Während des größten Teils des letzten Jahrhunderts hat sich die Praxis der Mathematik bemerkenswert wenig verändert. Ein Mathematiker bemerkt ein Muster, schreibt eine Vermutung, verbringt Monate oder Jahre damit, einen Beweis zu konstruieren, und andere Mathematiker überprüfen ihn. Laut einem ausführlichen Bericht von Benjamin Skuse in IEEE Spectrum beginnt die künstliche Intelligenz nun, diesen langsamen, bewussten Prozess zu umgehen und zwingt die Fachwelt dazu, sich damit auseinanderzusetzen, was es eigentlich bedeutet, Mathematiker zu sein.

Der am 25. Juni 2026 veröffentlichte Artikel zeichnet nach, wie schnell sich große Sprachmodelle von dem, was Kritiker einst als stochastische Papageien abtaten, zu echten mathematischen Denkmaschinen entwickelt haben und was dieser Wandel für die Menschen bedeutet, die diese Arbeit schon immer geleistet haben. Weitere Informationen zu dieser Geschichte finden Sie in unserer mehr KI-Geschichten.

Der schnell wachsende Einfluss von KI in der Mathematik

Seit Jahrzehnten beschleunigen Berechnungen die Mathematik. Der Wendepunkt kam vor etwa 50 Jahren, als ein Computer zum Beweis des Vierfarbensatzes eingesetzt wurde, der fragt, ob eine Karte mit nicht mehr als vier Farben gefärbt werden kann, sodass keine benachbarten Regionen eine Farbe haben. Die Antwort war ja, aber der Beweis war umstritten, da er auf der Überprüfung von 1.936 Fällen beruhte, die kein Mensch realistischerweise manuell überprüfen konnte.

Auch in diesem Zeitalter der Computertechnik blieb der menschliche Mathematiker im Mittelpunkt, indem er Vermutungen aufstellte, Strategien entwickelte und Ergebnisse verifizierte. Die KI stellt diese Vereinbarung nun direkt in Frage. Im vergangenen Sommer erreichten die Systeme von Google DeepMind und OpenAI ein Niveau, das dem der mathematisch begabtesten High-School-Schüler der Welt entspricht, und erreichten den Status einer Goldmedaille bei der Internationalen Mathematischen Olympiade (IMO), dem jährlichen Wettbewerb, bei dem die Teilnehmer sechs notorisch schwierige Probleme lösen müssen.

Die Meilensteine ​​haben sich immer weiter beschleunigt. Anfang 2026 produzierte das experimentelle System Aletheia von Google DeepMind autonom veröffentlichungsfähige Forschungsergebnisse auf Doktorandenniveau. Obwohl die Arbeit selbst mathematisch unklar ist und Strukturkonstanten in der arithmetischen Geometrie berechnet, liegt die Bedeutung in der komplexen Argumentation, die erforderlich ist, um ein bisher ungelöstes Problem anzugehen. Kürzlich widerlegte ein neues Allzweck-KI-System von OpenAI eine wichtige Vermutung in der kombinatorischen Geometrie, ein Ergebnis, das Spitzenmathematiker als Meilenstein auf diesem Gebiet feierten und das einer Veröffentlichung in einer großen Fachzeitschrift würdig gewesen wäre.

Beweisassistenten und der Formalisierungsengpass

Eine zweite Veränderung ergab sich durch die Kombination großer Sprachmodelle mit Beweisassistenten. Systeme wie Isabelle, Lean und Rocq sind spezialisierte Programmiersprachen, die mathematische Beweise Schritt für Schritt prüfen und ihre logische Richtigkeit verifizieren. Der Flaschenhals ist seit mehr als einem Jahrzehnt die Formalisierung, der mühsame Prozess der manuellen Übersetzung von Theoremen und Beweisen in maschinenlesbaren Code.

LLMs beginnen, diesen Engpass zu beseitigen, indem sie die Übersetzung informeller Beweise in formalen Code automatisieren, den Beweisassistenten überprüfen können. Im Februar nutzte das KI-Unternehmen Math, Inc. seinen Argumentationsagenten Gauss, um die Arbeit zu formalisieren, die Maryna Viazovska der EPFL 2022 eine Fields-Medaille einbrachte. Gauss half Humanmathematikern zunächst dabei, die Formalisierung von Viazovskas Lösung des 8-dimensionalen Kugelpackungsproblems innerhalb weniger Tage abzuschließen, und formalisierte dann selbstständig den komplizierteren 24-dimensionalen Fall in nur zwei Wochen.

Solche Errungenschaften deuten darauf hin, dass KI bereits Aufgaben übernimmt, die lange als ausschließlich menschlich galten, und dass ein Großteil der täglichen Arbeit eines Mathematikers bald ein faires Spiel für die Automatisierung sein könnte.

