Menu Expand

KI-Start-Ups in der Pharmaindustrie: Gründungscluster, Schwerpunkte und Nischen

  1. Journals
  2. Economics, Finance, Business & Management
  3. ZfKE – Zeitschrift für KMU und Entrepreneurship
  4. Vol. 69, Issue 2
  5. pp. 121–136

JOURNAL ARTICLE

Cite JOURNAL ARTICLE

Style
Valentowitsch, J., Fritz, T. KI-Start-Ups in der Pharmaindustrie: Gründungscluster, Schwerpunkte und Nischen. ZfKE – Zeitschrift für KMU und Entrepreneurship, 69(2), 121-136. https://doi.org/10.3790/zfke.69.2.121
Valentowitsch, Johann and Fritz, Theresa "KI-Start-Ups in der Pharmaindustrie: Gründungscluster, Schwerpunkte und Nischen" ZfKE – Zeitschrift für KMU und Entrepreneurship 69.2, 2021, 121-136. https://doi.org/10.3790/zfke.69.2.121
Valentowitsch, Johann/Fritz, Theresa (2021): KI-Start-Ups in der Pharmaindustrie: Gründungscluster, Schwerpunkte und Nischen, in: ZfKE – Zeitschrift für KMU und Entrepreneurship, vol. 69, iss. 2, 121-136, [online] https://doi.org/10.3790/zfke.69.2.121
Format
Download

KI-Start-Ups in der Pharmaindustrie: Gründungscluster, Schwerpunkte und Nischen

Valentowitsch, Johann | Fritz, Theresa

ZfKE – Zeitschrift für KMU und Entrepreneurship, Vol. 69 (2021), Iss. 2 : pp. 121–136

Preview Login to order (PDF)

Additional Information

Article Details

Publisher Name
Duncker & Humblot
DOI
https://doi.org/10.3790/zfke.69.2.121
Language
German
Pages
16

Pricing

Individual
€ 26.00 (incl. local VAT if applicable)

Author Details

Dr. Johann Valentowitsch, Lehrstuhl für Innovations- und Dienstleistungsmanagement, Universität Stuttgart, BWI, Abteilung I, Keplerstr. 17, 70174 Stuttgart.

Theresa Fritz, M.Sc., Lehrstuhl für ABWL, insb. Innovations- u. Dienstleistungsmanagement, Universität Stuttgart, BWI, Abt. I, Keplerstr. 17, 70174 Stuttgart.

