OpenAIs Navier-Stokes-Behauptung: Was gesichert ist – und warum Mathematiker protestieren

OpenAIs Ankündigung vom 8. September war außergewöhnlich: Das Unternehmen erklärte, ein internes, noch nicht veröffentlichtes System habe Fortschritte bei einem der wichtigsten offenen Probleme der Mathematik erzielt. Zugleich war die Reaktion sofort kontrovers. Denn ein behaupteter Beweis – auch mit formaler Prüfung – ist nicht automatisch ein Ergebnis, das die mathematische Fachwelt unabhängig geprüft und akzeptiert hat.

Was OpenAI behauptet

OpenAI teilte mit, sein internes System habe einen analytischen Beweis und eine Formalisierung in Lean erzeugt. Demnach kann eine anfangs glatte dreidimensionale Navier-Stokes-Strömung in endlicher Zeit eine Singularität entwickeln. An dem Vorhaben arbeiteten laut Unternehmen ungefähr 10.000 gleichzeitig aktive Agenten. 2

Hält das Resultat einer fachlichen Prüfung stand und entspricht es der offiziellen Problemformulierung, hätte es eine weitreichende Konsequenz: Glatte Lösungen müssten nicht zwangsläufig für alle Zeiten glatt bleiben. Das Clay Mathematics Institute (CMI) beschreibt das Problem als Frage nach Existenz und Glattheit von Navier-Stokes-Lösungen im dreidimensionalen euklidischen Raum. 18

Warum Navier-Stokes so wichtig ist

Die Navier-Stokes-Gleichungen beschreiben die Bewegung von Flüssigkeiten und Gasen. Sie gehören zu den Grundlagen der mathematischen Strömungslehre. Obwohl die Gleichungen aus dem 19. Jahrhundert stammen, ist das allgemeine Verhalten dreidimensionaler Lösungen weiterhin nur unvollständig verstanden. 30

Das Problem gehört zu den Millennium-Preisproblemen des Clay Mathematics Institute. Die offizielle Aufgabenstellung verlangt entweder einen Beweis für die globale Existenz glatter, physikalisch sinnvoller Lösungen oder eine alternative Lösung, die die vorgegebenen Bedingungen erfüllt. 1721

Es geht damit nicht um einen gewöhnlichen KI-Benchmark, sondern um eine Kernfrage der Analysis und Strömungsmechanik. Gerade deshalb gilt: Je größer die behauptete Entdeckung, desto gründlicher muss sie überprüft werden.

Warum die Behauptung nicht sofort als Lösung anerkannt wurde

Am 11. September erklärte das CMI, man nehme die Ankündigung einer offenbar erfolgten Lösung mit großer Aufmerksamkeit auf. Zugleich betonte das Institut, dass die Prüfung und die Zuordnung wissenschaftlicher Anerkennung bewusst nicht überstürzt würden. 18

Für eine Preiswürdigung gelten klare Regeln: Eine vorgeschlagene Lösung muss in einem anerkannten Publikationsorgan erschienen sein; danach müssen mindestens zwei Jahre vergehen; außerdem muss sie in der weltweiten mathematischen Gemeinschaft allgemein akzeptiert sein. 27 Zusätzlich muss sie die offizielle Problemstellung tatsächlich zufriedenstellend beantworten. 20

Lean kann formal überprüfen, ob eine kodierte Kette von Aussagen aus den ebenfalls kodierten Definitionen und Annahmen folgt. Das ist ein starkes Werkzeug. Es ersetzt aber nicht die fachliche Begutachtung: Mathematikerinnen und Mathematiker müssen prüfen, ob genau der formalisierte Satz, seine Voraussetzungen und die Übersetzung der informellen Aufgabenstellung tatsächlich das intendierte Problem lösen.

Der treffendste Status lautet daher: behauptet und in Prüfung – nicht allgemein anerkannt und nicht preisgekrönt.

Streit um Priorität und Anerkennung

Die Ankündigung fiel in einen Konflikt mit dem NYU-Mathematiker Tristan Buckmaster und Levent Alpöge, einem mit Anthropic verbundenen Mathematiker. Berichten zufolge arbeiteten beide an verwandten Fragestellungen. Buckmaster äußerte Bedenken dazu, wie OpenAI auf das Problem aufmerksam wurde. 953

Buckmaster erhob zudem Vorwürfe zu Gesprächen über Anerkennung und Zusammenarbeit. OpenAI wies die weitergehenden Anschuldigungen zurück: Weder Forschende noch Agenten hätten die Arbeit der beiden vor deren öffentlicher Veröffentlichung gesehen; für die Lösung seien keine konkreten Nutzerdaten abgerufen worden. 53

Dabei handelt es sich um gegensätzliche Darstellungen, nicht um abschließend festgestellte Tatsachen. Klar ist jedoch: Aus einer technischen Ankündigung wurde auch eine Debatte darüber, wem wissenschaftliche Anerkennung zusteht, wenn KI-Labore und Forschende an derselben Grenze arbeiten.

