Novartis: KI zur Beschleunigung klinischer Entwicklung und Forschungsproduktivität

Die Entwicklung eines neuen Medikaments dauert im Schnitt mindestens ein Jahrzehnt und kostet zwischen einer und zwei Milliarden US-Dollar. Rund 60 bis 70 Prozent dieser Zeit entfallen auf die drei Phasen klinischer Studien am Menschen. Erschwerend kommt hinzu, dass 90 Prozent der Medikamente, die die klinische Testphase erreichen, keine behördliche Zulassung erhalten. Für Novartis, das wie andere große Pharmaunternehmen mit auslaufenden Patenten und generischer Konkurrenz konfrontiert ist, stellt dieser strukturelle Engpass in der Entwicklung eine zentrale operative Herausforderung dar.

Novartis betreibt nach eigener Darstellung ein dediziertes Team für „AI in Development". Dessen Aufgabe ist es, KI-Modelle auf die Forschungs- und Entwicklungsdaten des Unternehmens anzuwenden, die aus Laboren und globalen Operationen stammen und in die Cloud überführt werden. KI- und Entwicklungsteams arbeiten dabei gemeinsam, um Forschern bessere Entscheidungsgrundlagen zu liefern, Prozesse zu beschleunigen und Erkenntnisse zu gewinnen, die ohne maschinelle Unterstützung nicht erreichbar wären. Die gewonnenen Erkenntnisse fließen laut Unternehmensangaben zurück in die Forschung und erzeugen so einen kontinuierlichen Kreislauf aus Entdeckung, Entwicklung und Lernen.

Parallel dazu arbeitet Novartis mit dem Unternehmen Genedata an einer „KI-nativen F&E-Datenplattform", die die Produktivität in der Arzneimittelforschung und -entwicklung unterstützen soll.

Die beschriebene Architektur basiert auf der Zusammenführung großer Datenmengen aus Laborbetrieb und weltweiten Operationen in einer Cloud-Umgebung. Dort werden KI-Modelle eingesetzt, die Forschern helfen sollen, Moleküle zu identifizieren und durch klinische Studien zu führen. Die Genedata-Plattform ist dabei als „KI-native" Infrastruktur für F&E-Daten konzipiert. Genauere technische Details zu Modellarchitekturen, eingesetzten Verfahren oder dem Umfang der Implementierung gehen aus dem vorliegenden Quellenmaterial nicht hervor.

Die strategische Prämisse des Unternehmens, wie sie intern formuliert wird, lautet: „Das Unternehmen mit der ‚besten' Technologie wird nicht gewinnen. KI ist eine Frage der Menschen." Die interne Strategie wurde demnach darauf ausgerichtet, bestehende Teams zu unterstützen und deren Entscheidungsqualität zu erhöhen, nicht Stellen zu ersetzen.

Konkrete, belegte Kennzahlen zu Zeiteinsparungen, Kostenreduktionen oder Erfolgsquoten in klinischen Studien, die unmittelbar auf den KI-Einsatz bei Novartis zurückzuführen wären, enthält das vorliegende Quellenmaterial nicht. Der Leiter des KI-in-Development-Teams beschreibt die Erwartung, dass „die Geschwindigkeit, mit der wir neue Wirkstoffkandidaten identifizieren und zu Patienten bringen können, in Zukunft wesentlich schneller sein wird." Eine quantitative Erfolgsmessung der laufenden Initiativen wird im verfügbaren Material nicht ausgewiesen.

Auf Unternehmensebene verzeichnete Novartis im ersten Quartal 2026 einen Nettoumsatz von 13,113 Milliarden US-Dollar gegenüber 13,233 Milliarden US-Dollar im Vorjahreszeitraum; der Nettogewinn lag bei 3,156 Milliarden gegenüber 3,606 Milliarden US-Dollar. Das Management bestätigte die Jahresprognose für 2026, die ein leichtes Umsatzwachstum und einen leichten Rückgang beim operativen Kernergebnis vorsieht. Diese Zahlen lassen sich nicht isoliert auf den KI-Einsatz zurückführen.

Novartis steht mit seinem Ansatz nicht allein. Große Pharmaunternehmen wie Pfizer, Merck und Roche setzen ebenfalls auf Zukäufe später Entwicklungsphasen und datengetriebene F&E-Effizienz, um dem Druck durch Patentabläufe zu begegnen. Die Kombination aus externen Akquisitionen – zuletzt Avidity Biosciences – und dem internen Aufbau KI-gestützter Plattformen ist damit Teil einer branchenweiten Reaktion auf strukturelle Herausforderungen.

Ob die erhöhten Ausgaben für Biotech-Deals und KI-Infrastruktur durch entsprechende Effizienzgewinne in der Entwicklung kompensiert werden, bleibt laut den vorliegenden Einschätzungen eine offene Frage. Der Einsatz von KI in klinischen Studien bewegt sich zudem in einem regulatorischen Umfeld, das sich erst öffnet: Die US-amerikanische FDA kündigte erst im April ein Pilotprojekt an, das untersuchen soll, wie KI-gestützte Technologien die Effizienz in frühen Studienphasen verbessern können.