OpenAI: KI widerlegt Exponential Time Hypothesis und beweist Kakeya-Vermutung

Worum es geht

Am 26. Oktober 2026 hat OpenAI drei neue Forschungsergebnisse angekündigt, die seine internen KI-Modelle erzeugt haben sollen: eines aus der Mathematik (Harmonische Analysis), eines aus der theoretischen Informatik (Komplexitätstheorie) und eines aus der Physik (Quantenfeldtheorie). Weniger als einen Monat zuvor hatte das Unternehmen bereits Hunderte Manuskripte mit Lösungen für lange offene Mathematikfragen veröffentlicht (Release vom 6. Oktober 2026). Neu ist diesmal vor allem das Verfahren: OpenAI bat externe Fachleute, als „Shepherds“ (Hirten) Gruppen zu organisieren, die die Ergebnisse verstehen und erklären. OpenAI betrachtet die KI-Manuskripte selbst als „rohe Forschungsdaten“, die erst durch menschliche Arbeit zu wissenschaftlichem Verständnis werden.

Wichtig vorab: Es handelt sich um Herstellerangaben. Eine unabhängige Begutachtung steht noch aus, lediglich Lean-Formalisierungen (maschinell prüfbare Beweise) existieren für mehrere Teile.

Drei Ergebnisse, drei Veröffentlichungsstrategien

Die Experten rieten zu jeweils unterschiedlichen Wegen:

• Mathematik: Die KI-Ausgabe wird direkt veröffentlicht; Forschende organisieren ihre Erklärungsarbeit selbst.
• Informatik: Eine externe Gruppe erklärt das Ergebnis, die KI-Ausgabe ist zugleich öffentlich einsehbar.
• Physik: Eine externe Gruppe wird gebildet und entscheidet über die Veröffentlichung der Materialien. Sie hat beschlossen, die KI-Artefakte zunächst zurückzuhalten und das Ergebnis selbst aufzuschreiben.

OpenAI räumt ein, noch nicht zu wissen, welcher Ansatz am nützlichsten ist, und bittet um Rückmeldungen. Zudem gestehen sie ein: Die Wahl der ersten „Shepherds“ bestimmt, wer zuerst beteiligt ist, und erzeugt ein Informationsgefälle.

Vier Prinzipien der Zusammenarbeit

1. Transparenz: Die Kooperationen sind öffentlich; es gibt keine Geheimhaltungsvereinbarungen, Teilnehmer dürfen frei darüber sprechen, Zwischenergebnisse teilen und Schlussfolgerungen veröffentlichen.
2. Kein akademischer Kredit: OpenAI beansprucht keinen wissenschaftlichen Ruhm für die Entdeckungen seiner Modelle. Wer eine Gruppe leitet, hat damit nicht automatisch die Entdeckung gemacht.
3. Anerkennung: Die Gruppen sollen für Verständnis, Texte und Materialien Anerkennung erhalten und auch dafür sorgen, dass genutzte Vorarbeiten korrekt gewürdigt werden.
4. Unabhängigkeit: Teilnahme ist freiwillig und unbezahlt; Mitglieder sprechen nicht für OpenAI und umgekehrt.

Mathematik: Local Smoothing und Kakeya

1991 stellte Sogge die Local-Smoothing-Vermutung auf. Sie beschreibt, wie sich Wellen verhalten, wenn sie sich bündeln (fokussieren): Die extremste Bündelung kann nur kurzlebig sein. Zu einem zufälligen Zeitpunkt ist die Bündelung deutlich schwächer als im schlimmsten Moment – ein Muster, das man in der Mathematik oft sieht („Worst Case“ ist extremer als der Durchschnitt). Die Vermutung hat weitreichende Folgen; sie impliziert die Kakeya-Vermutung (Frage nach der minimalen „Größe“ von Mengen, in denen sich eine Strecke in alle Richtungen drehen lässt) und Steins Restriktionsvermutung.

Bisher: 2019 bewiesen Guth, Wang und Zhang den Fall zweier Raumdimensionen; 2025 bewiesen Wang und Zahl die Kakeya-Vermutung in drei Dimensionen. Laut OpenAI haben die Modelle nun die Local-Smoothing-Vermutung in jeder Dimension bewiesen und damit Kakeya und Stein in allen Dimensionen. Der Beweis stützt sich auf eine neuartige Hilfs-Differentialgleichung. The Verge ergänzt, dass es sich um Dimensionen ab zwei handelt und Steins sphärische Restriktionsabschätzungen im Inneren des vermuteten Bereichs folgen.

Zeitplan laut OpenAI: KI-Ausgabe am 18. Oktober 2026, Lean-Formalisierung am Tag darauf, dann Kontakt zu einem Experten. Auf dessen Empfehlung wurden die Beweisbeschreibung in natürlicher Sprache und der Lean-Beweis im öffentlichen GitHub-Repository veröffentlicht.

Informatik: Die Exponential Time Hypothesis soll falsch sein

Die Exponential Time Hypothesis (ETH) besagt grob, dass sich die Erfüllbarkeit boolescher Formeln (SAT) nicht wesentlich schneller als in exponentieller Zeit lösen lässt. Sie hängt eng mit der P-vs.-NP-Frage zusammen und gilt als weithin geglaubt. Hunderte Arbeiten nutzen sie, um bedingte Schwierigkeitsaussagen in Graphentheorie, Computerbiologie, Datenbanken oder Geometrie abzuleiten.

