{"id":35179,"date":"2026-03-19T07:00:00","date_gmt":"2026-03-19T06:00:00","guid":{"rendered":"https:\/\/highest-darmstadt.de\/?p=35179"},"modified":"2026-03-16T13:54:59","modified_gmt":"2026-03-16T12:54:59","slug":"im-archiv-der-gene","status":"publish","type":"post","link":"https:\/\/highest-darmstadt.de\/de\/news\/sucess-story\/im-archiv-der-gene\/","title":{"rendered":"Im Archiv der Gene"},"content":{"rendered":"\n\n\n\n\n
\n
\n
\n
\n
\n
\n\n \n \n
\n
\n

\n Wie das TU-Darmstadt-Start-up P2P Bio aus biologischer Datenflut brauchbares Wissen macht <\/h3>\n <\/div>\n <\/div>\n \n \n \n \n \n \n \n \n
\n\n \n
\n

Milliarden DNA-Datens\u00e4tze lagern heute in \u00f6ffentlichen Archiven. In ihnen stecken wom\u00f6glich neue Enzyme f\u00fcr Medikamente, Waschmittel, Lebensmittel, Biokraftstoffe oder klimafreundlichere Produktionsprozesse. Das Problem ist jedoch, dass die Daten zwar vorhanden sind, aber erst dann hilfreich sind, wenn jemand das Richtige in ihnen findet. Das Start-up P2P Bio aus dem Umfeld der TU Darmstadt hat deshalb eine Suchmaschine entwickelt.<\/p>\n <\/div>\n \n \n \n \n \n \n \n \n \n

\n

In der modernen Biologie gibt es einen eigent\u00fcmlichen Widerspruch: Noch nie konnte die Menschheit so schnell und so g\u00fcnstig Erbgut lesen. Und doch f\u00e4llt es schwer, aus dieser F\u00fclle das Brauchbare herauszufiltern.<\/p>\n

Weltweit entstehen unabl\u00e4ssig neue Sequenzdaten. Labore lesen die DNA von Bakterien, Pilzen, Pflanzen, Viren und Mikroorganismen aus B\u00f6den, Meeren, Kl\u00e4ranlagen oder hei\u00dfen Quellen aus. \u00d6ffentliche Datenbanken f\u00fcllen sich mit Abermilliarden Buchstabenfolgen: A, C, G, T \u2013 vier Zeichen, aus denen alles Leben geschrieben ist. Wer darin ein bestimmtes Protein sucht, ist oft wie jemand, der in einem Lager voller unsortierter Zettel nach einer bestimmten Information sucht.<\/p>\n

Genau hier setzt P2P Bio an. Das am 20. November 2025 gegr\u00fcndete junge Unternehmen besteht aus zwei Co-Foundern, die sich aus dem Umfeld der TU Darmstadt kennen. Prof. Dr. Johannes Kabisch ist heute Professor f\u00fcr Synthetische Biologie an der norwegischen NTNU und Aron Eiermann ist Informatiker mit TU-Darmstadt-Hintergrund und, wie er selbst sagt, \u201eBioinformatiker im Herzen\u201c. Gemeinsam bauen sie an einer Suchmaschine f\u00fcr Proteine und Enzyme \u2013 jedoch nicht f\u00fcr das Internet, sondern f\u00fcr Forschende und Biotech-Unternehmen. Ihre Plattform hei\u00dft \u201eax\u00ed\u014dma\u201d. Sie soll ein sehr praktisches Problem l\u00f6sen: die richtige Nadel im biologischen Heuhaufen finden.<\/p>\n <\/div>\n \n \n \n <\/div>\n\n \n \n \n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/section>\n\n\n\n\n\n

\n
\n
\n
\n
\n
\n\n \n \n \n \n \n
\n\n \n \n \n \n
\n

Der Engpass<\/strong><\/p>\n

Was P2P Bio macht, l\u00e4sst sich einfach erkl\u00e4ren. In der Biotechnologie werden st\u00e4ndig neue Proteine und Enzyme ben\u00f6tigt: f\u00fcr Medikamente, Diagnostik, industrielle Prozesse, die Lebensmittelproduktion, Impfstoffe oder nachhaltigere Herstellungsverfahren.<\/p>\n

