Die Maschine beherrschen: Latent Labs gestaltet die Zukunft der Biologie

In seinem Werk Maschine Mensch aus dem 18. Jahrhundert verglich der Philosoph Julien Offray de La Mettrie den menschlichen Körper mit einer komplexen Maschine. Jahrzehnte später zogen wegweisende Biologen und Biophysiker wie Thomas Huxley und Francis Crick vergleichbare Analogien. Heute prägt diese mechanistische Sichtweise auf die Biologie den Geschäftsbetrieb, die Mission und die zukünftigen Ambitionen von Latent Labs. „Der Mensch basiert auf Biologie. Unser aller Körper besteht aus biologischen Bausteinen“, sagt Simon Kohl, Gründer und CEO. „Dieses Wissenschaftsgebiet“, erklärt Simon, „ist ein System, das ‚ausrechnet‘, und unsere Zellen sind wie ‚Minicomputer‘“.

Persönlichkeiten, die ihrer Zeit voraus waren, ließen ihre Philosophien in ihre Arbeiten einfließen und legten damit den Grundstein für die Entwicklung stringenter Wissenschaften mit nachprüfbaren Aussagen. Parallel dazu erlebten und erleben wir eine Evolution der Maschinen selbst, von mechanischen Helfern im Gewerbe bis hin zur beeindrucken leistungsstarken künstlichen Intelligenz in unseren Tagen. Latent Labs baut darauf auf und übernimmt die uralte Analogie von der Biologie als Maschine in eine neue Ära. „Durch die Nutzung generativer KI hilft das Startup Wissenschaftlern, die Biologie ‚programmierbar‘ zu machen“, so Simon, „und letztlich die Biologie ‚durch Ausrechnen‘ zu beherrschen und so die Forschung bei Therapeutika voranzubringen.“

Latent Labs tat sich mit AWS im Rahmen des Programms „ AWS Generative AI Accelerator“ zusammen und nutzte Support, Verbindungen zum AWS-Netzwerk, Markteinführungsstrategien und Lösungen wie Amazon SageMaker HyperPod. Das hat dem Unternehmen das Entwickeln und Trainieren proprietärer Modelle sowie eine effiziente und zuverlässige Skalierung von Ressourcen für Datenverarbeitung und Inferenz ermöglicht. Das Modell ‚Latent-X‘ des Unternehmens, verfügbar auf der Latent Labs Platform, „bricht mit Konventionen der Vergangenheit und stellt einen auf generative KI gestützten Ansatz für das Proteindesign zur Verfügung, der den Nutzen von Laborexperimenten steigert oder Experimente sogar gänzlich unnötig macht.“

Ordnung im Chaos finden

„Biologie mag ‚ein System, das ausrechnet‘ sein“, sagt Simon, „aber beim Vorankommen stehen immer noch technologische Grenzen im Labor im Wege. Die traditionelle Forschung sucht in der Natur, nimmt praktische Experimente vor und erhält zufällige Ergebnisse, von denen nur einige hilfreich sein werden. Biologische Daten können ‚chaotisch‘ aussehen“, fährt Simon fort, „und Laborexperimente sind oft umständlich, langwierig und kostspielig. Es werden Reagenzien gebraucht und es gibt bestimmte Anwendungen, bei denen Laborexperimente gar nicht so einfach durchführbar sind.“

„Wir wollten nicht mehr der Gnade der Natur ausgeliefert sein. Die Mission von Latent Labs bestand nun darin, die Sache programmierbar zu machen, anstatt nur zu beobachten und zu entdecken, was uns die Natur geruht zu zeigen.“ Das Unternehmen entwickelt Basismodelle und Algorithmen zum Modellieren der Wechselwirkungen zwischen Proteinen, DNA, RNA und niedermolekularen Verbindungen – den Bausteinen der Biologie. Durch die Einbettung dieser Dinge in seine Plattform hilft Simon Biologen, Biochemikern und Protein-Ingenieuren in Pharma- und Biotech-Unternehmen, „auf Knopfdruck zu einem Molekül zu gelangen, auf das sie sonst über verschiedene Optimierungsschritte hinweg Wochen, vielleicht Monate warten müssten.“

