Twist Bioscience peilt bereinigtes EBITDA-Breakeven in diesem Quartal an und will Umsatz bis 2031 dank stark wachsender Aufträge aus der KI-gestützten Wirkstoffforschung verdoppeln
Investor Day, 21. Mai 2026 – Produktionsstätte in Wilsonville, Oregon
Twist Bioscience hat seinen ersten großen Investorentag seit Jahren genutzt, um eine Finanz-Roadmap vorzulegen, wonach das bereinigte EBITDA im laufenden vierten Quartal des Geschäftsjahrs positiv werden, die Bruttomarge langfristig auf über 60 % steigen und der Umsatz bis zum Geschäftsjahr 2031 von einer prognostizierten Basis im Geschäftsjahr 2026 von 442 Millionen bis 447 Millionen US-Dollar auf rund 900 Millionen US-Dollar mehr als verdoppelt werden soll – ein Ziel, das das Management wiederholt als „Untergrenze, nicht als Obergrenze“ bezeichnete. CFO Adam Laponis erklärte vor den anwesenden Gästen, dass das Unternehmen die Betriebskosten „in den letzten drei Jahren relativ konstant gehalten“ habe, während der Umsatz seit 2023 jährlich um 22 % gewachsen sei. Diese Dynamik werde sich fortsetzen, da die Produktionsplattform weitgehend innerhalb der bestehenden Standorte skaliert werden könne.
Aufträge für KI-gestützte Wirkstoffforschung steigen drastisch an
Der am stärksten beachtete neue Datenpunkt war die Entwicklung des KI-basierten Wirkstoffforschungsgeschäfts von Twist. CEO Emily Leproust gab bekannt, dass sich die Aufträge von Kunden aus der rein KI-basierten Wirkstoffforschung im vergangenen Jahr auf 25 Millionen US-Dollar beliefen und im laufenden Jahr ein prozentuales Wachstum im dreistelligen Bereich anstreben, was einem Auftragsvolumen von über 50 Millionen US-Dollar im Geschäftsjahr 2031 entsprechen könnte. Chief Scientific Officer Colby Souders erläuterte die Ökonomie dieser aufstrebenden Kundengruppe im Detail: Ein typischer KI-Partner beginnt mit einer Pilotstudie von Dutzenden bis Hunderten Sequenzen zu Kosten von 10.000 bis 100.000 US-Dollar, geht zu Trainingsrunden mit Tausenden Sequenzen für unter 1 Million US-Dollar über und bewegt sich schließlich hin zu therapeutischen Entdeckungskampagnen, die Hunderttausende Kandidaten umfassen. Twist teilte mit, allein in dieser Kategorie bereits über 200.000 Proteine produziert, mehr als 130.000 davon getestet und 7 Millionen Datenpunkte für „Dutzende Kunden“ generiert zu haben.
Das Unternehmen erhöhte seine Prognose für den gesamten adressierbaren Markt im Jahr 2030 auf 13 Milliarden US-Dollar, nach 7 Milliarden US-Dollar heute und 2 Milliarden US-Dollar im Jahr 2020. Von diesem Betrag kalkuliert Twist bis 2030 nun mit zusätzlichen 500 Millionen US-Dollar, die speziell mit KI-gestützten Antikörper-Entdeckungsdiensten verbunden sind, zusätzlich zum organischen Wachstum in den bestehenden Märkten für DNA-Synthese, Antikörper-Entdeckung und Proteinexpression. Das Management äußerte sich unmissverständlich zu den in dieser Zahl enthaltenen Risiken: Die Prognose geht davon aus, dass kein einzelnes dominantes KI-Modell entsteht und dass die KI-getriebene Wirkstoffforschung als Modalität weiterhin funktioniert. „Wenn es nicht funktioniert, wird der Markt nicht so groß sein“, sagte Leproust.
Kundenstimmen untermauerten die Darstellung der Modellleistung, die dieser Wette zugrunde liegt. Joshua Meier, Mitgründer und CEO von Chai Discovery – einem Unternehmen, das rund 250 millionen US-Dollar eingeworben hat und kein eigenes Nasslabor betreibt –, erklärte, dass die Erfolgsquote beim Antikörperdesign von 0,1 % im Mai 2025 (1 von 1.000 im Labor bindenden Antikörpern) mit dem im Juni desselben Jahres veröffentlichten Modell Chai-2 auf rund 16 % gestiegen ist, was einer mehr als 100-fachen Verbesserung in etwa zwölf Monaten entspricht. Meier bezeichnete den daraus resultierenden Rückkopplungskreis zwischen Modelliteration und DNA-Synthesegeschwindigkeit als „einen wirklich guten Schwungradeffekt“ und führte die beschleunigten experimentellen Validierungen auf die verkürzten Bearbeitungszeiten von Twist zurück.
