OpenAIs geheimer Yang-Mills-Beweis: Nobelpreisträger-Gremium kündigt erste Veröffentlichung an

Worum es geht

Am 26. Oktober 2026 hat OpenAI eine der kühnsten Behauptungen in der Geschichte der KI-Forschung aufgestellt: Interne, nicht veröffentlichte KI-Modelle des Unternehmens sollen die mathematische Existenz der Yang-Mills-Theorie bewiesen haben. Diese Theorie aus der Teilchenphysik beschreibt unter anderem die starke Kernkraft. Diese Kraft hält die Quarks zusammen, also die Grundbausteine von Protonen und Neutronen. Ihre mathematisch saubere Begründung ist Teil eines der sieben Millennium-Probleme des Clay Mathematics Institute. Für die Lösung jedes dieser Probleme sind 1 Million Dollar ausgeschrieben.

Den Beweis hat bislang allerdings niemand außerhalb von OpenAI gesehen, abgesehen von einem eigens eingesetzten Gremium aus fünf renommierten Physikern. Dieses Gremium hat sich am 3. November mit einem zweiten Zwischenbericht gemeldet und nennt darin erstmals einen Zeitplan: Eine erste Veröffentlichung soll noch im November kommen, laut dem französischen Magazin Numerama „wenn möglich nächste Woche“. Jede Veröffentlichung von KI-erzeugtem Material will das Gremium einen vollen Tag vorher ankündigen.

Drei Durchbrüche auf einmal, so die Behauptung

Der Yang-Mills-Beweis ist nur eines von drei Ergebnissen, die OpenAI am 26. Oktober vorgestellt hat:

In der Mathematik geht es um die Wellengleichung. Die Vermutung besagt grob, dass sich gebündelte Wellen nicht dauerhaft extrem konzentrieren können. Laut dem japanischen Blog auf note.com war der zweidimensionale Fall seit 2019 gelöst. Aus dem neuen Beweis würden zudem die Kakeya-Vermutung und Steins Restriktionsvermutung in allen Dimensionen folgen. Die KI soll den Beweis am 18. Oktober erzeugt haben, die Formalisierung in Lean folgte am Tag darauf.

In der Informatik behauptet OpenAI, die Exponential Time Hypothesis widerlegt zu haben. Die ETH wurde 1999 aufgestellt und besagt, dass das Logikproblem 3-SAT grundsätzlich nicht in „subexponentieller“ Zeit lösbar ist. Subexponentiell heißt: Die Rechenzeit wächst bei mehr Variablen langsamer als eine Exponentialfunktion. Hunderte Arbeiten aus Graphentheorie, Bioinformatik, Datenbanken und Geometrie setzen die ETH als Prämisse voraus. Laut OpenAI fand das Modell die Widerlegung am 16. Oktober und formalisierte sie am 17. Oktober in Lean. Geprüft wird das von Russell Impagliazzo und Ramamohan Paturi (UC San Diego), die die ETH 1999 zusammen mit Francis Zane selbst aufgestellt haben, sowie von Ryan Williams vom MIT. In einem offenen Brief schreiben die drei:

„Unsere Beteiligung sollte nicht als Bestätigung der Behauptung verstanden werden. Ein Ergebnis dieser Tragweite erfordert sorgfältige, unabhängige Prüfung.“

Williams betont, die Gruppe habe keine Geheimhaltungsvereinbarungen unterschrieben und werde nicht bezahlt. OpenAI hat zugesagt, alle Rohdaten offenzulegen und eine Konferenz zu den Folgen zu finanzieren. Bemerkenswert ist auch eine Arbeit, die der Autor auf note.com erwähnt: Demnach soll ein internes Claude-Forschungsmodell von Anthropic unabhängig und zur gleichen Zeit, ebenfalls am 16. Oktober, eine ähnliche Widerlegung gefunden haben. Dafür soll es 14 Millionen Ausgabe-Tokens gebraucht haben, ohne menschliches Zutun. Wer zuerst da war und ob beide Ergebnisse gegenseitig geprüft wurden, ist laut dem Autor unklar.

Am ehrgeizigsten ist der Physik-Teil. Das Modell soll einen mathematisch strengen Existenzbeweis für wechselwirkende Quantenfeldtheorien in vier Raumzeit-Dimensionen geliefert haben, mit Eichfeldern (sie übertragen Kräfte) und Fermionen (Materieteilchen wie Elektronen und Quarks). Eingeschlossen sind die Quantenchromodynamik und eine Erweiterung des Standardmodells. Der Ansatz baut laut OpenAI auf der konstruktiven Feldtheorie von Thaddeus Balaban auf. Nach Angaben von mezha.ua schrieb die KI den Yang-Mills-Beweis am 9. September und den zur Quantenchromodynamik am 18. September. Die Lean-Formalisierung des ersten war am 16. Oktober fertig.

