Die KI-Revolution in der Medizin: Nvidia und Roche bauen die grösste KI-Fabrik der Pharmabranche

Roche hat sich still und leise zur KI-Powerhouse der Gesundheitsbranche gemausert. Mit über 3.500 Nvidia-Blackwell-GPUs, verteilt auf Standorte in den USA und Europa, betreibt der Konzern nun die grösste angekündigte Hybrid-Cloud-KI-Infrastruktur der gesamten Pharmaindustrie. Was steckt hinter der KI-Revolution in der Pharmaindustrie? Und wieso wird Pharma für Nvidia immer wichtiger.

Es gibt Momente, in denen man spürt, dass man gerade etwas beobachtet, das sich erst im Rückblick als Wendepunkt erweisen wird. Aus der Sicht der Pharmaindustrie fühlt es sich gerade so an.

Als Anfang dieser Woche im kalifornischen San José Jensen Huang von Nvidia auf der Bühne stand und Milliarden-Prognosen verkündete, starrten die meisten Anleger gebannt auf die Aktienkurse. Verständlich. Aber gleichzeitig, fast unbemerkt, passierte etwas, das vielleicht wichtiger ist als jede Börsennotiz. Am Rand der Präsentation wurde bekannt, dass der Schweizer Pharmakonzern seine Rechenkapazitäten für künstliche Intelligenz mit 2'176 Nvidia Blackwell Grafikprozessoren (GPUs) erweitert hat, um die Entwicklung von Medikamenten und Diagnostika zu unterstützen.

Der Ausbau, der im Jahr 2023 begann, ist Teil einer umfassenderen Zusammenarbeit zwischen Roche und Nvidia. Mit über 3.500 Nvidia-Blackwell-GPUs, verteilt auf Standorte in den USA und Europa, will der Konzern nun die grösste angekündigte Hybrid-Cloud-KI-Infrastruktur der gesamten Pharmaindustrie bauen.Das ist keine kleine Investition in eine hippe Technologie, damit man in Pressemitteilungen das Wort «KI» unterbringen kann. Das ist echter, massiver, teurer Infrastrukturausbau – der Art, den man macht, wenn man wirklich glaubt, dass sich etwas fundamental verändern wird. Wafaa Mamilli, Roches Chief Digital and Technology Officer, sagt es gemäss Mitteilung nüchtern: «In der Gesundheitsversorgung ist Zeit die kritischste Variable. Jeder eingesparte Tag bedeutet, dass ein lebensverändertes Medikament früher zu einem Patienten gelangt.»

Was diese Maschinen wirklich tun, und warum das faszinierend ist

Zugegeben, bei Begriffen wie «BioNeMo-Plattform» oder «Lab-in-the-Loop-Strategie» schalten viele gedanklich ab. Was dahintersteckt, ist eigentlich ziemlich aufregend. Stellen Sie sich vor: Ein Wissenschaftler hat eine Hypothese über ein Molekül, das möglicherweise gegen eine Krankheit wirkt. Früher musste er dieses Molekül im Labor synthetisieren, testen, warten, auswerten, anpassen. Das ist ein Prozess, der Monate dauern konnte. Heute simuliert eine KI Tausende von Variationen dieses Moleküls, sagt voraus, welche am besten wirken könnten, und der Wissenschaftler fängt nur noch mit den vielversprechendsten Kandidaten an.

Bei Genentech, Roches amerikanischer Tochter, integrieren inzwischen nahezu 90 Prozent der förderfähigen Kleinmolekülprogramme KI. Das ist keine Pilotphase mehr. Das ist die neue Normalität. Und dann sind da noch die digitalen Zwillinge in der Produktion. Virtuelle Repliken echter Produktionslinien, in denen Ingenieure Änderungen ausprobieren können, bevor auch nur eine Maschine angepasst wird. Klingt nach Science-Fiction. Ist es nicht.

Roboter, die im Sumulator operieren lernen

In der Medizin spielt die KI eine immer wichtigere Rolle. Nvidia hat an der GTC-Konferenz angekündigt, dass gleich drei Medtech-Giganten ihre Operationsroboter mithilfe von KI-Simulationen trainieren, bevor diese Roboter jemals einen echten Patienten berühren. So lässt CMR Surgical seinen Versius-Chirurgieroboter in einer virtuellen Umgebung üben. Johnson & Johnson MedTech macht dasselbe für seine Monarch-Plattform in der Urologie. Und Medtronic, einer der weltgrössten Medizintechnikkonzerne, arbeitet daran, Nvidias Technologie in chirurgische Roboter zu integrieren, die missionskritische Präzision liefern sollen.

