AI-translated from English; not yet reviewed by a fluent editor. # Von Einheitsabständen zu Navier-Stokes: KI-Mathematik erreicht eine neue Phase > Von der Widerlegung der Einheitsabstandsvermutung bis Navier-Stokes bringt KI-Mathematik neue Ergebnisse, menschliche Folgearbeiten und formale Beweise hervor. Was hat sich wirklich verändert? By BIG CHANGE Editorial Published: 2026-09-22T03:48:27.579Z Updated: 2026-09-22T03:48:27.579Z Canonical: https://bigchange.ai/blog/ai-mathematics-unit-distance-navier-stokes ![An open notebook pairs a point-and-line geometry sketch with swirling fluid lines, with an orange pencil beside it.](https://bigchange.ai/api/media/file/geometry-fluid-hero-v1.png) AI-generated conceptual illustration by BIG CHANGE. From geometry to fluid mathematics: conceptual sketches of the article's range, not the actual unit-distance construction, a proof or a fluid simulation. Im Mai führte eine Frage zu Punkten auf einer Ebene zu einer unerwarteten Antwort. Bis September veröffentlichten KI-Labore Argumente zu Singularitäten in Flüssigkeiten sowie Dateien, mit denen Computer die Beweise prüfen können. Dazwischen gab es neue Gegenbeispiele, stärkere Schranken und eine Formalisierung von Fermats letztem Satz. Der Wandel in der KI-Mathematik verdient mehr als eine laufende Punktetabelle widerlegter Vermutungen. Die Ergebnisse behandeln unterschiedliche Fragen, stützen sich auf unterschiedliche Belege und lassen jeweils andere Arbeiten offen. Ein Gegenbeispiel kann eine Annahme widerlegen, ohne die bestmögliche Antwort zu finden. Eine verbesserte Schranke kann wichtig sein, obwohl die danebenstehende berühmte Vermutung weiterhin offen ist. Ein computergeprüfter Beweis kann eine Aussage bestätigen, ohne zu erklären, warum seine Ideen anderswo nützlich werden. Dies ist unsere Untersuchung wichtiger Entwicklungen von OpenAIs Ankündigung zu Einheitsabständen am 20. Mai bis zur Behauptung zu Navier-Stokes im September, mit Berichtsstand 22. September 2026. Sie umfasst wichtige Ankündigungen und daraus hervorgegangene Forschungsarbeiten. Der Artikel zeichnet diese Entwicklung nach und ist kein vollständiges Verzeichnis aller Arbeiten zur Mathematik mit KI-Unterstützung. Wir haben die zitierten Ankündigungen, einschlägigen Theoremaussagen, Forschungseinleitungen und Dokumentationen zur Verifikation gelesen. Wir haben diese Beweise weder unabhängig begutachtet noch die Formalisierungen neu erstellt. Unser zentrales Urteil: Die stärksten Fortschrittsbelege bestehen aus zwei Teilen. Maschinen erzeugen mathematische Argumente, die ernsthafte Prüfung verdienen, und Menschen gewinnen aus einigen davon bereits weitere Mathematik. Ob daraus anhaltender Fortschritt wird, hängt von den Ressourcen ab, die in Prüfung, Erklärung und Weiterentwicklung fließen. ## Mai: Ein Gegenbeispiel eröffnet einen neuen Weg in der Geometrie Das Einheitsabstandsproblem lässt sich leicht vorstellen. Man platziert Punkte auf einer Ebene und zählt die Paare mit genau einem Einheitsabstand. Wie groß kann diese Zahl werden, wenn weitere Punkte hinzukommen? OpenAIs Ankündigung vom 20. Mai schrieb eine neue Konstruktion einem internen, allgemein einsetzbaren Schlussfolgerungsmodell zu, das anhand einer Sammlung von Erdős-Problemen bewertet wurde. Daneben veröffentlichte das Unternehmen einen Begleitartikel externer Mathematiker, die das Argument untersuchten. Dieses zweite Dokument ist wichtig: Leser können nachvollziehen, was die Mathematiker über die Darstellung des Labors zu seinem Modell hinaus verstanden und rekonstruiert haben. [Ankündigung von OpenAI](https://openai.com/index/model-disproves-discrete-geometry-conjecture/). Das ursprüngliche Manuskript konstruiert unendlich viele Punktmengen mit mindestens n^(1+δ) Paaren im Einheitsabstand, wobei δ eine feste positive Zahl ist. Einfach gesagt bleibt die Verbesserung des Exponenten auch bei immer größeren Beispielen bestehen. Das widerspricht der vermuteten nahezu linearen Entwicklung. Es bestimmt weder die genaue Höchstzahl von Einheitsabständen für jede Punktzahl noch schließt es die allgemeinere Suche nach optimalen Schranken ab. [Manuskript zum Einheitsabstandsproblem](https://cdn.openai.com/pdf/74c24085-19b0-4534-9c90-465b8e29ad73/unit-distance-proof.pdf). Überraschend war der Ursprung der Konstruktion. Der Begleitartikel verbindet das Geometrieergebnis mit anspruchsvoller algebraischer Zahlentheorie und nennt frühere mathematische Bausteine. Die Autoren bieten eine vereinfachte und teilweise verallgemeinerte Rekonstruktion. Das ist ein Beispiel für menschliche Arbeit im Anschluss an eine KI-Entdeckung: den Mechanismus herausarbeiten, seine Abhängigkeiten sichtbar machen und das Argument für weitere Forschung aufbereiten. [Begleitartikel der Mathematiker](https://cdn.openai.com/pdf/74c24085-19b0-4534-9c90-465b8e29ad73/unit-distance-remarks.pdf). Wer die Bedeutung des Ergebnisses vom Mai verstehen will, sollte die nachfolgenden Arbeiten ebenso aufmerksam verfolgen wie die erste Ankündigung. Eine neue Methode gewinnt