Enzyme sind molekulare Maschinen. Sie beschleunigen Reaktionen, bauen Stoffe um und machen Prozesse effizienter. Viele Industrien suchen deshalb nach Molek\u00fclen, die mehr leisten als bisher bekannte, beispielsweise stabiler sind, bei h\u00f6heren Temperaturen arbeiten, weniger Nebenprodukte erzeugen oder leichter herzustellen sind. Solche Kandidaten findet man heute nicht mehr nur im Labor. Sie stecken l\u00e4ngst in riesigen \u00f6ffentlichen Datensammlungen, die zwar theoretisch zug\u00e4nglich sind, in der Praxis jedoch oft verborgen bleiben. \u201eDas Problem, das wir l\u00f6sen, ist, dass man in der Biotechnologie regelm\u00e4\u00dfig neue Proteinsequenzen f\u00fcr neue Produkte und Anwendungen finden muss\u201c, sagt Johannes Kabisch. \u201eVereinfacht gesagt, haben wir eine Suchmaschine daf\u00fcr geschrieben.\u201c Der Unterschied zu bisherigen L\u00f6sungen bestehe vor allem darin, \u201edass sie einfach eine sehr, sehr, sehr viel gr\u00f6\u00dfere Datenmenge durchsucht\u201c.<\/p>\n

Das klingt technisch, ist aber wirtschaftlich relevant. Denn je l\u00e4nger die Suche dauert, desto teurer wird Innovation. Junge Unternehmen k\u00f6nnen nicht jahrelang im Labor auf gut Gl\u00fcck testen. Mittelst\u00e4ndler haben oft keine eigene Bioinformatik-Abteilung. Und selbst akademische Arbeitsgruppen verf\u00fcgen selten \u00fcber die erforderliche Rechenleistung und das Personal, um Petabytes an Sequenzdaten sinnvoll zu durchforsten.<\/p>\n

Kabisch kennt diese Lage aus der Forschung. Er arbeitet seit Jahren an mikrobiellen Zellfabriken, also der Idee, Mikroorganismen so zu nutzen oder umzubauen, dass sie wertvolle Stoffe produzieren. Medikamente, Feinchemikalien oder industrielle Vorprodukte. Wer in diesem Feld arbeitet, braucht immer wieder neue Bauteile des Lebens und st\u00f6\u00dft schnell an eine Grenze, die nicht biologisch, sondern informatisch ist. \u201eDie Datenmenge ist sehr gro\u00df, also immens gro\u00df\u201c, sagt Kabisch. \u201eSodass ein normaler Wissenschaftler zu Recht davon \u00fcberfordert ist.\u201c<\/p>\n <\/div>\n \n \n \n <\/div>\n\n \n \n \n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/section>\n\n\n\n\n\n

\n
\n
\n
\n\n \n \n
\n
\n\n \n \n
\n
\n
\n
\n
\n \n \n <\/a>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n
\n

\n Komplexe Proteinstruktur mit einer zentralen blauen Alpha-Helix, umgeben von farbigen Aminos\u00e4ureketten, dargestellt in einer detaillierten Kugel-Stab- und B\u00e4ndermodell-Visualisierung. (KI-Generiertes Symbolbild von AdobeStock\/Vlad) <\/p>\n <\/div>\n <\/div>\n <\/div>\n \n \n <\/div>\n\n \n <\/div>\n\n \n <\/div>\n <\/div>\n <\/div>\n<\/section>\n\n\n\n\n

