GPU-Server für Pharma und Life Sciences: AlphaFold 3, BioNeMo, LLMs und GxP-Validierung

Was ein GPU-Server für Pharma und Life Sciences leisten muss

In Pharma-, Biotech- und CRO-Unternehmen trägt die KI-Infrastruktur für Life Sciences auf GPU-Servern meist drei Arten von Arbeit: Strukturvorhersage und biomolekulare Modelle wie AlphaFold 3, Boltz-2, OpenFold3 und mit NVIDIA BioNeMo trainierte Modelle, Sprachmodelle für Dokumente und regulatorisches Schreiben sowie die Bildgebung, die unser Leitfaden zu KI-Servern für die medizinische Bildgebung behandelt. Die H200 NVL (141 GB, 30 TFLOPS in FP64) übernimmt große Eingaben, Training über per Bridge verbundene Karten und Codes in doppelter Genauigkeit. Die RTX PRO 6000 Server Edition (96 GB, 120 TFLOPS in FP32) übernimmt Struktur-Screening, Molekulardynamik in gemischter Genauigkeit und mittelgroße Sprachmodelle.

Installations- und Performance-Guides zu AlphaFold 3 auf GitHub; NVIDIA-NIM-Support-Matrizen für Boltz-2 (aktualisiert am 30. September 2026) und OpenFold3 (aktualisiert am 8. September 2026); README der BioNeMo Recipes; Installationsanleitung von GROMACS 2026.4; NVIDIA-Seite zu CUDA-GPUs; alle gelesen am 10. Oktober 2026. Die Kartenspalte ist unsere Zuordnung zu den Karten, die wir liefern.

Hardware-Anforderungen von AlphaFold 3 und die Lizenz der Gewichte

DeepMinds Installationsanleitung verlangt Linux, „eine NVIDIA-GPU mit Compute Capability 8.0 oder höher“ und bis zu 1 TB Plattenplatz für die genetischen Datenbanken, vorzugsweise auf SSD. Sie hält fest, dass Eingaben „mit bis zu 5.120 Token auf eine einzelne NVIDIA A100 80 GB oder eine einzelne NVIDIA H100 80 GB passen“ und dass GPUs mit mehr Speicher größere Strukturen vorhersagen können. Für größere Eingaben oder kleinere Karten schaltet der Performance-Guide Unified Memory ein, das GPU-Speicher in den Hauptspeicher des Hosts auslagert und den Lauf verlangsamt. Der Guide empfiehlt mindestens 64 GB RAM, da die genetische Suche bei langen Targets viel davon belegt.

Das Repository beschreibt die Datenpipeline als „rein CPU-basiert, zeitaufwendig und auf einer Maschine ohne GPU ausführbar“, während die Inferenz die GPU braucht. Vorhersagen brauchen daher neben GPU-Speicher auch CPU-Kerne und schnelle SSDs. DeepMind hat die numerische Genauigkeit auf der A100 und der H100 verifiziert und bezeichnet andere Geräte ohne Tests in großem Umfang als „vermutlich numerisch genau“. Die H200 NVL ist wie die H100 eine Hopper-Karte; die RTX PRO 6000 (Compute Capability 12.0) erfüllt das Minimum, gehört aber nicht zu den getesteten Karten.

Für ein Pharmaunternehmen gehören die Lizenzbedingungen jedes Modells zur Auswahl. Der Quellcode steht unter Apache 2.0, aber die Nutzungsbedingungen für die Gewichte, zuletzt geändert am 9. November 2024, machen die Parameter und die Ausgaben „only available for non-commercial use by, or on behalf of, non-commercial organizations“ (eigene Übersetzung: „nur für nicht kommerzielle Nutzung durch oder im Auftrag von nicht kommerziellen Organisationen verfügbar“) und schließen die Nutzung „in connection with any commercial activities, including research on behalf of commercial organizations“ (eigene Übersetzung: „im Zusammenhang mit jeglichen kommerziellen Tätigkeiten, einschließlich Forschung im Auftrag kommerzieller Organisationen“) aus. Google gewährt den Zugang zu den Parametern nach alleinigem Ermessen. Das Boltz-Repository gibt an, dass Code und Gewichte unter der MIT-Lizenz für akademische und kommerzielle Nutzung stehen. OpenFold3, eine Research Preview mit dem Ziel, AlphaFold 3 nachzubilden, gibt an, sein Repository sei „freely available for academic and commercial use under the Apache 2.0 license“ (eigene Übersetzung: „unter der Apache-2.0-Lizenz für akademische und kommerzielle Nutzung frei verfügbar“), und nennt keine eigene Lizenz für die Gewichte. Welche Modelle und welche Softwarebedingungen von NVIDIA zu einer geplanten Nutzung passen, ist eine rechtliche Beurteilung für die Rechtsabteilung des Unternehmens.

