Das Berliner Start-up sci2sci sammelt 1,2 Millionen Euro ein, um Software für nachvollziehbare KI-Ausgaben in Biopharma und anderen regulierten Sektoren zu entwickeln. Welche technischen Ansätze und Grenzen gibt es
Die Frage, wie Unternehmen in streng regulierten Branchen wie Biopharma oder Finanzwesen die Vertrauenswürdigkeit von KI-Systemen und Datenflüssen sicherstellen können, ist längst keine akademische Debatte mehr. Mit einer Pre-Seed-Finanzierung von 1,2 Millionen Euro will das Berliner Start-up sci2sci nun eine technische Antwort liefern - und setzt dabei auf eine Infrastruktur, die Nachvollziehbarkeit und Belegpflicht von KI-Ausgaben zum Standard machen soll.
Finanzierung und Investorenstruktur
Die aktuelle Runde wurde von Heliad und IBB Ventures gemeinsam angeführt. Zusätzlich beteiligten sich Robin Capital und Superangels. Das Kapital ist laut sci2sci für die Erweiterung des Entwicklerteams, die Vertiefung bestehender Pilotprojekte und die Erschließung weiterer Kunden im Biopharma-Sektor vorgesehen. Die Gründer Angelina Lesnikova und Valerii Kremnev verfolgen damit das Ziel, die eigene Technologie auch auf andere regulierte Industrien wie Banken auszuweiten.
Mit der Summe von 1,2 Millionen Euro bewegt sich sci2sci im Bereich früher Finanzierungsphasen, wie sie für Infrastruktur-Start-ups im KI-Umfeld typisch sind. Vergleichbare Beträge wurden zuletzt auch von anderen europäischen Anbietern für Datenplattformen und KI-Governance eingesammelt, wie ein früherer Bericht zeigt.
Technische Ansätze für Nachvollziehbarkeit
Im Zentrum der Produktstrategie steht das System Integrity Cortex. Es verknüpft Unternehmensdokumente, strukturierte Daten und KI-generierte Ausgaben in einem Netzwerk, das jede Aussage mit ihrer Quelle verbindet. Nach Angaben von sci2sci werden so Zitate, Schlussfolgerungen und Belege systematisch nachvollziehbar gemacht. Die Lösung ist darauf ausgelegt, regulatorische Anforderungen wie 21 CFR Part 11 für elektronische Aufzeichnungen zu erfüllen, die insbesondere in der Arzneimittelentwicklung und klinischen Forschung gelten.
Als technisches Fundament dient Parseltongue, ein Framework, das sci2sci unter Apache-2.0-Lizenz als Open Source veröffentlicht hat. Damit will das Unternehmen nicht nur Transparenz schaffen, sondern auch die Integration in bestehende IT-Landschaften erleichtern. Ergänzend dazu bietet VectorCat eine Datenintegrationsschicht, die Informationen aus Cloud-Speichern, Netzlaufwerken und Laborinformationssystemen ohne physische Migration zusammenführt. Ziel ist ein durchsuchbarer Katalog, der sowohl von Mitarbeitenden als auch von KI-Anwendungen genutzt werden kann.
Herausforderungen in regulierten Sektoren
Die Fragmentierung von Forschungs- und Regulierungsdaten ist in der Biopharma-Branche ein bekanntes Problem. Informationen liegen oft verteilt in PDFs, Tabellen, Laborprotokollen und verschiedenen IT-Systemen vor. KI-Modelle, die auf unvollständigen oder inkonsistenten Daten arbeiten, können diese Schwächen noch verstärken. sci2sci adressiert diese Lücke, indem jede KI-Ausgabe mit einer überprüfbaren Belegkette versehen werden soll. Nach Unternehmensangaben ist das System so konzipiert, dass keine unbegründeten Aussagen entstehen können - jede Schlussfolgerung muss auf eine dokumentierte Quelle zurückführbar sein.
Ob diese technische Architektur in der Praxis tatsächlich die regulatorischen Anforderungen und Auditierbarkeit in großem Maßstab erfüllt, bleibt jedoch offen. Unabhängige Tests oder externe Zertifizierungen liegen bislang nicht vor. Auch die Frage, wie sich die Lösungen von sci2sci im Vergleich zu etablierten Datenintegrations- und Compliance-Plattformen behaupten, ist noch nicht abschließend geklärt.
Marktpotenzial und Ausblick
Derzeit arbeitet sci2sci nach eigenen Angaben mit Kunden aus der präklinischen Forschung, Auftragsforschung und Bioprozesssteuerung zusammen. Die Ausweitung auf weitere regulierte Branchen wie Banken wird als mittelfristiges Ziel genannt. Die Nachfrage nach nachvollziehbaren KI-Systemen wächst, seit regulatorische Vorgaben in Europa und den USA die Dokumentation und Belegpflicht für KI-gestützte Entscheidungen verschärfen.
Die Finanzierung gibt sci2sci die Möglichkeit, die eigene Technologie weiterzuentwickeln und erste Referenzprojekte zu realisieren. Entscheidend für den Markterfolg wird jedoch sein, ob die Systeme im Alltag tatsächlich die geforderte Nachvollziehbarkeit und Sicherheit liefern - und ob Unternehmen bereit sind, bestehende Prozesse und IT-Landschaften entsprechend anzupassen. Die Erfahrung zeigt, dass gerade in regulierten Sektoren die Hürde für neue Infrastrukturprodukte hoch bleibt. Wer hier Vertrauen schaffen will, muss nicht nur technische, sondern auch organisatorische und regulatorische Anforderungen dauerhaft erfüllen.
Der Begriff Nachvollziehbarkeit beschreibt in der KI- und Dateninfrastruktur die Fähigkeit, jede Aussage, Entscheidung oder Datenverarbeitung auf ihre ursprüngliche Quelle und den zugrundeliegenden Beleg zurückzuführen. In regulierten Branchen ist diese Eigenschaft zentral, um Auditierbarkeit, Compliance und rechtliche Absicherung zu gewährleisten. Systeme wie Integrity Cortex zielen darauf ab, diese Nachvollziehbarkeit technisch zu erzwingen. Entscheidend bleibt, ob solche Lösungen auch unter realen Bedingungen und bei komplexen Datenflüssen die geforderte Transparenz und Belegpflicht tatsächlich sicherstellen können.Schlagwörter: KI-Sicherheit & Betrieb, Unternehmenssoftware, Berlin