\n
\n
\n
\n
\n
\n\n \n \n \n \n \n
\n\n \n \n \n \n
\n

Das Lesen<\/strong><\/p>\n

Um dies zu verstehen, lohnt sich ein Blick auf die Sequenzierung selbst. Man kann sich das Genom eines Lebewesens wie ein riesiges Buch vorstellen. In diesem Buch steht vereinfacht gesprochen, wie ein Organismus aufgebaut ist und wie er funktioniert.<\/p>\n

Geschrieben ist es allerdings nicht in W\u00f6rtern und S\u00e4tzen, sondern in einer Sprache aus vier Buchstaben: A, C, G und T. A, C, G und T bezeichnen die Basen der DNA. Sequenzieren bedeutet, dieses Buch Buchstabe f\u00fcr Buchstabe zu lesen und in digitale Daten zu \u00fcbersetzen.<\/p>\n

Die Idee ist nicht neu. Die ersten Verfahren stammen aus den 1970er Jahren. Lange Zeit war das Sequenzieren m\u00fchsam, teuer und langsam. Ein gro\u00dfer Meilenstein war das Humangenomprojekt, das von 1990 bis 2003 lief: Erstmals wurde das gesamte menschliche Genom entschl\u00fcsselt \u2013 ein wissenschaftlicher Kraftakt, der 13 Jahre dauerte und Milliarden kostete. Heute ist die Lage grundlegend anders. Moderne Verfahren des sogenannten Next-Generation Sequencing lesen Millionen kleiner DNA-Fragmente parallel. Die Technik wurde miniaturisiert, ist schneller und g\u00fcnstiger geworden. Was fr\u00fcher ein Gro\u00dfprojekt war, ist heute in vielen Laboren Routine.<\/p>\n

Sequenzierung macht das Unsichtbare sichtbar. In der Medizin lassen sich seltene Erbkrankheiten aufsp\u00fcren, da im genetischen Code nach \u201eTippfehlern\u201c gesucht werden kann. In der Onkologie hilft sie dabei, Tumore genauer zu charakterisieren und Therapien besser auszuw\u00e4hlen. In der Infektionsbiologie lassen sich Krankheitserreger identifizieren, Varianten verfolgen und Ausbr\u00fcche analysieren.<\/p>\n

Die Corona-Pandemie hat diesen Wandel besonders deutlich gemacht. Als in Wuhan die ersten Menschen an einer unbekannten Lungenkrankheit erkrankten, war zun\u00e4chst unklar, was der Ausl\u00f6ser war. Die Sequenzierung des Erregers ergab jedoch schnell, dass es sich um ein neuartiges Coronavirus handelte. Sp\u00e4ter konnten Varianten wie Delta oder Omikron nur deshalb so schnell erkannt werden, weil Labore weltweit Virusproben sequenzierten und Ver\u00e4nderungen im Erbgut nachweisen konnten. Auch die Entwicklung der mRNA-Impfstoffe beruhte entscheidend darauf, dass nicht erst physische Proben um die Welt geschickt werden mussten, sondern die digitale Sequenz des Virus gen\u00fcgte, um am Computer mit der Entwicklung zu beginnen.<\/p>\n

Die Sequenzierung hat die Biologie in eine datenbasierte Wissenschaft verwandelt. Sie produziert jedoch auch Datenmengen, die ohne neue Werkzeuge kaum beherrschbar sind. Die Biologie kann heute lesen. Das Verstehen bleibt jedoch der Engpass.<\/p>\n <\/div>\n \n \n \n <\/div>\n\n \n \n \n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/section>\n\n\n\n\n\n

\n
\n
\n
\n\n \n \n
\n
\n\n \n \n
\n
\n
\n
\n
\n \n \n <\/a>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n
\n

\n Konzeptbild f\u00fcr Forschung und Entwicklung in Biotechnologie und Pharma: Analyse molekularer Daten und Wirkstoffforschung (Symbolbild AdobeStock\/Nata) <\/p>\n <\/div>\n <\/div>\n <\/div>\n \n \n <\/div>\n\n \n <\/div>\n\n \n <\/div>\n <\/div>\n <\/div>\n<\/section>\n\n\n\n\n