Hardware-Anforderungen von Boltz-2, OpenFold3 und BioNeMo

NVIDIA verpackt Boltz-2 und OpenFold3 als NIM-Microservices, deren Support-Matrizen Karten nennen. Der Boltz-2-NIM in Release 1.9.0 „erfordert NVIDIA-GPUs mit mindestens 48 GB GPU-Speicher“, dazu mindestens 12 CPU-Kerne, 64 GB RAM und 80 GB NVMe-Speicher. Seine Liste, aktualisiert am 30. September 2026, enthält die H200, die L40S, die RTX 6000 Ada und die RTX PRO 6000 Blackwell Workstation Edition, nicht aber die H200 NVL oder die RTX PRO 6000 Server Edition. NVIDIA ergänzt, dass andere GPUs mit mindestens 48 GB funktionieren können, aber nicht offiziell getestet sind. Die Liste des OpenFold3-NIM, aktualisiert am 8. September 2026, nennt beide, zusammen mit der L40S, und verlangt mindestens 8 Kerne und 64 GB RAM. Ab Release 1.6.0 bedient ein OpenFold3-Container, dem mehrere GPUs zugewiesen sind, Anfragen auf allen gleichzeitig.

Die H200 NVL lässt sich in bis zu sieben MIG-Instanzen mit 16,5 GB aufteilen, weniger als die 48 GB, die der Boltz-2-NIM verlangt; Strukturmodelle werden daher auf ganzen Karten geplant. NVIDIAs NIM-FAQ hält fest: „Der Einsatz von NIM in der Produktion erfordert eine Lizenz für NVIDIA AI Enterprise.“ Mitglieder des NVIDIA Developer Program dürfen NIM für Forschung, Entwicklung und Experimente auf bis zu 16 GPUs selbst hosten. NVIDIAs Seite zur H200 führt AI Enterprise bei der H200 NVL als „Included“. Die Seite zur RTX PRO 6000 Server Edition nennt kein enthaltenes Abonnement; für diese Karte wird die Lizenz also separat gekauft.

NVIDIA beschreibt das BioNeMo Framework als „eine Sammlung von Programmierwerkzeugen, Bibliotheken und Modellen für die computergestützte Wirkstoffforschung“. Sein Repository enthält die BioNeMo Recipes mit Modellen wie ESM-2, Geneformer und AMPLIFY, die mit FSDP skalieren. Laut README gilt für FP8 „erfordert Compute Capability 9.0 und höher (Hopper+)“, was die H200 NVL (Hopper, 9.0, wie NVIDIA die H200 führt) und die RTX PRO 6000 (12.0) beide erfüllen. MXFP8 läuft auf Compute Capability 10.0 und 10.3, mit „Unterstützung für 12.0 ausstehend“; BioNeMo-Training auf der RTX PRO 6000 läuft daher vorerst in BF16 oder FP8. Die ältere Framework-Dokumentation führt weder die H200 noch eine Blackwell-Karte auf, testen Sie ein Recipe daher zuerst auf der Zielkarte.