eine andere Art von Glaubwürdigkeit, wenn Forschende damit weitere Fragen stellen und beantworten. ## Mai bis Juli: Die Ideen verbreiten sich Am 27. Mai veröffentlichten Thomas Bloom, Will Sawin, Carl Schildkraut und Dmitrii Zhelezov ein Gegenbeispiel zur Summen-Produkt-Vermutung über den reellen Zahlen. Grob geht es darum, wie stark eine Menge wächst, wenn ihre Elemente addiert oder multipliziert werden. Ihre Konstruktion erlaubt, dass beide entstehenden Mengen kleiner bleiben als die vermutete Größenordnung nahe dem quadratischen Wachstum. Die Autoren sagen ausdrücklich, dass das Gegenbeispiel zu Einheitsabständen sie dazu brachte, Zahlkörper großen Grades erneut zu untersuchen. Außerdem erklären sie, dass ihre endgültige Konstruktion weniger Zahlentheorie benötigt als das frühere Ergebnis. [Arbeit zur Summen-Produkt-Vermutung](https://arxiv.org/html/2605.28781v1). Das ist ein konkreter Fall, in dem ein KI-Ursprungsergebnis von Menschen verfasste Mathematik angeregt hat. Es belegt nicht, dass eine KI die Folgearbeit schrieb; die Leistung der Autoren sollte auch nicht in der Erfolgsbilanz eines Labors verschwinden. Cosmin Pohoatas Preprint, erstmals am 11. Juni eingereicht und am 28. Juni überarbeitet, führt die Entwicklung zum Elekes-Rónyai-Problem weiter. Er gibt ein Polynom-Beispiel, dessen Werte auf geeigneten Mengen weniger stark als erwartet anwachsen, und verwendet Bausteine aus jüngsten Konstruktionen zu Einheitsabständen und zur Summen-Produkt-Vermutung. Die Arbeit stellt den Zusammenhang zwischen den Problemen ausdrücklich her. [Arbeit von Pohoata](https://arxiv.org/html/2606.13619v2). Am 6. Juli veröffentlichten Sungchul Lee, Pohoata und Daniel Zhu ein weiteres Ergebnis zum Minkowski-Gitter. Ihre Konstruktion erhält in Teilmengen Eigenschaften wiederholter Abstände und hat Folgen für Fragen zu wiederkehrenden Abständen und gleichschenkligen Dreiecken. Das ist eine stärkere Struktur, als eine ungewöhnlich dichte Konfiguration zu zeigen und ihr internes Verhalten unerforscht zu lassen. [Arbeit zum Minkowski-Gitter](https://arxiv.org/html/2607.05374v1). Die optimistische Lesart ist hier belegt: Das Ergebnis vom Mai lieferte Material, das andere Forschende binnen weniger Wochen verändern und weiterverwenden konnten. Als vorgeschlagenen Erfolgsmaßstab sehen wir die Entwicklung solcher nutzbaren Methoden und den Aufwand, sie zu verstehen. Eine bloße Zahl gelöster Probleme würde diesen Unterschied übersehen. ## Juli: Das Jacobische Gegenbeispiel zeigt, warum der Geltungsbereich zählt Eine zweite bemerkenswerte Entwicklung betraf die Jacobische Vermutung. Terence Taos Darstellung vom 21. Juli untersucht ein mit Fable AI gefundenes Gegenbeispiel: eine polynomiale Abbildung in drei komplexen Variablen, die in einer kleinen Umgebung invertierbar wirkt, insgesamt aber verschiedene Punkte auf dieselbe Ausgabe abbildet. Die allgemeine Aussage scheitert in drei und mehr Dimensionen; der zweidimensionale Fall bleibt offen. Tao gibt explizite Formeln an und erläutert die Geometrie der Konstruktion. [Mathematische Darstellung von Tao](https://terrytao.wordpress.com/2026/07/21/a-digestion-of-the-jacobian-conjecture-counterexample/). Ein explizites Gegenbeispiel kann den entscheidenden Widerspruch relativ leicht durch Berechnung zugänglich machen. Zu entdecken, warum ein solches Beispiel existieren sollte und wie verwandte Beispiele konstruiert werden können, erfordert weitere mathematische Arbeit. Die Entwicklung zur Jacobischen Vermutung macht diese unterschiedlichen Aufgaben in veröffentlichten Arbeiten sichtbar. Auch im September blieb diese Unterscheidung wichtig. In seinem Preprint vom 15. September stellt Arno van den Essen einen elementaren Weg zu einem Gegenbeispiel vor, das nach linearen Koordinatentransformationen dem von Levent Alpöge gefundenen Beispiel entspricht. Das ist eine neue Erklärung der Konstruktion, keine zweite unabhängige Widerlegung der ursprünglichen Vermutung. [Arbeit von van den Essen](https://arxiv.org/abs/2609.17795). Für Forschungsleitungen ergibt sich eine praktische Frage, was belohnt werden sollte. Wer eine komplizierte Entdeckung verständlich macht, kann ebenso viel Folgearbeit ermöglichen wie eine weitere Suche nach einem Schlagzeilenergebnis. Das ist unsere Einschätzung dieser Entwicklung, keine Behauptung, Universitäten hätten ihre Anreize bereits verändert. ## August: ein breiteres Spektrum mathematischer Behauptungen OpenAIs Veröffentlichung vom 1. August präsentierte zehn Ergebnisgruppen aus Mathematik und theoretischer Informatik. Dem Unternehmen zufolge erzeugte eine interne Astra-Version die Argumente; Menschen arbeiteten mit dem Modell an Manuskripten, und das Modell erstellte Lean-Zertifikate. Diese Darstellung unterscheidet sich von der Ankündigung eines einzelnen Ergebnisses im Mai und macht den Beitrag der Manuskriptvorbereitung deutlich. [Ankündigung vom August](https://openai.com/index/ten-advances-in-mathematics/). Die begleitende Sammlung, aktualisiert am 6. August, berichtet Folgendes. Es sind