An der Universität Rostock sorgt eine Nachricht aus der internationalen Mathematikszene für Gesprächsstoff: OpenAI hat im Oktober mehr als 700 Manuskripte zu über 370 mathematischen Themen veröffentlicht. Nach Angaben der Berichte sollen einige davon mit einem bislang nicht veröffentlichten KI-Modell entstanden sein. Im Durchschnitt habe die Erstellung eines Manuskripts drei Stunden gedauert.

Darunter sind ungelöste oder seit Langem erforschte Fragen – auch die Riemannsche Vermutung. Sie gilt als eines der bedeutendsten ungelösten Probleme der Mathematik. Ein am 11. Oktober 2026 im SPIEGEL erschienener Artikel berichtet, eine KI sei in einem Manuskript einem Beweis dieser Vermutung nähergekommen. Gelöst ist das Problem damit nicht.

700 Manuskripte, aber keine 700 Durchbrüche

Einige Monate zuvor hatte sich auch Anthropic mit einem KI-Modell mathematischen Problemen gewidmet. Eine Lösung der Riemannschen Vermutung gelang dabei ebenfalls nicht; die Ergebnisse werden dennoch als Fortschritte gewertet. OpenAI erklärte, man wolle mit den Leistungen die Grenzen des menschlichen Wissens erweitern, weitere mathematische Forschung ermöglichen und interne Modelle in Mathematik sowie anderen Wissenschaften evaluieren, um daraus bessere Werkzeuge zu entwickeln.

Die schiere Menge der Veröffentlichungen hat allerdings eine Debatte ausgelöst: Wie sollen traditionelle Wissenschaften mit KI umgehen? Was muss offengelegt werden? Wem gehören Ideen, die ein Modell aus vorhandenen Arbeiten zusammensetzt? Und wer prüft all das, wenn die Ergebnisse schneller eintreffen, als Menschen sie lesen können?

Die Vereinigung für menschliche Mathematik kritisierte, Mathematiker hätten die Arbeiten nicht in Auftrag gegeben. Mehr als 700 Dateien gleichzeitig zu veröffentlichen, sei kein Beleg wissenschaftlicher Kompetenz, sondern eine Machtdemonstration. Auch die Deutsche Mathematiker-Vereinigung (DMV) bemängelt, KI arbeite bislang vor allem ergebnisorientiert und auf schnelle Lösungen hin. In der mathematischen Forschung gehe es aber ebenso um den Lösungsweg, neue Methoden und Einsichten – nicht bloß um Rechenleistung.

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

„Ein Beweis allein liefert nur wenige Einsichten“, betonte der Mathematiker Demian Nahuel Goos. Entscheidend sei zu verstehen, warum eine Antwort korrekt ist, wie sie zustande kam und welche falschen Annahmen dabei sichtbar wurden. Ergebnisse, die niemand nachvollziehen könne, seien wissenschaftlich nur begrenzt wertvoll.

Der Beweis ist nicht das ganze Wissen

Fachleute bezweifeln, dass Menschen die große Zahl automatisierter Ergebnisse vollständig kontrollieren können. KI-Modelle greifen nach Ansicht der DMV meist ungefiltert auf vorhandenes Wissen zurück – darunter auch Erkenntnisse, die nie überprüft wurden. Für Beweise müsse solches Material mit Vorsicht verwendet werden. Hinzu kommen mögliche Verletzungen geistigen Eigentums.

Goos verwies außerdem auf wissenschaftliche Integrität: Die Nutzung fremder Arbeiten müsse kenntlich gemacht werden. Bei einem Lösungsansatz für ein anderes mathematisches Problem fühlen sich in diesem Zusammenhang zwei Mathematiker übergangen. Einige Forschende stellen ihre Erkenntnisse deshalb bereits nicht mehr online. DMV-Präsident Jürg Kramer warnt, dass dies den offenen Austausch erschwert und den mathematischen Fortschritt bremst.

Gerade dieser offene Austausch ist in der Mathematik fest verankert. Veröffentlichungen sind heute weitgehend frei über arXiv.org zugänglich; die American Mathematical Society betreibt zusätzlich eine kuratierte Sammlung von Fachartikeln, Büchern und Rezensionen. Jim Portegies von der Technischen Universität Eindhoven zufolge ermöglichen solche Open-Access-Prinzipien Menschen weltweit den Zugang zu neuen Ergebnissen. Technologieunternehmen halten zentrale Details ihrer KI-Systeme dagegen häufig zurück.

Ein Beispiel liefert DeepMind: Das Unternehmen erklärte 2024, sein Modell AlphaProof habe drei schwierige Mathematikolympiade-Aufgaben gelöst. Die zugehörigen Methoden erschienen jedoch erst mehr als ein Jahr später in einer begutachteten Fachzeitschrift.

Für klassische Wissenschaftsverlage sieht die DMV deshalb eine mögliche neue Aufgabe: Sie könnten nur Arbeiten veröffentlichen, die begutachtet und für korrekt befunden wurden. Solche Ergebnisse liegen allerdings häufig hinter Bezahlschranken, die von KI-Modellen bislang nicht einfach umgangen werden können. Christian Hesse kritisiert diesen Ansatz. Wissenschaft lebe vom Austausch, nicht vom Ausschluss.

Was bleibt für Doktoranden?