\n
\n
\n
\n
\n
\n\n \n \n \n \n \n
\n\n \n \n \n \n
\n

Die L\u00fccke<\/strong><\/p>\n

P2P Bio ist aus genau dieser L\u00fccke entstanden, nicht als klassisches Biotech-Unternehmen mit einem einzelnen Wirkstoff oder einem neuen Verfahren, sondern als Antwort auf ein Informationsproblem.<\/p>\n

Was macht ax\u00ed\u014dma also konkret? Die Plattform sucht nicht nur in einigen bekannten Datenbanken, sondern in einer viel gr\u00f6\u00dferen Landschaft. P2P Bio spricht von mehr als 4,3 Milliarden Proteinen aus \u00fcber 50 Quellen.<\/p>\n

Diese Daten werden so aufbereitet, dass sie durchsuchbar und vergleichbar sind. Entscheidend ist dann der zweite Schritt. Denn eine gro\u00dfe Suchmaschine allein l\u00f6st das Problem noch nicht. Wer nach einer Anfrage 200.000 Treffer erh\u00e4lt, ist kaum kl\u00fcger als zuvor. Genau hier setzt das an, was Kabisch im Interview \u201eCherry Picking\u201c nennt: das gezielte Herauspicken der passenden Kandidaten. \u201eDas Problem ist, dass bei so einer Suche sehr, sehr viele Informationen rauskommen\u201c, sagt er. \u201eUnd wir helfen dabei, das sogenannte Cherry Picking zu machen.\u201c<\/p>\n

Die Nutzer:innen sollen also nicht im Datenmeer ertrinken, sondern mit visuellen Filtern, Vorhersagen und Auswahlwerkzeugen arbeiten. Die Plattform bewertet Kandidaten danach, welche Eigenschaften sie wahrscheinlich mitbringen, zum Beispiel Stabilit\u00e4t, Eignung f\u00fcr bestimmte Bedingungen, Herstellbarkeit oder strukturelle \u00c4hnlichkeit zu bekannten Proteinen. So wird aus einer langen Trefferliste eine Entscheidungsgrundlage. Der Mehrwert liegt dabei nicht nur in der Gr\u00f6\u00dfe, sondern in der Auswahl. Aus Zufall wird Vorauswahl. Aus Vorauswahl wird Zeitgewinn.<\/p>\n <\/div>\n \n \n \n \n \n \n

\n

Der Nutzen<\/strong><\/p>\n

Am anschaulichsten wird das bei Alltagsbeispielen. Johannes Kabisch nennt im Gespr\u00e4ch beispielsweise Waschmittel. Fr\u00fcher war viel Chemie n\u00f6tig, um Flecken zu l\u00f6sen. Heute enthalten viele Waschmittel Enzyme, die bestimmte Stoffe gezielt abbauen, sodass weniger Chemikalien ben\u00f6tigt werden. Die Packungen sind kleiner geworden, die Prozesse sind effizienter und die Produkte sind oft ressourcenschonender.<\/p>\n

Ein anderes Beispiel sind mRNA-Impfstoffe. Um solche Vakzine herzustellen, ben\u00f6tigt man Enzyme, die bestimmte Reaktionen zuverl\u00e4ssig katalysieren. Je nachdem, unter welchen Bedingungen ein Herstellungsprozess abl\u00e4uft, k\u00f6nnen ganz unterschiedliche Proteine interessant sein, etwa solche aus Organismen, die in hei\u00dfen Umgebungen leben und deshalb besonders temperaturstabil sind.<\/p>\n

Kabisch beschreibt genau diesen Ansatz: Wenn bekannt ist, dass ein Organismus aus einer hei\u00dfen Quelle stammt, ist es naheliegend, dass seine molekularen Werkzeuge auch bei hohen Temperaturen funktionieren. Dann kann man gezielt nach entsprechenden Sequenzen suchen, statt im Labor \u00fcber Monate oder Jahre viele Kandidaten blind zu testen.<\/p>\n <\/div>\n \n \n \n \n \n \n