Missionskritisch. In der Chirurgie. Das Wort klingt nüchtern und beschreibt gleichzeitig etwas, das einem den Atem verschlägt. Der entscheidende Unterschied zur bisherigen Robotik: Diese Systeme werden nicht mehr einfach programmiert, «mach Bewegung A, dann Bewegung B». Sie werden trainiert. Wie ein junger Arzt, der im Simulator übt, nur mit Millionen von Durchläufen in der Zeit, in der ein Mensch schläft. Ein Roboter, der aus Fehlern lernt, die er in der virtuellen Welt macht, damit er im Operationssaal keine macht.

Das Unbehagen, das man trotzdem spüren darf

Und gleichzeitig, wäre es nicht seltsam, wenn man dabei gar keine gemischten Gefühle hätte? KI-Systeme in der Chirurgie. Roboter, die selbst entscheiden. Algorithmen, die Krankheiten diagnostizieren. Das ist ein Terrain, auf dem Fehler keine Softwarebugs sind, sondern menschliche Konsequenzen haben.

Die Branche weiss das. Recursion Pharmaceuticals musste 2025 einen KI-entdeckten Wirkstoffkandidaten einstellen, nachdem Langzeitdaten keine Wirksamkeit bestätigten. Frühere KI-Kandidaten scheiterten in Studien für Neurodermitis, Schizophrenie und Krebs. KI ist kein Zauberstab. Sie beschleunigt den Prozess, aber sie kann nicht die fundamentale Unvorhersehbarkeit menschlicher Biologie wegrechnen.

Experten betonen deshalb etwas, das in der Begeisterung gerne untergeht: Der entscheidende Schritt ist nicht die Technologie selbst, sondern die Governance drumherum. Validierung, Dokumentation, regulatorische Klarheit. Der EU AI Act greift 2026 stärker als bisher. Die FDA hat im Januar 2026 erstmals «Guiding Principles of Good AI Practice» für die Pharmaindustrie veröffentlicht.

5G als Nervensystem: KI fährt jetzt auch im Funknetz mit

Nvidia hat noch eine weitere Partnerschaft angekündigt, die zunächst technisch klingt und dann immer relevanter für die Medizin wird, je länger man darüber nachdenkt. Zusammen mit T-Mobile und Nokia soll das 5G-Mobilfunknetz zu einem verteilten KI-Computer werden. Schwere Rechenoperationen, die Art, die bisher grosse Server vor Ort brauchten, werden einfach ins Netz ausgelagert. Zur nächsten Antenne. In Echtzeit.

Für Krankenhäuser bedeutet das konkret: Ein Diagnosesystem, ein Überwachungsroboter, ein chirurgisches Assistenzsystem müssen keine teure eigene Recheninfrastruktur mitschleppen. Die Intelligenz kommt über das Netz. Das macht hochentwickelte KI-Medizin auch in kleineren Kliniken möglich. Und das auch in Ländern, die sich keine grossen Rechenzentren leisten können. Das ist, wenn man ehrlich ist, eine der sozial relevantesten Entwicklungen in diesem ganzen Artikel.

Die Zahlen, die man sich merken sollte

Der Markt für KI in der Arzneimittelforschung wächst beträchtlich: Von knapp 2 Milliarden Dollar (2025) auf über 16 Milliarden Dollar bis 2034, schreibt Axis Intelligence. Jährliches Wachstum: 27 Prozent. Mehr als 200 KI-entwickelte Medikamente befinden sich bereits in klinischen Studien. Die erste Zulassung eines vollständig KI-designten Wirkstoffs: mit 60-prozentiger Wahrscheinlichkeit noch 2026 oder 2027.

Und Nvidia selbst? Der Chiphersteller prognostiziert bis 2027 eine Billion Dollar an kumulierten Umsätzen aus KI-Chips. Ein wachsender Teil davon kommt direkt aus dem Gesundheitswesen. Man muss kein Analyst sein, um zu verstehen, was das bedeutet: Die Medizin ist für Nvidia zu einem zentralen Markt geworden. Und Nvidia ist für die Medizin zur zentralen Infrastruktur geworden.