Syntheseökonomie hat sich weitaus stärker verbessert als bisher bekannt
CTO Siyuan Chen präsentierte die detailliertesten operativen Einblicke des Tages und quantifizierte die dreijährigen Verbesserungen der Plattform, die der Bruttomargenentwicklung des Unternehmens zugrundeliegen. Die Kosten für die Oligo-Synthese sanken zwischen 2023 und 2026 um 60 %, wobei der Lösungsmittelverbrauch pro Million 100-mer-Oligos von 51 Litern auf 14 Liter zurückging – was bedeutet, dass eine einzige 500-ml-Flasche chemischer Reagenzien inzwischen rund 35.000 Oligos liefert. Die Bearbeitungszeit für denselben Produktionslauf sank von 26 Stunden auf 7 Stunden, eine Reduzierung um 73 %, die laut Chen zu einer Vervierfachung der effektiven Kapazität bei gleichbleibender Anzahl von Synthesegeräten („Riders“ in der internen Terminologie von Twist) führte. Die Fehlerquoten blieben bei etwa 1 von 3.000 Basenpaaren stabil, wobei Bestleistungen 1 von 4.000 erreichten – ein Niveau, das Chen im Vergleich zu herkömmlichen säulenbasierten Synthesezylindern als „wirklich beispiellos“ bezeichnete.
Das Unternehmen hat die Syntheselänge in der Produktion zudem auf 500 Basenpaare ausgedehnt, verglichen mit einer Industrie norm von eher 80 bis 100 Basenpaaren, was das kürzlich eingeführte Ultra-Complex-Gene-Produkt ermöglicht, das laut Chen als Rückgrat für komplexe mRNA-Konstrukte dient. Die Konsolidierung der Automatisierung wurde massiv vorangetrieben: Twist betreibt mittlerweile 20 integrierte Produktionssysteme in seiner Fertigung, verglichen mit 7 vor gerade einmal zwei Jahren, während gleichzeitig der Platzbedarf der ursprünglichen Gen-Assemblierungslinie um 80 % reduziert und der Fragmentausstoß dabei verdoppelt wurde.
Bearbeitungszeit für MRD-Panels von Wochen auf unter fünf Tage verkürzt
Im Diagnostikbereich schilderte Jimmy Jin, SVP of Product and Marketing, eine strukturelle Veränderung in der Ökonomie von Tests auf minimale Resterkrankung (MRD). Twist hat seine MRD-Panel-Produktion so umgestellt, dass sie vollständig auf dem Siliziumchip läuft. Dadurch sank die Bearbeitungszeit von einer Woche auf einen einzigen Tag, während sich die Kapazität bei gleichbleibender Mitarbeiterzahl verzehnfachte – allein im ersten Jahr wurden so über 2 Millionen US-Dollar an Verbrauchsmaterialkosten eingespart. Jin argumentierte, dass die Wirtschaftlichkeit zielgerichtete Panels gegenüber Ganzgenom-Ansätzen begünstigt, selbst wenn die Sequenzierungskosten sinken: Der Wechsel von einem Standard-Krebs-Panel zur Ganzgenomsequenzierung erfordert rund 1.500-mal mehr Sequenzierungsdaten als ein zielgerichtetes Panel. Das bedeutet, dass eine Sechsfach-Reduzierung der Sequenzierungskosten pro Gigabase seit 2021 die Ganzgenomsequenzierung für diese Anwendung weiterhin dramatisch teurer macht. Jin schätzte, dass die Branche in den kommenden zwei Jahren 4,6 Milliarden Oligos produzieren muss, um allein die prognostizierte MRD-Panel-Nachfrage zu decken – ausgehend von rund 2,3 Millionen Tests jährlich –, ein Volumen, das Wettbewerber mit herkömmlicher Oligo-Synthese-Infrastruktur (typische Kapazität von 150.000 Oligos pro Tag) ohne eine Verzehnfachung der Kapazitäten schlicht nicht bewältigen können.
Regeneron argumentiert gegen Ganzgenomsequenzierung im großen Maßstab
In einer der pointiertesten Kundenpräsentationen des Tages nutzte John Overton, Chief Sequencing Officer des Regeneron Genetics Center, Daten der UK Biobank – einer einzigartig abgeglichenen Kohorte von 500.000 Teilnehmern, bei denen Genotypisierung, Exomsequenzierung und Ganzgenomsequenzierung durchgeführt wurden –, um zu demonstrieren, dass zielgerichtete Sequenzierung trotz sinkender Ganzgenomkosten das effizientere Werkzeug für die Wirkstoffforschung bleibt. Beim Vergleich des Nachweises von Varianten in codierenden Regionen zeigte Overton, dass imputierte Genome (die Kombination von Genotypisierungs-Arrays mit der Exom-Anreicherung von Twist) und echte vollständige Genome eine Übereinstimmung von 97 % bei den entdeckten codierenden Varianten aufwiesen, bei nahezu identischen Raten für die Entdeckung nachgeschalteter Eigenschaftsassoziationen über 100 getestete klinische Merkmale hinweg. Bei gleichen Budgets statt gleicher Probenanzahlen erzielt ein Labor, das Exom- plus Genotypisierungs-Sequenzierung zu rund dreifach geringeren Kosten als eine Ganzgenomsequenzierung durchführt, etwa fünfmal so viele verwertbare Forschungsergebnisse bei gleichen Ausgaben – ein Abstand, der sich bei einem Kostenvorteil vom Faktor 10 auf das 20-Fache vergrößert. Regeneron hat gemeinsam mit Twist ein SNP-Diversity-Panel mit 600.000 Proben entwickelt, das herkömmliche Genotypisierungs-Arrays vollständig ersetzt hat – ein Projekt, das laut Overton damals kein konkurrierender Anbieter übernehmen wollte.