Beschreibungen der Manuskriptbehauptungen, keine zehn separaten Bestätigungen durch BIG CHANGE: - **Kugelpackungen:** eine schärfere asymptotische obere Schranke in hohen Dimensionen. - **Binäre und sphärische Codes:** stärkere Grenzen für Codegrößen bei festgelegten Abständen. - **Gruppentheorie:**Konstruktion einer nicht-sofischen Gruppe. - **Operatoralgebren:**Gegenbeispiele zu Connes’ Starrheitsvermutung. - **Arithmetische Komplexität:**stärkere untere Schranken für Schaltkreise und Formeln zum Permanent. - **Quantenspiele:** ein Satz zur exponentiellen Parallelwiederholung. - **Gitterprobleme:**stärkere Ergebnisse zur Approximationshärte des Problems des nächsten Gittervektors. - **Konvexe Geometrie:**ein Beweis der Ehrhart’schen Volumenvermutung. - **Ramsey-Theorie:**eine superexponentielle untere Schranke für Ramsey-Zahlen mehrfarbiger Dreiecke. - **Extremale Graphentheorie:**Gegenbeispiele zu Kompaktheits- und Degeneriertheitsvermutungen. [Forschungssammlung mit zehn Ergebnissen](https://cdn.openai.com/pdf/ten-proofs-oai.pdf). Die Bandbreite ist wichtig, macht aber eine einzige Gesamtzahl irreführend. Ein Gegenbeispiel zu finden, eine Schranke zu verbessern und einen allgemeinen Satz zu beweisen, hat unterschiedliche Folgen. Ein Ergebnis zur Schwierigkeit eines mathematischen Problems belegt nicht automatisch einen Angriff auf ein eingesetztes Kryptosystem. Anwendungen brauchen ihre eigene Argumentations- und Belegkette. Am 10. August veröffentlichte Anthropic einen enger umrissenen Fortschritt im Umfeld der Riemannschen Vermutung. Das Unternehmen erklärt, ein noch nicht veröffentlichtes Claude-Modell habe die untere Schranke für den Anteil der Zeta-Nullstellen auf der kritischen Geraden verbessert. Mathematiker von Anthropic untersuchten die Arbeit, externe Spezialisten begutachteten das Manuskript und eine Formalisierung wurde erstellt. Das Unternehmen betont, Claude habe die Riemannsche Vermutung nicht bewiesen und diese Techniken würden dies voraussichtlich auch nicht tun. [Darstellung von Anthropic](https://www.anthropic.com/research/riemann-zeta). Das verknüpfte Manuskript gibt eine Schranke etwas oberhalb von zwei Dritteln, ungefähr 67,25 Prozent, an und nennt die vorherigen analytischen Ergebnisse, auf die es sich stützt. Es ist eine asymptotische Aussage und nicht die Behauptung, die Prüfung einer großen endlichen Stichprobe von Nullstellen beweise die Vermutung. Der Unterschied ist entscheidend: Eine untere Schranke für den Anteil bringt nicht jede relevante Nullstelle auf die kritische Gerade. [Manuskript zu den Zeta-Nullstellen](https://www-cdn.anthropic.com/95c246936988e43127bc6b2ceb7077c1dad2d68e.pdf). Auch andere ambitionierte Manuskripte sind im Umlauf. Ein auf Alpöges Website gehostetes Dokument schlägt eine komplexe Struktur auf der sechsdimensionalen Sphäre vor. Die Konstruktion kann geprüft werden, doch die aufgerufene Fassung belegt weder ein verlässliches Ankündigungsdatum noch den vollständigen KI-Beitrag. Daher führen wir sie als Vorschlag auf, den Leser untersuchen können, nicht als unabhängig bestätigten Meilenstein dieser Chronologie. [Manuskript zur sechsdimensionalen Sphäre](https://alpo.ge/s6.pdf). ## Anfang September: Primzahllücken zeigen eine Grenze der Verifikation Die Ankündigungsserie erreichte auch die Abstände zwischen Primzahlen. Ein vorläufiges Papier der Axiom-Kollaboration vom 3. September behauptet, dass unendlich viele Paare aufeinanderfolgender Primzahlen höchstens 212 auseinanderliegen. Es würdigt Julia Stadlmanns analytische Arbeit und das frühere Polymath-Projekt. Das Lean-Zertifikat setzt analytische Abschätzungen und ein separat geprüftes Variationszertifikat voraus. Dies ist ein Fortschritt beim Problem beschränkter Lücken; die Zwillingsprimzahlvermutung verlangt unendlich viele Lücken von genau zwei. [Arbeit des Axiom-Teams](https://primegaps.axiommath.ai/bgp212.pdf). OpenAIs öffentliches Repository PrimeGaps186 gibt eine noch kleinere Schranke an, allerdings mit einem entscheidenden Vorbehalt. Die Lean-Entwicklung hängt von drei Eingangsaxiomen ab, die zwei Literaturabschätzungen und Schranken numerischer Integrale abdecken. Laut Repository beweist das numerische Zertifikat diese Axiome nicht. Leser sollten daher zwischen dem vorgeschlagenen mathematischen Argument und dem Anteil unterscheiden, der unter bestimmten Eingaben formal geprüft wurde. Es wäre falsch, dieses Artefakt als bedingungslosen, vollständig aus grundlegenden Axiomen formalisierten Beweis zu bezeichnen. [Repository PrimeGaps186](https://github.com/openai/PrimeGaps186). Ein weiteres OpenAI-Manuskript behandelt große Lücken: wie groß die Abstände zwischen aufeinanderfolgenden Primzahlen werden können. Es berichtet eine verbesserte untere Schranke für die größten Lücken unterhalb einer wachsenden Grenze. Das ist eine andere Extremalfrage als die Suche nach unendlich vielen nahe beieinanderliegenden Primzahlpaaren; Fortschritte bei der einen dürfen nicht als Lösung der anderen gelten. [Manuskript zu großen