References

  1. Alexandru, V. M., Bolisani, E., Andrei, A. G., Cegarra-Navarro, J. G., Martínez, A. M., Paiola, M., Scarso, E., Vatamanescu, E.-M. und Zieba, M. (2020): Knowledge management approaches of small and medium sized firms: A cluster analysis, in: Kybernetes, 49(1), 73–87.  Google Scholar
  2. Alexy, O. T., Block, J. H., Sandner, P. G. und Ter Wal, A. L. J. (2012): Social Capital of Venture Capitalists and Start-Up Funding, in: Small Business Economics, 39, 835–851.  Google Scholar
  3. Bacher, J. (1996): Clusteranalyse: Anwendungsorientierte Einführung. Oldenbourg Verlag: München.  Google Scholar
  4. Belussi, F. und Caldari, K. (2009): At the origin of the industrial district: Alfred Marshall and the Cambridge school, Cambridge Journal of Economics, 33(2), 335–355.  Google Scholar
  5. Berchicci, L., Block, J. H. und Sandner, P. (2011): The Influence of Geographical Proximity and Industry Similarity in a Business Angel’s Investment Choice, SSRN Working Paper.  Google Scholar
  6. Böhm, M., Hein, A., Hermes, S., Lurz, M., Poszler, F., Ritter, A.-C., Setzke, D. S., Weking, J., Welpe, I. M. und Krcmar, H. (2019): Die Rolle von Startups im Innovationssystem: Eine qualitativ-empirische Untersuchung, Studien zum deutschen Innovationssystem Nr. 12-2019, Technische Universität München.  Google Scholar
  7. Burr, W. und Valentowitsch, J. (2017): Exploratory Analysis of Innovation Strategies in the Pharmaceutical Industry, International Conference on Engineering, Technology and Innovation (ICE/ITMC), Funchal, 417–424.  Google Scholar
  8. Califf, R. M. (2018): Biomarker definitions and their applications, in: Experimental Biology and Medicine, 243(3), 213–221.  Google Scholar
  9. Capozza, C., Salomone, S. und Somma, E. (2018): Local industrial structure, agglomeration economies and the creation of innovative start-ups: evidence from the Italian case, Entrepreneurship & Regional Development, 30(7–8), 749–775.  Google Scholar
  10. Chan, H. C. S., Shan, H., Dahoun, T., Vogel, H. und Yuan, S. (2019): Advancing Drug Discovery via Artificial Intelligence, in: Trends in Pharmacological Sciences, 40(8), 592–604.  Google Scholar
  11. Cojoianu, T., Clark, G. L., Hoepner, A., Pazitka, V. und Wojcik, D. (2020): Fin vs. Tech: How Does New Knowledge Creation and Lack of Trust in Financial Services Incumbents Influence the Emergence and Financing of Fintech Star-Ups? In: Small Business Economics, Open Access.  Google Scholar
  12. Cooke, P. (2002): Regional innovation systems: General findings and some new evidence from Biothechnology clusters, The Journal of Technology Transfer, 27, 133–145.  Google Scholar
  13. Cooke, P. und Morgan, K. (1995): The creative milieu: A regional perspective on innovation. In: Dodgson, M., Rothwell, R. (Hrsg.): The Handbook of Industrial Innovation, chapter 3, Edward Elgar Publishing.  Google Scholar
  14. Crunchbase (2020): Crunchbase – Our mission, [https://about.crunchbase.com/about-us/], abgerufen am 22.01.2020.  Google Scholar
  15. Czarnitzki, D., und Delanote, J. (2012): Young innovative companies: The new high-growth firms? Industrial and Corporate Change, 22(5), 1315–1340.  Google Scholar
  16. Dalle, J., den Besten, M. L. und Menon C. (2017): Using Crunchbase for economic and managerial research, OECD Science, Technology and Industry Working Papers, No. 2017/08, OECD Publishing, Paris.  Google Scholar
  17. Damiati, S. A. (2020): Digital Pharmaceutical Sciences, in: AAPS PharmSciTech, 21(206), 1–12.  Google Scholar
  18. Den Besten, M. L. (2020): Crunchbase Research: Monitoring Entrepreneurship Research in the Age of Big Data, in: ERPN: Other New Venture Start-Up, o. S.  Google Scholar
  19. Everitt, B. S. (1993): Cluster Analysis, Third Edition, Halsted Press: New York.  Google Scholar
  20. Ferras-Hernandez, X., Tarrats-Pons, E. und Arimany-Serrat, N. (2017): Disruption in the Automotive Industry: A Cambrian Movement, in: Business Horizons, 60(6), 855–863.  Google Scholar
  21. Finardi, U. (2013): Clustering Research, Education, and Entrepreneurship: Nanotech Innovation at MINATEC in Grenoble, in: Research-Technology Management, 56(1), 16–20.  Google Scholar