Nukleinsäure-Therapeutika als nächstes Wachstumsstandbein positioniert
Twist nimmt Nukleinsäure-Therapeutika – personalisierte Krebsimpfstoffe, Antisense-Oligonukleotide und siRNA – explizit als neuen adressierbaren Markt ins Visier, der sich an die Prognose für 2030 anschließt. Der Chief Commercial Leader Patrick Finn wies darauf hin, dass der Aufbau einer Nukleinsäure-Produktionsinfrastruktur im CDMO-Maßstab typischerweise Investitionen in der Größenordnung von 1 Milliarde US-Dollar erfordert. Dies verschafft Twist mit seiner bestehenden Vertriebs- und Qualitätsinfrastruktur einen strukturellen Vorteil, da sich das Feld von der Massenproduktion hin zu personalisierten Dosen in kleineren Chargen verlagert. Kundenseitige Bestätigung kam von OncoRNA-Mitgründer Christophe Huffel, dessen Plattform für personalisierte Neoantigen-Impfstoffe die Oligo-Pool-Technologie von Twist nutzt, um über 100 patientenspezifische Neoantigene pro Impfstoff zu codieren – mehr als das Dreifache der rund 30 bis 34 Neoantigene früherer Plattformen von Moderna und BioNTech. Huffel erklärte, dass dieser Ansatz bei 90 % der einzeln getestten Neoantigene eine zytotoxische CD8-Immunantwort auslöst und einen nicht verwässernden Zuschuss der Europäischen Union in Höhe von 31 Millionen Euro gesichert hat, um in klinische Phase-II-Studien vorzustoßen. Das erklärte Ziel ist es, die Bearbeitungszeit des Impfstoffs von der Probe bis zur Injektion auf drei Wochen zu verkürzen. „Kein anderer Wettbewerber ist in der Lage, gleichzeitig diese Geschwindigkeit, das richtige Format und den Preispunkt zu bieten, der den Anforderungen dieser Therapie entspricht“, sagte Huffel.
Kapazitätsspielraum und Disziplin bei Kapitalausgaben
Laponis erklärte, dass Twist derzeit 8 Synthese-Riders mit einer Auslastung von etwa 50 % an seinen Standorten in Wilsonville und South San Francisco betreibt. 4 zusätzliche Riders sind bestellt, und es gibt physischen Raum für bis zu 22 Riders ohne Neubauten – was bedeutet, dass innerhalb der bestehenden Gebäude etwa die dreifache Kapazität der aktuellen Riders zur Verfügung steht. Zusammen mit einer bereits unterzeichneten Option zur Expansion in eine vierte Etage in South San Francisco bekräftigte das Management das Ziel, bis 2030 eine jährliche Umsatzkapazität von über 1 Milliarde US-Dollar ohne größere neue Kapitalinvestitionen zu unterstützen, wobei die fortlaufenden Investitionen (CapEx) im Einklang mit den Abschreibungen erwartet werden. In Bezug auf M&A skizzierte Laponis ein enges Mandat: Akquisitionen müssen zusätzliches Volumen auf die Siliziumchip-Plattform bringen und die Stückkosten verbessern. Als Vorlage nannte er die kürzlich geschlossene Lizenzvereinbarung für bispezifische Antikörper mit Invenra (die B-Body-Plattform) anstelle einer Verlagerung hin zu größeren, verwässernden Transaktionen.
Wissenschaftliche Perspektive zu den Grenzen der KI
Die Nobelpreisträgerin Frances Arnold, langjährige wissenschaftliche Beraterin von Twist, bot einen mäßigenden Gegenpol zu der den Tag dominierenden KI-Euphorie. Auf die Frage, ob die KI-gestützte Wirkstoffforschung von Dauer ist, erwiderte Arnold direkt, dass es sich dabei zwar keineswegs um eine „Eintagsfliege“ handle, warnte jedoch gleichzeitig, dass Strukturvorhersagetools wie AlphaFold „nicht gut genug sind, es sei denn, man kombiniert sie mit diesen Optimierungsmethoden“ – den Techniken der gerichteten Evolution, für die sie den Nobelpreis erhalten hat. Zudem gebe es die Daten zum Trainieren funktionaler statt struktureller Modelle schlicht noch nicht. Sie trat zudem der Vorstellung entgegen, die KI werde die Nachfrage nach synthetischer DNA verringern, und argumentierte stattdessen, dass unvollkommene Modelle mehr experimentelle Iterationen erfordern werden und nicht weniger: „DNA ist der Punkt, an dem Sie Ihre Berechnung in die reale Welt übersetzen … Ich glaube, das wird immer so bleiben.“