Primzahllücken](https://cdn.openai.com/pdf/51126fac-1b68-4128-9666-c908bcc16033/long_gaps.pdf). Diese Einzelheiten machen die Entwicklung zu Primzahllücken besonders aufschlussreich. Zwei Zahlen in einer Überschrift können wie ein einfacher Wettlauf wirken. Werden die Abhängigkeiten des Beweises sichtbar, lautet die bessere Frage, welche Schritte mit welchen Methoden nachgewiesen wurden. Voraussetzungen offenzulegen ist wertvoll, auch wenn eine Formalisierung unvollständig bleibt. ## 4. September: Formalisierung wird Teil der Entdeckungsgeschichte Anthropics Ankündigung vom 4. September betrifft einen mathematischen Satz, dessen Beweis bereits bekannt war: Fermats letzten Satz. Der behauptete Fortschritt ist eine vollständige Formalisierung mit Lean, die Claude über elf Tage weitgehend autonom erstellt habe. Das Unternehmen beschreibt menschliche Anleitung und eine Kollaborationsplattform, mit der Agenten Abhängigkeiten verfolgen konnten. Zugleich würdigt es die mathematische Beweistradition, auf der die Arbeit beruht. [Ankündigung zur Formalisierung](https://www.anthropic.com/research/formalizing-fermats-last-theorem). Das öffentliche Repository liefert konkretere Belege als die Überschrift. Es formuliert den Satz, erfasst Abhängigkeiten und dokumentiert Prüfungen anhand der Standardaxiome von Lean sowie der Fassung des Satzes in Mathlib. Zugleich bezeichnet es sich als Forschungsartefakt, das nicht gepflegt wird. Wir haben die Dokumentation geprüft, den Build jedoch nicht erneut ausgeführt. [FLT-Repository](https://github.com/anthropics/fermats-last-theorem). Wenn dieselben Werkzeuge, die mehr mögliche Argumente hervorbringen, auch bei deren Formalisierung helfen, kann die Prüfkapazität ebenfalls wachsen. Das ist ein wichtiger Grund für Optimismus. Spätere Forschende erhalten etwas Konkretes zur Untersuchung. Sie müssen dennoch wissen, ob sich Zwischenergebnisse leicht wiederverwenden lassen, Abhängigkeiten weiterhin gebaut werden können und wer das Artefakt pflegt. Die Menge des erzeugten Codes allein beantwortet diese Fragen nicht. Hier steht eine sinnvolle institutionelle Entscheidung an. Ein Labor kann einen Beweis als abgeschlossene Vorführung seines Modells veröffentlichen oder ihn als Infrastruktur unterstützen, an der andere weiterarbeiten. Die beiden Wege schaffen unterschiedliche Pflichten nach dem Veröffentlichungstag. Pflege, erklärende Beispiele und stabile Referenzen sollten Teil des Forschungsbudgets sein. ## 8. September: Was das Ergebnis zu Navier-Stokes tatsächlich behauptet Das Ergebnis zur Strömungsmechanik bringt diese Fragen besonders deutlich auf den Punkt. OpenAIs Ankündigung vom 8. September, aktualisiert am 10. September, stellt eine vorgeschlagene Lösung des Navier-Stokes-Problems zu Existenz und Glattheit vor. Das Unternehmen schreibt die Arbeit einem internen Modell zu, das mit koordinierenden Agenten arbeitete, und veröffentlicht ein schriftliches Argument sowie eine Lean-Formalisierung. OpenAI erklärt, den Millennium-Preis nicht beanspruchen zu wollen. [Ankündigung](https://openai.com/index/navier-stokes-solution/). Das Manuskript behandelt die dreidimensionale Bewegung einer inkompressiblen Flüssigkeit mit positiver Viskosität und einer sorgfältig konstruierten äußeren Kraft. Aus dem Ruhezustand entwickelt die vorgeschlagene Lösung in endlicher Zeit eine unbeschränkte Geschwindigkeit, während die Gesamtenergie beschränkt bleibt. Die Kraft ist glatt und räumlich wie zeitlich begrenzt. Die Konstruktion verwendet einen kollabierenden Wirbel und Korrekturen, durch die die verbleibende Kraft glatt bleibt. Das sind Aussagen über Gleichungslösungen, keine Beobachtungen aus einem physikalischen Experiment oder ein neuer technischer Simulator. [Navier-Stokes-Manuskript](https://cdn.openai.com/pdf/32d9f210-8b73-45e0-91bc-82a30aef8a9a/navier-stokes.pdf). Die äußere Kraft ist zentral, um den Geltungsbereich zu verstehen. Charles Feffermans offizielle Beschreibung des Clay-Problems lässt glatte Kräfte in den Alternativen C und D zu. Die Alternativen A und B zur globalen Glattheit betreffen die Gleichungen ohne äußere Kraft. Ein gültiges Ergebnis dieser Art kann daher eine ausdrücklich zugelassene Clay-Alternative behandeln und zugleich die Frage globaler Regularität ohne äußere Kraft offenlassen. Die Kraft für irrelevant zu erklären, würde den Satz überdehnen; sie als außerhalb des formulierten Problems abzutun, würde die Regeln falsch darstellen. [Offizielle Problemformulierung](https://www.claymath.org/wp-content/uploads/2022/06/navierstokes.pdf). OpenAI veröffentlichte auch ein separates Argument zu Euler, also zu einer idealisierten Flüssigkeit ohne Viskosität. Das Manuskript schlägt einen Zusammenbruch in endlicher Zeit ausgehend von glatten Anfangsdaten und ohne äußere Kraft vor. Euler- und Navier-Stokes-Gleichungen hängen zusammen, doch Voraussetzungen und Schlussfolgerungen dieser beiden Arbeiten müssen getrennt betrachtet werden. [Euler-Manuskript](https://cdn.openai.com/pdf/315b36cd-ec98-4023-8342-93345194ece1/euler.pdf). Auch