Startups haben es vergleichsweise leicht, wenn es darum geht, ihre Ideen zu testen. Meistens machen sie das im laufenden Betrieb und arbeiten das Feedback gleich ins Produkt ein. Mario Herger war lange Entwickler beim Softwarekonzern SAP in Palo Alto, Silicon Valley. Heute lebt und arbeitet er dort als Buchautor und Berater. Gründer, so Herger, arbeiten oft nach dem Prinzip des „Design Thinking“: „Am Anfang steht eine Hypothese, zum Beispiel die, dass der Fahrkartenautomat verbessert werden muss. Also stellt sich der Gründer den ganzen Tag neben den Automaten und beobachtet die Menschen, wie sie ihn bedienen.“ Die Mutter mit Kleinkind und Einkäufen in der Hand, wie sie beim Fahrscheinkauf die Nerven wegwirft. Die alte Dame, die die Schrift nicht lesen kann. „Dann verbesserst du den Prototypen und fängst wieder von vorne an. So hältst du die Kosten des Scheiterns gering, denn eine Hypothese zu verlieren kostet nichts. Je schneller du diese Zyklen durchgehst, desto kostengünstiger.“
„Wenn du alsetablierter Konzern etwas ausprobierst und es geht schief, ist das größte Problem der Imageschaden“
Es geht um die Marke
Große Unternehmen haben es da weniger leicht. Sie haben viel Geld, Zeit und Energie in den Aufbau ihrer Marke gesteckt, oft über zig Jahre. Sie sind etablierte Player auf umkämpften Märkten und haben einen Ruf zu verteidigen. Romed Haberl weiß, was das in der Praxis bedeutet. Er leitet das Produktmanagement für Accessoires und Lifestyleprodukte beim oberösterreichischen Motorradhersteller KTM, einem Unternehmen mit rund 2.500 Mitarbeitern und gut einer Milliarde Euro Jahresumsatz. „Wenn du alsetablierter Konzern etwas ausprobierst und es geht schief, ist das größte Problem der Imageschaden“, sagt Haberl. Zwar sei es immer auch unangenehm, Geld in den Sand zu setzen. „Aber das Ansehen der Marke ist der wichtigste Faktor.“ KTM wandelt dabei auf einem schmalen Grat: Einerseits will man auch ungewöhnliche Produkte auf den Markt bringen, um herauszustechen: So verkauft KTM zum Beispiel auch Schnuller, die belegen sogar Platz eins unter den Accessoires. „Gleichzeitig müssen die Dinge zur Marke passen, zu den Werten, die wir vertreten.“ Bei weniger komplizierten Produkten, zum Beispiel Uhren, sei ein umfangreiches Produkttesting nicht nötig. „Da entscheide ich, ob ich das gut finde und ob es ins Sortiment passt.“ Ein Motorrad sei freilich eine ganz andere Nummer. Da entscheidet KTM in enger Zusammenarbeit mit der Agentur Kiska, welche Designs, Farben und Formen gerade gefragt sind.
Herger bringt ein Beispiel aus der Autoindustrie. „Tesla verhält sich wie ein Startup. Die gehen mit Betaversionen auf den Markt. Und die Kunden schätzen diese Risikofreude. Mercedes könnte sich das nicht erlauben, weil sie schon so viel Geld und Jahre in ihren Ruf investiert haben.“ Oder sein ehemaliger Arbeitgeber SAP: Wenn ein so großer Konzern mit einer fehlerhaften Software auf den Markt gehe, würden schnell Hunderttausende Kunden geschädigt, es komme schnell zu Klagen. Oder die jüngste Pannenserie bei General Motors, wo Probleme mit dem Zündschloss tödliche Unfälle zur Folge hatten und die den Konzern 900 Millionen Dollar kostete; den Imageschaden noch
nicht eingerechnet. Da seien gleich viel mehr Menschen betroffen als bei einem Startup, das eine überschaubare Kundenzahl hat, so Herger.
