Faro erhält 37,3 Millionen Dollar – KI soll Studienabläufe verbinden
Faro AI, Inc. gab am 26. August 2026 eine Series B über 37,3 Millionen US-Dollar bekannt. Der Merck Global Health Innovation Fund und S32 führten die Runde gemeinsam an; die Mitteilung von Faro nennt als Zweck den Ausbau agentischer KI und deren Einsatz in klinischen Entwicklungsorganisationen.
Die Finanzierung soll damit nicht nur das schnellere Schreiben von Studienprotokollen ermöglichen. Faro will KI-Agenten auf eine strukturierte Datenbasis setzen, damit sie Abhängigkeiten zwischen Studiendesign, Durchführung, Datenerhebung und regulatorischen Anforderungen berücksichtigen können. Die Finanzierungsübersicht von Axios bestätigte am 27. August Summe und Lead-Investoren.
Wer die Series B finanziert
Neben den beiden Lead-Investoren beteiligten sich General Catalyst, Northpond Ventures, Polaris Partners, PTX Capital und Zetta erneut; Ankona Capital kam als neuer Investor hinzu. Diese Zusammensetzung und der geplante Einsatz des Kapitals für KI-Agenten in den Entwicklungsabläufen von Pharma- und Biotechnologieunternehmen werden auch im Bericht von MobiHealthNews vom 28. August aufgeführt.
Eine detaillierte Aufteilung der 37,3 Millionen Dollar auf Produktentwicklung, Personal, Vertrieb oder Kundenimplementierungen ist bislang nicht veröffentlicht. Öffentlich festgelegt ist die Richtung: Faro will seine agentischen Funktionen erweitern und die Zusammenarbeit mit Unternehmen beschleunigen, die solche Systeme in ihren klinischen Entwicklungsorganisationen einsetzen.
Die Investorenliste verbindet einen strategisch auf Gesundheitsinnovationen ausgerichteten Geldgeber mit Technologie- und Biotech-Fonds. Das kann Faro den Zugang zu Branchenwissen und Entwicklungsorganisationen erleichtern. Die Beteiligung ist jedoch kein Nachweis dafür, dass die geplanten Agenten Studienzeiten verkürzen, Kosten senken oder bessere wissenschaftliche Entscheidungen hervorbringen.
Warum ein Protokollgenerator nicht genügt
Der wesentliche Unterschied liegt zwischen einem erzeugten Dokument und dem zugrunde liegenden Studienmodell. Ein Sprachmodell kann einen Protokollabschnitt formulieren oder überarbeiten. Ein strukturiertes System of Record muss dagegen Konzepte, Beziehungen, Einschränkungen und den wissenschaftlichen Zweck einer Studie so abbilden, dass abhängige Arbeitsschritte konsistent bleiben.
Ändert ein Entwicklungsteam beispielsweise einen Endpunkt, kann dies Auswirkungen auf Ein- und Ausschlusskriterien, Untersuchungstermine, Datenerfassung, statistische Auswertung und Einreichungsunterlagen haben. Ein verbundener Arbeitsablauf müsste diese Folgen am gemeinsamen Studienmodell erkennen. Ein reiner Textgenerator behandelt die betroffenen Dokumente dagegen zunächst als getrennte Aufgaben, sofern die Abhängigkeiten nicht zusätzlich modelliert werden.
Faro setzt deshalb beim Studienprotokoll als zentralem Ausgangspunkt an, beschreibt Dokumente aber nur als mögliche Ausgaben des Systems. Die beanspruchte Grundlage bilden proprietäre Datenmodelle, welche die Absicht und Randbedingungen einer Studie maschinenlesbar darstellen sollen. Ob diese Modelle über unterschiedliche Therapiegebiete und komplexe reale Studien hinweg zuverlässig funktionieren, lässt sich aus einer Finanzierungsrunde nicht ableiten.
Gerade diese Trennung erklärt das Versprechen im Titel: „Studienabläufe verbinden“ bedeutet nicht, vorhandene Dateien lediglich zusammenzufassen. Gemeint ist eine gemeinsame Repräsentation der Entscheidungen, auf der nachgelagerte Aufgaben aufbauen können. Bislang ist das die Produkt- und Entwicklungsrichtung des Unternehmens, kein veröffentlichter Wirksamkeitsnachweis für einen vollständig durchgängigen Ablauf.
Welche Rolle die KI-Agenten übernehmen sollen
Die geplanten Agenten sollen über einzelne Schreibaufgaben hinausreichen. Sie könnten auf dem gemeinsamen Modell nachvollziehen, warum ein Endpunkt gewählt wurde, welche Daten dafür benötigt werden und welche operativen oder regulatorischen Vorgaben bei Änderungen erhalten bleiben müssen. Damit verschiebt sich ihre Rolle vom Erzeugen eines Textes zum Bearbeiten miteinander verknüpfter Aufgaben.
„Agentisch“ ist dabei nicht gleichbedeutend mit vollständig autonom. Je näher ein System an Studiendesign, Datenflüsse oder regulatorisch relevante Unterlagen heranrückt, desto wichtiger werden begrenzte Befugnisse, nachvollziehbare Zwischenschritte und dokumentierte Freigaben. Der praktische Wert hängt daher nicht allein vom Sprachmodell ab, sondern ebenso von Datenstruktur, Zugriffskontrolle, Validierung und Änderungsprotokollen.
Als langfristige Reichweite nennt Faro den Weg vom Studiendesign und der Protokollerstellung über Studienaufbau und Durchführung bis zu Datenflüssen, Prüfung und weiteren nachgelagerten Tätigkeiten. Die Series B soll den Ausbau in diese Richtung finanzieren. Sie belegt weder die allgemeine Verfügbarkeit aller beschriebenen Agenten noch deren Leistung über den gesamten klinischen Entwicklungszyklus.
Regulatorische Aufsicht setzt die Grenze
Auch bei stärkerer Automatisierung bleiben Sponsoren, Prüfärzte und weitere Beteiligte für die ordnungsgemäße Durchführung klinischer Studien verantwortlich. Die bei der EMA dokumentierte geltende ICH-E6(R3)-Fassung verlangt den Schutz der Rechte, der Sicherheit und des Wohlergehens der Teilnehmenden sowie integre und glaubwürdige Studiendaten. Ein KI-Agent übernimmt diese Verantwortung nicht.
Die von FDA und EMA gemeinsam entwickelten Grundsätze guter KI-Praxis nennen unter anderem einen menschzentrierten und risikobasierten Ansatz, einen klaren Anwendungskontext, Daten-Governance, Dokumentation, Leistungsbewertung und Lebenszyklusmanagement. Für verbundene Agenten folgt daraus: Mit ihrem Handlungsraum müssen auch Nachvollziehbarkeit, Prüfung und Aufsicht wachsen.
Noch offen ist, welche agentischen Funktionen Faro zuerst ausbaut, wie das Unternehmen deren Leistung misst und welche Entscheidungen zwingend eine menschliche Freigabe erfordern. Ebenso fehlen veröffentlichte Kennzahlen zu Fehlerquoten, Zeitgewinnen und kontrollierten Vergleichen der angekündigten durchgängigen Abläufe. Bestätigt sind die Finanzierung, die Investoren und die geplante Ausbaurichtung; ob daraus belastbare, verbundene Studienprozesse entstehen, müssen künftige Implementierungen zeigen.
Lesen Sie auch:
Newsletter abonnieren
Erhalten Sie die neuesten Nachrichten zu Web3, KI und Krypto direkt in Ihren Posteingang.