die Forschungsgeschichte im Umfeld ist wichtig. Die Stellungnahme der Europäischen Mathematischen Gesellschaft vom 10. September würdigt die Arbeiten von Córdoba, Martínez-Zoroa und Zheng sowie von Alpöge und Buckmaster und frühere mathematische Beiträge. Sie wirft außerdem Fragen zu Zugang, Urheberschaft und Anerkennung auf. Wer direkt vom Namen eines Modells zu einem Satz springt, übersieht die aufeinander aufbauenden Ideen, die diese Arbeit ermöglicht haben. [Stellungnahme der EMS](https://euromathsoc.org/news/ems-statement-on-recent-navier-stokes-announcement-225). Am 11. September reagierte das Clay Mathematics Institute mit vorsichtigem Optimismus auf die scheinbare Lösung und kündigte an, die Prüfung und Vergabe der Anerkennung bewusst ohne Zeitdruck vorzunehmen. Das ist eine bedeutsame institutionelle Reaktion, aber weder eine Preisverleihung noch eine Erklärung, dass alle Aspekte der Arbeit vollständig geprüft wurden. [Ankündigung des Clay-Instituts](https://www.claymath.org/news/navier-stokes-announcement/). Für Leserinnen und Leser ist die zutreffende Schlussfolgerung auch ohne Übertreibung bedeutsam genug: Ein KI-Labor hat einen vorgeschlagenen Beweis zu einem anerkannten Millennium-Problem veröffentlicht, dazu einsehbare mathematische und formale Artefakte bereitgestellt, und große Institutionen nehmen die Arbeit ernst. Breitere Anerkennung, Zuschreibung und Verständnis bleiben Prozesse mit offenen Aufgaben. ![Manuscript pages lead to a magnifying glass over a statement and dependency pages, then to an explanatory book and reusable pages.](/api/media/file/proposal-check-understanding-inline-v2.png) ## Eine Beweisprüfung beantwortet eine präzise Frage Formale Verifikation verändert die Belege, die Prüfenden zur Verfügung stehen. Sie sollte zugleich die Berichterstattung präziser machen. Die Dokumentation von Lean unterscheidet zwischen einem gültigen Beweis und der Bedeutung der bewiesenen Aussage. Eine grundlegende erfolgreiche Prüfung zeigt, dass eine formale Aussage aus ihren Definitionen und Voraussetzungen folgt. Zusätzliche Prüfungen können unvollständige Abhängigkeiten aufdecken, Axiome untersuchen und einen Beweis mit einer unabhängig formulierten Aussage vergleichen. Die Dokumentation beschreibt stärkere Verifikationsmethoden mit externen Prüfern und benennt weiterhin bestehende Voraussetzungen. [Validierungsleitfaden von Lean](https://lean-lang.org/doc/reference/latest/ValidatingProofs/). Stellen wir uns eine forschende Person vor, die eine Schranke braucht, die für jede Eingabe eines Algorithmus gilt. Ein Assistent liefert einen formal korrekten Satz, doch seine Definition einer zulässigen Eingabe schließt eine schwierige Klasse aus. Der Beweis kann korrekt sein, während die Forschungsanwendung unbelegt bleibt. Dieses hypothetische Beispiel zeigt, warum die Übersetzung der Frage in ihre formale Aussage sorgfältig geprüft werden muss. Neuheit erfordert eine weitere Art der Prüfung. Ein Beweissystem entscheidet nicht, ob dasselbe Argument unter anderer Terminologie schon in einer älteren Arbeit erschien, ob die Anerkennung vollständig ist oder ob eine behauptete Verbesserung für die Anwendung etwas Wichtiges ändert. Dafür braucht es Literaturrecherche und Fachkenntnis. Wir würden von einem Labor, das ein bedeutendes Ergebnis veröffentlicht, daher ein dauerhaft verfügbares Paket erwarten: die genaue Behauptung in gewöhnlicher mathematischer Sprache, soweit möglich das formale Gegenstück, Beweis und Abhängigkeiten, eine klare Darstellung der Beiträge von Menschen und Modell sowie eine Aufzeichnung der Prüfungen und Überarbeitungen. Das ist unser vorgeschlagener Berichtsstandard. Er hilft anderen Forschenden, Zuständigkeiten zu erkennen und relevante Prüfungen zu wiederholen. ## Die Beratergruppe befasst sich mit einem wachsenden Koordinationsproblem Die Ankündigung der Beratungsgruppe für Mathematik und KI vom 21. September erscheint vor diesem Hintergrund. Die Gruppe bezeichnet sich als unabhängig und unbezahlt und erklärt, jedes einschlägige KI-Unternehmen beraten zu wollen. Ihre erste Aufgabe ist die Beratung von OpenAI zur Veröffentlichung weiterer Ergebnisse, die das Unternehmen nach eigenen Angaben erzielt hat. Sie verspricht öffentliche Empfehlungen und betont, innerhalb der Unternehmen keine Entscheidungsbefugnis zu haben. Die Ankündigung auf Terence Taos Blog ist ein Gastbeitrag der Gruppe. [Erklärung der Gruppe](https://agmai.org/). OpenAI beschreibt ein Mandat zu Prüfung, Kommunikation, Bedeutung und Verbreitung. Außerdem erklärt das Unternehmen, die Gruppe sei nicht dafür zuständig, zum Tempo seiner internen mathematischen Fortschritte zu beraten. Ihre Rolle ist daher ein Kanal für Prüfung und Koordination; die Entscheidungen bleiben beim Unternehmen. [Ankündigung der Beratungsgruppe durch OpenAI](https://openai.com/index/advisory-group-on-mathematics-and-ai/). Es gibt gute Gründe, diese Regelung zu begrüßen. Bessere Koordination kann doppelte Prüfungsarbeit verringern, passende Fachleute finden und sicherstellen, dass