Mathematiker diskutieren darüber, ob sie „Orakelpriester“ werden

Als er vom 12. Heidelberg Laureate Forum im September 2025 berichtete, beschreibt Skuse ein spürbares Unbehagen im Publikum, als die Redner eine Zukunft beschrieben, in der übermenschliche KI-Systeme ohne menschliches Zutun Vermutungen aufstellen, Lösungsräume durchsuchen, Theoreme beweisen, Beweise verifizieren und Ergebnisse verallgemeinern.

Yang-Hui He vom London Institute for Mathematical Sciences warnte einprägsam davor, dass menschliche Mathematiker zu *„Priestern der Orakel“ werden könnten. Jessica Randall, Mathematikerin bei Google Developer Groups, sagte, sie spüre, dass unter jungen Forschern eine kollektive existenzielle Angst zunimmt. „Uns ist auf jeden Fall klar geworden, dass KI das Potenzial hat, uns zu ersetzen“, sagte sie gegenüber IEEE Spectrum*.

Nicht jeder ist beunruhigt. Einige etablierte Mathematiker wollen einfach Antworten auf die größten offenen Fragen, wie etwa die sechs verbleibenden Millenniums-Preis-Probleme, unabhängig davon, wer oder was sie hervorbringt. „Viele Mathematiker sind pragmatisch und wollen einfach nur verstehen“, bemerkte Jeremy Avigad von der Carnegie Mellon University. „Für die Lösung eines Problems würden sie ihre Seele verkaufen.“

Drei konkurrierende Visionen für die Zukunft

Der IEEE Spectrum-Bericht identifiziert drei allgemeine Visionen für die Koexistenz von Mathematik und KI.

Die erste ist eine menschenzentrierte Sichtweise, die das menschliche Verständnis in den Vordergrund stellt und KI als Werkzeug behandelt, ähnlich wie einen Taschenrechner. Der Fields-Medaillengewinner und Princeton-Mathematiker Akshay Venkatesh argumentiert, dass Mathematik im Grunde ein Weg ist, zu einer Einigung zu gelangen. „Manchmal denke ich, wenn wir Zahlen verwenden, geht es nicht so sehr darum, Phänomene zu beschreiben, die an sich numerisch sind, sondern darum, dass wir uns alle genau darauf einigen können, was die Zahlen bedeuten“, sagte er.

Die zweite betont die unreduzierbar menschliche Erfahrung des Kampfes. Maia Fraser von der University of Ottawa argumentiert, dass ein KI-Beweis einer hartnäckigen Vermutung nur dann nützlich ist, wenn er für Menschen verständlich ist. „Dass die Aussage durch KI bewiesen werden kann, ist bereits eine nützliche Information“, räumte sie ein. „Aber dann ist es immer noch ein offenes Problem, einen eleganten, schönen menschlichen Beweis zu finden.“

Der dritte und vielleicht ehrgeizigste kommt von Terence Tao von der UCLA, der im Alter von 10 Jahren erstmals an der Mathematikolympiade teilnahm und heute einer der höchstdekorierten Mathematiker der Welt ist. Tao sieht KI als Katalysator für das, was er „große Mathematik“ nennt, eine Zukunft groß angelegter, dezentraler Zusammenarbeit zwischen Menschen und Maschinen, in der komplexe Probleme in Teile zerlegt werden, wobei der Mensch die kreative Arbeit übernimmt und die KI die technische Grundarbeit übernimmt.

Eine Disziplin, die fragt, warum sie existiert

Das Besondere an diesem Moment ist, dass die Debatte nicht mehr hypothetisch ist. KI-Systeme verdienen bereits IMO-Goldmedaillen, produzieren veröffentlichungsfähige Forschungsergebnisse, widerlegen Vermutungen und formalisieren mit der Fields-Medaille ausgezeichnete Beweise innerhalb von Tagen statt Jahren.

Für Studenten wie Trill White von der australischen Deakin University, die das Heidelberger Forum besuchten, war die Erkenntnis hart. „Das ist verheerend“, erinnerte sich White. „Was werden die Menschen zur Mathematik beitragen müssen? Wird daraus etwas, das niemand versteht?“

Die Antwort steht noch nicht fest. Aber wie Skuses Berichterstattung deutlich macht, steht die Mathematik, eine der ältesten intellektuellen Disziplinen der Menschheit, nun vor der gleichen Frage, die fast jeden Bereich, den die KI berührt, neu gestaltet: Wenn eine Maschine die Arbeit erledigen kann, wozu dient die Arbeit dann eigentlich?

Quelle: Benjamin Skuse, „What It Means to Be a Mathematician When AI Does the Math“, IEEE Spectrum, 25. Juni 2026.

---

Bleib vorne bei KI

Die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Mehr KI-Nachrichten lesen →