Weshalb die Frage nach der Datennutzung so heikel war

Besonders sensibel war die Frage, ob Arbeiten, die Forschende in KI-Produkte eingegeben hatten, die Fähigkeiten beeinflusst haben könnten, die später bei dem Forschungsprojekt eingesetzt wurden. OpenAI erklärte, für die Navier-Stokes-Arbeit seien keine konkreten Nutzerdaten der Forschenden abgerufen worden. Das Unternehmen schloss jedoch nicht vollständig aus, dass entpersonalisierte Daten aus der Produktnutzung zur Verbesserung seiner Modelle beigetragen haben könnten. 59

Diese Unterscheidung kann technisch relevant sein. Sie lässt aber eine zentrale Frage offen: Welches Maß an Herkunftsnachweis, Einwilligung und Prüfbarkeit dürfen Forschende erwarten, wenn sie KI-Systeme für unveröffentlichte Arbeit einsetzen?

Für Wissenschaftlerinnen und Wissenschaftler ist das ein praktischer Hinweis, die Datenrichtlinien eines Produkts genau zu verstehen, bevor sie Entwürfe, Vermutungen, Quellcode oder andere sensible Forschungsinhalte in ein KI-Werkzeug eingeben.

Die Warnung von Fields-Medaillenträgern

Am 11. September veröffentlichte Terence Tao eine Erklärung mit zunächst 25 Unterzeichnenden – sämtlich Träger der Fields-Medaille – unter dem Titel A Severe Misalignment of AI in Mathematics. 43

Die Erklärung spiegelt die Sorge wider, Unternehmen könnten berühmte ungelöste Probleme als öffentliche Leistungsnachweise oder PR-Wettbewerbe behandeln, statt sie als Teil einer gemeinschaftlichen intellektuellen Arbeit zu verstehen. Kritiker befürchten, dass hastige Ankündigungen, unvollständige Darstellungen, schwache Quellenangaben und der Anreiz, anderen zuvorzukommen, Forschende davon abhalten könnten, frühe Ideen offen zu teilen.

Die Warnung richtete sich nicht gegen KI in der Mathematik. Es ging vielmehr darum, die Regeln zu schützen, auf denen mathematischer Fortschritt beruht: offene Prüfung, sorgfältige Darstellung, angemessene Anerkennung und fachlicher Austausch.

Was verantwortungsvolle KI-gestützte Mathematik braucht

Die Kontroverse zeigt, welcher Maßstab bei außergewöhnlichen KI-Forschungsbehauptungen sinnvoll ist:

• Öffentliche, überprüfbare Beweisunterlagen: Zu einer Behauptung gehören ein rigoroses Manuskript und – wenn möglich – eine maschinenprüfbare Formalisierung.
• Unabhängige Begutachtung: Formale Prüfung und mathematische Expertenbewertung erfüllen unterschiedliche Aufgaben; bei großen Behauptungen braucht es beides.
• Klare Zuschreibung: Labore sollten relevante Vorarbeiten, menschliche Beiträge und die Grenzen der Rolle ihres Systems nachvollziehbar dokumentieren.
• Herkunft der Daten: Forschende brauchen verständliche Zusagen dazu, ob und wie ihre Interaktionen zur Modellverbesserung beitragen können.
• Zeit für Diskussion: Die Lösung eines großen Problems besteht nicht nur aus einem Ergebnis. Es muss geklärt werden, was bewiesen wurde, weshalb es korrekt ist und wie es in das Fachgebiet einzuordnen ist.

Fazit

OpenAIs Ankündigung könnte sich als Meilenstein der KI-gestützten Mathematik erweisen. Am Tag der Veröffentlichung war die Sache jedoch keineswegs abgeschlossen. Entscheidend ist, ob der behauptete Beweis nach anhaltender unabhängiger Prüfung die Akzeptanz erreicht, die die mathematische Gemeinschaft und das Clay Mathematics Institute verlangen. 1827

Die heftige Reaktion zeigt, warum dieses Verfahren wichtig ist. Je stärker KI in Forschung eingreift, desto mehr hängt Vertrauen nicht nur davon ab, was Systeme entdecken, sondern auch davon, ob diese Entdeckungen überprüft, erklärt und fair zugeschrieben werden können.