„Diese Konzerne haben diese Dinge erlebt und in ihrer DNA gespeichert. Man will kein Risiko mehr eingehen.“ „Natürlich dauert in einem großen Konzern alles länger, du kannst nicht so rasch reagieren. Es gibt mehr Abteilungen, mit denen du die Dinge öfter abstimmen musst“, sagt Romed Haberl von KTM. Das sei einerseits gut, weil man so Fehler bemerke. „Aber du bist nicht so schnell und wendig wie in einem kleinen Unternehmen.“ Wie schafft man es, als großes Unternehmen trotzdem innovativ und offen für Feedback zu bleiben? Das Team bei KTM ist im Durchschnitt relativ jung. „Man ist offen für die Ideen von jungen Mitarbeitern. Sie werden angehört und oft auch umgesetzt.“
Thomas Fuchs: Wie ein Österreicher die KI-Strategie des wertvollsten Pharmakonzerns der Welt verantwortet
Ein Österreicher verantwortet die KI-Strategie des wertvollsten Pharmakonzerns der Welt: Thomas Fuchs ist seit 2024 der erste Chief AI Officer in der Geschichte von Lilly. brutkasten hat ihn in Wien zum Interview getroffen. Er erklärt, warum der Konzern einen eigenen Supercomputer mit mehr als 1.000 GPUs betreibt und warum KI trotzdem kein Medikament auf Knopfdruck liefert.
Thomas Fuchs: Wie ein Österreicher die KI-Strategie des wertvollsten Pharmakonzerns der Welt verantwortet
Ein Österreicher verantwortet die KI-Strategie des wertvollsten Pharmakonzerns der Welt: Thomas Fuchs ist seit 2024 der erste Chief AI Officer in der Geschichte von Lilly. brutkasten hat ihn in Wien zum Interview getroffen. Er erklärt, warum der Konzern einen eigenen Supercomputer mit mehr als 1.000 GPUs betreibt und warum KI trotzdem kein Medikament auf Knopfdruck liefert.
Thomas Fuchs, Chief AI Officer von Lilly | Foto: Christian Fichtner/big5comm
Thomas Fuchs ist seit Oktober 2024 der erste Chief AI Officer in der Geschichte des US-Pharmakonzerns Lilly. Der aus Österreich stammende Forscher studierte Technische Mathematik an der TU Graz, promovierte an der ETH Zürich und forschte am Jet Propulsion Laboratory der NASA, bevor er am Memorial Sloan Kettering Cancer Center in New York das Digital-Pathology-Unternehmen Paige AI mitgründete. Später baute er am Mount Sinai das erste AI-Department einer Medical School mit auf. Beim Besuch von Lilly Österreich in Wien sprach er mit brutkasten über den Supercomputer des Konzerns, die Grenzen von KI in der Medikamentenentwicklung und darüber, warum Österreich der Schweiz nicht nachstehen müsste.
brutkasten: Sie haben selbst mehrere Unternehmen gegründet, darunter Paige AI. Warum der Schritt in einen Konzern wie Lilly?
Thomas Fuchs: Mein erstes Startup habe ich mit 16 gegründet, tief in den 90er-Jahren. Das waren Multimedia-CD-ROMs über die österreichische Geschichte zum Jubiläum 1996, die Hypertext-Engine haben wir noch ohne Internet selbst geschrieben. 2017 haben wir dann Paige in New York gegründet, ein Spin-out des Memorial Sloan Kettering, dem größten tertiären Krebszentrum der USA. Es ging darum, auf digitalisierten Pathologieschnitten Krebs und seine Treiber automatisch zu erkennen. Das führte 2021 zur FDA-Autorisierung von Paige Prostate, der ersten KI-basierten Software zur Unterstützung bei der Erkennung verdächtiger Bereiche in digitalisierten Prostatabiopsien. Dazu war ich lange Professor am Sloan Kettering, an der Weill Cornell und am Mount Sinai, wo wir das erste AI-Department einer Medical School gegründet haben. Ein fantastisches Umfeld, aber die Mittel, um das Feld wirklich voranzutreiben, sind bei Lilly ungleich größer. Nicht nur bei der Infrastruktur, sondern auch beim Zugang zu Daten und Expertise. Lilly hat tausende Chemiker:innen und Biolog:innen. Bei Lilly erreichen wir mit unseren Medikamenten ungleich mehr Menschen. Das ist ein enormer Hebel.
