KI löste ein 42 Jahre altes mathematisches Problem in 12 Stunden

OpenAI mathematischer Durchbruch: KI löst 42 Jahre altes wissenschaftliches Problem in 12 Stunden

OpenAI berichtet, dass Forscher ChatGPT nutzten, um ein mathematisches Problem zu lösen, das 42 Jahre lang ungelöst geblieben war – in nur 12 Stunden. Dies markiert einen bedeutenden Schritt hin zu einer KI, die in der Lage ist, langfristige Forschung auf menschlichem Niveau durchzuführen.

---

KI-Revolution in der Wissenschaft: Wie ChatGPT ein 42 Jahre altes mathematisches Problem in 12 Stunden löste

Einleitung

Im April 2026 ereignete sich etwas, das zu einem Wendepunkt in der Geschichte der wissenschaftlichen Forschung werden könnte. Ein Problem, das Mathematiker 42 Jahre lang vor Rätsel gestellt hatte, wurde in 12 Stunden gelöst. Das Werkzeug, das diesen Durchbruch erzielte, war keine neue Supercomputer-Architektur oder ein brillanter Mathematiker, sondern ein menschliches Gespräch mit ChatGPT.

Diese Leistung geht weit über akademische Neugier hinaus. Zum ersten Mal zeigte ein großes Sprachmodell die Fähigkeit, anhaltendes, kohärentes und produktives Denken auf dem Niveau zu betreiben, das für echte Forschungsarbeit erforderlich ist. Während KI zuvor als Werkzeug für die Informationsbeschaffung oder die Generierung einfacher Antworten angesehen wurde, beginnt sie nun, als vollwertiger wissenschaftlicher Partner zu agieren. Dieser Artikel analysiert die Details dieses Ereignisses, seine Bedeutung für die Welt der Wissenschaft und Technologie, die Reaktionen wichtiger Branchenakteure und Prognosen für die Zukunft.

Ereignisdetails und Zeitplan

Das Problem, das 42 Jahre lang ungelöst blieb

Im Mittelpunkt der Geschichte steht ein Problem der Optimierungstheorie, das mit der Konvergenz eines klassischen Algorithmus zusammenhängt. Über vier Jahrzehnte hinweg hatten Mathematiker erfolglos versucht, bestimmte Eigenschaften dieses Algorithmus zu beweisen, der für maschinelles Lernen, Signalverarbeitung und Wirtschaftswissenschaften grundlegend ist. Das Problem war in engen Kreisen bekannt, galt jedoch als äußerst schwierig und resistent gegenüber bestehenden Methoden.

Der 12-stündige Dialog: Wie es geschah

Die Schlüsselfigur des Ereignisses ist Ernest Ryu, ein leitender Forscher bei OpenAI. In einem Unternehmens-Podcast beschrieb er einen dreitägigen Prozess, der insgesamt etwa 12 Stunden reine Interaktionszeit mit ChatGPT in Anspruch nahm. Der Arbeitsablauf unterschied sich radikal von der typischen Nutzung eines Chatbots:

• Iterativer Charakter der Arbeit: Ryu stellte keine Frage und erhielt eine sofortige Antwort. Stattdessen führte er einen Dialog mit dem Modell, wies ständig auf Fehler hin, verfeinerte die Denkrichtung und passte den Ansatz an.
• Navigation durch ein Labyrinth: Ryu verglich den Prozess mit der Navigation durch ein Labyrinth, bei dem man an jeder Abzweigung eine Hypothese bewerten, ihre Gültigkeit testen und entweder vorwärts gehen oder zurückkehren muss. Er agierte als Kapitän, der die „Karte“ (Gesamtstrategie) hält, während das Model Dutzende möglicher Wege und Zwischenschritte generierte.
• Der entscheidende Moment: Am dritten Arbeitstag nahm das Modell eine kleine, aber kritisch wichtige Änderung in seiner Argumentation vor. Wie Ryu anmerkte, sah das neue Argument „anders aus“. Es war diese „andere“ Richtung, die die logische Sackgasse durchbrach und den Beweis vervollständigte.