die Beschreibung eines Ergebnisses zu den Belegen passt. Ebenso klar sind die Grenzen: Auf Empfehlungen muss eine Reaktion folgen, und Unabhängigkeit allein schafft keinen Durchsetzungsmechanismus. Leser sollten die veröffentlichten Empfehlungen und den Umgang der Unternehmen damit beobachten. Die skeptische Sicht betrifft auch den Zweck der Forschung. Die Erklärung Math and AI: A Severe Misalignment of AI in Mathematics vom 11. September argumentiert, ein Wettrennen um die Lösung aufgelisteter Probleme könne die Entwicklung von Verständnis und die Ausbildung künftiger Mathematiker vernachlässigen. Die Unterzeichner beschreiben ein Risiko für die Prozesse, durch die Ideen lehrbar und nützlich werden. Das ist eine ernst zu nehmende Position von Fachleuten, keine Messung, die belegt, dass jeder KI-Einsatz der Mathematik bereits geschadet hat. [Erklärung](https://mathandai.org/). Henry Cohn entwickelt ein verwandtes Argument in einem Gastbeitrag vom 15. September auf Taos Blog: Schlecht erklärte Ergebnisse könnten der Fachgemeinschaft, die sie einordnen muss, erhebliche Arbeit aufbürden. Seine Sorge betrifft auch die Anreize für diejenigen, die diese Erklärungsarbeit leisten. Auch hier ist die Zuschreibung wichtig: Der Essay stammt von Cohn, auch wenn Tao ihn hostet. [Essay von Cohn](https://terrytao.wordpress.com/2026/09/15/the-technical-debt-of-ai-generated-mathematics/). ## Der nächste Fortschritt sollte für andere leichter nutzbar sein Die Entwicklung von Mai bis September stützt eine hoffnungsvolle Einschätzung mit konkreten Beispielen. Ein geometrisches Gegenbeispiel regte weitere Konstruktionen an. Forschende fanden klarere Erklärungen für eine überraschende polynomiale Abbildung. Durch Formalisierung entstanden zusätzliche Artefakte, mit denen sich komplizierte Überlegungen untersuchen lassen. Die Grundlagen für ein produktives Zusammenspiel von Modellausgaben und mathematischer Praxis sind sichtbar. Auch das pessimistische Szenario ist praktisch vorstellbar. Labore könnten Vorschläge schneller erzeugen, als andere sie verstehen können, und die Ankündigungen als abgeschlossene wissenschaftliche Beiträge zählen. Die Prüfung könnte einer kleinen Gruppe von Spezialisten aufgebürdet werden, während Ressourcen und Prestige zu den Systemen fließen, die den Rückstand erzeugen. Eingeschränkter Zugang zu den Modellen könnte das Ungleichgewicht zwischen Entdeckenden und den für die Bewertung Zuständigen vertiefen. Unserer Ansicht nach sollten Labore, Geldgeber und Fachzeitschriften beide Seiten des Prozesses messen. Erfassen Sie mögliche Entdeckungen, aber auch unabhängige Prüfung, nützliche Vereinfachungen, reparierte Argumente, wiederverwendbare formale Bibliotheken und Folgearbeiten. Würdigen Sie die Menschen, die ein Ergebnis verständlich machen. Veröffentlichen Sie Korrekturen mit derselben Beharrlichkeit wie Ankündigungen. Wer den nächsten Durchbruch verfolgt, sollte eine konkrete Frage stellen: Was kann eine andere forschende Person jetzt tun, was vorher nicht möglich war? Vielleicht kann sie ein Gegenbeispiel konstruieren, eine stärkere Garantie beweisen, ein schwieriges Argument prüfen oder eine neue Methode vermitteln. Dort wird der Fortschritt der KI-Mathematik zum Fortschritt der Mathematik. ## Sources - [OpenAI: Ankündigung zum Einheitsabstandsproblem](https://openai.com/index/model-disproves-discrete-geometry-conjecture/) — 20. Mai 2026. Belegt Veröffentlichungsdatum und Darstellung des Unternehmens zu Modellbeteiligung und externer Prüfung. Angaben zu Priorität und Autonomie sind keine unabhängige Bewertung jeder Produktionsphase. - [OpenAI: Viele Einheitsabstände in ebenen Punktmengen](https://cdn.openai.com/pdf/74c24085-19b0-4534-9c90-465b8e29ad73/unit-distance-proof.pdf) — Zusammen mit der Ankündigung vom 20. Mai veröffentlicht. Zusammenfassung und Hauptsatz geben eine unendliche Familie mit einer festen positiven Verbesserung des Exponenten an. Das Gegenbeispiel bestimmt nicht die genaue Extremalfunktion; wir haben den Beweis nicht begutachtet. - [Alon et al.: Bemerkungen zur Widerlegung der Einheitsabstandsvermutung](https://cdn.openai.com/pdf/74c24085-19b0-4534-9c90-465b8e29ad73/unit-distance-remarks.pdf) — Begleitartikel zur Veröffentlichung im Mai. Liefert eine von Menschen überprüfte Rekonstruktion, gewisse Vereinfachungen und Verallgemeinerungen sowie eine Zuschreibung an frühere Zahlentheorie. Die Lektüre der Behauptungen ist keine unabhängige Prüfung jedes mathematischen Schritts. - [Bloom, Sawin, Schildkraut und Zhelezov: Die Summen-Produkt-Vermutung ist über den reellen Zahlen falsch](https://arxiv.org/html/2605.28781v1) — Preprint vom 27. Mai. Die Einleitung würdigt ausdrücklich das Gegenbeispiel zum Einheitsabstandsproblem als Inspiration. Dies ist menschliche Folgeforschung; ihre Aufnahme hier schreibt den Beweis weder OpenAI zu noch behauptet sie eine Annahme in einer Fachzeitschrift. - [Cosmin Pohoata: Split-Primzahlen und das Elekes-Rónyai-Problem](https://arxiv.org/html/2606.13619v2) — Erstmals am 11. Juni