Die Millennium-Probleme fallen. Gestritten wird darüber, was gefallen ist.

Am 8. September veröffentlichte OpenAI einen Lean-geprüften Beweis für einen Blow-up in endlicher Zeit bei den Navier-Stokes-Gleichungen, und am 26. Oktober kündigte OpenAI einen Existenzbeweis für die Yang-Mills-Theorie an. Claude von Anthropic widerlegte im selben Monat die Exponentialzeithypothese. Zwei der sieben Millennium-Probleme sind nun von Maschinen berührt worden — doch die Yang-Mills-Arbeit ist noch nicht veröffentlicht, die Massenlücke ist unberührt, und Mathematiker streiten darüber, ob das Fluid-Ergebnis die Frage beantwortet, wie sie gestellt wurde.

Zwei Monate, vier Termine – und die Grenze dessen, was eine Maschine zur Mathematik beitragen kann, verschob sich weiter als in den vorangegangenen dreißig Jahren.

Was tatsächlich behauptet wurde

Die Genauigkeit ist entscheidend, denn die Schlagzeilen haben sie verwischt.

Navier–Stokes ist eines der sieben Millennium-Preisprobleme, die das Clay Mathematics Institute im Jahr 2000 ausgeschrieben hat und die jeweils mit einer Million Dollar dotiert sind. Die Frage ist, ob die Lösungen der dreidimensionalen Gleichungen stets glatt bleiben oder ob sie in endlicher Zeit explodieren können. Die Arbeit von OpenAI trägt den Titel Finite time blowup for Navier–Stokes: Sie behauptet für gewisse Anfangsdaten den zweiten Ausgang.

Yang–Mills ist ein weiteres der sieben. Dieses Problem hat zwei Hälften. Die erste besteht darin, zu zeigen, dass die Theorie als rigoroses mathematisches Objekt existiert. Die zweite besteht darin, zu zeigen, dass sie eine Masselücke hat – dass das leichteste Teilchen, das die Theorie vorhersagt, eine Masse strikt oberhalb von null hat, weshalb die starke Kraft kurzreichweitig ist.

OpenAIs Behauptung vom Oktober ist die Existenz-Hälfte. Es ist nicht die Masselücke. Das Clay-Problem verlangt beides, daher kann auf das, was angekündigt wurde, kein Preis beansprucht werden, und OpenAIs eigene Erklärung beschreibt das Ergebnis als einen Existenzbeweis statt als eine Lösung des Millennium-Problems.

Der Streit um das Fluid-Ergebnis

Die Navier-Stokes-Behauptung ist die umstrittenere der beiden, und zwar nicht, weil jemand einen Fehler gefunden hätte.

Kritiker – darunter Scientific American – argumentieren, dass OpenAI den Blow-up für eine Version der Gleichungen bewiesen habe, die nicht diejenige sei, nach der das Clay-Problem fragt, und dass der Unterschied ein Schlupfloch und kein Detail sei. Drei Mathematiker veröffentlichten daraufhin einen Beweis, dass sich die Methode von OpenAI nicht auf das vollständige Problem erweitern lässt, was das Schlupfloch in der anderen Richtung schließt: Die Technik funktioniert, und sie kann die Frage in ihrer gestellten Form nicht erreichen.

Im Hintergrund gibt es zudem einen Prioritätsstreit. Die Mathematiker Levent Alpöge und Tristan Buckmaster hatten öffentlich an verwandten Ergebnissen zu Euler- und Navier-Stokes-Gleichungen gearbeitet; OpenAI hat erklärt, die eigene Arbeit sei durch Gerüchte über diese Forschungen angeregt worden, und die beiden Beweise unterschieden sich erheblich. Die New York Times berichtete im September über die Auseinandersetzung.

Nichts davon macht das Ergebnis wertlos. Ein maschinell erzeugter, maschinell geprüfter Beweis eines Blow-ups für eine wohldefinierte Variante ist ein echtes mathematisches Objekt. Er ist einfach nicht dasselbe wie ein gelöstes Millennium-Problem, und die Kluft zwischen diesen beiden Sätzen ist der Ort, an dem der größte Teil der Argumentation liegt.

Anthropics Antwort und warum sie wichtig ist

Am 16. Oktober veröffentlichte Anthropic eine Widerlegung der Exponentialzeithypothese – der Vermutung, dass bestimmte Berechnungsprobleme tatsächlich exponentielle Zeit erfordern –, die von einem internen Claude-Modell gefunden wurde. Die Arbeit schreibt die Entdeckung dem Modell zu und enthält einen Lean-4-Beweis, der von einem zweiten, unabhängigen Kernel geprüft wurde.

Das letzte Detail ist das entscheidende. Ein zweiter Kernel bedeutet, dass der Beweis nicht bloß von einer Maschine erzeugt und von ihrem Erzeuger geglaubt wurde; er wurde von anderer Software geprüft, die dieselben logischen Regeln implementiert. Unabhängige Prüfung ist das, was aus einer Behauptung ein Ergebnis macht, und sie ist der Teil dieser Geschichte, der die Ankündigungen überdauern wird.

Der Engpass ist nicht mehr die Generierung

Für den Großteil der Computergeschichte war das Schwierige an einem mathematischen Ergebnis, es zu finden. Das ist nicht mehr offensichtlich wahr.

