Novartis: KI zur Beschleunigung der Wirkstoffentwicklung und klinischer Studien

Die Entwicklung eines Medikaments vom fertigen Wirkstoffkandidaten bis zur Zulassung dauert nach Angaben von Novartis-CEO Vas Narasimhan heute rund zwölf Jahre. Er unterscheidet dabei drei Arten von Verzögerungen: Informationslatenz, operative Latenz und biologische Latenz. Die ersten beiden Kategorien, also Verzögerungen durch langsamen Informationsfluss und ineffiziente Abläufe, machen nach Narasimhans Einschätzung rund 40 Prozent der Gesamtentwicklungszeit aus. Die biologische Latenz, das heißt die Zeit für Tierversuche, Zellmodelle und klinische Studien am Menschen, lässt sich dagegen kaum verkürzen.

Hinzu kommt eine strukturell niedrige Erfolgsquote: Laut Narasimhan bringen die großen Pharmaunternehmen gemeinsam jährlich 150 bis 200 Milliarden Dollar für Forschung und Entwicklung auf und haben in 120 Jahren insgesamt nur 800 bis 1.000 Medikamente hervorgebracht. Die branchenweite Erfolgsquote in der klinischen Entwicklung liegt nach seiner Einschätzung bei acht Prozent.

Novartis betreibt ein eigenes Team, das für den KI-Einsatz in der Entwicklung (Development) zuständig ist. Dieses Team arbeitet nach eigener Darstellung eng mit den wissenschaftlichen Fachbereichen zusammen: Labordaten und Daten aus dem weltweiten Betrieb fließen in die Cloud, wo KI-Teams und Entwicklungsteams gemeinsam Modelle anwenden, die Forschern helfen sollen, schneller und fundierter zu entscheiden. Der Wissenstransfer soll anschließend zurück in die Forschung fließen, ein iterativer Kreislauf aus Entdeckung, Entwicklung und Lernen.

Parallel dazu arbeitet Novartis mit dem Bioinformatik-Unternehmen Genedata an einer KI-nativen F&E-Datenplattform, die die Produktivität in der Wirkstoffforschung und -entwicklung unterstützen soll. Die KI-Strategie des Unternehmens ist nach eigener Aussage darauf ausgerichtet, bestehende Fachteams zu verstärken, nicht zu ersetzen.

Auf strategischer Ebene ist Novartis-CEO Vas Narasimhan in den Vorstand des KI-Unternehmens Anthropic berufen worden. Anthropic hat in den vergangenen Monaten gezielt Partnerschaften mit Pharmaunternehmen ausgebaut und im Oktober 2025 eine speziell auf Biopharma-Fachleute zugeschnittene Modellvariante namens Claude Life Sciences eingeführt, die sich unter anderem an klinische Studienkoordinatoren, Regulierungsmanager und Forscher richtet.

Laut Narasimhan können neue KI-Werkzeuge und -modelle vor allem die Informations- und operative Latenz stark verkürzen. Die biologische Latenz, also die unvermeidliche Zeit für klinische Studien am Menschen, bleibt davon weitgehend unberührt.

Die Plattformarbeit mit Genedata zielt auf eine KI-native Datenbasis für die gesamte F&E-Kette. Im Bereich der Datenverarbeitung beschreibt das zuständige Novartis-Team die Arbeitsweise als enge Verzahnung von KI-Spezialisten, Biologen, Klinikern, Chemikern und operativen Mitarbeitern, mit dem Anspruch, Modelle direkt auf die Entscheidungsprozesse der Fachleute auszurichten.

Konkrete, extern geprüfte Ergebnisse aus laufenden KI-Projekten bei Novartis liegen auf Basis der vorliegenden Quellen nicht vor. Narasimhan benennt jedoch klare Zielgrößen: Die Gesamtentwicklungszeit soll von zwölf auf sieben bis acht Jahre sinken. Die Erfolgsquote könnte durch bessere Sicherheitsvorhersagen und optimierte Moleküleigenschaften von acht auf 16 Prozent steigen, wobei er beim Effekt der Patientenauswahl weiteren Klärungsbedarf sieht. Als größte verbleibende Herausforderung benennt er die Frage, ob ein Wirkstoffziel biologisch überhaupt das richtige für eine Krankheit ist, ein Problem, das KI bisher nicht löst.

Auf Unternehmensebene lagen die Nettoumsätze im ersten Quartal 2026 bei 13,113 Milliarden US-Dollar, gegenüber 13,233 Milliarden US-Dollar im Vorjahreszeitraum. Der Nettogewinn sank von 3,606 auf 3,156 Milliarden US-Dollar. Das Management bestätigte dennoch die Jahresprognose für 2026 mit einem niedrigen einstelligen Umsatzwachstum und einem niedrigen einstelligen Rückgang des operativen Kernergebnisses.

Novartis verfolgt einen zweigleisigen Ansatz: externe Zukäufe später Entwicklungsstadien, zuletzt Avidity Biosciences, kombiniert mit dem Aufbau interner KI-Kapazitäten und externen Plattformpartnerschaften. Dieser Kurs ist nicht singulär; Wettbewerber wie Pfizer, Merck und Roche verfolgen vergleichbare Strategien zur Pipeline-Erneuerung unter dem Druck auslaufender Patente.

Die KI-Ambitionen von Novartis bewegen sich damit auf einer Ebene, die auch andere führende Pharmaunternehmen beschreiten. Unabhängige Fachleute mahnen generell zur Vorsicht, insbesondere beim KI-Einsatz im klinischen Alltag. Die Frage, ob KI-gestützte F&E-Effizienz den aktuellen Margen- und Umsatzdruck ausreichend kompensieren kann, bleibt offen.