eingereicht, am 28. Juni überarbeitet. Formuliert ein Gegenbeispiel zum Wachstum von Polynomwerten und erläutert die Nutzung jüngerer Konstruktionen. Die Daten beziehen sich auf Preprint-Versionen und behaupten kein anderes Datum der ersten öffentlichen Ankündigung. - [Lee, Pohoata und Zhu: Das Minkowski-Gitter hat robust viele wiederholte Abstände](https://arxiv.org/html/2607.05374v1) — Preprint vom 6. Juli. Beschreibt die Behauptungen der Autoren zu wiederholten Abständen in robusten Teilmengen und daraus folgende Ergebnisse. Wir fassen Geltungsbereich und dokumentierte Inspiration zusammen, ohne die Abschätzungen selbst zu beweisen oder eine KI-Autorenschaft anzudeuten. - [Terence Tao: Eine Aufarbeitung des Gegenbeispiels zur Jacobischen Vermutung](https://terrytao.wordpress.com/2026/07/21/a-digestion-of-the-jacobian-conjecture-counterexample/) — Mathematische Darstellung von Tao vom 21. Juli mit expliziter Abbildung und Erläuterung. Unterscheidet zwischen dem Gegenbeispiel in drei und mehr Dimensionen und dem offenen zweidimensionalen Fall. Nicht überprüfte Behauptungen aus der Kommentarsektion verwenden wir nicht. - [Arno van den Essen: Ein elementarer Weg, ein Gegenbeispiel zur Jacobischen Vermutung zu finden](https://arxiv.org/abs/2609.17795) — Preprint vom 15. September. Der erklärte Beitrag ist ein elementarer Weg zu einem Beispiel, das unter Koordinatentransformationen Alpöges Beispiel entspricht. Das ist Folgearbeit zur Erklärung und kein Beleg für eine unabhängige zweite Entdeckung. - [OpenAI: Zehn Fortschritte in Mathematik und theoretischer Informatik](https://openai.com/index/ten-advances-in-mathematics/) — Ankündigung vom 1. August. Beschreibt die behauptete Arbeitsteilung zwischen internem Modell, Manuskriptvorbereitung durch Menschen und Formalisierung durch das Modell. Wir lassen den Kostenvergleich nach Tokenzahl weg und behandeln die Veröffentlichung nicht als unabhängige Begutachtung. - [OpenAI: Forschungssammlung mit zehn Fortschritten](https://cdn.openai.com/pdf/ten-proofs-oai.pdf) — Sammlung, aktualisiert am 6. August nach der Ankündigung vom 1. August. Die kompakte Liste im Artikel fasst die zehn berichteten Gebiete zusammen. Wir haben Zusammenfassung, Inhaltsverzeichnis und ausgewählte Theoremaussagen gelesen, nicht alle 253 Seiten wie ein Gutachter. - [Anthropic: Mehr über Claudes mathematische Fähigkeiten](https://www.anthropic.com/research/riemann-zeta) — Ankündigung vom 10. August, aktualisiert am 13. August. Beschreibt die Arbeit zu Zeta-Nullstellen und menschliche Prüfungen und betont ausdrücklich, dass die Riemannsche Vermutung ungelöst bleibt. Angaben zu Modellprozess und Validierung sind Anthropic zugeschrieben. - [Claude/Anthropic: Nullstellen der Riemannschen Zetafunktion](https://www-cdn.anthropic.com/95c246936988e43127bc6b2ceb7077c1dad2d68e.pdf) — Manuskript vom 11. August, verlinkt in der am 13. August aktualisierten Ankündigung. Zusammenfassung und Satz A unterscheiden zwischen asymptotischen Anteilen, Einfachheit und Lage auf der kritischen Geraden. Die verbesserte Konstante beträgt ungefähr 0,6725; die vollständige Vermutung wird nicht bewiesen. - [Auf Alpöges Website gehostetes Manuskript zur sechsdimensionalen Sphäre](https://alpo.ge/s6.pdf) — Undatierte, am 22. September aufgerufene Fassung. Titel und Einleitung beschreiben eine vorgeschlagene komplexe Struktur auf der sechsdimensionalen Sphäre. Ein verlässliches Veröffentlichungsdatum oder den vollständigen KI-Beitrag konnten wir anhand dieses Artefakts nicht feststellen; es bleibt ein unter Vorbehalt aufgeführter Vorschlag. - [Charton et al.: Eine neue Schranke für kleine Abstände zwischen Primzahlen](https://primegaps.axiommath.ai/bgp212.pdf) — Vorläufiger Entwurf vom 3. September. Zusammenfassung und Satz 1.1 geben die Schranke 212 an und würdigen frühere Arbeiten. Das Lean-Zertifikat in Anhang A setzt analytische Eingaben und ein separat geprüftes Variationszertifikat voraus; der Beweis ist nicht vollständig aus Grundaxiomen formalisiert. - [OpenAI: Repository PrimeGaps186](https://github.com/openai/PrimeGaps186) — Aktuelles Repository, geprüft am 22. September. Die README benennt ausdrücklich drei unbewiesene Eingangsaxiome in der Lean-Entwicklung. Das numerische Zertifikat beweist sie nicht. Wir haben die Dokumentation geprüft, ohne Build oder numerisches Zertifikat auszuführen. - [OpenAI: Große Abstände zwischen aufeinanderfolgenden Primzahlen](https://cdn.openai.com/pdf/51126fac-1b68-4128-9666-c908bcc16033/long_gaps.pdf) — Mit der Astra-Veröffentlichung vom 3. September verknüpftes Manuskript. Der Satz betrifft eine untere Schranke für die größte Primzahllücke unterhalb einer wachsenden Grenze. Das unterscheidet sich von Behauptungen zu kleinen Lücken oder Zwillingsprimzahlen; den Beweis haben wir nicht unabhängig geprüft. - [Anthropic: Fermats letzten Satz formalisieren](https://www.anthropic.com/research/formalizing-fermats-last-theorem) — Ankündigung vom 4. September. Berichtet von einer elftägigen Formalisierungsarbeit und beschreibt