Pharma & KI: Die Gewinner im globalen AI Readiness Index 2025

Künstliche Intelligenz ist in der Pharmaindustrie längst mehr als ein Experiment – sie wird zum strategischen Imperativ.

Der aktuelle AI Readiness Index von CB Insights zeigt, welche globalen Pharmakonzerne am besten aufgestellt sind, um Algorithmen in einen echten Wettbewerbsvorteil zu verwandeln.

Das Ranking verdeutlicht einen Wendepunkt: Führung bedeutet nicht länger „sich auf KI vorzubereiten“, sondern KI skalierbar in Forschung, klinische Entwicklung und Produktion einzusetzen.

Die Spitzenreiter 2025

Laut CB Insights führt Eli Lilly das Ranking an, dicht gefolgt von Merck KGaA, Bayer, AstraZeneca und Roche. Der geringe Abstand von nur 3,9 Punkten zwischen Platz zwei und fünf verdeutlicht, wie intensiv das Rennen um KI in der Pharmaindustrie inzwischen geführt wird.

Top 20 Pharma-Unternehmen im AI Readiness Index (Auszug):

¹ Die Bewertung erfolgt auf einer Skala von 0 bis 100.

Quelle: „Pharma AI readiness: How the 50 largest companies by market cap stack up”, CB Insights, Juli 2025

1. Eli Lilly – Von Umsatzschub zur KI-Führungsrolle

Dank hoher Einnahmen aus GLP-1-Medikamenten für Diabetes und Adipositas konnte Eli Lilly massiv in KI investieren. Laut CB Insights hat Eli Lilly zwischen August 2023 und Mai 2025 13 Investitionen im Bereich KI getätigt – mehr als jedes andere Pharmaunternehmen. Zu den wichtigsten Maßnahmen zählen:

• Arzneimittelforschung: Partnerschaft mit Insilico Medicine zur Beschleunigung der Zielidentifizierung durch generative Chemie.
• Regulatorische Automatisierung: Zusammenarbeit mit Yseop zur KI-gestützten Erstellung klinischer Berichte.
• Medizinprodukte: Investition in RetiSpec zur Früherkennung von Alzheimer.

Mit neuen KI-Infrastrukturen in den USA und Irland (7,3 Mrd. USD) verbindet Eli Lilly modernste Labore mit KI-getriebener Forschung auf globaler Ebene.

2. Merck KGaA – Digitale Governance als Erfolgsfaktor

Trotz kleinerer Marktkapitalisierung überzeugt Merck KGaA auf Platz 2 mit 10 KI-Investments und einer klaren Data-Governance-Strategie.

• Das KI-Materialzentrum in Japan (70 Millionen US-Dollar) integriert KI in die Materialwissenschaften der nächsten Generation und in die Bioverarbeitung.
• Im Bereich Forschung und Entwicklung arbeitet das Unternehmen mit Start-ups zusammen, um KI in der Immunonkologie und im Protein-Engineering einzusetzen.
• Die Datenverwaltungsprogramme von Merck in Darmstadt gelten als Maßstab in der Pharmaindustrie für unternehmensweite Datenverwaltung und -architektur.

3. Bayer – Kooperation als Erfolgsmodell

Bayer setzt stark auf Partnerschaften und verzeichnete 21 KI-Kooperationen, womit das Unternehmen nach Roche an zweiter Stelle steht. Bei den KI-Investitionen liegt Bayer knapp hinter dem Podium und belegt mit sechs Transaktionen im analysierten Zeitraum den vierten Platz unter den führenden Unternehmen.

• Die KI-Plattform des Unternehmens für die digitale Pathologie (in Zusammenarbeit mit Aignostics) ermöglicht eine schnellere Entdeckung von Biomarkern.
• Der Geschäftsbereich Crop Science von Bayer speist außerdem fortschrittliche Datenkapazitäten zurück in den Pharmabereich und stärkt so dessen KI-Architektur.
• Die 1,5 Milliarden Euro teuren EU-Anlagen sind mit KI-gesteuerten Produktions- und vorausschauenden Wartungssystemen ausgestattet.

4. AstraZeneca – KI global skalieren

AstraZeneca baut KI konsequent in Forschung & Entwicklung ein.

• Das Unternehmen investierte 2,5 Milliarden US-Dollar in ein KI-gestütztes Forschungs- und Entwicklungszentrum in China, dessen Schwerpunkt auf Präzisionsonkologie und Atemwegserkrankungen liegt.
• Durch Partnerschaften mit BenevolentAI und Insilico wendet es maschinelles Lernen sowohl für die Entdeckung kleiner Moleküle als auch für Biologika an.
• Seine Einrichtungen in den USA und der EU integrieren KI in die klinische Herstellung, wodurch eine schnellere Skalierung von Biologika ermöglicht wird.

