Am 26. Oktober 2026 hat OpenAI drei neue Forschungsergebnisse vorgestellt, die in Mathematik, Informatik und Physik für Aufsehen sorgen: einen OpenAI Mathematik-Beweis zur lokalen Glättungsvermutung, die Widerlegung der Exponential Time Hypothesis (ETH) und einen Existenzbeweis für bestimmte Quantenfeldtheorien. Alle drei Ergebnisse stammen laut OpenAI von eigenen KI-Modellen. Entscheidend ist der Zusatz: Unabhängige Fachleute haben sie noch nicht abschließend geprüft.
Dieser Beitrag ordnet nüchtern ein, was OpenAI behauptet, was bereits öffentlich einsehbar ist und was noch offen bleibt.
Key Takeaways
- OpenAI meldet Ergebnisse in drei Feldern: harmonische Analysis, Komplexitätstheorie und Quantenfeldtheorie.
- Für Mathematik und Informatik liegen Beweistexte und Lean-Formalisierungen im öffentlichen GitHub-Repository von OpenAI vor, die Physik-Ergebnisse bleiben vorerst zurückgehalten.
- Externe Arbeitsgruppen sollen die Resultate prüfen und erklären. Eine unabhängige Bestätigung steht aus.
- OpenAI verzichtet nach eigener Aussage auf akademische Anerkennung für die Entdeckungen seiner Modelle.
Der OpenAI Mathematik-Beweis: Lokale Glättung und Kakeya
Das mathematische Ergebnis betrifft die lokale Glättungsvermutung, die Sogge 1991 formuliert hat. Sie beschreibt, wie sich Wellen bündeln: Die stärkste Fokussierung darf nur kurz auftreten, im Zeitmittel ist sie deutlich schwächer als im ungünstigsten Moment. Aus der Vermutung folgen die Kakeya-Vermutung und Steins Restriktionsvermutung.
Laut OpenAIs Ankündigung war die Vermutung zuvor in zwei Raumdimensionen bewiesen (Guth, Wang und Zhang, 2019), die Kakeya-Vermutung in drei Dimensionen (Wang und Zahl, 2025). Die OpenAI-Modelle sollen nun einen Beweis für jede Dimension geliefert haben, gestützt auf eine neuartige Hilfs-Differentialgleichung. Die KI-Ausgabe lag nach Angaben des Unternehmens am 18. Oktober vor und wurde am Folgetag in Lean formalisiert. Die Ergebnisse stehen als Textfassung und als Lean-Beweis im öffentlichen GitHub-Repository.
Die Exponential Time Hypothesis soll falsch sein
Das zweite Ergebnis ist für Informatiker besonders brisant. Die ETH besagt, dass sich das 3-SAT-Problem nicht in subexponentieller Zeit lösen lässt. Sie wird in hunderten Arbeiten als Grundlage genutzt, um bedingte Härteaussagen zu Graphen, Datenbanken oder Geometrie abzuleiten. OpenAI schreibt, das eigene System habe die ETH widerlegt und das Ergebnis anschließend in Lean verifiziert.
Nach der Darstellung von The Verge beschreibt die Arbeit einen deterministischen Algorithmus, der erfüllende Belegungen von CNF-Formeln fester Breite exakt in subexponentieller Zeit und mit polynomiellem Speicher zählt. Der Fall 3-SAT widerlegt demnach die ETH. Die Prüfung übernimmt eine unabhängige Gruppe um Russell Impagliazzo, Ramamohan Paturi und Ryan Williams. Impagliazzo und Paturi gehören zu den ursprünglichen Urhebern der Hypothese.
Wichtig: OpenAI selbst betont, dass aus dem theoretischen Ergebnis noch keine praktischen Algorithmen folgen. Dafür sei erhebliche weitere Forschung nötig. Wer SAT-Solver oder Verifikationswerkzeuge entwickelt, muss also heute nichts umbauen.
Existenzbeweis für Quantenfeldtheorien
Das dritte Ergebnis ist das ambitionierteste. OpenAI spricht von einem mathematisch strengen Existenzbeweis bestimmter wechselwirkender Quantenfeldtheorien in vier Dimensionen, darunter die Quantenchromodynamik (QCD). Als Teilproblem enthalte die Arbeit einen Beweis für die Existenz der reinen Yang-Mills-Theorie, die zu einem der Millennium-Probleme des Clay Mathematics Institute gehört.
