Cradles KI-Wette auf Proteine: 73 Mio. US-Dollar Series B, Novo Nordisk und J&J als Kunden

Cradle verkauft generative KI-Software für Protein-Engineering: Wissenschaftler geben dem Modell experimentelle Daten, es schlägt verbesserte Sequenzen vor (z. B. hitzestabilere, wirksamere Proteine), und ein Nasslabor in Amsterdam validiert die Ergebnisse über verschiedene Proteintypen hinweg.

Sprachmodelle können Proteine wie Code lesen, daher würden Wissenschaftler für SaaS zahlen, das bessere Sequenzen vorschlägt und experimentelle Runden reduziert – ganz ohne Pharmaunternehmen.

24 Mio. US-Dollar Series A im Jahr 2023 (Index Ventures, Kindred Capital); 73 Mio. US-Dollar Series B unter Führung von IVP, mit fortgesetzter Beteiligung von Index und Kindred (Nov. 2024) – Gesamtfinanzierung über 100 Mio. US-Dollar.

Cradle erschien 2022 als Teil der Welle, die Sprachmodelle auf die Biologie anwendet. Gründer und CEO Stef van Grieken nannte Aminosäuresequenzen „eine fremde Programmiersprache“, die KI dennoch analysieren kann. Sein Modell empfiehlt Sequenzänderungen – etwa um ein Protein hitzebeständiger zu machen –, ohne dessen Funktion zu verändern, mit dem Ziel, die Dutzenden experimentellen Runden zu reduzieren, die Pharmaunternehmen pro Kandidat durchführen. Eine Series A über 24 Mio. US-Dollar im Jahr 2023 (Index, Kindred) finanzierte die Plattform und das Amsterdamer Labor.

Im Laufe des Jahres 2024 baute Cradle seinen Kundenstamm in Pharma und Biotech aus, wobei van Grieken sagte, Unternehmen schätzten vor allem die Beschleunigung und die Kosteneinsparungen durch weniger experimentelle Durchläufe – Runden, die jeweils Zehntausende oder Hunderttausende US-Dollar kosten können. 2024 commercialisierte das Unternehmen die Software und überschritt 21 Kunden und 31 Proteine in Entwicklung, mit gemeldeten F&E-Beschleunigungen von 1,2–12x und Kostensenkungen von bis zu 90 %, mit Kunden wie Novo Nordisk, Johnson & Johnson Innovative Medicine, Novonesis und Grifols. Im November 2024 sammelte es eine Series B über 73 Mio. US-Dollar unter Führung von IVP ein, mit fortgesetzter Beteiligung von Index und Kindred, um das Nasslabor, das Engineering-Team und den Markteintritt auszubauen.

Skalierung: Stand 26.11.2024 hatte Cradle über 100 Mio. US-Dollar Gesamtfinanzierung, namentlich genannte Kunden wie Novo Nordisk, Johnson & Johnson Innovative Medicine, Novonesis und Grifols sowie das erklärte Ziel, seine Software in die Hände von einer Million Wissenschaftlern zu bringen.

Es ist eine klare Entscheidung im Sinne von „Spitzhacke statt Mine“: Cradle vermied ausdrücklich die gemeinsame Arzneimittelentwicklung und baute stattdessen ein lizenzgebührenfreies SaaS-Geschäft auf.

Die Traktion ist konkret und datiert: 21+ Kunden, 31 Proteine, 1,2–12x Beschleunigung, bis zu 90 % Kostensenkung (Unternehmen, 25.11.2024); die 73-Mio.-US-Dollar-Runde wurde von TechCrunch berichtet (26.11.2024).

Namhafte Pharma-Kunden (Novo Nordisk, J&J, Novonesis, Grifols) belegen Nachfrage, ohne dass eine Arzneimittelzulassung erforderlich ist.

Die Nasslabor-Strategie verwandelt ein Softwareunternehmen in eine Plattform, bei der Daten sich kumulativ verstärken – ein übertragbarer Weg, einen KI-Graben zu erhalten.

Verkaufe die Spitzhacke, nicht die Mine: Cradle entschied sich für SaaS statt gemeinsamer Arzneimittelentwicklung; die Biotech-Branche übernahm KI kostengünstig, sein Nasslabor verstärkte Datenvorteile kumulativ, und die Pharma zahlte, bevor ein Produkt ausgeliefert wurde.

Stand 26.11.2024 skaliert Cradle: Das Unternehmen schloss eine Series B über 73 Mio. US-Dollar unter Führung von IVP ab (Gesamtfinanzierung über 100 Mio. US-Dollar), baute sein Amsterdamer Nasslabor aus, stellte Ingenieure ein und erweiterte den Markteintritt mit einem neu ernannten Chief Commercial Officer, Sam Partovi, als 40. Teammitglied. Das Unternehmen meldet 21+ Kunden und 31 Proteine in Entwicklung und nennt Novo Nordisk, Johnson & Johnson Innovative Medicine, Novonesis und Grifols unter ihnen, mit F&E-Beschleunigungen von 1,2–12x und Kostensenkungen von bis zu 90 %. Sein Ziel ist es, KI-gestütztes Protein-Engineering in jedes Labor zu bringen, beginnend mit einer Million Wissenschaftlern.