OpenAI-KI liefert 719 Mathe-Arbeiten – Forscher spüren „große Leere“

Worum es geht

OpenAI hat am 6. Oktober 2026 in einem Blogbeitrag mit dem Titel „Sharing AI progress in mathematics“ einen ungewöhnlich großen Schwung Mathematik-Forschung veröffentlicht: 722 Manuskripte, gebündelt in 372 „Ergebnisfamilien“. Erstellt hat sie ein internes Spitzenmodell, das die Öffentlichkeit nicht nutzen kann. Die Texte liegen frei zugänglich in einem GitHub-Repository. Sie reichen von Zahlentheorie, Algebra, Geometrie und Topologie über Wahrscheinlichkeitstheorie und mathematische Physik bis zu Quantenalgorithmen und theoretischer Informatik. Einen Tag später zog OpenAI drei Arbeiten zurück, seitdem umfasst der Katalog 719 Manuskripte.

Eine Ergebnisfamilie kann mehrere verwandte Resultate, alternative Beweise und voneinander abhängige Manuskripte bündeln. 719 Manuskripte sind also nicht 719 einzelne Durchbrüche. Jetzt, Anfang November, sorgt die Veröffentlichung erneut für Diskussionen, ausgelöst durch Stimmen aus der Fachwelt, die unter anderem die niederländische Zeitung de Volkskrant und das spanische Portal Genbeta wiedergeben.

Für normale ChatGPT-Nutzer ändert sich dadurch nichts. Es gibt keinen neuen Mathe-Modus, und das verwendete Modell ist nicht verfügbar.

Was OpenAI behauptet und wie die Arbeit entstand

OpenAI setzte sein Modell auf rund 4.000 offene Probleme an. Ein durchschnittliches Ergebnis kostete laut Firma Rechenleistung im Umfang von etwa drei Stunden ChatGPT-Pro-Nutzung. Gegenüber Scientific American sagte OpenAI, fast jedes Paper sei als Antwort auf einen einzigen Prompt an einen einzelnen KI-Agenten entstanden.

Zu den herausgestellten Ergebnissen gehören eine Lösung der vierdimensionalen Kakeya-Vermutung, Verbesserungen wichtiger Algorithmen und Arbeiten, die die Riemannsche Vermutung und einen Spezialfall der Hodge-Vermutung berühren. Das Portal Online Tech Tips weist auf die vorsichtige Formulierung hin: „Berühren“ heißt meist, dass ein Teilaspekt, ein Spezialfall oder eine Nebenfrage bearbeitet wurde, nicht das berühmte Problem selbst. Die Riemannsche Vermutung ist also nicht gelöst, und das behauptet auch OpenAI nicht.

Die Veröffentlichung folgt laut OpenAI den Empfehlungen einer unabhängigen Beratergruppe, der Advisory Group on Mathematics and Artificial Intelligence (AGMAI), die am Institute for Advanced Study angesiedelt ist. Dazu gehören eine zügige Veröffentlichung sowie Angaben zum verwendeten Modell, zu Prompts und zu Rechenkosten. Laut Engadget hat OpenAI aber nicht alle Ratschläge befolgt: Die genauen Rechenzeiten pro Problem und die verwendeten Prompts wurden nicht veröffentlicht. Laut TechCrunch gab es nur zehn Zusammenfassungen der Denkprozesse des Modells.

„Für diese Veröffentlichung stellen wir die Ergebnisse in ein GitHub-Repository, mit Protokollen für Überarbeitungen und Zitationen“, schreibt OpenAI. Für künftige Veröffentlichungen wolle man die Qualität der Arbeiten weiter verbessern.

Wie belastbar sind die Ergebnisse?

Hier liegt der Kern der Debatte. Die Manuskripte sind nicht begutachtet, es ist eine selbst veröffentlichte Sammlung. OpenAI ordnet die Ergebnisse laut The Verge selbst unterschiedlichen Prüfstadien zu und räumt ein, dass manche Texte Fehler enthalten können.

Laut TechCrunch sind nur rund 300 der 719 Hauptergebnisse, etwa 42 Prozent, in Lean formalisiert. Lean ist eine Programmiersprache für Beweise, eine Art extrem strenge Rechtschreibprüfung für Logik: Der Computer kontrolliert jeden einzelnen Schritt. Doch auch das hat Grenzen. Lean prüft nur die Aussage so, wie sie eingegeben wurde. Weicht diese von der Formulierung im Text ab, segnet der Computer womöglich etwas Schwächeres ab als das, was in der Überschrift steht. Ob ein Ergebnis neu oder wichtig ist, sagt Lean ohnehin nicht.