  22. Forghani, R., Savadjiev, P., Chatterjee, A., Muthukrishnan, N., Reinhold, C. und Forghani, B. (2019): Radiomics and Artificial Intelligence for Biomarker and Prediction Model Development in Oncology, in: Computational und Structural Biotechnology Journal, 17, 995–1008.  Google Scholar
  23. Fuertes-Callén, Y., Cuellar-Fernández, B. und Serrano-Cinca, C. (2020): Predicting startup survival using first years financial statements, Journal of Small Business Management, 1–37.  Google Scholar
  24. Garnsey, E. und Heffernan, P. (2005): High-technology clustering through spin-out and attraction: The Cambridge Case, in: Regional Studies, 39(8), 1127–1144.  Google Scholar
  25. Grace, J. und Taylor, M. J. (2013): Disclosure of confidential patient information and the duty to consult: The role of the health and social care information centre, in: Medical Law Review, 21(3), 415–447.  Google Scholar
  26. Guend, H. A. (2011): Spatial and Temporal Patterns of Fertility Transition in Muslim Populations, in: Gutmann, M. P., Deane, G. D., Merchant, E. R. und Sylvester, K. (Hrsg.): Navigating Time and Space in Population Studies, 65–97, Spinger: Niederlande.  Google Scholar
  27. Haddad, C. und Hornuf, L. (2019): The emergence of the global fintech market: economic and technological determinants, Small Business Economics, 53, 81–105.  Google Scholar
  28. Hanneken, J. (2018): Market Access von digitalen Start-Up-Produkten im deutschen Gesundheitswesen, in: Pfannstiel, M., Jaeckel, R. und Da-Cruz, P. (Hrsg.): Innovative Gesundheitsversorgung und Market Access, Wiesbaden: Springer Gabler, 269–291.  Google Scholar
  29. Hendry, C. and Brown, J. (2006): Dynamics of Clustering and Performance in the UK Opto-electronics Industry, Regional Studies, 40(7), 707–725.  Google Scholar
  30. Hendry, C., Brown, J. und Defilippi, R. (2000): Regional Clustering of High Technology-based Firms: Opto-electronics in Three Countries, in: Regional Studies, 34(2), 129–144.  Google Scholar
  31. Henn, S. (2006): Evolution of regional clusters in nanotechnology: Empirical findings from Germany, Hallesche Diskussionsbeiträge zur Wirtschafts- und Sozialgeographie, Heft 7, Martin-Luther-Universität, Halle-Wittenberg.  Google Scholar
  32. Henn, R. und Terzidis, O. (2019): Strukturwandel durch künstliche Intelligenz – Herausforderungen und Chancen sowie der Einfluss der Rahmenbedingungen regionaler Gründungsökosysteme auf die Auswirkungen für die Gesellschaft. In: Weissenberger-Eibl M. (Hrsg.): Zukunftsvision Deutschland, Springer Gabler: Berlin/Heidelberg.  Google Scholar
  33. Henstock, P. V. (2019): Artificial intelligence for pharma: Time for internal investment, in: Trends in Pharmacologcal Sciences, 40(8), 543–546.  Google Scholar
  34. Henstock, P. V. (2020): Artificial Intelligence in Pharma: Positive Trends but More Investment Needed to Drive a Transformation, in: Archives of Pharmacology and Therapeutics, 2(2), 24–28.  Google Scholar
  35. Hufner, D. und Mossig, I. (2014): Standortanforderungen von Internet-Start-ups: Eine diskursanalytische Untersuchung am Beispiel der Internetökonomie in Berlin, Beiträge zur Wirtschaftsgeographie und Regionalentwicklung, No. 1-2014, Universität Bremen.  Google Scholar
  36. Huss, R. (2020): Künstliche Intelligenz, Robotik und Big Data in der Medizin, Berlin: Springer.  Google Scholar
  37. Ivascu, C. (2020): Auf dem Weg zur Präzisionsonkologie: Biomarker, molekulargenetische Tumorprofile und Big Data, in: Pfannstiel, M. A., Da-Cruz, P. und Rederer, E. (Hrsg.): Digitale Transformation von Dienstleistungen im Gesundheitswesen VII: Impulse für die Pharmaindustrie, Wiesbaden: Springer Gabler, 193–208.  Google Scholar
  38. Jorzig, A. und Sarangi, F. (2020): Digitalisierung im Gesundheitswesen: Ein kompakter Streifzug durch Recht, Technik und Ethik, Berlin: Springer.  Google Scholar
  39. Kemeny, T., Nathan, M. und Bader, A. (2017): Using Crunchbase to Explore Innovative Ecosystems in the US and UK, in: Birmingham Business School Discussion Paper Series, No. 2017-01, University of Birmingham.  Google Scholar