H200 NVL oder RTX PRO 6000: doppelte Genauigkeit und Speicher

Die Installationsanleitung von GROMACS sagt, dass seine Simulationen normalerweise in gemischter Gleitkommagenauigkeit laufen, und nennt einen Build in doppelter Genauigkeit „langsamer und normalerweise nicht sinnvoll“. In FP32 bietet die RTX PRO 6000 Server Edition 120 TFLOPS, die H200 NVL 60. Codes, die in FP64 rechnen, gehören auf die H200 NVL, die NVIDIA mit 30 TFLOPS in FP64 und 60 auf ihren Tensor Cores angibt. NVIDIAs Whitepaper zur Architektur RTX Blackwell PRO (v1.1) hält fest: „Die FP64-TFLOP-Rate beträgt 1/64 der TFLOP-Rate von FP32-Operationen.“ Bei der Server Edition sind das nach unserer Rechnung etwa 1,9 TFLOPS, wie unser CFD-Vergleich von H200 NVL und RTX PRO 6000 darlegt.

Die H200 NVL hat 141 GB HBM3e mit 4,8 TB/s und verbindet 2 oder 4 Karten über eine NVLink-Bridge mit 900 GB/s je GPU. Die RTX PRO 6000 Server Edition hat 96 GB GDDR7 mit 1.597 GB/s und kein NVLink. Eine einzelne große Eingabe im Stil von AlphaFold profitiert vom zusätzlichen Speicher, während das Screening vieler mittelgroßer Komplexe stärker von der Zahl der Karten profitiert. Unser Leitfaden zum Betrieb von H200 NVL und RTX PRO 6000 in einer Plattform behandelt das Scheduling beider Pools.

Wir bauen GPU-Server mit Karten H200 NVL oder RTX PRO 6000 Server Edition rund um die Modelle, die Sie betreiben. Nennen Sie uns die Strukturmodelle und Eingabegrößen, die Sie planen, und ob Sie mit BioNeMo trainieren oder nur Inferenz betreiben.

LLMs für regulatorische Dokumente und Literatur

Sprachmodelle entwerfen in der Pharmaindustrie Dokumente, fassen Literatur zusammen und beantworten Fragen zu internen Dokumentenbeständen. Sie werden wie jeder Unternehmensassistent ausgelegt, wie unsere Auslegung eines privaten ChatGPT-Servers nach Unternehmensgröße für 500 und 2.000 Beschäftigte zeigt.

Der Entwurf von Annex 22 zur künstlichen Intelligenz, den die Kommission 2025 zur Konsultation gestellt hat, „gilt nicht für generative KI und große Sprachmodelle (LLM)“ und sagt, dass solche Modelle nicht in kritischen GMP-Anwendungen eingesetzt werden sollten. Bei nicht kritischen Einsätzen hält der Entwurf über einen Human-in-the-Loop-Ansatz qualifiziertes Personal für die Ausgaben verantwortlich. Das Reflexionspapier der EMA zu KI warnt: „Große Sprachmodelle, die oft Milliarden von Parametern enthalten, sind aufgrund ihrer Größe einem besonderen Risiko der Memorisierung ausgesetzt.“ Das zählt, wenn ein Modell auf Dokumenten mit personenbezogenen Daten feinabgestimmt wird. Eine Plattform für diese Einsätze braucht ein Abfrageprotokoll und Zugriffsrechte je Nutzer.

GxP: EU-GMP Annex 11 und das Reflexionspapier der EMA zu KI

Annex 11 von EudraLex Band 4 (Revision Januar 2011, Inkrafttreten bis 30. Juni 2011) „applies to all forms of computerised systems used as part of a GMP regulated activities.“ (eigene Übersetzung: „gilt für alle Arten computergestützter Systeme, die als Teil GMP-regulierter Tätigkeiten eingesetzt werden“). Sein Grundsatz lautet „The application should be validated; IT infrastructure should be qualified.“ (eigene Übersetzung: „Die Anwendung sollte validiert, die IT-Infrastruktur qualifiziert sein.“). Sein Glossar zählt Hardware und Betriebssysteme zur IT-Infrastruktur; ein GPU-Server, der in einer GMP-regulierten Tätigkeit eingesetzt wird, ist also zu qualifizierende Infrastruktur, und die Anwendung darauf ist zu validieren, in der Verantwortung des regulierten Unternehmens. Annex 11 macht den Umfang der Validierung von einer dokumentierten Risikobewertung abhängig.

EudraLex Band 4, Annex 11 (Revision Januar 2011), Abschnitte nach der dortigen Nummerierung; die rechte Spalte ist unsere Lesart dessen, was eine GPU-Plattform beiträgt, und die Qualitätseinheit des Unternehmens entscheidet, was gilt.

