OpenAIs Navier-Stokes-Behauptung: Was 10.000 KI-Agenten geleistet haben sollen – und warum Mathematiker zweifeln

OpenAIs gemeldetes Ergebnis zu den Navier-Stokes-Gleichungen wäre ein Meilenstein – falls es der mathematischen Überprüfung standhält. Nach Angaben des Unternehmens koordinierte ein nicht veröffentlichtes internes System etwa 10.000 Agenten über 88 Stunden. Herausgekommen seien ein analytischer Beweis und eine Formalisierung in Lean, die zeigen sollen, dass eine anfangs glatte Fluidströmung in endlicher Zeit eine Singularität entwickeln kann. Doch öffentliche Unterlagen und ein formal geprüfter Beweis sind nicht dasselbe wie eine unabhängige Anerkennung durch die Fachwelt. 14

Was OpenAI nach eigener Darstellung bewiesen hat

Das Navier-Stokes-Problem zu Existenz und Glattheit fragt – vereinfacht –, ob dreidimensionale Strömungen wie Wasser oder Luft aus glatten Anfangsdaten stets glatt bleiben können. OpenAI behauptet, die gegenteilige Möglichkeit nachgewiesen zu haben: Unter den im Beweis angegebenen Bedingungen kann die Dynamik in endlicher Zeit eine Singularität ausbilden. 4

Das Unternehmen veröffentlichte eine schriftliche Ausarbeitung und eine Lean-Formalisierung. Berichten zufolge umfasst das Manuskript 166 Seiten; eingesetzt worden seien ungefähr 10.000 gleichzeitig arbeitende Agenten. 31

Entscheidend ist die Unterscheidung: Lean ist ein Beweisassistent, der kontrollieren kann, ob ein in einer formalen Sprache kodierter Beweis aus seinen Definitionen und Annahmen logisch folgt. Fachleute müssen dennoch prüfen, ob der formale Satz wirklich dem beabsichtigten mathematischen Problem entspricht, ob der analytische Beweis und seine Formalisierung vollständig sind und ob die Voraussetzungen angemessen gewählt wurden. Bei den ersten Berichten hatte das Clay Mathematics Institute – die US-Stiftung hinter den Millennium-Preisproblemen – die Behauptung noch nicht unabhängig akzeptiert. 1

Warum sich die Debatte um Anerkennung und Priorität dreht

Der mathematische Anspruch fiel mit einem Streit über Urheberschaft und Forschungspraktiken zusammen. Tristan Buckmaster von der New York University und Levent Alpöge, ein Forscher bei Anthropic, hatten an verwandten Problemen der Strömungsdynamik gearbeitet. Buckmaster warf OpenAI vor, von ihrem Ansatz erfahren und daraufhin die eigene Arbeit beschleunigt zu haben; außerdem äußerte er Bedenken zur Zuschreibung wissenschaftlicher Leistungen.

OpenAI bestritt, dass eigene Forschende oder KI-Agenten die Arbeit des Duos vor deren Veröffentlichung gesehen hätten. Die in Rede stehenden Resultate waren Berichten zufolge verwandt, aber nicht nachweislich identisch. Der Kernvorwurf bleibt damit ungeklärt: Es handelt sich um eine schwerwiegende öffentliche Anschuldigung, nicht um eine festgestellte Tatsache.

Darum geht es in der Kontroverse nicht nur um die Frage, ob eine KI korrekte Gleichungen gefunden hat. Ebenso wichtig sind die Verfahren dahinter: Wie wurde ein Forschungsansatz bekannt? Lässt sich der zeitliche Ablauf nachvollziehen? Wie werden verwandte Beiträge angemessen gewürdigt? Und können geschlossene Systeme überhaupt sinnvoll von der gesamten Fachgemeinschaft geprüft werden?