Nachdem der Beweis erbracht war, überprüfte Ryu ihn persönlich mehrfach und bat dann Studenten, jeden Schritt doppelt zu prüfen. Alle Tests bestätigten die absolute Richtigkeit des Ergebnisses.

Auswirkungen und Bedeutung

Für die wissenschaftliche Welt: Wandel vom Werkzeug zum Teilnehmer

Dieses Ereignis markiert einen Paradigmenwechsel im Verständnis der Rolle von KI in der Wissenschaft. Noch vor zwei Jahren machten Modelle oft Fehler bei einfachen Rechenaufgaben oder der Terminplanung. Heute beteiligen sie sich an der Lösung von Problemen auf Forschungsebene.

Laut dem OpenAI-Bericht „KI als Forschungswissenschaftler“ unterscheidet sich die Nutzung von ChatGPT durch Wissenschaftler drastisch von der des Durchschnittsnutzers. Der durchschnittliche Wissenschaftler schreibt 3,5-mal mehr Nachrichten, und die Anzahl der Anfragen zu Programmierung und Debugging übersteigt die typischen Raten um das 12-fache. Dies deutet auf eine tiefe Integration von KI in den Arbeitsablauf hin: von der Ideensuche in der Literatur bis zur Generierung von Code für Simulationen und mathematische Ableitungen.

Für Industrie und Technologie: Was hinter dem Durchbruch steckt

Skeptiker könnten fragen: Ist das nicht nur ein glücklicher Zufall oder eine Übertreibung? Die Analyse der Methode offenbart jedoch einen grundlegenden technologischen Wandel.

Laut Sébastien Bubeck, einem Forscher bei OpenAI, liegt der Hauptdurchbruch nicht darin, dass das Modell zu einem bestimmten Zeitpunkt „schlauer“ wurde, sondern in seiner Fähigkeit, anhaltendes und kohärentes Denken aufrechtzuerhalten. Frühere Modelle funktionierten gut mit kurzen Gedankenketten (Chain-of-Thought), verloren jedoch bei komplexen, mehrstufigen Aufgaben den Faden.

Moderne Systeme, einschließlich der von Ryu verwendeten, sind in der Lage:

• Metakognition: Das Modell kann seine eigenen Zwischenergebnisse bewerten und bei Fehlern erneut aufgreifen.
• Suche und Synthese: Durch die Generierung von Code, Formeln und Textblöcken kann die KI auf „externen Speicher“ (Dialogkontext oder Dateien) zugreifen, um wichtige Details nicht zu verlieren.

Für die Gesellschaft: Beschleunigung des wissenschaftlichen Fortschritts

Die Prognosen von OpenAI, geäußert von Vizepräsident für Wissenschaft Kevin Weil, klingen ambitioniert, nehmen aber konkrete Formen an: „das wissenschaftliche Entwicklungsniveau von 2050 bis 2030 zu erreichen“.

Praktische Beispiele gehen bereits über die Mathematik hinaus:

• Physik: Der Theoretiker Alex Lupsasca verbrachte Monate damit, Gleichungen für Quantenschwarze Löcher herzuleiten. GPT-5 Pro reproduzierte dasselbe Ergebnis in 18 Minuten.
• Biologie: In Zusammenarbeit mit RetroBioSciences erstellte OpenAI ein spezialisiertes Modell, GPT-4B Micro, das neue Proteine für die Zellverjüngung entwarf und dabei die besten manuellen Entwürfe übertraf.

Für die Gesellschaft bedeutet dies eine potenzielle Beschleunigung der Entwicklung von Krebsmedikamenten, der Schaffung nachhaltiger Materialien und der Lösung von Klimaproblemen um Größenordnungen.

Reaktionen der Hauptakteure

Die Reaktion aus der Wissenschafts- und Technologiegemeinschaft war gemischt: von Euphorie bis zu harscher Kritik, was die Komplexität des Moments unterstreicht.