Was das Gremium um David Gross gerade prüft

OpenAI hat David Gross, Physik-Nobelpreisträger von 2004, am 16. Oktober mit dem Vorsitz des Prüfgremiums beauftragt. Dazu gehören außerdem Michael Douglas, Arthur Jaffe, Igor Klebanov und Nikita Nekrasov, allesamt Schwergewichte der mathematischen Physik. Zum aktuellen Stand schreibt das Gremium:

„Derzeit konzentrieren wir uns auf die Überprüfung des Lean-Beweises der Existenz der reinen Yang-Mills-Theorie. Dabei achten wir besonders darauf, dass die Definitionen und Problemstellungen dem entsprechen, was in Physik und Mathematik Standard ist, und dass die Formalisierung mit der informellen Darstellung übereinstimmt.“

Dieser Punkt ist entscheidend. Lean ist eine Programmiersprache, in der ein Computer jeden einzelnen Schritt eines Beweises nachprüft. Der Computer kontrolliert aber nur, was man ihm als Behauptung vorgibt. Wenn eine Definition im Code leicht von dem abweicht, was Physiker tatsächlich unter Yang-Mills verstehen, kann ein formal korrekter Beweis trotzdem das Falsche beweisen. Das ist vergleichbar mit einem Notar, der einen Vertrag prüft, ohne zu wissen, ob es das richtige Grundstück ist. Die Arbeit gehe gut voran, so das Gremium, und man hoffe, sie „sehr bald“ abzuschließen.

Die erste Veröffentlichung wird nur die reine Yang-Mills-Theorie betreffen, also die Variante ohne Quarks, obwohl OpenAI angibt, auch den Fall mit Quarks behandelt zu haben. Die 1.147 Seiten, die die KI verfasst hat, will das Gremium erst später zusammen mit seiner eigenen Bewertung herausgeben, und zwar erst dann, wenn es von ihrer Richtigkeit überzeugt ist. Seine Arbeitsregeln hat es dem Zwischenbericht beigefügt.

Kein Millionenpreis, und Kritik am Vorgehen

Wichtig für die Einordnung: Das Millennium-Problem besteht aus zwei Teilen. Erstens muss man zeigen, dass die Theorie mathematisch existiert. Zweitens muss man die sogenannte Massenlücke nachweisen, also dass die leichtesten Teilchen der Theorie eine Masse größer als null haben. Der zweite Teil bleibt offen. Wie aiweekly.co unter Berufung auf einen Faktencheck von MindStudio betont, würde die aktuelle Behauptung das Preisgeld also nicht auslösen.

Nicht alle sind mit dem Tempo einverstanden. Ende Oktober forderten neun Mathematiker der AGMAI, einer ehrenamtlichen Gruppe, die OpenAI in mathematischen Fragen berät, die Beweise „unverzüglich“ zu veröffentlichen. Die AGMAI hatte grundsätzlich davon abgeraten, Ergebnisse zuerst ausgewählten Personen zu geben. Sie nannte dafür drei Probleme: ungleichen Zugang, geliehene Glaubwürdigkeit und eine verzerrte Auswahl. Stattdessen empfahl sie die Veröffentlichung in Fachkreisen.

Die Vorgeschichte erklärt die Empfindlichkeit. Laut mezha.ua veröffentlichte OpenAI Anfang Oktober 722 mathematische Arbeiten seines unveröffentlichten Modells, von denen einige ohne formale Prüfung waren und Fehler enthalten haben könnten. Eine frühere Behauptung zum Navier-Stokes-Problem hatte Streit über Methoden und mögliche Verstöße gegen akademische Gepflogenheiten ausgelöst. Diesmal setzt OpenAI auf externe „Shepherds“, also Betreuer. Das Unternehmen nennt vier Prinzipien: Transparenz, kein Anspruch auf akademische Anerkennung, korrekte Zuordnung der Beiträge und Unabhängigkeit. Die Teilnahme sei freiwillig und unbezahlt. Zudem spendete OpenAI 5 Millionen Dollar an die Simons Foundation für Workshops und Konferenzen zu KI-erzeugten Forschungsergebnissen. Welcher der drei Veröffentlichungswege der beste ist, wisse man „noch nicht“, räumt das Unternehmen ein.

Einordnung

Sollten sich auch nur Teile der Behauptungen halten, wäre das ein historischer Moment: KI-Systeme hätten dann jahrzehntealte Grundprobleme der Mathematik, Informatik und Physik gelöst. Belegt ist das bisher aber nicht. Ein Lean-Beweis garantiert nur die logische Korrektheit innerhalb der gewählten Definitionen und nicht, dass tatsächlich das berühmte Problem gelöst wurde. Gerade beim Yang-Mills-Teil, dem spektakulärsten, ist die Lage am undurchsichtigsten, weil alles zurückgehalten wird. Das ist der Grund für die Kritik der Mathematiker. Das Gross-Gremium wiederum will offenbar verhindern, dass ungeprüfte 1.147 Seiten für Verwirrung sorgen.

Auch eine bestätigte ETH-Widerlegung würde schwierige Rechenprobleme nicht über Nacht leicht machen. Forscher müssten aber viele Annahmen darüber überdenken, wie schnell Algorithmen sein können. Spannend ist zudem der Hinweis auf ein ähnliches Ergebnis bei Anthropic. Die kommenden Wochen dürften zeigen, ob die KI-Mathematik ihren Durchbruch erlebt oder ob sich die Behauptungen als zu groß erweisen.