Warum Lean die Debatte nicht beendet

Formale Verifikation hebt die Beweisprüfung auf ein sehr hohes Niveau. Lean kontrolliert einzelne Beweisschritte in einer formalen Sprache und kann damit Lücken aufdecken, die bei einer herkömmlichen Begutachtung übersehen werden. Dass OpenAI sowohl eine lesbare Ausarbeitung als auch die Formalisierung veröffentlicht hat, gibt Mathematikerinnen und Mathematikern konkretes Material zur Prüfung. 4

Aber formale Verifikation beantwortet nur einen Teil der wissenschaftlichen Fragen. Die Fachwelt muss weiterhin klären:

• Reichweite: Welche genaue Fassung des Navier-Stokes-Problems wird gelöst?
• Übersetzung: Stimmen informeller Satz, Annahmen und der formal kodierte Satz tatsächlich überein?
• Neuheit und Zuschreibung: Welche Ideen stammen von wem – und zu welchem Zeitpunkt?
• Verständnis: Liefert der Beweis wiederverwendbare mathematische Einsichten oder lediglich eine geprüfte Herleitung?
• Reproduzierbarkeit: Können externe Forschende die Arbeit selbst untersuchen, erklären und weiterentwickeln?

Javier Gómez-Serrano beschrieb die Episode als „existenzielle Krise“ der Mathematik. Darin spiegelt sich die Sorge, dass KI-generierte Ergebnisse schneller entstehen könnten als die etablierten Verfahren, sie zu verstehen, zu überprüfen, zu lehren und fair zuzuordnen.

Gegenwind gegen ein KI-Wettrennen in der Mathematik

Die Auseinandersetzung reicht über diesen einzelnen Beweis hinaus. 25 Fields-Medaillenträger, darunter Terence Tao, unterzeichneten eine Erklärung, die davor warnt, dass der Wettbewerb von KI-Unternehmen um spektakuläre mathematische Erfolge Wissenschaft und Nachwuchsförderung schaden könnte. 17

Ein separates offenes Schreiben von aktuellen und ehemaligen Caltech-Mathematikern richtete sich gegen OpenAIs Rolle bei einer geplanten KI-Mathematikveranstaltung. Bei seiner Veröffentlichung zählte das Schreiben laut Berichten 771 Unterzeichnende; OpenAI zog daraufhin das Sponsoring des Caltech Mathathon zurück.

Diese Einwände sind nicht einfach eine Forderung, KI aus der Mathematik herauszuhalten. Kritisiert wird vielmehr, dass proprietäre Systeme und ein auf Schlagzeilen ausgerichteter Wettbewerb offenen Austausch, sorgfältige Anerkennung und mathematische Erklärungen verdrängen könnten. Dieselben Werkzeuge könnten in einem anderen Rahmen nützlich sein: beim Prüfen von Beweisen, Erkunden von Vermutungen, Verbessern von Darstellungen und Aufbau gemeinsamer formaler Bibliotheken.

Nächstes Ziel: die Hodge-Vermutung?

OpenAI teilte The New York Times Berichten zufolge mit, man habe bei einem weiteren Millennium-Preisproblem „substanzielle Fortschritte“ erzielt. Einen Namen oder einen Beweis veröffentlichte das Unternehmen nicht. Das ist die bestätigte Grenze der öffentlichen Aussage.

Als mögliches Ziel wird vielfach die Hodge-Vermutung diskutiert; auch die Birch-und-Swinnerton-Dyer-Vermutung taucht in Spekulationen auf. Ein Bericht unter Berufung auf eine OpenAI-Quelle schrieb, Mitarbeitende erwarteten Fortschritte bei der Hodge-Vermutung. Einen Hodge-Beweis hat OpenAI jedoch nicht öffentlich angekündigt. Behauptungen, eine der beiden Vermutungen sei gelöst, sollten daher als Gerücht gelten – nicht als mathematisches Ergebnis.

Worauf es jetzt ankommt

Entscheidend ist nicht die nächste Ankündigung, sondern die unabhängige Prüfung der veröffentlichten Navier-Stokes-Unterlagen: die fachliche Begutachtung des Arguments, die Inspektion des Lean-Projekts samt Abhängigkeiten und die genaue Klärung, welche Fassung der Clay-Aufgabe gelöst worden sein soll.

Sollte OpenAI einen weiteren Anspruch zu einem Millennium-Problem erheben, gelten dieselben Maßstäbe. Ein überzeugendes Ergebnis braucht einen präzisen Satz, zugängliche formale und informelle Unterlagen, eine transparente Darstellung seiner Herkunft und genügend Erläuterung, damit Forschende die Ideen testen und weiterentwickeln können. Bei KI-gestützter Mathematik ist Korrektheit unverzichtbar – ebenso aber Anerkennung, Offenheit und menschliches Verständnis.