Eine Gruppe um den Nobelpreisträger David Gross soll das Ergebnis begleiten. Diese Gruppe hat entschieden, die KI-Artefakte zunächst nicht zu veröffentlichen und die Arbeit selbst aufzuschreiben. Für eine Bewertung fehlt der Öffentlichkeit damit bislang die Grundlage. Wer hier schon von einer gelösten Millennium-Aufgabe spricht, greift der Fachprüfung vor.
Neues Verfahren: externe „Shepherds“
Neu ist auch der Umgang mit den Resultaten. OpenAI bezeichnet die KI-Manuskripte als „Rohdaten“, aus denen erst durch Fachleute wissenschaftliches Verständnis entstehen müsse. Externe Expertinnen und Experten fungieren deshalb als „Shepherds“ und organisieren die Prüfung. Die Teilnehmenden unterschreiben keine Geheimhaltungsvereinbarung, arbeiten unbezahlt und sprechen nicht für OpenAI. Zusätzlich verweist das Unternehmen auf einen Beitrag von 5 Millionen US-Dollar an die Simons Foundation, mit dem Workshops und Konferenzen zum Verständnis KI-erzeugter Ergebnisse finanziert werden sollen.
Das Verfahren ist umstritten. The Verge berichtet, dass ein von OpenAI zusammengestelltes Beratergremium für Mathematik am Vortag empfohlen habe, dass KI-Unternehmen die Praxis, bestimmten Personen die Ausgaben zuerst zu geben, nicht übernehmen sollten. Genannt werden ungleicher Zugang, geliehene Reputation und verzerrte Auswahl. Stattdessen sollten Ergebnisse auf wissenschaftlichen Repositorien erscheinen, mit Lean-formalisierten Beweisen und Angaben dazu, wie die Probleme ausgewählt wurden.
Zeitleiste laut OpenAI
Die Angaben zum Ablauf stammen aus OpenAIs eigener Veröffentlichung und lassen sich nicht unabhängig nachprüfen:
- 9. und 18. September 2026: Die Modelle liefern einen Beweistext zur Yang-Mills-Existenz und danach zur QCD. Die Veröffentlichung wird bis zum Abschluss der Lean-Formalisierung zurückgestellt.
- 16. Oktober 2026: Das System findet die Widerlegung der ETH. Am selben Tag schließt OpenAI die Formalisierung der Yang-Mills-Existenz ab.
- 17. Oktober 2026: Die ETH-Widerlegung ist in Lean formalisiert.
- 18. und 19. Oktober 2026: Die KI-Ausgabe zur lokalen Glättung liegt vor und wird formalisiert.
- 26. Oktober 2026: Veröffentlichung der drei Ergebnisse mit den externen Arbeitsgruppen.
Auffällig ist, wie kurz der Abstand zwischen KI-Ausgabe, Formalisierung und Veröffentlichung ist. Für die Fachwelt bedeutet das: Die menschliche Prüfung muss im Eiltempo nachziehen, während die Materialien öffentlich diskutiert werden. Bereits am 6. Oktober hatte OpenAI nach eigenen Angaben eine Reihe von Manuskripten veröffentlicht und dabei dieselbe Strategie für Mathematik-Ergebnisse gewählt.
Einordnung für Entwickler und Leser
- Behauptung ist nicht Bestätigung: Lean-Formalisierungen erhöhen das Vertrauen in die Korrektheit eines Beweises, ersetzen aber nicht die Frage, ob die formalisierte Aussage genau das besagt, was behauptet wird.
- Prüfen statt glauben: Die Materialien zu Mathematik und Informatik sind öffentlich. Das ist ein Fortschritt gegenüber reinen Pressemitteilungen.
- Offene Fragen: Wie wird die Arbeit von Prüfern und Erklärern gewürdigt, wer prüft, und wer erhält frühen Zugang? OpenAI stellt diese Fragen selbst zur Diskussion.
Ähnliche Muster kennen wir von anderen KI-Labors: Auch bei Claudes Lösung des NSA-Kurvenrätsels oder bei Microsofts MAI-DxO lohnt der Blick auf die Prüfbarkeit. Wie Regierungen auf die Risiken mächtiger KI-Modelle reagieren, zeigt unser Beitrag zum britischen KI-Biosicherheitslabor.
Fazit
Der OpenAI Mathematik-Beweis und die beiden weiteren Ergebnisse wären, wenn sie sich bestätigen, bemerkenswerte Fortschritte. Bestätigt sind sie nach heutigem Stand nicht. Entscheidend sind in den kommenden Wochen die Berichte der unabhängigen Arbeitsgruppen. Wir halten dich auf dem Laufenden, sobald belastbare Einschätzungen vorliegen.