Welches Wissen bringen Sie als Chief AI Officer ein?
Die meisten Leute denken bei KI zunächst an Sprachmodelle wie ChatGPT oder Claude. Die sind wichtig, aber das Feld ist deutlich breiter. Wir entwickeln Modelle, die Wissenschaftler:innen beim Design von Molekülen unterstützen, bei Proteinen, bei kleinen Molekülen und auch in der genetischen Medizin. Die Sprachmodelle nutzen wir wiederum, um diese unterschiedlichen Systeme mit Agenten zu orchestrieren. Und wir setzen KI nicht nur in der Discovery und der Entwicklung ein, sondern auch in der Produktion. Lilly baut das Manufacturing weltweit aus, und dort arbeiten wir mit digitalen Zwillingen für Geräte und Prozesse. Wenn man die ganze Pharma-Wertschöpfungskette anschaut, kann jeder einzelne Teil davon profitieren.
Wie haben Sie Ihre Organisation aufgebaut?
Lilly hatte schon vor mir ausgezeichnete Analytics-Abteilungen und begann sehr früh damit, Sprachmodelle zu verwenden. Wir haben dem Ganzen eine neue Struktur gegeben. Mein Team arbeitet im Startup-Stil, in kleinen interdisziplinären Teams, die sich jeweils tief in einzelne Bereiche einarbeiten, von Discovery über Development bis Manufacturing. Der erste Schritt war die Struktur, der zweite der Ausbau der Infrastruktur. Lilly hatte, wie die meisten Betriebe, damals nicht sehr viele GPUs für die Forschung. Jetzt haben wir eine sehr leistungsfähige Recheninfrastruktur.
Thomas Fuchs, Chief AI Officer von Lilly, zu Besuch bei Lilly Österreich in Wien. | Foto: Christian Fichtner/big5comm
Wo hat KI in dieser Wertschöpfungskette aktuell den größten Impact?
Das hängt von der Zeitskala ab. Am unmittelbarsten ist es das Manufacturing. Jede Anwendung von KI, die Prozesse in der Produktion effizienter macht, hilft uns, Medikamente verlässlich zu den Patient:innen zu bringen. Der große Teil unserer Arbeit liegt aber in der Discovery: Wie kann man neue Moleküle designen und ihre Eigenschaften, ihre Verträglichkeit und ihre Produzierbarkeit besser einschätzen? Das ist eine wesentlich längere Zeitskala, da reden wir von Jahren. Am Anfang kann man viel beschleunigen und de-risken. Aber am Ende muss die Biologie wirken. Man braucht die klinischen Studien, um zu sehen, ob ein Medikament sicher und effektiv ist. Das wird KI nicht einfach ersetzen.
Warum ein eigener Supercomputer statt Cloud?