Der Mathematikprofessor Hesse sorgt sich um den wissenschaftlichen Nachwuchs. Doktoranden könnten jahrelang an Problemen arbeiten, die eine KI in wenigen Minuten löst. Mathematische Doktorarbeiten müssten sich daher womöglich verändern. Die Entwicklung neuer Fragestellungen, mathematisches Verständnis und die kritische Einordnung von Ergebnissen könnten künftig stärker zählen.

Hesse bezeichnete die aktuellen Leistungen von OpenAI in der Mathematik zugleich als sensationell. Die präsentierten Beweise müssten zwar auf Richtigkeit und Neuheit überprüft werden; trotzdem verdienten solche Fortschritte zunächst Anerkennung. Einen Anspruch auf besonderen wissenschaftlichen Schutz vor KI-Systemen sieht Hesse nicht.

Dass die Frustration von Forschenden nachvollziehbar ist, wenn eine KI ein Problem in Minuten löst, an dem sie selbst jahrelang gearbeitet haben, räumt auch Hesse ein. Vielleicht entwickeln Maschinen künftig elegantere Beweise, überraschende Vermutungen und neue mathematische Zusammenhänge. Dann müssten Mathematiker womöglich von Maschinen lernen, was mathematische Kreativität bedeutet. Ein korrekter Beweis ist schließlich nicht dasselbe wie das Verständnis, warum ein Satz gilt, welche Verbindungen er sichtbar macht und welche neuen Fragen daraus entstehen.

Der KI-Forscher Robert Lange merkte an, die Debatte würde vermutlich anders ausfallen, wenn KI bereits Hunderte Krankheiten geheilt hätte. In der Mathematik gehe es bisher jedoch um Grundlagenforschung; die Umwandlung in ein Gemeingut sei noch weit entfernt. Hesse wiederum sieht die mögliche Revolution vor allem in einer Neubestimmung dessen, was mathematisches Verstehen bedeutet.

Leitlinien aus Leiden

Schon am 3. Juni 2026 berichtete das Fachmagazin Spektrum über neue Leitlinien für den KI-Einsatz in der Mathematik. Anlass war eine Ankündigung von OpenAI im Mai 2026: Eine noch unveröffentlichte Modellversion habe das rund 80 Jahre alte „Unit Distance Problem“ von Paul Erdős gelöst. Die Nachricht stieß in der mathematischen Fachwelt auf Interesse, aber auch auf Bedenken über mögliche negative Folgen eines unregulierten Einsatzes.

Die Erklärung war seit Herbst 2025 vorbereitet worden. Damals hatten sich etwa 60 Forschende und Entscheidungsträger am Lorentz Center der Universität Leiden getroffen. Im Mittelpunkt stand die wachsende Zahl teilweise oder vollständig von KI erzeugter mathematischer Beweise. Laut Ilka Agricola, Vorsitzende des Publikationsausschusses der International Mathematical Union (IMU), könne KI bei korrektem Einsatz nützlich sein. Gleichzeitig nehme die Zahl problematischer Entwicklungen zu.

Fachzeitschriften erhalten zunehmend KI-generierte Beweise, die schneller eingehen, als sie geprüft werden können. Sprachmodelle reproduzieren laut dem Bericht häufig bereits bekannte menschliche Ideen, ohne die ursprünglichen Quellen korrekt anzugeben. Das gefährdet aus Sicht vieler Forschender wissenschaftliche Integrität und die traditionell wichtigen Werte Transparenz und Zugänglichkeit.

Die Teilnehmenden des Workshops erarbeiteten deshalb gemeinsam die „Leiden Declaration on Artificial Intelligence and Mathematics“, nach Vorbildern aus Open Science und Datenmanagement. Das elfseitige Dokument behandelt zentrale Werte mathematischer Forschung, mögliche Gefährdungen durch KI und Maßnahmen zu deren Begrenzung. Die Ausarbeitung sei von intensiven und langwierigen Diskussionen begleitet gewesen, sagte der Anthropologe Rodrigo Ochigame.

  • Der Einsatz von KI in Forschungsarbeiten soll offengelegt werden.
  • Alle Arbeiten sollen einem Peer-Review unterzogen werden.
  • Für akademische Forschung und gewinnorientierte Unternehmen sollen gleiche Wettbewerbsbedingungen geschaffen werden, etwa durch Regulierung oder öffentliche Fördermittel.

KI-generierte Beweise können subtile, schwer erkennbare Fehler enthalten. Strengere Prüfverfahren sollen helfen, sie aufzudecken. Forschende und KI-Unternehmen verfolgen dabei nicht immer dieselben Ziele: Wissenschaftlerinnen und Wissenschaftler suchen nach neuen Ideen und Methoden, während Unternehmen eher Aufgaben priorisieren, mit denen sich die Leistungsfähigkeit ihrer Modelle zeigen lässt – selbst wenn diese mathematisch weniger bedeutsam sind.

Unabhängige Finanzierung soll der wissenschaftlichen Gemeinschaft ermöglichen, weiterhin Einfluss auf die Entwicklung ihres Fachs zu behalten. Die Offenlegung des KI-Einsatzes und die korrekte Zitierung früherer Arbeiten liegen laut der Erklärung vor allem bei Einzelpersonen und Unternehmen. Eine Regulierung der KI-Industrie erfordere dagegen institutionelle Maßnahmen oder staatliches Eingreifen.

Ochigame fordert insbesondere, dass kommerzielle KI-Unternehmen die Prinzipien der Erklärung einhalten. Mathematische Arbeiten würden ohne Zustimmung ihrer Urheber zur Entwicklung von KI genutzt. Die IMU plant