  40. Kendiukhov, I. (2020): AI-based investigation of molecular biomarkers of longevity, Biogerontology, 21(6), 731–744.  Google Scholar
  41. Killich, S. (2011): Formen der Unternehmenskooperation. In: Becker T., Dammer I., Howaldt J., Loose A. (Hrsg.): Netzwerkmanagement, 13–22, Springer, Berlin/Heidelberg.  Google Scholar
  42. Linz, C. (2001): Konzern als Gründer-Unternehmen: Revolutionäres Innovationsmanagement in beschleunigten Märkten, Deutscher Universitätsverlag, Wiesbaden.  Google Scholar
  43. Mayring, P. (2015): Qualitative Inhaltsanalyse: Grundlagen und Techniken, 12. Auflage, Beltz: Weinheim.  Google Scholar
  44. Menzel, M.-P. (2005): Networks and technologies in an emerging cluster: The case of bioinstruments in Jena. In: Karlsson, C., Johannson, B., Stough, R. R. (Hrsg.). Industrial clusters and inter-firm networks. Edward Elgar, Cheltenham et al., 413–449.  Google Scholar
  45. Partanen, J., Chetty, S. K. und Rajala, A. (2014): Innovation types and network relationships, Entrepreneurship Theory and Practice, 38(5), 1027–1055.  Google Scholar
  46. Pisoni, A. und Onetti, A. (2018): When startups exit: Comparing strategies in Europe and the USA, Journal of Business Strategy, 39(3), 26–33.  Google Scholar
  47. Porter, M. (1998): Clusters and Competition. New Agendas for Companies, Governments, and Institutions. In: On competition. The Harvard business review book series, Harvard Business School, Boston, 197–287.  Google Scholar
  48. Presutti, M., Boari, C. und Majocchi, A. (2011): The importance of proximity for the start‐ups’ knowledge acquisition and exploitation, Journal of Small Business Management, 49(3), 361–389.  Google Scholar
  49. Prevezer, M. (1997): The Dynamics of Industrial Clustering in Biotechnology, in: Small Business Economics, 9(3), 255–271.  Google Scholar
  50. Reschke, F. W. (2009): Regionale Wettbewerbsvorteile: Identifikation, Analyse und Management von Clustern am Beispiel der Logistik im Rhein-Main-Gebiet, Gabler: Wiesbaden.  Google Scholar
  51. Rode-Schubert, C. und Müller, P. (2020): Welche Fähigkeiten benötigt ein Unternehmen um Künstliche Intelligenz nachhaltig erfolgreich einzusetzen? In: Pfannstiel, M. und Steinhoff, P. F.-J. (Hrsg.): Transformationsvorhaben mit dem Enterprise Transformation Cycle meistern, Wiesbaden: Springer Gabler, 143–171.  Google Scholar
  52. Schölkopf, M. und Pressel, H. (2010): Das Gesundheitswesen im internationalen Vergleich – Gesundheitssystemvergleich und die europäische Gesundheitspolitik, 2. Aufl., Medizinisch Wissenschaftliche Verlagsgesellschaft: Berlin.  Google Scholar
  53. Smalley, E. (2017): AI-powered drug discovery captures pharma interest, in: Nature Biotechnology, 35(7), 604–605.  Google Scholar
  54. Sternberg, R. und Litzenberger, T. (2003): Regional clusters – operationalisation and consequences for entrepreneurship. Working Paper 2003-02, University of Cologne, Cologne.  Google Scholar
  55. Swann, P. und Prevezer, M. (1996): A Comparison of the Dynamics of Industrial Clustering in Computing and Biotechnology, in: Research Policy, 25(1), 1139–1157.  Google Scholar
  56. Terstriep, J. (2019): Bedeutung von Clustern für die Innovativität von Unternehmen: Innovation, Wissen, Relationen, Springer: Wiesbaden.  Google Scholar
  57. Van Gils, M. J. G. M. und Rutjes, F. P. J. T. (2017): Accelerating chemical start-ups in ecosystems: The need for biotopes, European Journal of Innovation Management, 20(1), 135–152.  Google Scholar
  58. Wangermann, T. (2020): KI in KMU Rahmenbedingungen für den Transfer von KI-Anwendungen in kleine und mittlere Unternehmen, Konrad-Adenauer-Stiftung.  Google Scholar
  59. Wennker, P. (2020): Künstliche Intelligenz im Gesundheitssystem, in: Wennker, P. (Hrsg.): Künstliche Intelligenz in der Praxis, Wiesbaden: Springer Gabler, 63–81.  Google Scholar
  60. Zhavoronkov, A. (2018): Artificial Intelligence for Drug Discovery, Biomarker Development, and Generation of Novel Chemistry, in: Molecular Pharmaceutics, 15(10), 4311–4313.  Google Scholar