Deep Learning besteht intern aus Vektor- und Matrixmultiplikationen, deshalb hat unsere Community ab etwa 2012 angefangen, GPUs aus dem Spieledesign dafür zu verwenden. Unser System ist ein NVIDIA DGX Superpod, deshalb heißt er bei uns LillyPod, mit mehr als 1.000 B300 GPUs. Man kann sich das wie ein wissenschaftliches Instrument vorstellen, wie ein Teleskop oder Mikroskop, das uns erlaubt, tiefer in die kleinsten Dinge hineinzuschauen. Wenn Wissenschaftler:innen nur wenige GPUs haben, können sie keine großen Experimente laufen lassen. Heute können wir Modelle auf Basis all jener Moleküle trainieren, die Lilly in seiner 150-jährigen Geschichte entwickelt hat. Daten bleiben trotzdem der Engpass, in der Biologie gibt es im Vergleich zur Sprache wenige Datenpunkte bei viel höherer Komplexität. Deshalb bauen wir auch automatisierte Labore: Ein Modell schlägt ein Experiment vor, das Labor führt es aus, aus den Daten lernt das Modell wieder dazu. Dieses Flywheel soll uns immer bessere Modelle und damit immer bessere Werkzeuge für unsere Forschenden bringen. Der zweite Teil: Wir passen Sprachmodelle auch an unsere eigenen wissenschaftlichen Anforderungen an.
Das ist eine massive Investition. Wie bringt man das durch?
Wir haben eine Führung, die sehr langfristig denkt und gleichzeitig ein starkes technisches Verständnis mitbringt. Am Ende müssen neue Medikamente herauskommen, die den Patient:innen helfen.
Ist schon etwas herausgekommen?
Im Manufacturing setzen wir KI ein, um Prozesse effizienter zu machen, damit Medikamente verlässlich verfügbar bleiben. In der Discovery haben wir ein Modell entwickelt, das Chemiker:innen beim Design kleiner Moleküle unterstützt. Das verwenden sie tagtäglich. Es hat ihnen neue Ansätze geliefert, die sie dann geprüft haben. So wie Magnus Carlsen im Schach Züge verwendet, die er von der KI gelernt hat, verwenden unsere Chemiker:innen jetzt Motive, die sie von der KI gelernt haben. Aber es bleibt immer eine Partnerschaft zwischen Mensch und Technologie. Wir sind weit davon entfernt, einfach einen Knopf zu drücken und am Ende kommt ein Medikament heraus. KI ist für uns ein Werkzeug, das wir gemeinsam mit unseren Wissenschaftler:innen und für ihre Arbeit entwickeln.
Thomas Fuchs im Interview mit brutkasten-Chefredakteur Martin Pacher in Wien. | Foto: Christian Fichtner/big5comm
Kooperiert Lilly dabei auch mit Startups?
Sehr viel, mit Startups und mit größeren Firmen. Wir wollen das Rad nicht neu erfinden. Aber in manchen Bereichen gibt es noch keine passende Lösung, dann entwickeln wir sie selbst. Was ich immer sage: Wir sollen kaufen, was uns beschleunigt, und selbst machen, was uns unterscheidet. Mit TuneLab wollen wir das Biotech-Ökosystem unterstützen. Wir stellen teilnehmenden Biotech-Unternehmen KI-Werkzeuge über TuneLab zur Verfügung.
Wie blicken Sie auf den Standort Europa und Österreich?
Als Europäer liegt mir die Zukunft Europas sehr am Herzen. Ich würde mir mehr Initiativen wünschen, man muss sich nicht zurückhalten. Österreich hat extrem gute Expertise, die Universitäten bilden hervorragend aus, Sepp Hochreiter in Linz hat die LSTMs mitentwickelt. Das sollte ein Leuchtturm der Welt sein. Natürlich braucht es mehr Investitionen, nicht nur vom öffentlichen Sektor, sondern viel mehr vom privaten. Es gibt keinen Grund, warum Österreich der Schweiz nachstehen sollte.
Wäre Ihre Karriere in Europa möglich gewesen?
Schwer zu sagen, die Welt ändert sich. Es gibt sehr erfolgreiche Beispiele in Österreich. Zürich ist ein Hotspot für Startups rund um die ETH, das würde ich mir auch für Österreich wünschen. Gleichzeitig sind die Rahmenbedingungen in den USA nach wie vor günstiger: Mit Paige in New York hatten wir Möglichkeiten, die in Europa schwerer zu finden gewesen wären. Es gibt keinen technischen oder intellektuellen Grund, warum Europa und Österreich nicht vorn dabei sein sollten.
Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.