„Die Auswirkungen“, fährt Simon fort, „werden enorm sein und die Branche völlig verändern, auch die Vorstellung davon, was die Menschheit in Bezug auf die Behandlung unserer Beschwerden und Krankheiten erwarten kann.“ Geschwindigkeit und Umfang von Abläufen könnten enorm erhöht und auf das Individuum zugeschnitten werden. Das eröffnet Möglichkeiten zum Lösen „einer ganz anderen Klasse von Problemen“ in Bereichen wie Lebensmitteltechnologie und Landwirtschaft bis hin zu den Klimawissenschaften.

Wie die von Latent Labs unterstützten Wissenschaftler auch, stand Latent Labs selbst vor Herausforderungen. wenn es um Entwicklung und Training proprietärer Modelle geht, sind Daten von entscheidender Bedeutung. Das Unternehmen wurde daher beauftragt, Datensätze aus einer Vielzahl von Quellen zu betreuen, zu organisieren und zu verschmelzen. „Darüber hinaus müssen wir viele Experimente parallel durchführen. Aber dann gibt es auch Phasen, in denen wir uns auf eine ganz bestimmte Idee und eine ganz bestimmte Architektur konzentrieren und genau das hochskalieren wollen. All dies“, so Simon, „erfordert den zuverlässigen Zugang zu Kapazitäten für die Datenverarbeitung, die zudem in vielerlei Hinsicht skalierbar ist.“

Beschleunigung von Innovation durch Skalierbarkeit, Zuverlässigkeit und Community

Latent Labs wandte sich an AWS um Unterstützung, mit dem Angebot einer Zusammenarbeit, die einerseits das Technische bewerkstelligt, jedoch darüber hinausgeht und weitreichende Vorteile mit sich bringt. Die Beziehung „ging mit erheblichen Zuwendungen auf dem Gebiet der Datenverarbeitung einher. Aber vielleicht noch wichtiger ist das Gefühl, dadurch tatsächlich Zugang zu einer wirklich großartigen Community zu haben“, erklärt Simon. „Was die Datenverarbeitung angeht, ist Hyperpod derzeit wirklich die wichtigste AWS-Technologie für uns. Hyperpod ermöglicht uns, unsere Ressourcen für die Datenverarbeitung nahtlos zu skalieren, egal ob es um Training oder um Inferenz geht. Da wir intern eine so große Vielfalt an unterschiedlichen Anwendungsfällen haben, bringt uns diese Flexibilität wirklich weiter.“

Mit Amazon SageMaker HyperPod können Benutzer Aufgaben der Modellentwicklung wie Training, Optimierung und Inferenz (d. h. mithilfe eines Modells auf der Basis von neuen Daten Vorhersagen treffen) im Handumdrehen über ein Cluster von Hunderten oder Tausenden von KI-Beschleunigern hinweg skalieren. Dank dieser Lösung kann Latent Labs Inferenzen im großen Maßstab ausführen und ganz nach Bedarf schnell und einfach hoch- oder runterskalieren. „Da wir das zur Hand haben, können wir den Verhaltenszustand unserer Modelle unter Realbedingungen ermitteln“, erklärt Simon, „und das hat einen großen Unterschied dabei gemacht, wie effizient wir forschen können“.

Neue biologische Sequenzen (wie DNA) mithilfe von KI-Modellen genauer und einfacher generieren und testen zu können, wird letztlich Herstellung und Verfügbarkeit für die reale Welt beschleunigen. „Anstatt hinnehmen zu müssen, was uns die Natur gedenkt zu geben oder was wir zufällig bei einem Laborexperiment finden, können wir mithilfe von KI-Systemen wirklich präzise auf ein Ergebnis zusteuern und das Ergebnis zuschneidern“, sagt Simon, „Wenn Sie das von Anfang bis Ende durchdenken, bringt uns das wirklich völlig neue Möglichkeiten, sei es auf molekularer Ebene, bei der Entwicklung neuer Wirkstoffe oder später auf Systemebene.“ Simon fährt fort: „Das ist wirklich der Kern der Idee, die Biologie von einer Beobachtungswissenschaft zu einer Ingenieurwissenschaft zu machen.“