\n

Die Infrastruktur<\/strong><\/p>\n

Hinzu kommt die Frage nach der Infrastruktur wissenschaftlicher Daten. Viele Forschende arbeiten mit international etablierten \u00f6ffentlichen Datenbanken, darunter mit Angeboten aus dem Umfeld der amerikanischen National Institutes of Health. Diese Systeme sind zwar enorm wichtig, aus Sicht vieler Nutzer jedoch nicht frei von Problemen: begrenzte Abdeckung, langsame Oberfl\u00e4chen, veraltete Benutzerf\u00fchrung und Abh\u00e4ngigkeit von \u00f6ffentlicher Finanzierung. Kabisch weist im Gespr\u00e4ch darauf hin, dass politische Unsicherheit und K\u00fcrzungen in den USA die Arbeit mit solchen Infrastrukturen erschweren.<\/p>\n

Das hei\u00dft jedoch nicht, dass wissenschaftliche Daten pl\u00f6tzlich verschwinden w\u00fcrden. Die internationale Datenlandschaft ist vernetzt, vieles wird gespiegelt und auch Europa und Japan spielen wichtige Rollen. Doch diese Episode zeigt, wie fragil selbst scheinbar selbstverst\u00e4ndliche digitale Infrastrukturen sein k\u00f6nnen. F\u00fcr P2P Bio ist das ein zus\u00e4tzlicher R\u00fcckenwind. Nicht, weil \u00f6ffentliche Wissenschaft scheitern soll, sondern weil die Menge und Komplexit\u00e4t der Daten Werkzeuge erfordern, die \u00fcber das reine Speichern hinausgehen.<\/p>\n <\/div>\n \n \n \n <\/div>\n\n \n \n \n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/section>\n\n\n\n\n\n

\n
\n
\n
\n\n \n \n
\n
\n\n \n \n
\n
\n
\n
\n
\n \n \n <\/a>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n
\n

\n Johannes Kabisch und Aron Eiermann <\/p>\n <\/div>\n <\/div>\n <\/div>\n \n \n <\/div>\n\n \n <\/div>\n\n \n <\/div>\n <\/div>\n <\/div>\n<\/section>\n\n\n\n\n

\n
\n
\n
\n
\n
\n\n \n \n \n \n \n
\n\n \n \n \n \n
\n

Die Gr\u00fcnder<\/strong><\/p>\n

Johannes Kabisch und Aron Eiermann lernten sich an der TU Darmstadt kennen. Kabisch war damals Professor an der TU Darmstadt, bevor er nach Norwegen wechselte. Eiermann studierte Informatik. Sie lernten sich \u00fcber ein Praxisformat kennen, in dem studentische Teams f\u00fcr Arbeitsgruppen konkrete Softwareaufgaben l\u00f6sen. Sp\u00e4ter schrieb Eiermann bei Kabisch seine Bachelorarbeit. Thema war unter anderem die Laborautomatisierung und Robotik, also die Frage, wie digitale Systeme im biologischen Alltag helfen k\u00f6nnen.<\/p>\n

Der eine kam aus der Biotechnologie und brauchte bessere Werkzeuge f\u00fcr die Suche nach Proteinen. Der andere dachte in Datenstrukturen, Rechenzeit, verteilten Systemen und Kosten. Gemeinsam merkten sie, dass es daf\u00fcr nicht nur einen wissenschaftlichen Bedarf, sondern auch einen Markt gibt.<\/p>\n

Eiermann bringt Erfahrung mit skalierbaren Softwaresystemen, gro\u00dfen Proteindatenbanken, Lab Automation, wissenschaftlichem Cloud Computing und KI-Modellen ein. Kabisch bringt jahrzehntelange Erfahrung in der Proteinproduktion \u00fcber verschiedene Organismen hinweg, ein internationales Netzwerk in der Biotech-Welt und Gr\u00fcndungserfahrung mit. P2P Bio ist nicht sein erstes Unternehmen. Typisch f\u00fcr diese Ausgr\u00fcndung ist die enge Verbindung zweier Disziplinen: Biotechnologie und Informatik sind hier keine Randbereiche, sondern gleichberechtigte Bausteine des Gesch\u00e4ftsmodells.<\/p>\n <\/div>\n \n \n \n \n \n \n

