Bristol Myers Squibb hat den Ausbau seiner KI-Infrastruktur mit der Inbetriebnahme eines zweiten NVIDIA DGX SuperPOD auf der Basis von acht DGX Vera Rubin NVL72-Systemen bekanntgegeben. Die neue Cluster-Instanz stellt die leistungsfähigste und energieeffizienteste KI-Architektur in der Life-Science-Branche dar. Sie bietet bis zu zehnmal mehr Performance pro Megawatt im Vergleich zur vorherigen Generation. Das Rechenzentrum wird nicht an eine spezialisierte Abteilung gebunden, sondern als einheitliche Plattform für alle Wissenschaftler des globalen Pharmakonzerns bereitgestellt. Erin Davis, Vice President of Research Business Insights and Technology, betonte, dass damit historische Zugangshürden abgebaut und Wartezeiten eliminiert werden. Die Integration von NVIDIA BioNeMo Agent Toolkit und die Verwaltung über NVIDIA Mission Control ermöglichen es Forschenden, komplexe Modellierungen und KI-Agenten-Workflows über die gesamte Wirkstoffentwicklungspipeline hinweg direkt zu initiieren. Der Einsatz zielt auf eine fundamentale Transformation des Forschungsalltags ab. Durch KI-gestützte Zielidentifikation werden manuelle Prozesse beschleunigt, was Wissenschaftler Zeit für strategische Entscheidungen spart. Konkrete Anwendungen umfassen die Erweiterung der CELMoD-Verbindungsbibliothek für den gezielten Proteinabbau bei Blutkrebs sowie die Methode Predict First zur leitfähigen Optimierung von Wirkstoffkandidaten. Diese prädiktiven Ansätze filtern vielversprechende Moleküle bereits vor der Synthese heraus und reduzieren so experimentellen Aufwand erheblich. Payal Sheth, Senior Vice President of Therapeutic Discovery Sciences, hob hervor, dass die Infrastruktur nun ein kontinuierliches Lernsystem etabliere. Daten aus verschiedenen globalen Standorten wie New Jersey und San Diego speisen gemeinsame Modelle, sodass Erkenntnisse projektübergreifend nutzbar sind. KI-Agenten durchbrechen traditionelle Arbeitssilos und aggregieren firmeninternes Wissen, wodurch menschliche Instinkte durch quantitative Vorhersagen ergänzt werden. Mit der Kapazitätssteigerung verschiebt sich der Fokus vollständig auf die wissenschaftliche Problemlösung. Davis wies darauf hin, dass die Architektur bereits klar den Modalitäten Small-Molecule-Design, Large-Molecule-Entwicklung und klinischen Anwendungen zugeordnet ist. Die Initiative unterstreicht BMS strategische Priorisierung von KI in der Arzneimittelforschung. Die Verbindung von skalierbarer Rechenleistung mit zugänglicher Software soll den Zyklus von der Zielentdeckung bis zur klinischen Entwicklung beschleunigen und die Effizienz der Wirkstoffpipeline nachhaltig steigern.