Bristol Myers Squibb investiert in NVIDIA-KI-Supercomputer zur Beschleunigung der Medikamentenentwicklung

Bristol Myers Squibb und NVIDIA: Eine neue Ära der Medikamentenentwicklung durch KI

In einer bedeutenden Entwicklung für die biopharmazeutische Industrie hat Bristol Myers Squibb (BMS) die Anschaffung eines hochmodernen KI-Supercomputer-Systems von NVIDIA bekannt gegeben. Diese Investition markiert einen entscheidenden Schritt in der Integration künstlicher Intelligenz in die Medikamentenentwicklung und unterstreicht das Engagement von BMS, die Forschung und Entwicklung durch fortschrittliche Rechenleistung zu transformieren. Das neue System, ein NVIDIA DGX SuperPOD, basiert auf NVIDIAs Vera Rubin-Architektur und ist das erste seiner Art, das in den Biowissenschaften eingesetzt wird.

Erweiterung der Rechenkapazitäten für innovative Forschung

Das erworbene Supercomputer-Cluster besteht aus acht DGX Vera Rubin NVL72-Systemen. Jedes dieser Rack-Scale-Systeme integriert NVIDIAs Vera Central Processing Units (CPUs) und Rubin Graphics Processing Units (GPUs). Diese Kombination ermöglicht eine aussergewöhnliche Rechenleistung, die für das Training proprietärer KI-Modelle und die Durchführung komplexer Vorhersagen über chemische Verbindungen, Proteine und andere wissenschaftliche Daten unerlässlich ist.

Die genauen finanziellen Details der Transaktion wurden nicht öffentlich gemacht. Es ist jedoch bekannt, dass diese Anschaffung eine signifikante Erweiterung der bestehenden NVIDIA-Infrastruktur von BMS darstellt. Zuvor hatte BMS bereits einen älteren SuperPOD in Betrieb, den das Unternehmen als zwei bis drei Generationen hinter der neuen Vera Rubin-Architektur liegend beschreibt. Diese massive Aufrüstung ist eine Reaktion auf den stetig wachsenden Bedarf an Rechenleistung, da BMS immer grössere und komplexere KI-Modelle in seiner Forschungsorganisation einsetzt.

KI als Katalysator in der Wirkstoffforschung

BMS hat bereits umfangreiche Erfahrungen mit dem Einsatz von KI in der Wirkstoffforschung gesammelt. Die Technologie wird in nahezu jedem Kleinmolekülprogramm und einem Grossteil der Grossmolekülprogramme eingesetzt. Die Anwendungsbereiche umfassen die Zielidentifikation, die Optimierung von Leitstrukturen, die Vorhersage von Grossmolekülen und die Entwicklung interner Modelle.

Ein bemerkenswertes Beispiel für die Effizienzsteigerung durch KI ist die Zielidentifikation, bei der manuelle Forschungsarbeiten um mehrere Wochen verkürzt werden konnten. Auch bei der Vorhersage von Grossmolekülen trägt KI massgeblich zur Beschleunigung bei und erhöht den Bedarf an graphischer Verarbeitungskapazität. Robert Plenge, Chief Research Officer bei BMS, betonte, dass das neue System es Wissenschaftlern ermöglichen wird, eine wesentlich höhere Anzahl potenzieller Medikamentenkandidaten in den frühen Entwicklungsphasen zu evaluieren. Wo früher vielleicht zehn Kandidaten untersucht werden konnten, sind nun Dutzende denkbar.

Ein zentraler Ansatz von BMS ist die Methode "Predict First". Hierbei werden modellgenerierte Vorhersagen genutzt, um Moleküle, die die erforderlichen Eigenschaften nicht erfüllen, frühzeitig auszuschliessen. Dies reduziert die Anzahl der Verbindungen, die synthetisiert und im Labor getestet werden müssen, und ermöglicht es den Forschern, sich auf jene Moleküle zu konzentrieren, die die höchste Erfolgswahrscheinlichkeit aufweisen.

Die Erweiterung der CELMoD-Bibliothek (Compounds Engineered for the Selective Degradation of Cancer-Causing Proteins) ist ein weiteres Beispiel für den erfolgreichen Einsatz von KI. Durch Modellierungen konnten Forscher zusätzliche Proteinziele und potenzielle Verbindungen untersuchen, bevor sie experimentelle Wege einschlugen. Darüber hinaus hat KI die Zeit, die für die Produktion von Medikamenten für klinische Studien benötigt wird, bereits um 20 bis 30 Prozent verkürzt, mit dem Potenzial, in den kommenden Jahren eine Reduktion um 50 Prozent zu erreichen. Ein experimentelles Medikament zur Behandlung von Sichelzellenanämie, das sich in einem frühen Stadium der klinischen Entwicklung befindet, wird als ein Erfolg genannt, der ohne die KI-Tools des Unternehmens wahrscheinlich nicht möglich gewesen wäre.

Nahtlose Zusammenarbeit und gemeinsame Datenumgebungen

Das Vera Rubin-System wird Forschern auch Zugang zu NVIDIAs BioNeMo Agent Toolkit ermöglichen, einer umfassenden Suite von Tools für biologische und medikamentenentdeckende Anwendungen. BioNeMo bietet Funktionen für die Proteinstrukturvorhersage, molekulare Generierung, molekulares Docking, Sequenzanalyse und Genomik. Es kann zudem mehrere computergestützte Tools innerhalb desselben Forschungs-Workflows miteinander verbinden.