Die mathematische Gemeinschaft äußerte sowohl Bewunderung als auch Besorgnis. Als OpenAI behauptete, 15 ungelöste Erdős-Probleme gelöst zu haben, stellte sich heraus, dass das Modell sie in einigen Fällen nicht so sehr „löste“, sondern vielmehr vergessene Lösungen in Archiven von vor 20 Jahren fand. Der renommierte Mathematiker Terence Tao merkte an, dass „viele der einfachen Erdős-Probleme heute eher mit KI-Methoden als mit menschlichen gelöst werden“. Gleichzeitig warnte er vor der „Industrialisierung der Mathematik“, bei der KI als mächtiger, aber überwachungsbedürftiger Assistent agiert.

OpenAIs Wettbewerber reagierten scharf. Demis Hassabis, Leiter von Google DeepMind, bezeichnete OpenAIs laute, aber unzureichend verifizierte Behauptung über eine Rekordzahl gelöster Probleme als „beschämend“. Dies unterstreicht die hohen Einsätze im Rennen um die Schaffung einer „wissenschaftlichen AGI“ und die Unzulässigkeit von Kommunikationsfehlern.

Die akademische Gemeinschaft treibt die Institutionalisierung voran. In den USA wurde die Mission „Genesis“ gestartet – ein Regierungsprogramm zur Schaffung einer einheitlichen KI-Plattform für wissenschaftliche Entdeckungen, die nationale Labore, Universitäten und Rechenzentren kombiniert. Dies bedeutet, dass KI in der Wissenschaft kein Spielzeug privater Unternehmen mehr ist, sondern zu einer Frage der nationalen Wettbewerbsfähigkeit wird.

Prognosen und Schlussfolgerungen

Die Lösung eines 42 Jahre alten Problems in 12 Stunden ist nicht der Endpunkt, sondern erst der Beginn einer neuen Ära. Sie zeigt, dass wir in eine Phase eingetreten sind, in der KI nicht nur Informationen verarbeiten, sondern im Dialog mit Menschen neues Wissen generieren kann.

Die Zukunft wird jedoch nicht wolkenlos sein. Die Forschung von OpenAI hat gezeigt, dass KI-Halluzinationen mathematisch unvermeidbar sind. Das Modell wird immer mit einer gewissen Wahrscheinlichkeit falsche Daten generieren. Eine vollständige Beseitigung von Halluzinationen würde die KI für den Masseneinsatz zu langsam und unsicher machen. Daher wird das Human-in-the-Loop-Prinzip in der Wissenschaft erhalten bleiben. Die Rolle des Wissenschaftlers verschiebt sich von der routinemäßigen Gleichungslösung hin zur Problemformulierung, Ergebnisüberprüfung und Richtungsauswahl.

Schlussfolgerungen:

• KI wird zum Forschungswissenschaftler, nicht nur zur Suchmaschine. Sie dringt in das Herz des kreativen Prozesses vor – den mathematischen Beweis.
• Die Anforderungen an Wissenschaftler ändern sich. Schlüsselqualifikationen werden kritisches Denken und die Kunst des „Promptings“ (die Fähigkeit, dem Modell die richtigen Fragen zu stellen).
• Uns erwartet eine Beschleunigung. Jahrzehnte des wissenschaftlichen Fortschritts könnten auf Jahre komprimiert werden, aber die letztendliche Verantwortung für Wahrheit und Forschungsrichtung bleibt beim Menschen.

Ernest Ryu selbst, beeindruckt von dem Ergebnis, verließ seine akademische Position und wechselte zu OpenAI, um synthetische Daten für das Training von Modellen zu entwickeln. Seine Geschichte ist der beste Beweis dafür, dass Technologie nicht nur Werkzeuge verändert, sondern auch die Lebenswege der Menschen, die die Wissenschaft voranbringen.

— Editorial Team