  61. Alexandru, V. M., Bolisani, E., Andrei, A. G., Cegarra-Navarro, J. G., Martínez, A. M., Paiola, M., Scarso, E., Vatamanescu, E.-M. und Zieba, M. (2020): Knowledge management approaches of small and medium sized firms: A cluster analysis, in: Kybernetes, 49(1), 73–87.  Google Scholar
  62. Alexy, O. T., Block, J. H., Sandner, P. G. und Ter Wal, A. L. J. (2012): Social Capital of Venture Capitalists and Start-Up Funding, in: Small Business Economics, 39, 835–851.  Google Scholar
  63. Bacher, J. (1996): Clusteranalyse: Anwendungsorientierte Einführung. Oldenbourg Verlag: München.  Google Scholar
  64. Belussi, F. und Caldari, K. (2009): At the origin of the industrial district: Alfred Marshall and the Cambridge school, Cambridge Journal of Economics, 33(2), 335–355.  Google Scholar
  65. Berchicci, L., Block, J. H. und Sandner, P. (2011): The Influence of Geographical Proximity and Industry Similarity in a Business Angel’s Investment Choice, SSRN Working Paper.  Google Scholar
  66. Böhm, M., Hein, A., Hermes, S., Lurz, M., Poszler, F., Ritter, A.-C., Setzke, D. S., Weking, J., Welpe, I. M. und Krcmar, H. (2019): Die Rolle von Startups im Innovationssystem: Eine qualitativ-empirische Untersuchung, Studien zum deutschen Innovationssystem Nr. 12-2019, Technische Universität München.  Google Scholar
  67. Burr, W. und Valentowitsch, J. (2017): Exploratory Analysis of Innovation Strategies in the Pharmaceutical Industry, International Conference on Engineering, Technology and Innovation (ICE/ITMC), Funchal, 417–424.  Google Scholar
  68. Califf, R. M. (2018): Biomarker definitions and their applications, in: Experimental Biology and Medicine, 243(3), 213–221.  Google Scholar
  69. Capozza, C., Salomone, S. und Somma, E. (2018): Local industrial structure, agglomeration economies and the creation of innovative start-ups: evidence from the Italian case, Entrepreneurship & Regional Development, 30(7–8), 749–775.  Google Scholar
  70. Chan, H. C. S., Shan, H., Dahoun, T., Vogel, H. und Yuan, S. (2019): Advancing Drug Discovery via Artificial Intelligence, in: Trends in Pharmacological Sciences, 40(8), 592–604.  Google Scholar
  71. Cojoianu, T., Clark, G. L., Hoepner, A., Pazitka, V. und Wojcik, D. (2020): Fin vs. Tech: How Does New Knowledge Creation and Lack of Trust in Financial Services Incumbents Influence the Emergence and Financing of Fintech Star-Ups? In: Small Business Economics, Open Access.  Google Scholar
  72. Cooke, P. (2002): Regional innovation systems: General findings and some new evidence from Biothechnology clusters, The Journal of Technology Transfer, 27, 133–145.  Google Scholar
  73. Cooke, P. und Morgan, K. (1995): The creative milieu: A regional perspective on innovation. In: Dodgson, M., Rothwell, R. (Hrsg.): The Handbook of Industrial Innovation, chapter 3, Edward Elgar Publishing.  Google Scholar
  74. Crunchbase (2020): Crunchbase – Our mission, [https://about.crunchbase.com/about-us/], abgerufen am 22.01.2020.  Google Scholar
  75. Czarnitzki, D., und Delanote, J. (2012): Young innovative companies: The new high-growth firms? Industrial and Corporate Change, 22(5), 1315–1340.  Google Scholar
  76. Dalle, J., den Besten, M. L. und Menon C. (2017): Using Crunchbase for economic and managerial research, OECD Science, Technology and Industry Working Papers, No. 2017/08, OECD Publishing, Paris.  Google Scholar
  77. Damiati, S. A. (2020): Digital Pharmaceutical Sciences, in: AAPS PharmSciTech, 21(206), 1–12.  Google Scholar
  78. Den Besten, M. L. (2020): Crunchbase Research: Monitoring Entrepreneurship Research in the Age of Big Data, in: ERPN: Other New Venture Start-Up, o. S.  Google Scholar
  79. Everitt, B. S. (1993): Cluster Analysis, Third Edition, Halsted Press: New York.  Google Scholar
  80. Ferras-Hernandez, X., Tarrats-Pons, E. und Arimany-Serrat, N. (2017): Disruption in the Automotive Industry: A Cambrian Movement, in: Business Horizons, 60(6), 855–863.  Google Scholar
  81. Finardi, U. (2013): Clustering Research, Education, and Entrepreneurship: Nanotech Innovation at MINATEC in Grenoble, in: Research-Technology Management, 56(1), 16–20.  Google Scholar