Das Reflexionspapier der EMA EMA/CHMP/CVMP/83833/2023, angenommen im September 2024, weist die Verantwortung dem Sponsor klinischer Prüfungen, dem Antragsteller oder Inhaber der Zulassung oder dem Hersteller zu. Sie haben sicherzustellen, dass „alle verwendeten Algorithmen, Modelle, Datensätze und Datenverarbeitungspipelines für ihren Zweck geeignet sind“. Mit Stand Oktober 2026 führt die EudraLex-Seite der Kommission den Annex 11 von 2011 und keinen Annex 22.

Allgemeine Information zum EU-Recht mit Stand Oktober 2026: EudraLex Band 4, Annex 11 und die Konsultationsentwürfe von Annex 11 und Annex 22 (Europäische Kommission, health.ec.europa.eu) sowie das Reflexionspapier der EMA EMA/CHMP/CVMP/83833/2023 (ema.europa.eu).

Validierungsplan, Risikobewertung und die Freigabe eines Systems für den GxP-Einsatz bleiben bei der Qualitätseinheit des Unternehmens. Unser Artikel zur KI-Governance mit ISO/IEC 42001 für ein privates LLM ordnet Abfrageprotokolle, Zugriffsrechte und Evaluierungsnachweise den Maßnahmen eines Managementsystems zu.

Beispielplattform für ein mittelgroßes Pharmaunternehmen oder CRO

Unsere Schätzung, keine Herstellerempfehlung, gilt für ein Unternehmen mit etwa 1.000 Beschäftigten, einem Computational-Team und einem internen Assistenten. Ein Server nimmt vier Karten H200 NVL an einer Vierfach-NVLink-Bridge auf, für BioNeMo-Training in FP8, Struktureingaben, die für 96 GB zu groß sind, Codes in doppelter Genauigkeit und das größere Sprachmodell. Ein zweiter Server nimmt acht Karten RTX PRO 6000 Server Edition auf, für Screening mit dem OpenFold3-NIM über alle acht Karten, GROMACS-Läufe und mittelgroße Modelle für den Assistenten. Boltz-2 kommt nach einem Test dazu, da seine NIM-Liste die Server Edition nicht nennt.

Planen Sie die CPU-Seite nach den dokumentierten Mindestwerten, 12 Kerne und 64 GB RAM für den Boltz-2-NIM und 8 Kerne und 64 GB für den OpenFold3-NIM. Acht Karten mit bis zu 600 W ziehen vor Prozessoren und Lüftern bis zu 4,8 kW, daher werden Stromzuführung und Kühlung des Racks für diese Last geplant. Kann jeder Server das Modell des Assistenten betreiben, hält einer es in Betrieb, wenn der andere ausfällt. Für Workloads im GMP-Geltungsbereich ist solche Reservekapazität ein Beitrag zu den Kontinuitätsregelungen von Annex 11, Abschnitt 16.

Rack, Strom und Luftstrom prüfen wir, bevor wir ein Angebot erstellen. Beschreiben Sie Ihre Teams, Modelle und den GxP-Umfang im Formular unten, und Konfiguration und Angebot folgen innerhalb eines Werktages.

Was wir liefern

Wir liefern die H200 NVL, die RTX PRO 6000 in der Server und der Workstation Edition und die L40S als professionelle NVIDIA-GPUs und bauen KI-Server auf Bestellung rund um sie, montiert und im Burn-in getestet, mit Herstellergarantie auf jede Komponente, unter einem EU-Vertrag und auf einer Rechnung. Lizenzen für NVIDIA AI Enterprise für NIM in der Produktion kommen auf dieselbe Rechnung. Betriebssystem, Treiber, CUDA und eine Container-Runtime installieren wir auf Wunsch. Modelle, Abfrageprotokollierung und Zugriffsverwaltung darauf sind unsere Leistung Private AI/ML, mit Engineering von unserem Engineering-Partner Vixen.UNO. Die Qualifizierung der Infrastruktur und die Validierung der Anwendungen bleiben bei Ihrer Qualitätseinheit.

FAQ