5. Roche – Ökosystem-Architekt mit Partnerschaften

Mit 22 KI-Partnerschaften führt Roche die Branche an.

• Die Unternehmenssparte Genentech arbeitet mit Recursion und nVIDIA zusammen, um groß angelegte biologische Bildanalysen durchzuführen.
• Roche Diagnostics kooperiert mit PathAI, um den Einsatz von KI in der Pathologie auszuweiten.
• Das Unternehmen hat 50 Milliarden US-Dollar über fünf Jahre in KI-integrierte Forschungs- und Entwicklungseinrichtungen in den USA investiert und positioniert sich damit als langfristiger Koordinator des Ökosystems.

Die nächsten fünf: Vielfältige Wege zur KI

Auch die übrigen führenden Unternehmen außerhalb der Top 5 setzen deutlich auf KI:

• Merck & Co., Inc. – Bau einer KI-gestützten Impfstoffproduktionsanlage in North Carolina und Einführung unternehmensweiter LLMs.
• Sanofi – Entwicklung von CodonBERT, einer KI-Plattform für das mRNA-Design, und Investition von 20 Milliarden US-Dollar in die Integration von KI und IoT in den USA.
• Pfizer – Einsatz von Vox, dem Amazon-basierten internen LLM, zur Optimierung von F&E-Datenabfragen.
• Amgen – Partnerschaft mit Microsoft und nVIDIA im Bereich KI-beschleunigtes Supercomputing für die Proteinmodellierung.
• AbbVie – Weiterentwicklung von ARCH, der KI-basierten Plattform zur Zielidentifizierung, und Investition von 10 Mrd. US-Dollar in KI-fähige Produktionsanlagen.

Vorbereitung der Datenbasis für KI

Die KI-Bereitschaft in der Pharmaindustrie hängt letztlich von einer hochwertigen, gut verwalteten Datenbasis ab. Fortschrittliche Algorithmen und generative Modelle sind nur so effektiv wie die Datensätze, mit denen sie trainiert werden – eine Tatsache, die von entscheidender Bedeutung ist, wenn KI mit Forschung, klinischer Entscheidungsunterstützung und Betriebsoptimierung betraut wird.

Über die reine Menge hinaus müssen Daten genau, konsistent und so strukturiert sein, dass sie sicher in klinische Studien, die Herstellung und reale Daten integriert werden können. Damit ist die Datenqualität der wichtigste Faktor für den erfolgreichen Einsatz von KI im Pharmasektor.

Pharmaunternehmen stehen daher vor drei zusammenhängenden Herausforderungen:

1. Daten-Governance in großem Maßstab – Festlegung unternehmensweiter Standards für Datenherkunft, -provenienz und -konformität (z. B. das globale Datenverwaltungsmodell von Merck KGaA).
2. Datenintegration und Interoperabilität – Vereinheitlichung von isolierten klinischen, genomischen, bildgebenden und realen Daten in KI-fähigen Architekturen. Roche und Bayer bauen beide Cloud-native Data Lakes auf, um dies zu erreichen.
3. Datenkompetenz und -kultur – Schulung Tausender Wissenschaftler in der verantwortungsvollen Interpretation und Anwendung von KI-Ergebnissen; AstraZeneca hat globale KI-Kompetenzprogramme für seine gesamten Forschungs- und Entwicklungsmitarbeiter eingeführt.

Ein zunehmend wichtiges Thema ist der branchenübergreifende Datenaustausch, insbesondere in der Onkologie. Konsortien wie Project Data Sphere oder die Kooperationen von Roche im Bereich der Krebsgenomik zeigen, dass die vielversprechendsten KI-Anwendungen gemeinsame, harmonisierte Datensätze erfordern.

Der Datenaustausch unterliegt jedoch weiterhin Datenschutzbestimmungen, Schutzrechten und Wettbewerbsdynamiken – ein Balanceakt, der die nächste Herausforderung für die KI-Zusammenarbeit in der Pharmaindustrie darstellt.

Fazit

Der Pharma AI Readiness Index 2025 macht deutlich:

• KI ist die neue Währung der Wettbewerbsfähigkeit in Pharma.
• Führend sind Unternehmen, die Kapital, Governance, Partnernetzwerke und datenbasierte Strategien verbinden.
• Entscheidend wird die Datenmaturität: Wer Daten optimal steuert, integriert und teilt, wird die medizinischen Durchbrüche von morgen prägen.

Das könnte Ihnen auch gefallen:

• Künstliche Intelligenz in der Pharma- und Healthcare-Branche » Mehr erfahren
• Data Governance – Dreh- und Angelpunkt von effizientem Datenmanagement » Mehr erfahren
• Data Sharing – Herausforderungen und Chancen » Mehr erfahren
• Cloud Data Warehouse – Datenmanagement der Zukunft (e-book) » Mehr erfahren