  82. Forghani, R., Savadjiev, P., Chatterjee, A., Muthukrishnan, N., Reinhold, C. und Forghani, B. (2019): Radiomics and Artificial Intelligence for Biomarker and Prediction Model Development in Oncology, in: Computational und Structural Biotechnology Journal, 17, 995–1008.  Google Scholar
  83. Fuertes-Callén, Y., Cuellar-Fernández, B. und Serrano-Cinca, C. (2020): Predicting startup survival using first years financial statements, Journal of Small Business Management, 1–37.  Google Scholar
  84. Garnsey, E. und Heffernan, P. (2005): High-technology clustering through spin-out and attraction: The Cambridge Case, in: Regional Studies, 39(8), 1127–1144.  Google Scholar
  85. Grace, J. und Taylor, M. J. (2013): Disclosure of confidential patient information and the duty to consult: The role of the health and social care information centre, in: Medical Law Review, 21(3), 415–447.  Google Scholar
  86. Guend, H. A. (2011): Spatial and Temporal Patterns of Fertility Transition in Muslim Populations, in: Gutmann, M. P., Deane, G. D., Merchant, E. R. und Sylvester, K. (Hrsg.): Navigating Time and Space in Population Studies, 65–97, Spinger: Niederlande.  Google Scholar
  87. Kendiukhov, I. (2020): AI-based investigation of molecular biomarkers of longevity, Biogerontology, 21(6), 731–744.  Google Scholar
  88. Killich, S. (2011): Formen der Unternehmenskooperation. In: Becker T., Dammer I., Howaldt J., Loose A. (Hrsg.): Netzwerkmanagement, 13–22, Springer, Berlin/Heidelberg.  Google Scholar
  89. Linz, C. (2001): Konzern als Gründer-Unternehmen: Revolutionäres Innovationsmanagement in beschleunigten Märkten, Deutscher Universitätsverlag, Wiesbaden.  Google Scholar
  90. Mayring, P. (2015): Qualitative Inhaltsanalyse: Grundlagen und Techniken, 12. Auflage, Beltz: Weinheim.  Google Scholar
  91. Menzel, M.-P. (2005): Networks and technologies in an emerging cluster: The case of bioinstruments in Jena. In: Karlsson, C., Johannson, B., Stough, R. R. (Hrsg.). Industrial clusters and inter-firm networks. Edward Elgar, Cheltenham et al., 413–449.  Google Scholar
  92. Partanen, J., Chetty, S. K. und Rajala, A. (2014): Innovation types and network relationships, Entrepreneurship Theory and Practice, 38(5), 1027–1055.  Google Scholar
  93. Pisoni, A. und Onetti, A. (2018): When startups exit: Comparing strategies in Europe and the USA, Journal of Business Strategy, 39(3), 26–33.  Google Scholar
  94. Porter, M. (1998): Clusters and Competition. New Agendas for Companies, Governments, and Institutions. In: On competition. The Harvard business review book series, Harvard Business School, Boston, 197–287.  Google Scholar
  95. Presutti, M., Boari, C. und Majocchi, A. (2011): The importance of proximity for the start-ups’ knowledge acquisition and exploitation, Journal of Small Business Management, 49(3), 361–389.  Google Scholar
  96. Prevezer, M. (1997): The Dynamics of Industrial Clustering in Biotechnology, in: Small Business Economics, 9(3), 255–271.  Google Scholar
  97. Reschke, F. W. (2009): Regionale Wettbewerbsvorteile: Identifikation, Analyse und Management von Clustern am Beispiel der Logistik im Rhein-Main-Gebiet, Gabler: Wiesbaden.  Google Scholar
  98. Rode-Schubert, C. und Müller, P. (2020): Welche Fähigkeiten benötigt ein Unternehmen um Künstliche Intelligenz nachhaltig erfolgreich einzusetzen? In: Pfannstiel, M. und Steinhoff, P. F.-J. (Hrsg.): Transformationsvorhaben mit dem Enterprise Transformation Cycle meistern, Wiesbaden: Springer Gabler, 143–171.  Google Scholar
  99. Schölkopf, M. und Pressel, H. (2010): Das Gesundheitswesen im internationalen Vergleich – Gesundheitssystemvergleich und die europäische Gesundheitspolitik, 2. Aufl., Medizinisch Wissenschaftliche Verlagsgesellschaft: Berlin.  Google Scholar
  100. Smalley, E. (2017): AI-powered drug discovery captures pharma interest, in: Nature Biotechnology, 35(7), 604–605.  Google Scholar
  101. Sternberg, R. und Litzenberger, T. (2003): Regional clusters – operationalisation and consequences for entrepreneurship. Working Paper 2003-02, University of Cologne, Cologne.  Google Scholar
