In einer entscheidenden Maßnahme, die die vollständige Integration von künstlicher Intelligenz (artificial intelligence, AI) in den Life‑Sciences‑Sektor signalisiert, haben NVIDIA und Eli Lilly eine historische Zusammenarbeit zur Einrichtung eines gemeinsamen Co‑Innovation‑Labors für künstliche Intelligenz angekündigt. Die Partnerschaft, die durch eine geplante Investition von bis zu 1 Milliarde US‑Dollar über die nächsten fünf Jahre gestützt wird, zielt darauf ab, die traditionellen Grenzen zwischen rechnerischer Technologie und pharmazeutischer Entwicklung zu durchbrechen. Durch die Kombination von Eli Lillys reichhaltigen Beständen an biologischen Daten und chemischem Fachwissen mit NVIDIAs hochmoderner Infrastruktur für künstliche Intelligenz soll die Entdeckung neuer Medikamente beschleunigt und die komplexe Logistik der globalen Arzneimittelproduktion optimiert werden.
Diese strategische Allianz konzentriert sich auf eine neue Einrichtung in der San Francisco Bay Area, die Anfang dieses Jahres den Betrieb aufnehmen soll. Das Labor wird als Nexus fungieren, in dem Lillys Expertinnen und Experten aus Biologie, Chemie und Medizin Seite an Seite mit NVIDIAs Forschern und Ingenieuren für künstliche Intelligenz arbeiten. Die Kernmission ist es, ein „continuous learning system“ (kontinuierliches Lernsystem) zu schaffen — eine nahtlose Rückkopplungsschleife, bei der biologische Experimente KI‑Modelle informieren und diese Modelle wiederum die nächste Runde physischer Experimente steuern.
Aus der Perspektive von Creati.ai stellt diese Partnerschaft einen Wendepunkt in der Branche dar. Sie geht über die experimentellen Pilotprojekte des letzten Jahrzehnts hinaus und tritt in eine Phase industrieller Anwendung ein, in der künstliche Intelligenz nicht nur ein Hilfswerkzeug, sondern die grundlegende Architektur der Wirkstoffforschung ist.
Die Pharmaindustrie kämpft seit langem mit dem Paradoxon von „Eroom’s Law“, wonach die Wirkstoffforschung trotz technologischer Fortschritte im Laufe der Zeit langsamer und teurer wird. Das NVIDIA‑Lilly‑Labor begegnet diesem Problem, indem es „wet labs“ (Wet Labs) — physische Experimente — mit „dry labs“ (Dry Labs) — rechnerischen Simulationen — integriert.
Die Zusammenarbeit führt einen „scientist‑in‑the‑loop“-Workflow (scientist-in-the-loop) ein. In diesem Modell führen automatisierte robotergestützte Labore rund um die Uhr Experimente durch und erzeugen enorme, hochwertige Datensätze. Diese Daten werden sofort in NVIDIAs Modelle für künstliche Intelligenz eingespeist, die die Ergebnisse analysieren und in Echtzeit neue experimentelle Parameter vorschlagen. Dieser iterative Prozess ermöglicht es Wissenschaftlern, riesige chemische und biologische Räume in silico — per Computersimulation — zu erkunden, bevor auch nur ein einziges Molekül in der physischen Welt synthetisiert wird.
Jensen Huang, Gründer und CEO von NVIDIA, betonte das transformativen Potenzial dieses Ansatzes und stellte fest, dass die Auswirkungen der künstlichen Intelligenz auf die Lebenswissenschaften tiefgreifend sein werden. Indem eine Blaupause geschaffen wird, in der Biologie als Informationswissenschaft fungiert, zielt die Partnerschaft darauf ab, die Entwicklungszeiten zu verkürzen, die derzeit für die meisten neuen Therapien über ein Jahrzehnt betragen.
Im Zentrum dieser Initiative steht NVIDIAs BioNeMo‑Plattform, ein generatives KI‑Framework (generative AI) speziell für die Wirkstoffforschung. BioNeMo ermöglicht es Forschenden, Basis‑Modelle für die Biologie zu erstellen, anzupassen und bereitzustellen und fungiert effektiv als Betriebssystem für die Aktivitäten des Labors.
Das Labor wird außerdem NVIDIAs zukünftige Hardware‑Architekturen nutzen, einschließlich der erwarteten Vera Rubin‑Architektur, um die immensen Rechenanforderungen beim Training von Spitzenmodellen auf biomedizinischen Daten zu bewältigen. Dies steht im Einklang mit den bestehenden Investitionen von Eli Lilly, einschließlich ihres zuvor angekündigten AI‑Supercomputers, der zu den leistungsfähigsten im Pharmasektor zählt.
