Die Leiden-Erklärung: Warum über 150 Mathematiker eine rote Linie gegen unkontrollierte KI ziehen

Die Erklärung benennt fünf miteinander verwobene Gefahren, die jede für sich einen Grundpfeiler mathematischer Praxis angreift.

1. Unzuverlässige und nicht verifizierbare Beweise

Mathematik basiert auf Beweisen, die unabhängig nachvollziehbar und tief verstehbar sind. KI-Systeme hingegen generieren Argumente, die plausibel wirken, aber beinahe unsichtbare Fehler enthalten können – falsche Beweise, die Menschen kaum noch aufspüren . Dieses Problem tritt nicht nur in informeller Textgenerierung auf, sondern auch in formalen Beweissystemen, wenn die dahinterliegende Logik verschleiert wird .

2. Zusammenbruch der Urheberschaft und grassierende Copyright-Verstöße

KI-Modelle trainieren auf publizierten menschlichen Arbeiten ohne Zustimmung und zitieren ihre Quellen häufig nicht. Die Folge ist ein systemischer Zusammenbruch der wissenschaftlichen Anerkennungskultur: Geistige Abstammungslinien werden unkenntlich, und originäre Denker bleiben unbelohnt. Die Erklärung pocht darauf, dass Autoren aktiv nach Vorarbeiten suchen und, wo eine vollständige Quellenangabe unmöglich ist, diese Lücke explizit benennen müssen .

3. Ein Zwei-Klassen-System der Abhängigkeit und Ungleichheit

Wenn Spitzenforschung an teure, proprietäre Modelle und Rechenleistung gekoppelt ist, droht eine Zukunft, in der nur gut finanzierte Labore wettbewerbsfähig sind. Das schafft eine strukturelle Ungleichheit, die den traditionell offenen und leistungsorientierten Charakter der Mathematik untergräbt .

4. Maßloser Hype, der die Politik fehlleitet

Technologiekonzerne mit starken kommerziellen Anreizen überzeichnen die mathematischen Fähigkeiten ihrer Produkte systematisch . Sie kommunizieren Ergebnisse im Markttakt über Pressemitteilungen, statt über peer-reviewte Wissenschaft, und instrumentalisieren die Leistung bei Mathe-Benchmarks als Marketing-Stellvertreter für allgemeine Intelligenz – eine Behauptung, die die Erklärung glatt zurückweist . Die Autoren appellieren an Regierungen, bei der wissenschaftspolitischen Entscheidungsfindung auf Expertengutachten statt auf PR-Material zu setzen .

5. Verlust der Forschungsautonomie

Wenn Unternehmensinteressen und technische Machbarkeit die Forschungsagenda diktieren, läuft die Mathematik Gefahr, die Kontrolle über ihre eigene Ausrichtung zu verlieren. Forschungsprioritäten verschieben sich hin zu kurzfristigen kommerziellen Erträgen, weg von tiefer, neugiergetriebener Erkenntnissuche, und gefährden so die langfristige Gesundheit des Faches .

Was die Erklärung fordert

Anstatt nur Probleme zu benennen, verschreibt die Leiden-Erklärung konkrete, handlungsleitende Normen für vier zentrale Gruppen .

Einzelne Forschende müssen:

• Alle verwendeten KI-Tools, Prompts und Methoden offenlegen .
• KI ausschließlich als Werkzeug behandeln – niemals als Co-Autor. Die volle Verantwortung für Korrektheit, Urheberangaben und ethischen Einsatz tragen Menschen .
• Sich über neue Technologien informieren und in die öffentliche Debatte über deren Konsequenzen einbringen .

Institutionen, Fachzeitschriften und Förderinstitutionen müssen:

• Verbindliche Richtlinien zu KI-Autorenschaft, Transparenz, Peer-Review und geistigem Eigentum entwickeln .
• Rechtliche und ethische Unterstützungsstrukturen aufbauen, um Forschende in Verhandlungen mit mächtigen Technologiekonzernen zu stärken .
• Die Kernwerte der Erklärung in Evaluationskriterien und Förderentscheidungen integrieren, statt reine Rechengeschwindigkeit zu belohnen .

Regierungen müssen:

• Aufhören, die Fähigkeitsbehauptungen von Unternehmen für bare Münze zu nehmen, und stattdessen unabhängige Expertenkommissionen konsultieren .
• Die KI-Industrie regulieren, um eine monopolistische Kontrolle über Forschungsinfrastruktur zu unterbinden .
• In öffentlich finanzierte, offene Alternativen zu kommerziellen KI-Tools investieren, damit Zugang nicht von der Finanzkraft der Einrichtung abhängt .

Die Industrie muss:

• Die Praxis aufgeben, Forschungspublikationen ohne Zustimmung als Trainingsdaten zu nutzen, und echte Opt-out-Mechanismen für Autoren bereitstellen .
• Bei Veröffentlichungen gemeinsam mit akademischen Partnern dieselben Transparenz- und Urheberstandards erfüllen, die die Wissenschaft an sich selbst stellt .

Der größere Konflikt: Beweis, Macht und öffentliches Vertrauen

Die Leiden-Erklärung betrifft bei weitem nicht nur die Mathematik. Ihre Autoren sehen den Konflikt als Menetekel für die Forschungspolitik weltweit. Sie argumentieren, dass dieselben KI-Systeme, die unzuverlässige Beweise generieren, auch für Kriegsführung und Massenüberwachung instrumentalisiert werden können, und appellieren an Mathematiker, ihre Arbeit ethisch zu bewerten und sich notfalls aus schädlichen Projekten zurückzuziehen .

Die tiefere Warnung ist erkenntnistheoretischer Natur: Wenn kommerzielle Zeitpläne die wissenschaftliche Qualitätsprüfung ersetzen und wenn Unternehmens-Hype die mahnende Stimme von Experten übertönt, wird das öffentliche Verständnis davon, was wissenschaftliche Wahrheit ausmacht, verzerrt . Die Mathematik – eine Disziplin, die seit jeher stolz auf ihre klaren, zeitlosen Standards ist – steht nun an vorderster Front dieses größeren Ringens.

Nahezu jede Empfehlung der Erklärung kreist um ein einziges Prinzip: Transparenz. Ohne zu wissen, wann und wie KI eingesetzt wurde, kann die wissenschaftliche Gemeinschaft Ergebnisse nicht verifizieren, Urheberwürdigkeit zuweisen oder ihre eigenen Standards verteidigen. Mit bereits über 130 Erst-Unterzeichnern und der institutionellen Unterstützung von Organisationen wie der Internationalen Mathematischen Union ist die Leiden-Erklärung bereits mehr als ein bloßes Statement: Sie ist der Arbeitsentwurf jener Normen, die aus Sicht der Mathematik das KI-Zeitalter erfordert .