Heute, am 9.10.2026, ist die Mathematik an der TU Dresden unfreiwillig Teil einer großen Debatte über künstliche Intelligenz geworden. Zwei Mathematiker werfen OpenAI vor, unveröffentlichte Forschungsideen möglicherweise aus ihren Eingaben in ChatGPT beziehungsweise Codex übernommen zu haben. Neue Nahrung bekam der Streit, nachdem OpenAI 377 weitere mathematische Ergebnisse eines internen, unveröffentlichten Modells auf GitHub veröffentlichte.

Im Zentrum stehen zwei Fälle: Tristan Buckmaster und die Navier-Stokes-Gleichungen auf der einen, Andreas Thom und die Gruppentheorie auf der anderen Seite. Es geht um offene Probleme, um Chatverläufe und um die ziemlich unangenehme Frage, was mit einer Idee geschieht, sobald sie in ein KI-System eingegeben wurde.

Der Vorwurf rund um die Navier-Stokes-Gleichungen

Tristan Buckmaster, Mathematikprofessor an der New York University, arbeitet seit Jahren an den Navier-Stokes-Gleichungen. Das Problem gehört zu den Millennium-Problemen des Clay Mathematics Institute. Für eine Lösung ist eine Million US-Dollar ausgelobt. Gemeinsam mit Levent Alpöge, der hauptberuflich bei Anthropic arbeitet, forschte Buckmaster an einer Veröffentlichung.

Um seine Arbeit zu überprüfen, nutzte Buckmaster OpenAIs Coding-Tool Codex. Kurz vor OpenAIs Ankündigung Anfang September, eine Lösung gefunden zu haben, erhob er schwere Vorwürfe: Die Lösung des Unternehmens folge einem Weg, der seiner eigenen Arbeit auffallend ähnlich sei. OpenAI könnte sich demnach erst mit dem Problem beschäftigt haben, nachdem das Unternehmen von seinen Fortschritten erfahren hatte.

OpenAI-Forschungschef Mark Chen erklärte, 10.000 KI-Agenten hätten rund 88 Stunden an dem Problem gearbeitet. Buckmaster vermutet dennoch, OpenAI könne auf seine Codex-Sitzungen zugegriffen haben – möglicherweise absichtlich oder unbeabsichtigt.

Hier könnte Ihr Advertorial stehen
Ein Advertorial bietet Unternehmen die Möglichkeit, ihre Botschaft direkt im redaktionellen Umfeld zu platzieren

Für zusätzliche Unruhe sorgte eine angebliche Intervention des OpenAI-Forschers Sébastien Bubeck. Er soll Buckmaster gedrängt haben, Levent Alpöge nicht als Co-Autor zu nennen, und gefragt haben: „Warum würdest du deine Karriere ruinieren?“ Bubeck bestreitet diese Darstellung, entschuldigte sich aber für seine Wortwahl.

Ein zweiter Fall aus Dresden

Andreas Thom, Gruppentheoretiker an der TU Dresden, kritisierte ein Ergebnis, das OpenAI Anfang August seinem Modell GPT-6 Astra zuschrieb. Es ging um die Konstruktion einer sogenannten nicht-soficen Gruppe – ein seit 27 Jahren offenes mathematisches Problem.

Nach Thoms Darstellung entspricht der entscheidende Schritt des KI-Beweises dem technischen Ansatz, den er gemeinsam mit Gábor Kun seit Jahren verfolgt. Naheliegend sei dieser Weg nicht gewesen, betont Thom. Er und ein Kollege hatten unveröffentlichte Erweiterungen ihrer Arbeit monatelang mit ChatGPT besprochen.

Thom veröffentlichte seinen E-Mail-Verkehr mit OpenAI-Forschern. Auf seine Frage, ob seine Gespräche in Trainingsdaten gelangt oder vom Modell abgerufen worden sein könnten, antwortete OpenAI-Forscher und Harvard-Statistiker Mark Sellke laut Cybernews, dies sei nicht geschehen.

Ende Juni hatte Thom die Trainingsnutzung deaktiviert. Die Einstellung gilt allerdings nur für zukünftige Daten. „Eine Anonymisierung kann zwar einen Namen entfernen, nicht aber den geistigen Gehalt einer mathematischen Idee“, schrieb Thom. Er warf OpenAI mangelnde Transparenz vor und befürchtet negative Folgen für den gemeinschaftlichen Forschungsprozess.

Nach der Kritik änderte OpenAI seine Darstellung des Ergebnisses, ohne dies ausführlich anzukündigen. Zu Thoms Fragen über seine ChatGPT-Gespräche gab das Unternehmen bislang keine vergleichbare Erklärung ab.

Was OpenAI sagt – und was offenbleibt

OpenAI weist die Vorwürfe zurück. Nach Unternehmensangaben hatten weder OpenAI-Forscher noch KI-Agenten Buckmasters Arbeit vor deren Veröffentlichung gesehen. Auf Chats sei nicht direkt zugegriffen worden.

In einer ersten Stellungnahme erklärte OpenAI zugleich, man könne nicht ausschließen, dass anonymisierte Nutzerdaten zur Verbesserung der Modelle beigetragen hätten. Nach einer internen Untersuchung hieß es später, Buckmasters Codex-Eingaben hätten das System in keiner Weise beeinflussen können.

