemeinen Produktberatung kann es dagegen sinnvoll sein, verschiedene Wissensquellen miteinander zu verknüpfen. Für eine Bestellstatusabfrage wiederum benötigt der Agent Zugriff auf aktuelle Daten aus einem angebundenen System.

Was in der Praxis häufig unterschätzt wird: KI muss im Unternehmen nicht als frei agierendes System eingesetzt werden. Durch gezielte Konfiguration lassen sich Informationsquellen, Antwortvorgaben und Handlungsmöglichkeiten so eingrenzen, dass KI-Agenten innerhalb klar definierter Regeln arbeiten. Damit können Unternehmen KI auch dort einsetzen, wo Verlässlichkeit und Kontrolle besonders wichtig sind.

Dabei lässt sich nicht nur festlegen, welche internen Dokumente, Datenbanken oder externen Quellen verwendet werden dürfen. Auch der Zugriff auf eine Websuche oder die Ausführung bestimmter Aktionen kann eingeschränkt werden.

Restriktiv, generativ oder agentisch: Der Anwendungsfall entscheidet

Je nach Aufgabe können unterschiedliche KI-Ansätze zum Einsatz kommen. Diese schließen sich nicht gegenseitig aus, sondern lassen sich innerhalb einer Kundenservice-Lösung miteinander kombinieren.

Restriktive KI: Antworten innerhalb klarer Vorgaben

Bei verbindlichen Auskünften sind enge Grenzen notwendig. Ein restriktiv konfigurierter KI-Agent greift ausschließlich auf freigegebene Informationen zurück und darf definierte Antwortvorgaben nicht verlassen.

Fehlen die erforderlichen Informationen, sollte das System keine Aussagen ergänzen oder Vermutungen anstellen. Stattdessen kann es die Anfrage an einen Mitarbeitenden weiterleiten.

Dieser Ansatz eignet sich beispielsweise für Garantiebedingungen, Vertragsinformationen oder sensible Serviceprozesse.

Generative KI: Individuelle Antworten auf kontrollierter Wissensbasis

Andere Anliegen erfordern eine flexiblere Kommunikation. Möchte ein Kunde mehrere Produkte vergleichen oder technische Zusammenhänge verstehen, kann generative KI Informationen aus hinterlegten Wissensquellen zusammenführen und verständlich aufbereiten.

Dabei muss die KI nicht auf ihr allgemeines Trainingswissen zurückgreifen. Sie kann so konfiguriert werden, dass ihre Antworten ausschließlich auf ausgewählten Unternehmensinformationen basieren. Die Formulierung bleibt flexibel, während die zugelassenen Informationsquellen klar definiert sind.

Agentische KI: Aufgaben innerhalb festgelegter Berechtigungen ausführen

Agentische KI geht über die reine Beantwortung von Fragen hinaus. Sie kann verfügbare Werkzeuge auswählen, Schnittstellen nutzen und mehrstufige Aufgaben bearbeiten.

Beispielsweise kann ein KI-Agent eine Bestellnummer entgegennehmen, den zugehörigen Status über eine Schnittstelle abfragen und die Information anschließend verständlich ausgeben.

Welche Aktionen er ausführen darf, legt das Unternehmen fest. Ein Agent kann somit berechtigt sein, Bestelldaten abzurufen, ohne gleichzeitig Änderungen oder Stornierungen vornehmen zu dürfen.

Die Steuerung erfolgt auf Ebene einzelner Anliegen

Für mittelständische Unternehmen ist es häufig sinnvoll, nicht sämtliche Kundenanfragen nach denselben Regeln bearbeiten zu lassen.

So lässt sich beispielsweise festlegen, dass ein Agent bei Fragen zu Unternehmensrichtlinien ausschließlich interne Dokumente verwendet. Bei allgemeinen Fachfragen kann eine ergänzende Websuche erlaubt sein. Geht es hingegen um kundenspezifische Informationen, erfolgt der Zugriff über eine autorisierte Schnittstelle.

Auch die Grenzen der Automatisierung können individuell definiert werden. Während ein Agent den Bearbeitungsstand einer Reklamation selbstständig mitteilen darf, kann eine Erstattungsentscheidung weiterhin einem Mitarbeitenden vorbehalten bleiben.

Entsprechende Möglichkeiten zur Verknüpfung von Wissensquellen, KI-Funktionen und bestehenden Systemen bieten Plattformen wie DialogBits für den KI-gestützten Kundenservice.

Praxisbeispiel: KI-Agent beim HERDT-Verlag

Wie sich die Bearbeitung unterschiedlicher Kundenanliegen mit kontrollierten Systemzugriffen verbinden lässt, zeigt der HERDT-Verlag für Bildungsmedien.

Dort unterstützt der KI-Agent „Berti“ Kunden im Online-Shop. Über angebundene Werkzeuge kann er unter anderem Bestellinformationen abrufen und verschiedene Anliegen innerhalb eines Gesprächs bearbeiten.

Die verfügbaren Funktionen und ihre Einsatzmöglichkeiten werden dabei konfiguriert. Anhand der jeweiligen Kundenanfrage wählt der Agent ein geeignetes Werkzeug aus, ohne uneingeschränkten Zugriff auf sämtliche Systeme zu erhalten.

In den ersten zwei Wochen nach der Umstellung beantwortete Berti bereits 76 Kundenanfragen eigenständig. Die Success Story des HERDT-Verlags zeigt, wie dieser Ansatz in der Praxis umgesetzt wurde.

Fazit: Kontrolle ist die Grundlage sinnvoller Automatisierung

Der Einsatz von KI-Agenten im Kundenservice bedeutet nicht, künstlicher Intelligenz möglichst viele Freiheiten einzuräumen. Vielmehr müssen Unternehmen bestimmen können, welche Informationen genutzt, welche Antworten formuliert und welche Aktionen ausgeführt werden dürfen.

Gerade für mittelständische Betriebe liegt darin ein wesentlicher Vorteil: Unterschiedliche Serviceprozesse lassen sich automatisieren, ohne für jede Anfrage denselben Handlungsspielraum zuzulassen. Entscheidend ist nicht, wie viel ein KI-Agent grundsätzlich kann, sondern was er im jeweiligen Kontext tatsächlich darf.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Life Sciences: Warum Innovationen einen langen Atem benötigen

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Life Sciences: Warum Innovationen einen langen Atem benötigen

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Life Sciences: Warum Innovationen einen langen Atem benötigen

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Life Sciences: Warum Innovationen einen langen Atem benötigen

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Life Sciences: Warum Innovationen einen langen Atem benötigen

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Life Sciences: Warum Innovationen einen langen Atem benötigen

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Life Sciences: Warum Innovationen einen langen Atem benötigen

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Life Sciences: Warum Innovationen einen langen Atem benötigen

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Life Sciences: Warum Innovationen einen langen Atem benötigen