de.wedoany.com-Bericht: Im Oktober 2025 kündigte Eli Lilly an, den leistungsstärksten Supercomputer zu bauen, den die Pharmaindustrie je gesehen hat. Bis Februar 2026 ging „LillyPod“ in Betrieb, ausgestattet mit über 1.000 NVIDIA Blackwell Ultra GPUs, die eine Rechenleistung von mehr als 9.000 Petaflops bieten. Der Aufbau erfolgte in rund vier Monaten und ermöglicht einen schnellen Zugriff auf etwa 700 TB an Genomdaten. Dies ist ein Symbol für die wachsende Überzeugung der Branche: Künstliche Intelligenz ist kein Forschungsspielzeug mehr, sondern eine zentrale wissenschaftliche Infrastruktur, deren Bedeutung mit Nasslaboren oder klinischen Betriebsteams gleichzieht.
Doch in derselben Ankündigung verbirgt sich ein bemerkenswertes Eingeständnis. Der Chief Information and Digital Officer von Lilly erklärte, dass die Erträge all dieser gewaltigen Fähigkeiten erst im Jahr 2030 wirklich spürbar werden. Bislang hat kein einziges KI-entworfenes Medikament die Zulassung durch Aufsichtsbehörden erhalten; die fortschrittlichsten KI-originellen Kandidaten befinden sich noch in mittleren klinischen Studien. Die Kluft zwischen dem Umfang der Infrastruktur und der schwachen klinischen Evidenz ist die zentrale Spannung in diesem Bereich – und in Asien ist diese Kluft besonders groß und komplex. Eine Umfrage von ZS unter Führungskräften aus Pharma- und Biotechnologieunternehmen zeigt, dass etwa 85 % der Befragten planen, in Daten, Digitalisierung und KI im Bereich Forschung und Entwicklung zu investieren. Der ZS-Ausblick für 2026 weist jedoch darauf hin, dass nur etwa 17 % der Technologieführer messbare Renditen aus ihren KI-Investitionen in Forschung und Entdeckung melden. Die Branche hat KI als Infrastruktur etabliert, doch der Großteil hat sich noch nicht ausgezahlt.
Aus Sicht der Validierungsdaten: Bis Mitte 2025 waren über 29 öffentlich berichtete KI-gesteuerte Therapieprojekte in die Humanforschung eingetreten; bis Anfang 2026 befanden sich über 173 KI-originelle Projekte in der klinischen Entwicklung. Nach Eintritt in die Patiententests lag die Erfolgsquote KI-entdeckter Moleküle in Phase-I-Studien zwischen 80 % und 90 %, weit über dem historischen Branchendurchschnitt von etwa 50 % bis 65 %. Doch in Phase-II-Studien, die die tatsächliche Wirksamkeit testen, sank die Erfolgsquote KI-entdeckter Moleküle auf etwa 40 %, statistisch nicht mehr vom traditionellen Industriestandard zu unterscheiden, bei kleineren Stichprobengrößen. Die Gesamtausfallrate der Pharmaindustrie von etwa 90 % bleibt unverändert.
Das in Hongkong ansässige Unternehmen Insilico Medicine brachte den TNIK-Inhibitor Rentosertib (ursprünglich ISM001-055) für idiopathische Lungenfibrose in den Phase-IIa-Konzeptnachweis. Im Juni 2025 veröffentlichte Nature Medicine die Ergebnisse einer Studie mit 71 Patienten an 22 Zentren in China, die eine signifikante Verbesserung der Lungenfunktion im Vergleich zu Placebo zeigte. Dies ist das erste Medikament mit KI-entworfenem Zielmolekül und -verbindung, das glaubwürdige mittlere Humanwerte liefert – jedoch in Kombination mit traditioneller medizinischer Chemie. Gleichzeitig stoppte Recursion Pharmaceuticals im Mai 2025 seinen KI-entdeckten Kandidaten REC-994, und im Laufe des Jahres wurden mehrere andere KI-designte Medikamente nach Phase II zurückgestellt oder herabgestuft. Die Lehre daraus: KI unterliegt denselben brutalen Verlustraten wie andere Bereiche der Arzneimittelentwicklung.
In Asien gibt es drei strukturelle Komplexitätsfaktoren. Erstens die Datensouveränität. China schränkt seit 1998 den Transfer menschlicher genetischer Daten an ausländische Parteien ein; die Verordnung über die Verwaltung menschlicher genetischer Ressourcen von 2019, die Durchführungsbestimmungen von 2023 und das Biosicherheitsgesetz von 2020 haben entsprechende Regelungen etabliert. Der grenzüberschreitende Transfer von Genomdaten erfordert eine administrative Prüfung durch das Ministerium für Wissenschaft und Technologie sowie eine Sicherheitsbewertung durch die Cyberspace-Verwaltung, was Monate dauern kann. BGI und AstraZeneca wurden in der Vergangenheit wegen unbefugter Verarbeitung genetischer Proben sanktioniert. Ein überarbeiteter Entwurf von 2026 könnte den Umfang der eingeschränkten Daten auf Nukleinsäuresequenzen reduzieren, doch das Prinzip der Lokalisierung ist tief verwurzelt. Die US-Exekutivanordnung 14117 schränkt ebenfalls den Massentransfer von Genomdaten von Amerikanern in „besorgniserregende Länder“ ein. Die zweite Einschränkung betrifft die Rechenleistung: US-Exportkontrollen für fortschrittliche KI-Chips zwingen Regionen wie China zu anderen Modellen. Drittens der Fachkräftemangel: Talente, die sowohl Transformer-Architekturen als auch Proteinfaltung verstehen, sind heiß umkämpft und in Asien besonders rar.
Der Bereich der KI-gestützten Wirkstoffforschung hat im letzten Jahrzehnt rund 9,7 Milliarden US-Dollar absorbiert, doch die Anleger werden nüchterner. Wissenschaftler, die Risikokapitalflüsse untersuchen, bezeichnen dieses Phänomen als „KI-Washing“ – Unternehmen nutzen KI als Marketingetikett, ohne über tatsächliche wissenschaftliche Kernkompetenzen zu verfügen. Die stärksten Finanzierungsströme fließen in geschlossene Unternehmen, die KI mit experimenteller Durchführung kombinieren. Der Bau des Supercomputers von Lilly repräsentiert echte Infrastruktur, Rentosertib von Insilico Medicine steht für ein asiatisches klinisches KI-Molekül mit echten Messwerten, und der lange Schwanz von Start-ups steht für die Praxis, Vorhersagen aus öffentlichen Datenbanken als proprietäre Plattformen zu verpacken. Der Abstand zwischen diesen drei Kategorien ist genau der Abstand zwischen Infrastruktur und Gimmick.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