  102. Swann, P. und Prevezer, M. (1996): A Comparison of the Dynamics of Industrial Clustering in Computing and Biotechnology, in: Research Policy, 25(1), 1139–1157.  Google Scholar
  103. Terstriep, J. (2019): Bedeutung von Clustern für die Innovativität von Unternehmen: Innovation, Wissen, Relationen, Springer: Wiesbaden.  Google Scholar
  104. Van Gils, M. J. G. M. und Rutjes, F. P. J. T. (2017): Accelerating chemical start-ups in ecosystems: The need for biotopes, European Journal of Innovation Management, 20(1), 135–152.  Google Scholar
  105. Henn, S. (2006): Evolution of regional clusters in nanotechnology: Empirical findings from Germany, Hallesche Diskussionsbeiträge zur Wirtschafts- und Sozialgeographie, Heft 7, Martin-Luther-Universität, Halle-Wittenberg.  Google Scholar
  106. Hendry, C., Brown, J. und Defilippi, R. (2000): Regional Clustering of High Technology-based Firms: Opto-electronics in Three Countries, in: Regional Studies, 34(2), 129–144.  Google Scholar
  107. Hendry, C. and Brown, J. (2006): Dynamics of Clustering and Performance in the UK Opto-electronics Industry, Regional Studies, 40(7), 707–725.  Google Scholar
  108. Hanneken, J. (2018): Market Access von digitalen Start-Up-Produkten im deutschen Gesundheitswesen, in: Pfannstiel, M., Jaeckel, R. und Da-Cruz, P. (Hrsg.): Innovative Gesundheitsversorgung und Market Access, Wiesbaden: Springer Gabler, 269–291.  Google Scholar
  109. Haddad, C. und Hornuf, L. (2019): The emergence of the global fintech market: economic and technological determinants, Small Business Economics, 53, 81–105.  Google Scholar
  110. Wangermann, T. (2020): KI in KMU Rahmenbedingungen für den Transfer von KI-Anwendungen in kleine und mittlere Unternehmen, Konrad-Adenauer-Stiftung.  Google Scholar
  111. Wennker, P. (2020): Künstliche Intelligenz im Gesundheitssystem, in: Wennker, P. (Hrsg.): Künstliche Intelligenz in der Praxis, Wiesbaden: Springer Gabler, 63–81.  Google Scholar
  112. Zhavoronkov, A. (2018): Artificial Intelligence for Drug Discovery, Biomarker Development, and Generation of Novel Chemistry, in: Molecular Pharmaceutics, 15(10), 4311–4313.  Google Scholar
  113. Henn, R. und Terzidis, O. (2019): Strukturwandel durch künstliche Intelligenz – Herausforderungen und Chancen sowie der Einfluss der Rahmenbedingungen regionaler Gründungsökosysteme auf die Auswirkungen für die Gesellschaft. In: Weissenberger-Eibl M. (Hrsg.): Zukunftsvision Deutschland, Springer Gabler: Berlin/Heidelberg.  Google Scholar
  114. Henstock, P. V. (2019): Artificial intelligence for pharma: Time for internal investment, in: Trends in Pharmacologcal Sciences, 40(8), 543–546.  Google Scholar
  115. Henstock, P. V. (2020): Artificial Intelligence in Pharma: Positive Trends but More Investment Needed to Drive a Transformation, in: Archives of Pharmacology and Therapeutics, 2(2), 24–28.  Google Scholar
  116. Hufner, D. und Mossig, I. (2014): Standortanforderungen von Internet-Start-ups: Eine diskursanalytische Untersuchung am Beispiel der Internetökonomie in Berlin, Beiträge zur Wirtschaftsgeographie und Regionalentwicklung, No. 1-2014, Universität Bremen.  Google Scholar
  117. Huss, R. (2020): Künstliche Intelligenz, Robotik und Big Data in der Medizin, Berlin: Springer.  Google Scholar
  118. Ivascu, C. (2020): Auf dem Weg zur Präzisionsonkologie: Biomarker, molekulargenetische Tumorprofile und Big Data, in: Pfannstiel, M. A., Da-Cruz, P. und Rederer, E. (Hrsg.): Digitale Transformation von Dienstleistungen im Gesundheitswesen VII: Impulse für die Pharmaindustrie, Wiesbaden: Springer Gabler, 193–208.  Google Scholar
  119. Jorzig, A. und Sarangi, F. (2020): Digitalisierung im Gesundheitswesen: Ein kompakter Streifzug durch Recht, Technik und Ethik, Berlin: Springer.  Google Scholar
  120. Kemeny, T., Nathan, M. und Bader, A. (2017): Using Crunchbase to Explore Innovative Ecosystems in the US and UK, in: Birmingham Business School Discussion Paper Series, No. 2017-01, University of Birmingham.  Google Scholar

