BLOG
LillyPod geht online: Der stärkste AI-Supercomputer der Pharmaindustrie, halbiert den 10-jährigen F&E-Zyklus
Eli Lilly hat letzte Woche LillyPod vorgestellt – den leistungsstärksten AI-Supercomputer der Pharmaindustrie. Basierend auf der NVIDIA DGX SuperPOD-Architektur mit 1.016 Blackwell Ultra GPUs verfügt er über eine Rechenleistung von über 9.000 Petaflops.
Dies ist keine Unternehmenswerbung. Diese Zahl verweist direkt auf einen Wendepunkt in der Branche.
Wie groß ist die Lücke bei der Rechenleistung
| Szenario | Traditionelles Nasslabor | LillyPod |
|---|---|---|
| Jährlich getestete Molekülhypothesen | ~2,000 | Milliarden (parallele Simulation) |
| Typischer Entwicklungszyklus | 10 Jahre | Ziel 5 Jahre |
| Kosten pro Experiment | Hoch (Verbrauchsmaterial, Personal, Platz) | Grenzkosten nähern sich Null |
Das Problem der traditionellen Arzneimittelforschung ist: Der Durchsatz physikalischer Experimente stößt an eine harte Obergrenze. Die Geschwindigkeit im Nasslabor hängt von Bechergläsern, Petrischalen und den Händen der Forscher ab.
LillyPod ändert nicht das “schnellere Durchführen von Experimenten”, sondern das “Verlegen von Experimenten in die Rechenleistung”.
Drei Kernanwendungsszenarien
1. Beschleunigung der Genomik
Bei der Assoziationsanalyse von Genen, Krankheiten und Arzneimittelzielen ist das Datenvolumen enorm, die Struktur jedoch klar. KI kann in bekannten Genomdaten nach Mustern suchen, die vom Menschen übersehen wurden, und schnell potenzielle Zielstrukturen identifizieren.
2. Optimierung des Moleküldesigns
Vom “erst synthetisieren, dann testen” zum “erst simulieren, dann synthetisieren”. LillyPod kann die Aktivität und Toxizität von Milliarden von Molekülkonfigurationen parallel bewerten und nur die vielversprechendsten Kandidaten in die Phase der physikalischen Experimente überführen.
3. Optimierung klinischer Studien
Patientenrekrutierung, Endpunktdesign, Subgruppenanalyse – die Qualität der Entscheidungen in diesen Schritten beeinflusst direkt den Erfolg oder Misserfolg der Studie. KI kann basierend auf historischen Studiendaten die optimalen Parameter für das Studiendesign vorhersagen.
Warum jetzt
Dass sich die Pharmaindustrie der KI öffnet, ist keine Neuigkeit. Aber das Besondere an LillyPod ist der Maßstab:
- 1,016 Blackwell Ultra GPUs: Dies ist eine der derzeit öffentlich bekannt gemachten, größten KI-Supercomputer-Installationen in der vertikalen Industrie.
- Die Positionierung von Eli Lilly: Es ist kein Tech-Native-Unternehmen, sondern eine technologische Wette des traditionellen Pharmariesen.
- Das direkte Ziel: Den 10-Jahres-Zyklus auf 5 Jahre verkürzen.
Wenn traditionelle Giganten beginnen, ihre Kernprozesse mit Supercomputing neu zu gestalten, zeigt das, dass die KI-Pharmaindustrie von der „Proof of Concept“-Phase in den „Kapazitätswettlauf“ eingetreten ist.
Branchenauswirkungen
Für große Pharmaunternehmen
Eli Lilly hat einen Präzedenzfall geschaffen. Werden Novartis, Pfizer und Roche folgen? Wenn sie folgen, wird sich die Struktur der Kapitalausgaben in der Branche ändern – vom „Bau von Laboren“ hin zum „Aufbau von Rechenclustern“.
Für Biotech-Startups
Das ist Druck, aber auch eine Chance. Die Giganten haben Rechenleistung, aber Startups haben Flexibilität. Die Kernkompetenz der KI-gestützten Arzneimittelentwicklung ist nicht die Anzahl der GPUs, sondern die Datenqualität und das Algorithmen-Design. Rechenleistung kann gemietet werden, Daten nicht.
Für CROs und CDMOs
Die Wertschöpfungskette der Vertragsforschungsorganisationen wird sich restrukturieren. Zukünftige CROs helfen Ihnen möglicherweise nicht mehr bei Experimenten, sondern beim Durchführen von Simulationen.
Zusammenfassung in einem Satz
Die Bedeutung von LillyPod liegt nicht in 9,000 petaflops, sondern in einem Signal: Die Kernprozesse der traditionellen Pharmazie werden gerade von Rechenleistung neu definiert.
Quelle: NVIDIA Blog 2026-05-22; Eli Lilly Press Release 2026