Laut OpenAI hat das System die ETH widerlegt. Laut The Verge liefert die Arbeit einen deterministischen Algorithmus, der die erfüllenden Belegungen von CNF-Formeln fester Breite exakt in subexponentieller Zeit und mit polynomiellem Speicher zählt; der Fall 3-SAT widerlegt die ETH. Die Lean-Dokumentation (laut Unite.AI) formuliert: Für festes k ≥ 2 zählt eine deterministische Maschine die erfüllenden Belegungen einer k-CNF-Formel mit n Variablen in subexponentieller Zeit und polynomiellem Platz; schärfere Zeitschranken in Abhängigkeit von der Klauselzahl m stehen in einem Manuskript vom 25. Oktober 2026.

Die KI fand den Beweis in natürlicher Sprache am 16. Oktober, die Lean-Formalisierung folgte am 17. Oktober. Praktisch bedeutet das nicht sofort schnellere Software: OpenAI betont, die Widerlegung öffne Fragen danach, wie viel schneller diese Aufgaben werden könnten, und praktische Verbesserungen erforderten viel weitere Forschung.

Die Prüfgruppe besteht aus Russell Impagliazzo und Ramamohan Paturi (beide UC San Diego), die mit Francis Zane die ETH 1999 vorschlugen, sowie Ryan Williams (MIT), der starke Versionen der ETH widerlegt hat. Auf Wunsch der Gruppe werden alle Rohdaten öffentlich gemacht, und OpenAI finanziert eine Konferenz zu den Folgen. Die Gruppe lädt die Community zu einer offenen Prüfung ein und stellt Fragen zu Frühzugang und Interessenkonflikten, zur Anerkennung von Entdeckung versus Prüfen/Erklären sowie zur Förderung von Studierenden und Forschenden.

Physik: Existenz von Yang-Mills-Theorie und QCD

Das dritte Ergebnis soll ein mathematisch strenger Existenzbeweis bestimmter wechselwirkender Quantenfeldtheorien mit Eichfeldern und Fermionen in vier Dimensionen sein, darunter die Quantenchromodynamik (QCD, die starke Kraft zwischen Quarks und Gluonen) und eine vereinheitlichte Erweiterung des Standardmodells. Die Arbeit baut auf Balabans Ansatz der konstruktiven Quantenfeldtheorie auf. Als Teilproblem enthält sie die Existenz der reinen Yang-Mills-Theorie, die zum Millennium-Preisproblem des Clay Mathematics Institute zählt. Der Beweis bezieht sich auf die einfachste „große vereinheitlichte Theorie“, die die Eichfelder und Fermionen des Standardmodells enthält, da das Standardmodell selbst nicht auf beliebig kurze Abstände extrapoliert werden kann.

Die Modelle erzeugten den Yang-Mills-Beweis am 9. September, den QCD-Beweis am 18. September 2026. Wegen Länge und Komplexität wartete OpenAI auf die Lean-Formalisierung, die für Yang-Mills am 16. Oktober abgeschlossen war.

Die Gruppe leitet David Gross (Nobelpreis 2004 für asymptotische Freiheit), mit Michael Douglas, Arthur Jaffe (Mitformulierer des Millennium-Problems), Igor Klebanov und Nikita Nekrasov. Die Materialien sind bisher nicht veröffentlicht; Anfragen sollen an eine eigens eingerichtete E-Mail-Adresse gehen.

Finanzierung und Kritik am Verfahren

Zusätzlich verweist OpenAI auf seinen 5-Millionen-Dollar-Beitrag an die Simons Foundation für Workshops und Programme zum Verständnis KI-erzeugter Ergebnisse. The Verge weist darauf hin, dass das von OpenAI eingesetzte Beratergremium AGMAI einen Tag zuvor Unternehmen empfahl, das Verfahren, bestimmten Personen die Ergebnisse zuerst zu geben, nicht zu übernehmen – wegen ungleichen Zugangs, „geliehener Reputation“ und verzerrter Auswahl. Stattdessen sollten Labore auf wissenschaftlichen Repositorien veröffentlichen, mit Lean-Beweisen, Angaben zur Problemauswahl und Finanzierung für Verstehende.

Einordnung

Sollten die Ergebnisse stimmen, wären es Durchbrüche: Kakeya in allen Dimensionen, das Ende einer zentralen Annahme der Komplexitätstheorie und ein Fortschritt zu einem Millennium-Problem. Lean-Formalisierungen sind ein starkes Indiz, ersetzen aber nicht die fachliche Prüfung – etwa ob die formalen Aussagen genau das Gemeinte abbilden. Bei der Physik liegt bisher nichts Öffentliches zur Überprüfung vor. Kritisch bleiben die Auswahl der Prüfer, das Informationsgefälle und die offene Frage, wie Anerkennung für KI-Entdeckungen und menschliche Prüfarbeit verteilt wird. Alle Aussagen stammen bislang von OpenAI; die kommenden Wochen mit offener Prüfung werden zeigen, was hält.