Ein wesentlicher Aspekt dieser Investition ist die Förderung der Zusammenarbeit. BMS plant, die neue Infrastruktur so zu gestalten, dass sie den Zugang für Wissenschaftler vereinfacht, indem beispielsweise einige Vorhersageanfragen über natürliche Sprachbefehle gestartet werden können. Die Umgebung wird über NVIDIA Mission Control verwaltet, das Funktionen wie Cluster-Bereitstellung, Infrastrukturüberwachung und Workload-Management umfasst.

Die beiden SuperPODs werden über eine gemeinsame Datenumgebung betrieben. Dies ermöglicht es Teams an verschiedenen Standorten, auf gemeinsame Datensätze und Modellausgaben zuzugreifen. So können beispielsweise Datensätze aus einem Programm in Lawrenceville, New Jersey, in Modelle integriert werden, die von Forschern in San Diego verwendet werden. Payal Sheth, Senior Vice President of Therapeutic Discovery Sciences bei BMS, betonte, dass diese gemeinsame Umgebung darauf abzielt, das Wissen aus Experimenten und Forschungsprogrammen unternehmensweit zu institutionalisieren.

Nachhaltigkeit und Effizienz

Greg Meyers, Chief Digital and Technology Officer bei BMS, hob auch den Aspekt der Energieeffizienz hervor. Das Vera Rubin-System soll eine deutlich höhere Rechenkapazität pro Watt Stromverbrauch bieten. BMS und NVIDIA geben an, dass das Acht-System-Cluster eine bis zu zehnmal höhere Leistung pro Megawatt liefern wird als die ersetzte Infrastruktur. Angesichts steigender Energiekosten ist dies ein wichtiger Faktor für den Betrieb solch grosser Rechenzentren.

BMS hat bisher weder ein spezifisches Einsatzdatum noch den genauen Standort des neuen Systems bekannt gegeben. Die strategische Partnerschaft zwischen Bristol Myers Squibb und NVIDIA verdeutlicht jedoch eine klare Vision: Die Integration von Spitzentechnologie zur Beschleunigung der Medikamentenentwicklung und zur Verbesserung der Gesundheitsversorgung weltweit.

Die zukünftige Ausrichtung der pharmazeutischen Forschung wird massgeblich von der Fähigkeit abhängen, grosse Datenmengen zu verarbeiten und komplexe Modelle zu trainieren. Bristol Myers Squibb positioniert sich durch diese Investition als Vorreiter in diesem Bereich und setzt damit einen neuen Massstab für die Anwendung von KI in den Biowissenschaften.

Bibliographie

• Bristol Myers Squibb Newsroom. (2026, 20. Juli). Bristol Myers Squibb to Build the Most Powerful AI Factory in Life Sciences with NVIDIA. Abgerufen von https://news.bms.com/news/corporate-financial/2026/Bristol-Myers-Squibb-to-Build-the-Most-Powerful-AI-Factory-in-Life-Sciences-with-NVIDIA/default.aspx
• Trang, B. (2026, 20. Juli). Bristol Myers Squibb building pharma’s largest AI supercomputer. STAT. Abgerufen von https://www.statnews.com/2026/07/20/bms-nvidia-assembling-largest-pharma-ai-supercomputer/
• Channel News Asia. (2026, 20. Juli). Bristol Myers buys Nvidia's latest AI computing system for drug research. Abgerufen von https://www.channelnewsasia.com/business/bristol-myers-buys-nvidias-latest-ai-computing-system-drug-research-6265651
• Zulhusni, M. (2026, 21. Juli). Bristol Myers Squibb buys Nvidia AI system for drug discovery. Artificial Intelligence News. Abgerufen von https://www.artificialintelligence-news.com/news/bristol-myers-squibb-nvidia-ai-system-drug-discovery/
• Caulfield, B. (2026, 20. Juli). Bristol Myers Squibb Building Life Science Industry’s Most Advanced AI Factory on NVIDIA Vera Rubin. NVIDIA Blog. Abgerufen von https://blogs.nvidia.com/blog/bristol-myers-squibb-building-life-science-industrys-most-advanced-ai-factory-on-nvidia-vera-rubin/
• Kartal Allen, A. (2026, 21. Juli). Bristol Myers, NVIDIA join forces to build life science's 'most powerful' AI factory. Pharmaceutical Technology. Abgerufen von https://www.pharmaceutical-technology.com/news/bms-nvidia-build-ai-supercomputer-pharma/
• Yahoo Finance. (2026, 21. Juli). Bristol Myers Squibb expands NVIDIA AI supercomputer for drug discovery. Abgerufen von https://finance.yahoo.com/healthcare/articles/bristol-myers-squibb-expands-nvidia-184044343.html
• Tolomia, C. (2026, 20. Juli). Bristol Myers Squibb is deploying NVIDIA's most powerful AI computing system to speed drug discovery. Quartz. Abgerufen von https://qz.com/bristol-myers-squibb-nvidia-ai-supercomputer-drug-discovery-072026
• Dunn, A. (2026, 20. Juli). Bristol Myers, Nvidia say they’ll build ‘most powerful’ AI supercomputer in pharma. Endpoints News. Abgerufen von https://endpoints.news/bristol-myers-nvidia-say-theyll-build-most-powerful-ai-supercomputer-in-pharma/
• The Economic Times. (2026, 20. Juli). Bristol Myers buys Nvidia's latest AI computing system for drug research. Abgerufen von https://economictimes.indiatimes.com/tech/artificial-intelligence/bristol-myers-buys-nvidias-latest-ai-computing-system-for-drug-research/articleshow/132514488.cms