Comparative Analysis: Traditional vs. AI-Accelerated Discovery
Die folgende Tabelle skizziert die Verschiebung der Methodik, die durch diese Integration des Hochleistungsrechnens (High‑Performance Computing, HPC) ermöglicht wird:
| Methodology | Traditional Drug Discovery | AI-Accelerated Co-Innovation |
|---|---|---|
| Target Identification | Manuelle Literaturrecherche und langsame biologische Validierung | Generative KI (Generative AI)‑Modelle analysieren umfangreiche Datensätze, um mögliche Targets vorherzusagen |
| Lead Optimization | Iterative, Trial‑and‑Error‑chemische Synthese (Jahre) | In silico‑Simulation von molekularen Wechselwirkungen (Wochen/Monate) |
| Data Utilization | Getrennte Datensilos, die nach gescheiterten Experimenten oft verworfen werden | Kontinuierliche Lernsysteme nutzen alle Daten, um Modelle zu verfeinern |
| Manufacturing | Physische Prototypen von Produktionslinien | Digitale Zwillinge (Digital Twins) simulieren Fertigungsabläufe vor dem Bau |
| Success Rate | Hohe Ausfallrate in späten klinischen Phasen | Predictive Toxicology und Wirkungsmodellierung reduzieren Ausfälle in späten Phasen |
Während generative KI (generative biology / generative AI) zur Entdeckung von Molekülen oft die Schlagzeilen macht, hebt sich die NVIDIA‑Lilly‑Partnerschaft dadurch ab, dass sie die Reichweite der künstlichen Intelligenz auf die physische Welt der Fertigung und Lieferkettenlogistik ausdehnt. Dieses Konzept, als „Physical AI“ (Physische KI) bezeichnet, umfasst den Einsatz von Robotik und fortgeschrittener Simulation, um die Lücke zwischen digitalen Modellen und realen Abläufen zu überbrücken.
Die Zusammenarbeit plant den Einsatz von NVIDIA Omniverse, einer Plattform zur Entwicklung von Anwendungen mit Universal Scene Description (OpenUSD), um „digitale Zwillinge“ (Digital Twins) von Fertigungsprozessen zu erstellen. Durch die Simulation der Produktionslinie in einer virtuellen Umgebung kann Lilly Engpässe identifizieren, Effizienzverbesserungen testen und robotergestützte Systeme trainieren, ohne den tatsächlichen Betrieb zu stören.
Um diese industriellen Metaversen zu unterstützen, wird das Labor NVIDIA RTX PRO‑Server einsetzen. Diese Systeme visualisieren komplexe Fertigungsdaten und ermöglichen Ingenieurinnen und Ingenieuren:
David A. Ricks, CEO von Eli Lilly, hob hervor, dass dieser umfassende Ansatz — vom Mikroskop bis zur Produktionsstätte — die Arzneimittelversorgung neu erfinden könnte. Durch die Optimierung der Herstellungsprozesse will die Partnerschaft sicherstellen, dass Durchbruchtherapien nicht nur schneller entdeckt, sondern auch verlässlicher zu den Patientinnen und Patienten gelangen.
Die Investition von 1 Milliarde US‑Dollar unterstreicht einen breiteren Trend, bei dem „Big Tech“ und „Big Pharma“ untrennbar miteinander verbunden werden. Für die Leserinnen und Leser von Creati.ai signalisiert dies eine Reifung des KI‑Marktes. Wir bewegen uns weg von allgemeinen großen Sprachmodellen hin zu spezialisierten großen biologischen Modellen — große Sprachmodelle (Large Language Models, LLMs) zu großen biologischen Modellen (Large Biological Models, LBMs), die die Sprache von Proteinen, DNA und chemischen Strukturen verstehen.
Diese Zusammenarbeit validiert das Konzept der generativen Biologie (generative biology). So wie KI‑Modelle Text oder Bilder erzeugen können, sind sie nun in der Lage, neuartige Proteinstrukturen und kleine Moleküle mit spezifischen therapeutischen Eigenschaften zu generieren. Die Fähigkeit, Biologie „zu programmieren“, könnte Behandlungen für Krankheiten erschließen, die historisch als „undruggable“ galten.
Die Geschwindigkeit, mit der diese Technologien übernommen werden, wirft wichtige Fragen zu regulatorischen Rahmenbedingungen und Datenschutz auf. Gleichwohl stellt das Potenzial, die durchschnittlichen Kosten für die Entwicklung eines neuen Medikaments — derzeit auf über 2 Milliarden US‑Dollar geschätzt — drastisch zu senken, ein unumgängliches wirtschaftliches Argument dar. Sollte das NVIDIA‑Lilly‑Labor erfolgreich sein, könnte es einen neuen Branchenstandard setzen und Wettbewerber zwingen, ähnliche KI‑zuerst‑Strategien zu verfolgen oder das Risiko der Obsoleszenz einzugehen.
Während das Labor in South San Francisco seinen Betrieb aufnimmt, wird die Branche genau beobachten. Der Erfolg dieses Unternehmens wird nicht nur an der Raffinesse seiner Algorithmen gemessen werden, sondern an seiner Fähigkeit, greifbare, lebensrettende Therapien schneller als je zuvor zu liefern. Für den Moment steht die Konvergenz von NVIDIAs Siliziummacht und Eli Lillys biologischem Fachwissen als die bislang bedeutendste Bestätigung der Zukunft der künstlichen Intelligenz in der Medizin.
Nvidia‑CEO Jensen Huang plant einen strategischen Besuch in China, um den rückläufigen Verkauf von KI‑Chips anzusprechen und sich vor dem Mondneujahr durch die komplexen US‑Exportvorschriften zu navigieren.
Das Healthcare‑AI‑Startup OpenEvidence, oft als „ChatGPT für Ärzte“ bezeichnet, verdoppelt seine Bewertung auf 12 Milliarden Dollar nach einer Series‑D‑Finanzierungsrunde in Höhe von 250 Millionen Dollar, angeführt von Thrive Capital und DST Global.