Abstract

AI startups in the pharmaceutical industry: startup clusters, focus areas, and niches

In this paper, AI startups from the pharmaceutical and healthcare industries are analyzed. In order to uncover global startup clusters and the focus of work in these clusters, company descriptions from the Crunchbase database are evaluated using a cluster analysis. The results of the cluster analysis show that technological development is dominated by start-ups from the Anglo-American region. Companies from the USA, the UK and Canada are focusing on the development of AI-based technologies for drug discovery. Start-ups from the UK are also involved in the development of intelligent data management systems for the healthcare sector. Against the background of strong international competition, it is recommended for German companies to pursue a niche strategy. With regard to AI-based development of biomarkers, this study identifies a field of application with real potential for catching up and connecting, in which the international competition is not yet strongly represented.

Table of Contents

Section Title Page Action Price
Johann Valentowitsch / Theresa Fritz: KI-Start-Ups in der Pharmaindustrie: Gründungscluster, Schwerpunkte und Nischen 1
Zusammenfassung 1
Abstract 2
I. Einleitung 2
II. Start-Up-Cluster – eine theoretische Einordnung 3
III. Datenakquise und Datenaufbereitung 5
IV. Clusteranalyse der Unternehmensdaten 7
V. Ergebnisse und Diskussion 9
VI. Schlussbetrachtung 1
Literatur 1

Contact

Duncker & Humblot GmbH Carl-Heinrich-Becker-Weg 9 12165 Berlin, Deutschland T: +49 30 790006-0

Quick Navigation

2024 Duncker & Humblot GmbH

Powered by CloudPublish

We use cookies to ensure that you get the best experience on our website. Learn more about how we use cookies.