Von Wissenschaft bis zum Support: „Neben der wirklich gut aufgestellten und ausgereiften Infrastruktur“, so Simon, „umfasst die Beziehung von Latent Labs zu AWS auch eine Teilnahme am Programm ‚AWS Generative AI Accelerator‘. Dieses Programm gab dem Startup die Gelegenheit, AWS-Teams sowie andere Teilnehmer aus dem Fachgebiet kennenzulernen. Das war eine großartige Gelegenheit, voneinander zu lernen“, sagt Simon. Der Zugang zu diesem vielfältigen Netzwerk von Unternehmen und die Interaktionen über dieses Netzwerk halfen Latent Labs dabei, eine entscheidende Grundfrage auf seinem Weg als Startup zu beantworten: „Wie bewegen wir uns aus dieser Startphase hin zu einem viel größeren Unternehmen, einem erfolgreichen Unternehmen innerhalb des AWS-Ökosystems?“

Die Antwort kam durch eine „viel tiefere Partnerschaft“ zustande, die sich zwischen Latent Labs und AWS entwickelte. Zu dieser Partnerschaft gehörten eine umfasste Unterstützung bei Markteinführungsstrategien, Gespräche mit AWS-Partnern und das Aufbauen von Verbindungen über AWS-Netzwerke hinweg. Das hat auch zukünftige Wachstumschancen eröffnet. „Wir sprechen über das Integrieren mit einigen der an Kunden gerichteten AWS-Plattformen, ob es sich dabei nun um Amazon Bedrock oder um andere Plattformen handelt, die sich im Entstehen befinden“, sagt Simon.

Eine gemeinsame Philosophie für eine spannende Zukunft

Zu Anfang lag der Schwerpunkt von Latent Labs auf der Entwicklung von Lösungen zum Modellieren von Wechselwirkungen zwischen Molekülen. Das Unternehmen ist zuversichtlich, im Zuge des Voranschreitens der Partnerschaft mit AWS und der Weiterentwicklung des Ansatzes, in Zukunft ganze Organismen modellieren zu können. „Da würden Träume wahr“, gesteht Simon.

„KI ist ein kraftvoller Beschleuniger und die Technologie an und für sich ist aufregend“, fährt Simon fort, „aber was mich am meisten begeistert, ist im Grunde genommen, diese Form von Beherrschung der Biologie in die Hände von Forschern zu legen.“ Mit der Unterstützung durch AWS – durch Sichtbarkeit bei Veranstaltungen wie AWS re:Invent und Unterstützung bei der Entwicklung von Markteinführungsstrategien – ist Latent Labs auf dem Weg, diese Vision zu verwirklichen. Diese Bemühungen werden durch eine tieferliegende Armierung verstärkt: die gemeinsame Philosophie der beiden Unternehmen. „Da ist eine wirklich gute Harmonie, da wir uns beide auf Unternehmen und Partner konzentrieren, die unsere Technologien nutzen“, sagt Simon.

Wie AWS ist auch Latent Labs davon überzeugt, dass Vertrauen und Kundenorientierung die Grundlage für Innovation und sinnvolle Partnerschaften sind. AWS trug dazu bei, dass das Startup schneller Möglichkeiten für Aufbau und Skalierung in die Hände bekam. Zeitgleich konzentrierte sich Latent Labs weiterhin auf die Befähigung der alles entscheidenden Leute: die Wissenschaftler. „Es sind die Praktiker, die Biologen und die Bio-Ingenieure, die am besten wissen, worauf diese Modelle anzuwenden sind“, sagt Simon. Indem Latent Labs diesen Leuten leistungsstarke, intuitive Werkzeuge in die Hand gibt, haucht Latent Labs einer alten Idee anhand neuer Technologien neues Leben ein: dass biologische Wesen wie eine Maschine entschlüsselt, verstanden und konstruiert werden können. „Ich denke, dieser gemeinsame Nenner ist es, was uns an dieser strategischen Partnerschaft so begeistert“, so Simon abschließend.