Die Pharmaindustrie gilt seit jeher als einer der schwierigsten Bereiche für KI – komplexe Daten, strenge Regularien, hohe Ausfallraten und extrem lange Zyklen.
Doch im Februar dieses Jahres hat Eli Lilly ein Gerät in Betrieb genommen, das die Branche aufhorchen ließ: LillyPod.
Was ist LillyPod
LillyPod ist ein KI-Supercomputing-Cluster, der von Eli Lilly selbst gebaut wurde und vollständig im Besitz und Betrieb eines einzelnen Pharmaunternehmens ist – ein Novum in der Branche.
Hardware-Ausstattung: 1.016 NVIDIA Blackwell Ultra (DGX B300) GPUs, mit einer Gesamtrechenleistung von über 9.000 Petaflops (9 Exaflops).
Von der Entscheidung zum Bau bis zur offiziellen Inbetriebnahme vergingen nur vier Monate.
Eli Lilly positioniert das System als KI-Fabrik, die nicht nur eine einzelne Aufgabe erledigt, sondern die gesamte Arzneimittelentwicklungspipeline darauf laufen lässt – von der Proteinstrukturvorhersage und Genomanalyse über das Wirkstoffscreening bis hin zur klinischen Studiengestaltung und Produktionsoptimierung.
Warum Eli Lilly selbst baut
Traditionell lagern Pharmaunternehmen KI an Cloud-Anbieter oder KI-Dienstleister aus. Eli Lilly entscheidet sich stattdessen dafür, die Rechenleistung selbst zu kontrollieren.
Die Gründe:
- Forschungsdaten für Arzneimittel sind äußerst sensibel; externe Clouds bergen Risiken für Datensouveränität und Compliance
- Ein eigener Bau ermöglicht spezifische Optimierungen für Pharmaszenarien, ohne mit anderen Kunden um Ressourcen konkurrieren zu müssen
- 700 TB Genomdaten, 290 TB GPU-Hochgeschwindigkeitsspeicher – dieser Maßstab wäre extern zu teuer
Die 1-Milliarde-Dollar-Partnerschaft mit NVIDIA
LillyPod ist nur ein Teil der Zusammenarbeit zwischen Eli Lilly und NVIDIA.
Die beiden Unternehmen kündigten außerdem an, gemeinsam in San Francisco ein KI-Innovationslabor (Co-Innovation Lab) zu gründen, mit einem Gesamtinvestitionsvolumen von bis zu 1 Milliarde US-Dollar über fünf Jahre für Talente, Infrastruktur und Rechenleistung.
Schwerpunkte: Training von Proteindiffusionsmodellen, Graph Neural Networks für kleine Moleküle, genomische Foundation-Modelle.
Dies bedeutet, dass KI in die frühesten und teuersten Phasen der neuen Arzneimittelentwicklung eingreift – jene mit der höchsten Ausfallrate.
Branchenhintergrund
Im Jahr 2026 hat sich die KI-gestützte Arzneimittelforschung von einer vielversprechenden Idee zu einem Bereich entwickelt, der erste Ergebnisse liefert.
Zeitgleiche Entwicklungen:
- Eli Lilly erwarb für bis zu 2,75 Milliarden US-Dollar mehrere präklinische Kandidatenverbindungen von Insilico Medicine (einem KI-Wirkstoffforschungsunternehmen)
- Das von einem chinesischen Forschungsteam vorgestellte DrugCLIP-Framework kann in wenigen Stunden 10 Millionen Wirkstoff-Zielstruktur-Kombinationen scannen – 10 Millionen Mal schneller als herkömmliches virtuelles Screening
- Mehrere KI-designte Arzneimittelkandidaten befinden sich in klinischen Studien
Pharmaunternehmen stellen fest, dass das Problem heute nicht mehr darin besteht, keine Kandidatenmoleküle zu finden, sondern darin, aus Millionen von Kandidaten schnell diejenigen auszuwählen, die eine klinische Prüfung am meisten verdienen.
LillyPod soll diesen Auswahlprozess von Rechenleistungsbeschränkungen befreien.
Quellenangabe: CocoLoop, Lilly Launches LillyPod NVIDIA DGX SuperPOD for Genomics and Drug Discovery AI (HPCwire/AIwire); NVIDIA and Lilly Announce Co-Innovation AI Lab to Reinvent Drug Discovery (NVIDIA Newsroom); AI in Drug Discovery Hits New Milestone (AI News International)