Peter Woit, der Columbia-Mathematiker, dessen Blog ein verlässlicher Skeptiker ist, beschrieb die Yang–Mills-Situation unverblümt: Ein Ergebnis, das privat zurückgehalten wird, während Expertinnen und Experten zusammengebracht werden, um es zu prüfen, ist noch keine Mathematik in dem Sinne, den das Fach meint. Das ist ein fairer Maßstab, und er gilt auch für die guten Ergebnisse.

Warum die Grundlagen den Aufwand wert sind

Mathematik und Physik sind nicht zwei Fächer unter vielen. Sie sind die Schicht, auf der die anderen aufbauen.

KI wird so intelligent, dass sie die schwierigsten Probleme der Mathematik eines nach dem anderen löst. Es würde mich nicht überraschen, wenn in ein oder zwei Jahren alle verbleibenden Millionen-Dollar-Probleme der Mathematik von KI gelöst würden. Ich erinnere mich an die Zeit, als KI im Grunde Schach löste, indem sie den besten Menschen besiegte. Jetzt schlägt KI die besten Mathematiker, und das nicht einmal knapp. Aber ich denke, diesmal ist es anders, weil KI jetzt eine generalisierte Intelligenz ist, was bedeutet, dass sie fast alle Bereiche und Disziplinen abdeckt.

Das Potenzial und die Möglichkeiten sind nahezu endlos.

Wenn man über Mathematik und Physik nachdenkt, sind sie die Bausteine, das Fundament für vieles, wie wir die Welt verstehen. Wenn KI also hilft, die schwierigsten Mathematik- und Physikprobleme zu lösen, wird das zu unzähligen Entdeckungen in Bereichen führen, die auf Mathematik oder Physik aufbauen. Das ist einer der Gründe, warum Anthropic so optimistisch in Bezug auf Biologie und Medizin ist und warum sie eigene Laborinitiativen aufbauen.

Wenn die mathematische Grundlage einer Theorie der Materie handhabbar wird, treten die Folgen später und anderswo auf: in Materialien, die entworfen statt entdeckt werden, in Wirkstoffzielen, die durch Simulation gefunden werden, bevor ein Labor gebucht wird, in einer Chemie, die aufhört, eine Sache von Versuch und Irrtum zu sein. Anthropics öffentliche Wette auf Biologie und Medizin ist keine Abkehr von seinen Modellen; es ist die Wette, dass besseres Schlussfolgern über physikalische Systeme sich in biologisches übersetzt.

Die Einschätzung des Autors

Dies ist eine Meinung, kein Bericht. Es ist das Argument, das im Video zu diesem Artikel vorgetragen wird.

Ich denke, wir werden auch in den Materialwissenschaften unzählige neue Entdeckungen sehen — wir werden neue Wege finden, Dinge herzustellen und zu bauen.

Im Grunde hilft uns KI dabei, herauszufinden, wie die Welt und unser Körper funktionieren, und dieses Verständnis wird zu umwerfenden Entdeckungen in einer Geschwindigkeit führen, wie es sie in der Geschichte noch nie gegeben hat. Deshalb ist dieses Thema so interessant. Wir stehen an einem großen Wendepunkt. Die Dinge beschleunigen sich. Ich sage nicht, dass es keine Herausforderungen geben wird — die wird es geben. Aber das Tempo neuer Entdeckungen nimmt zu, und das ist erst der Anfang.

Die nüchterne Version dieses Arguments ist enger und schwerer von der Hand zu weisen. Maschinen sind davon, Mathematiker zu unterstützen, dazu übergegangen, Ergebnisse zu produzieren, die ein Beweisassistent überprüfen kann, bei Problemen, die jahrzehntelang offen waren. Die Überprüfung ist langsam, manche Behauptungen werden sie nicht überstehen, und ein Preis, der noch niemandem verliehen wurde, ist kein gewonnener Preis. Aber die Richtung steht nicht mehr außer Zweifel.

Quelle: OpenAI, „Über das Navier-Stokes-Millenniumspreisproblem“ (8. September 2026) und „Mit akademischen Gemeinschaften zusammenarbeiten, um wissenschaftliches Verständnis aufzubauen“ (26. Oktober 2026); Anthropic, Widerlegung der Exponentialzeithypothese (16. Oktober 2026); Scientific American, „Hat OpenAI das falsche Navier-Stokes-Problem gelöst?“ (21. September 2026); Quanta Magazine (8. September 2026); The New York Times (10. September 2026); Clay Mathematics Institute, Problemstellungen des Millenniumspreises.

Kontakt: [email protected]

Bitte beachten Sie, dass die deutsche Version von Ai unterstützt wird und daher geringfügige Fehler auftreten können.

AUTOR

Über ABN Asia: Ai-Banking-NetworkSecurity (ABN), ABN Asia wurde im Jahr 2012 gegründet und ist ein Unternehmen mit akademischem Hintergrund, das von Lehrkräften und ehemaligen Studierenden aus Ungarn, den Niederlanden, Russland, Deutschland und Japan gegründet wurde. Wir teilen eine gemeinsame Leidenschaft und eine klare Vision für Technologie, die Innovation und erstklassige Qualität für unsere Kunden bringt. Unser Motto lautet: Besser. Schneller. Sicherer. In vielen Fällen: Günstiger.

Zögern Sie nicht, uns zu kontaktieren, wenn Sie IT-Dienstleistungen, digitale Beratung, Standardsoftwarelösungen benötigen oder uns Angebotsanfragen (RFPs) senden möchten. Sie können uns unter [email protected] kontaktieren. Wir sind bereit, Ihnen bei all Ihren Technologiebedürfnissen zu helfen.

© ABN ASIA