LLM-Agenten revolutionieren Wettbewerbsanalyse in der Pharmabewertung

Ein neues KI-System nutzt große Sprachmodelle, um die Konkurrenzlandschaft für Arzneimittel schnell und präzise zu kartieren. Der Agent erhält eine Indikation und sammelt sämtliche Medikamente, die in diesem Marktumfeld aktiv sind, und extrahiert standardisierte Attributdaten zu jedem dieser Wirkstoffe.

Die Definition von „Wettbewerber“ ist dabei auf die Bedürfnisse einzelner Investoren zugeschnitten. Die zugrunde liegenden Daten sind paywalled, fragmentiert über verschiedene Register, weisen unterschiedliche Ontologien auf, enthalten zahlreiche Aliasnamen und ändern sich rasch. Trotz dieser Komplexität konnten bisherige LLM-basierte Systeme die vollständige Liste konkurrierender Medikamente nicht zuverlässig abrufen und es existierte kein öffentliches Benchmark‑Set für diese Aufgabe.

Um diese Lücken zu schließen, wurden fünf Jahre lang unstrukturierte Due‑Diligence‑Memos eines privaten Biotech‑VC‑Fonds mithilfe von LLM-Agenten in ein strukturiertes Korpus umgewandelt. Dieses Korpus ordnet Indikationen den jeweiligen Wettbewerbsmedikamenten zu und normalisiert deren Attribute.

Ein zusätzlicher „LLM‑Judge“-Agent prüft die ermittelten Wettbewerber und filtert Fehlalarme heraus, um die Präzision zu erhöhen und Halluzinationen zu reduzieren. Auf dem neu erstellten Benchmark erreicht der Wettbewerber‑Entdeckungsagent eine Rückrufrate von 83 %, was die Leistungen von OpenAI Deep Research (65 %) und Perplexity Labs (60 %) deutlich übertrifft.

Das System ist bereits in der Produktion bei Unternehmensanwendern im Einsatz. In einer Fallstudie mit einem Biotech‑VC‑Fund konnte die Analysezeit für Wettbewerbsstudien von 2,5 Tagen auf etwa drei Stunden verkürzt werden – ein Einsparpotenzial von rund 20‑fach.