Koordination sowie menschliche Anleitung. Es geht um Verifikation bekannter Mathematik; Zeitangabe und Autonomie stammen aus der Darstellung des Labors. - [Anthropic: Repository zu Fermats letztem Satz](https://github.com/anthropics/fermats-last-theorem) — Aktuelles Repository, geprüft am 22. September. Dokumentiert die Aussage, Abhängigkeiten, Axiomenprüfungen und den Vergleich mit Mathlib. Die Veröffentlichung wird als ungepflegtes Forschungsartefakt bezeichnet. Wir haben den formalen Beweis weder neu erstellt noch unabhängig validiert. - [OpenAI: Zum Navier-Stokes-Millenniumproblem](https://openai.com/index/navier-stokes-solution/) — Ankündigung vom 8. September, aktualisiert am 10. September. Belegt die Behauptung des Labors, die agentenbasierte Darstellung der Entstehung und die Entscheidung, den Preis nicht zu beanspruchen. Wir schlichten keine privaten Herkunftsstreitigkeiten und setzen die Ankündigung nicht mit einer abgeschlossenen Prüfung durch die Fachgemeinschaft gleich. - [OpenAI: Navier-Stokes-Manuskript](https://cdn.openai.com/pdf/32d9f210-8b73-45e0-91bc-82a30aef8a9a/navier-stokes.pdf) — Am 8. September veröffentlicht. Einleitung und Satz 1.1 beschreiben positive Viskosität, glatte kompakt getragene äußere Kraft, Ruhezustand zu Beginn, beschränkte Energie und Geschwindigkeitsblow-up in endlicher Zeit. Das ist der Geltungsbereich des vorgeschlagenen Satzes, keine unabhängige Überprüfung durch uns. - [Charles Fefferman: Offizielle Beschreibung des Navier-Stokes-Problems](https://www.claymath.org/wp-content/uploads/2022/06/navierstokes.pdf) — Offizielle Clay-Formulierung, abgerufen am 22. September. Die Alternativen C und D erlauben glatte äußere Kräfte; A und B stellen Fragen zur Glattheit ohne äußere Kraft. Das Upload-Verzeichnis der URL gilt nicht als ursprüngliches Veröffentlichungsdatum. - [OpenAI: Euler-Manuskript](https://cdn.openai.com/pdf/315b36cd-ec98-4023-8342-93345194ece1/euler.pdf) — Zusammen mit den Materialien vom 8. September veröffentlicht. Satz 1.1 behandelt glatte Anfangsdaten für Euler ohne äußere Kraft und einen Blow-up der Ableitung beziehungsweise Wirbelstärke in endlicher Zeit. Gleichungen und Schlussfolgerung dürfen nicht an die Stelle des separaten, erzwungenen Navier-Stokes-Ergebnisses gesetzt werden. - [Europäische Mathematische Gesellschaft: Stellungnahme zur Navier-Stokes-Ankündigung](https://euromathsoc.org/news/ems-statement-on-recent-navier-stokes-announcement-225) — Stellungnahme vom 10. September. Würdigt aktuelle und frühere mathematische Beiträge und erörtert Zugang und Anerkennung. Sie liefert institutionellen Kontext, aber weder ein unabhängiges Beweiszertifikat noch eine abschließende Klärung aller Prioritätsfragen. - [Clay Mathematics Institute: Ankündigung zu Navier-Stokes](https://www.claymath.org/news/navier-stokes-announcement/) — Die Antwort vom 11. September äußert sich vorsichtig zur scheinbaren Lösung und beschreibt ein bewusst gründliches Prüfverfahren. Sie belegt ernsthafte institutionelle Aufmerksamkeit, nicht die Verleihung des Millennium-Preises. - [Lean: Einen Lean-Beweis validieren](https://lean-lang.org/doc/reference/latest/ValidatingProofs/) — Aktuelle offizielle Dokumentation, abgerufen am 22. September. Unterscheidet zwischen Beweisgültigkeit, Bedeutung der Aussage, Axiomenprüfungen und stärkeren Prüfmethoden. Formale Prüfung gibt unter genannten Voraussetzungen konkrete Garantien; sie belegt weder Neuheit noch Anerkennung oder Nutzen. - [Beratungsgruppe für Mathematik und künstliche Intelligenz](https://agmai.org/) — Die Gruppe wurde am 21. September gegründet; dieselbe Erklärung erschien als Gastbeitrag auf Taos Blog. Belegt ihre unbezahlte Unabhängigkeit, das Versprechen öffentlicher Empfehlungen und fehlende Entscheidungsbefugnisse in Unternehmen. Das angekündigte weitere Ergebnispaket bleibt OpenAI zugeschrieben. - [OpenAI: Beratungsgruppe für Mathematik und KI](https://openai.com/index/advisory-group-on-mathematics-and-ai/) — Ankündigung vom 21. September. Beschreibt das Beratungsmandat und schließt Beratung zum Tempo des internen mathematischen Fortschritts ausdrücklich aus. Die behauptete Gesamtzahl neuer Ergebnisse lassen wir weg, da Korrektheit und Neuheit nicht insgesamt unabhängig bestätigt wurden. - [Mathematik und KI: Eine schwerwiegende Fehlanpassung von KI in der Mathematik](https://mathandai.org/) — Erklärung vom 11. September. Formuliert die Argumente von Mathematikern zu Verständnis, Ausbildung, Anerkennung und Anreizen. Sie ist eine Stellungnahme von Fachleuten, keine kontrollierte Messung der Auswirkungen sämtlicher KI-Nutzung. - [Henry Cohn: Die technische Schuld KI-generierter Mathematik](https://terrytao.wordpress.com/2026/09/15/the-technical-debt-of-ai-generated-mathematics/) — Gastbeitrag von Henry Cohn vom 15. September auf Taos Blog. Erörtert Erklärungsarbeit und den Aufwand, den die Fachgemeinschaft zur Einordnung von Ergebnissen tragen muss. Wir schreiben das Argument Cohn zu und unterscheiden es von einer empirischen Schätzung der Prüfungskosten.