Wie fehleranfällig die Sache ist, zeigte sich sofort. Am 7. Oktober fand OpenAI einen Vorzeichenfehler, also ein Plus statt eines Minus, in einem Beweis zur algebraischen Geometrie. Weil zwei weitere Arbeiten darauf aufbauten, wurden alle drei zurückgezogen. 14 weitere Manuskripte wurden laut Retraction Watch nachgebessert. OpenAI betont, die mathematischen Aussagen selbst seien nicht widerlegt. Cryptobriefing hält dagegen: Eine unwiderlegte Behauptung mit kaputtem Beweis sei mathematisch wieder bloß eine Vermutung.

Vorgeschichte: der Streit um Navier-Stokes

Die Skepsis hat eine Vorgeschichte. Im September 2026 erklärte OpenAI, seine Modelle hätten „mehr als 100 seit Langem offene Probleme“ gelöst. Am 8. September folgte die Behauptung, eine Version des Navier-Stokes-Problems gelöst zu haben, mit einem 166-seitigen Paper samt Lean-Formalisierung. Die Navier-Stokes-Gleichungen beschreiben, wie Flüssigkeiten und Gase strömen, und das Problem gehört zu den mit einer Million Dollar dotierten Millennium-Problemen des Clay Mathematics Institute.

Der Mathematiker Tristan Buckmaster kritisierte, wie wenig die menschlichen Vorarbeiten gewürdigt wurden. Laut Retraction Watch schlossen sich mehr als 8.000 Forschende den Bedenken an. Das Clay Institute führt das Problem weiterhin als „aktiv“, also ungelöst, und nennt sein Prüfverfahren „bewusst ohne Eile“. Britische Mathematiker fanden später Stellen, an denen geschriebener Beweis und Lean-Code auseinandergehen. Schon zuvor hatte OpenAI nach Kritik von 771 Mathematikern ein Sponsoring über eine Million Dollar für einen KI-Mathewettbewerb am Caltech zurückgezogen.

Bewunderung und Unbehagen in der Fachwelt

Steven Kelk, Associate Professor für theoretische Informatik an der Universität Maastricht, sagte de Volkskrant, er betrachte die Ergebnisse mit Bewunderung. Die KI habe womöglich auf einen Schlag Fortschritte erzielt, die zehn bis zwanzig Jahren Forschung entsprächen. Zugleich empfindet er „ein großes Gefühl der Leere“. Forschung bestehe auch darin, sich zu irren, mit anderen zusammenzuarbeiten und auf dem Weg neue Ideen zu entdecken. Liefere eine Maschine direkt die Antwort, gehe ein Teil davon verloren.

Auch Terence Tao, einer der bekanntesten Mathematiker der Welt, warnt vor Forschenden, die KI einsetzen, ohne die Ergebnisse ausreichend zu verstehen. Die AGMAI fordert, solche Fortschritte transparent zu teilen und so, dass menschliches Wissen daraus entstehen kann. Besonders deutlich wird MIT-Mathematiker Andrew Sutherland gegenüber Scientific American:

„Solange sie das Modell nicht veröffentlichen und die Leute die Ergebnisse nicht nachvollziehen können, sollte man alle Behauptungen über Probleme, die mit einem einzigen Agenten im ersten Anlauf gelöst wurden, als unbestätigt betrachten.“

OpenAI kündigte an, fünf Millionen Dollar an eine Initiative der Simons Foundation zu geben, die Mathematikern helfen soll, KI-erzeugte Beweise zu studieren und zu verstehen.

Einordnung

Die Veröffentlichung zeigt vor allem eines: Ein KI-Labor kann inzwischen mathematische Forschung schneller produzieren, als die Fachwelt sie prüfen kann. Sollten sich auch nur Teile der Ergebnisse bestätigen, etwa die vierdimensionale Kakeya-Vermutung, wäre das ein echter Meilenstein. Die formal geprüften Resultate sind dabei deutlich belastbarer als der Rest.

Vieles bleibt aber offen. Das Modell ist geheim und lässt sich nicht nachprüfen. Prompts und Rechenaufwand pro Problem fehlen, und mehr als die Hälfte der Ergebnisse ist weder formal verifiziert noch begutachtet. Ob OpenAI in Mathematik vor Google DeepMind oder Anthropic liegt, lässt sich nicht sagen, denn es gibt keinen gemeinsamen, unabhängigen Vergleich. Hinzu kommt eine strukturelle Frage, die über Korrektheit hinausgeht: Wer prüft künftig solche Massen an Beweisen, wer bekommt die Anerkennung, und was bedeutet es für Nachwuchsforschende, wenn ganze Forschungsfelder über Nacht „abgearbeitet“ werden? Die fünf Millionen Dollar an die Simons Foundation sind ein erster Schritt. Gemessen an der Prüfarbeit, die OpenAI der Fachwelt aufbürdet, ist die Summe eher klein.