OpenAI hat mit seinem noch unveröffentlichten Modell Astra zehn mathematische Probleme gelöst, die jahrelang offen standen. Darunter eine Frage, die seit 27 Jahren niemand beantworten konnte. Die Rechenkosten? Rund 2.000 Dollar. Doch die Fachwelt debattiert heftig: Zählt ein Beweis, wenn eine Maschine ihn führt?
Non-sofische Gruppen: 27 Jahre offene Frage geklärt
Das Herzstück der Veröffentlichung ist der erste explizite Beweis einer non-sofischen Gruppe. Seitdem der Mathematiker Mikhail Gromov 1999 das Konzept der Sofizität einführte, stand die Frage im Raum: Gibt es Gruppen, die nicht sofsch sind? Kein Mensch hatte diese Frage in 27 Jahren beantworten können. Astra konstruierte nun erstmals eine solche Gruppe. Zusätzlich widerlegte das Modell die Connes-Starrheitsvermutung, die Fields-Medaillist Alain Connes 1980 aufgestellt hatte.
Zehn Beweise auf 249 Seiten
OpenAI veröffentlichte ein 249-seitiges Manuskript zusammen mit maschinenprüfbaren Lean-4-Zertifikaten auf GitHub. Neben der non-sofischen Gruppe bewies Astra die Ehrhart-Volumenvermutung, verbesserte die obere Schranke für Kugelpackungsdichte in hohen Dimensionen zum ersten Mal seit 1978 und löste drei Probleme aus Paul Erdős‘ berühmtem Katalog offener Fragen. Zudem bewies das Modell einen Parallelwiederholungssatz für Zwei-Spieler-Quantenspiele und stellte neue untere Schranken für die Schaltkreiskomplexität der Permanenten auf.
Fields-Medaillist empfiehlt zur Veröffentlichung
Fields-Medaillist Tim Gowers erklärte, er würde den Beweis der Einheitsabstands-Vermutung ohne Zögern zur Annahme in den Annals of Mathematics empfehlen. Zuvor hatte Astra bereits eine 80 Jahre alte Vermutung von Erdős widerlegt. Thomas Bloom, Betreiber der Erdős-Problems-Website, nannte die zehn neuen Ergebnisse bedeutender als den vorherigen Durchbruch. Allerdings hatte OpenAI die Problemstellung selbst ausgewählt. Das ruft Kritiker auf den Plan, die fragen: Wie soll man Resultate bewerten, wenn das Modell die Fragen selbst bestimmt?
Leidener Erklärung: Mathematiker wehren sich
Doch genau dieser Publikationsweg sorgt für Zoff. Im Juni 2026 veröffentlichten Mathematiker die Leidener Erklärung, die vom Weltverband der Mathematik unterstützt wird. Sie warnt davor, dass KI-Firmen veröffentlichte Forschung ohne Zustimmung nutzen, Peer-Review-Prozesse umgehen und die Integrität von Beweisführung und Urheberschaft gefährden. Besonders stört die Fachwelt, dass Unternehmen Ergebnisse per Pressemitteilung statt in referierten Fachjournalen veröffentlichen. OpenAI geht mit den Lean-Zertifikaten einen anderen Weg: Jeder mit einem Lean-Compiler kann die Beweise unabhängig prüfen, ohne dem Modell oder dem Unternehmen vertrauen zu müssen.
Fields-Medaille im KI-Zeitalter: Wer bekommt den Ruhm?
Die Debatte geht tief. Nicolas Bustamante, ein Microsoft-Manager, fragte öffentlich, was mit Preisen wie der Fields-Medaille passiert, wenn harte Probleme per Prompt gelöst werden. Wer bekommt die Anerkennung? Der Mensch, der die Frage stellt? Das Team, das das Modell baut? Oder die KI selbst? Ein Nutzer antwortete: Diese Preise werden wahrscheinlich bedeutungslos. Und kurz nach der Ankündigung gab Jacob Tsimerman, der erst in der Vorwoche die Fields-Medaille gewonnen hatte, bekannt, dass er die Universität Toronto verlässt, um bei OpenAI an KI-Sicherheit zu arbeiten.
2.000 Dollar für zehn Durchbrüche
Die Rechenkosten für alle zehn Beweise lagen bei schätzungsweise 2.000 Dollar nach Sol-API-Preisen. Das ist ein Bruchteil dessen, was traditionelle mathematische Forschung über Jahre kostet. OpenAI gibt Astra zudem kostenlos an 100.000 akademische Forscher bis 2027. Das vertieft die Bindung der Wissenschaft an die eigene Plattform. Astra ist bisher nicht öffentlich verfügbar. Beobachter spekulieren, dass es sich um die GPT-6-Serie handelt.
Was bedeutet das für die Mathematik?
Die zehn Beweise zeigen, dass KI-Modelle zunehmend fähig sind, tiefe mathematische Strukturen zu erkennen und formal zu beweisen. Die Lean-Zertifikate lösen ein Kernproblem: Unabhängige Prüfbarkeit. Doch die Leidener Erklärung macht deutlich, dass die Fachwelt mehr will als maschinenprüfbare Ergebnisse per Blogpost. Die Frage bleibt: Kann eine Wissenschaft, die auf menschlicher Einsicht und gemeinsamem Überprüfen beruht, Ergebnisse akzeptieren, die kein Mensch vollständig versteht? Die Antwort auf diese Frage wird die Zukunft der Mathematik prägen.
Hinweis: Dieser Artikel wurde mit Unterstützung von Künstlicher Intelligenz erstellt und von einem Menschen redaktionell geprüft.