Die Fachwelt reagiert entsprechend nervös. KI-Forscher Oren Etzioni sagte der New York Times, seltene Ideen könnten in Trainingsdaten auffallen wie „eine einzelne Stimme in einem leeren Raum“. Besonders gefährdet seien Mathematiker und Wissenschaftler, die mit Chatbots an neuen Ansätzen arbeiten.

Der Mathematiker Terence Tao warnte, schon das Gerücht über eine laufende Forschung könne eine große KI-Offensive auslösen, die den ursprünglichen Forschern zuvorkommt. Dann teilen Forschende ihre Richtungen und Ideen vielleicht weniger offen. Das wäre für Mathematik, die stark vom Austausch lebt, ein ziemlich bitterer Nebeneffekt.

Es gibt allerdings auch Gegenstimmen. Stanford-Forscher Aneesh Muppidi erklärte, private Kontodaten könnten zwar zum Training genutzt werden, gelangten aber keineswegs vollständig in neue Systeme. Princeton-Informatiker Sanjeev Arora räumte ein, dass der Entstehungsprozess von Modellantworten nicht vollständig verstanden werde. Er hält das Problem für vorübergehend und erwartet, dass die Frage nach übernommenen Ideen an Bedeutung verliert, sobald KI menschliche Fähigkeiten übertrifft. Die aktuelle Problemlage sei eine Frage der nächsten sechs Monate bis eines Jahres.

Welche Rechte an Daten überhaupt greifen

Rechtlich ist die Sache weniger glatt, als es die Aufregung vermuten lässt. Daten genießen nach geltendem Recht grundsätzlich keinen eigentumsähnlichen Schutz. Für strukturierte Datensammlungen kann das Urheberrecht allerdings ein spezielles Datenbankrecht vorsehen, geregelt in §§ 87a ff. UrhG. Voraussetzung ist ein erheblicher Investitionsaufwand des Datenbankherstellers.

Dieses Recht untersagt Dritten die Entnahme wesentlicher Teile einer Datenbank und gilt grundsätzlich 15 Jahre ab Veröffentlichung. Datensammlungen ohne ausreichenden Investitionsaufwand sind dagegen nicht geschützt. Der EU-Data Act, die Verordnung (EU) 2023/2854, schränkt den Datenbankschutz unter anderem für IoT-generierte Daten ein; einschlägig ist Art. 43.

Auch die Regeln zum Text- und Data-Mining nach §§ 44b und 60d UrhG spielen eine Rolle. Sie können die Nutzung geschützter Werke für KI-Training ohne Zustimmung des Rechteinhabers erlauben. Datenbankhersteller können bei bestimmten Nutzungen widersprechen, also ein Opt-out erklären, müssen aber die zunehmenden gesetzlichen Freiräume für Datenanalysen berücksichtigen.

Eine unveröffentlichte mathematische Idee ist damit nicht automatisch wie ein Eigentumsgegenstand geschützt. Sensible Unternehmensdaten können jedoch als Geschäftsgeheimnisse nach dem Geschäftsgeheimnisgesetz geschützt sein. Dafür müssen die Informationen nicht allgemein bekannt oder ohne Weiteres zugänglich sein, einen wirtschaftlichen Wert besitzen und durch angemessene Geheimhaltungsmaßnahmen geschützt werden.

Trainingsdaten können diese Voraussetzungen erfüllen, etwa proprietäre Datensätze für die interne KI-Entwicklung. Unternehmen müssen dann aktiv vorsorgen: mit Zugriffsbeschränkungen, Verschwiegenheitsvereinbarungen, sogenannten NDAs, und technischen Sicherungen. Ohne angemessene Schutzmaßnahmen bestehen keine Ansprüche nach dem GeschGehG.

Der Geheimnisschutz greift außerdem nicht, wenn ein Dritter den Datensatz eigenständig oder durch die Analyse eines Produkts erlangt. Unternehmen müssen deshalb entscheiden, welche Daten geheim bleiben sollen und wann andere Wege sinnvoller sind – etwa ein Patent oder eine lizenzierte Offenlegung gegenüber Partnern.

Wenn weder Immaterialgüterrechte noch Geheimnisschutz greifen, können Verträge die Datennutzung regeln. Nutzungsvereinbarungen und Lizenzbedingungen können festlegen, welche Handlungen erlaubt sind, ob eine Weitergabe an Dritte zulässig ist und ob die Daten für andere Zwecke verwendet werden dürfen.

Offene Lizenzen wie Creative Commons erlauben eine Weitergabe unter bestimmten Bedingungen. Proprietäre Verträge können die Nutzung exklusiv einem Lizenznehmer überlassen oder die Weiterverwendung stark beschränken. Allerdings wirken Verträge grundsätzlich nur zwischen den Vertragsparteien; Vereinbarungen zulasten Dritter sind unwirksam.

Wird ein Datensatz unbefugt an Dritte weitergegeben, reichen Vertragsklauseln allein meist nicht aus. Sie können insbesondere Regressansprüche gegen den Vertragspartner begründen. Gegen unbefugte Dritte müssen gesetzliche Ansprüche und gegebenenfalls schnelle gerichtliche Maßnahmen eingesetzt werden. Gerade bei Kooperationen und Datenpartnerschaften bleiben klare Vertragsregelungen deshalb ein zentrales Mittel zur Kontrolle von Unternehmensdaten.

Schutz für Forschende bleibt Handarbeit

Nutzer können die Verwendung ihrer Chatbot-Eingaben für das Training deaktivieren