\n

Das Gesch\u00e4ftsmodell<\/strong><\/p>\n

Die Zielgruppe von P2P Bio sind nicht nur Gro\u00dfkonzerne. Zwar ist der Markt riesig, doch der unmittelbare Bedarf ist oft gerade dort am gr\u00f6\u00dften, wo keine gro\u00dfen Informatikressourcen vorhanden sind: bei kleinen und mittleren Unternehmen sowie in akademischen Arbeitsgruppen. \u201eUnser Hauptinteresse gilt KMUs, also kleinen und mittelst\u00e4ndischen Unternehmen, sowie auf jeden Fall akademischen Arbeitsgruppen\u201c, sagt Kabisch. Gro\u00dfe Konzerne h\u00e4tten h\u00e4ufig eigene Bioinformatik-Abteilungen. Viele kleinere Akteure k\u00f6nnen sich diese Expertise dagegen nicht dauerhaft leisten. P2P Bio versucht deshalb, Hochleistungsbioinformatik als Dienstleistung verf\u00fcgbar zu machen: per Webinterface, als Software as a Service, mit unterschiedlichen Tiefen und Preismodellen \u2013 von der einzelnen Suche bis zum Abo.<\/p>\n

Vielleicht ist es kein Zufall, dass diese Firma so unaufgeregt \u00fcber sich spricht. In vielen Start-up-Erz\u00e4hlungen ist von Disruption die Rede, von radikalem Wandel und von M\u00e4rkten, die erobert werden sollen. Bei P2P Bio ist der Ton n\u00fcchterner. Das passt zum Gegenstand. Wer Milliarden Proteine durchsuchbar macht, muss nicht laut werden, sondern zuverl\u00e4ssig sein.<\/p>\n

Auch betriebswirtschaftlich wirkt die Geschichte pragmatisch. P2P Bio ist eigenfinanziert, also klassisch gebootstrappt, auch wenn Kabisch lieber von Unabh\u00e4ngigkeit spricht. Eine F\u00f6rderung des Landes Hessen wurde beantragt, doch passte das EXIST-Programm nach eigener Einsch\u00e4tzung nicht gut zum Tempo und zur Situation der Gr\u00fcndung<\/a>. F\u00fcr die gesch\u00e4ftlichen Feinheiten, so Kabisch, brauche man vor allem eine solide Beratung. Nicht jeder Durchbruch beginnt mit einem Pitch Deck. Manchmal beginnt er damit, dass zwei Leute ein altes Problem neu rechnen.<\/p>\n <\/div>\n \n \n \n \n \n \n

\n

Die Ordnung<\/strong><\/p>\n

Letztendlich geht es um etwas sehr N\u00fcchternes: aus Daten eine Auswahl zu treffen. P2P Bio entwickelt kein Wundermolek\u00fcl. Das Unternehmen baut ein Werkzeug, mit dem Forschende und Firmen schneller zu den richtigen Kandidaten kommen. Je billiger das Lesen von DNA wird, desto wichtiger wird diese Auswahl. Genau darin liegt das Gesch\u00e4ftsmodell von P2P Bio und damit auch seine Chance am Markt.<\/p>\n <\/div>\n \n \n \n \n

\n

Autorin: Heike J\u00fcngst<\/p>\n <\/div>\n \n \n \n \n \n <\/div>\n\n \n \n \n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/section>\n\n\n\n\n\n

\n
\n
\n
\n
\n
\n\n
\n

\n Bleib auf dem Laufenden mit dem HIGHEST-Newsletter <\/p>\n <\/div>\n \n

\n\n
\n\n
\n