OpenAI meldet Navier-Stokes-Beweis, Streit bricht aus

OpenAI gab am 8. September bekannt, dass eines seiner internen Modelle einen Beweis zu einem der Millennium-Probleme erbracht habe: der Existenz und Glattheit von Lösungen der Navier-Stokes-Gleichungen. Diese Gleichungen beschreiben die Bewegung von Flüssigkeiten – vom Strudel im Abfluss einer Badewanne über die Luftströmung um eine Flugzeugtragfläche bis zum Blutfluss in Gefäßen – und werden seit mehr als zwei Jahrhunderten erforscht, ohne dass geklärt war, ob ihre Lösungen unter allen Ausgangsbedingungen stets glatt bleiben. OpenAI zufolge hat sein Modell bewiesen, dass die Lösung der Gleichung unter bestimmten Bedingungen in endlicher Zeit ins Unendliche divergiert – ein als „Blow-up“ bekanntes Phänomen. Das Problem gehört zu den mit einer Million US-Dollar dotierten Millennium-Problemen des Clay-Mathematik-Instituts, doch die von OpenAI bewiesene Version enthält einen Zwangsterm, der sie von den Preiskriterien ausschließt; das Unternehmen erklärte, es werde das Preisgeld nicht beanspruchen.

10.000 KI-Agenten in 88 Stunden

Laut OpenAI wurde der Beweis vom internen Modell mithilfe von rund 10.000 parallel arbeitenden KI-Agenten in etwa 88 Stunden erstellt und anschließend in der formalen Beweissprache Lean verifiziert. Kurz vor dieser Ankündigung hatte der Mathematiker Tristan Buckmaster von der New York University zusammen mit dem Mathematiker Levent Alpöge – einem Mitarbeiter von Anthropic – in sozialen Medien einen Beweis derselben Art von Blow-up für die Euler-Gleichungen veröffentlicht, eine einfachere Verwandte der Navier-Stokes-Gleichungen. In einer später veröffentlichten Erklärung behauptete Buckmaster, OpenAI habe, nachdem es von den Fortschritten des Duos gehört hatte, dieselbe Methode übernommen, um den Beweis auf die vollständige Navier-Stokes-Gleichung auszuweiten. Er erklärte, bei einem Telefonat mit dem OpenAI-Forscher Sébastien Bubeck seien ihm zwei Optionen angeboten worden: Alpöge wegen seiner Zugehörigkeit zu Anthropic von der Autorenliste zu streichen, oder OpenAI sein Ergebnis allein veröffentlichen zu lassen.

OpenAIs Dementi und die Sorge der Mathematiker

OpenAI-Forscher Sébastien Bubeck wies diese Vorwürfe entschieden zurück. Er erklärte, das interne Modell des Unternehmens habe nie Zugriff auf die Arbeiten von Buckmaster und Alpöge gehabt, und der Ansatz von OpenAI für die Euler-Gleichungen unterscheide sich grundlegend von deren Methode. Er räumte jedoch ein, dass der endgültige Beweis für Navier-Stokes einem ähnlichen Weg gefolgt sei wie die von den beiden Mathematikern verwendete Methode. In seiner offiziellen Erklärung gab OpenAI an, die Arbeiten der beiden nie vor deren Veröffentlichung eingesehen und keine spezifischen Nutzerdaten für den Beweis verwendet zu haben – schloss aber nicht aus, dass anonymisierte Daten aus der Nutzung seiner Produkte durch die beiden Forscher indirekt zur Verbesserung seiner Modelle beigetragen haben könnten. Auch OpenAI-Chef Sam Altman äußerte sich in sozialen Medien und bedauerte, dass keine bessere Abstimmung stattgefunden habe.

• Ankündigungsdatum: 8. September 2026
• Methode: rund 10.000 KI-Agenten, etwa 88 Stunden Rechenzeit
• Verifikationswerkzeug: die formale Beweissprache Lean
• Konkurrierendes Team: Buckmaster (NYU) und Alpöge (Anthropic) bewiesen zuerst den Blow-up für die Euler-Gleichungen
• Millennium-Preisgeld: eine Million US-Dollar vom Clay-Institut, für diese Version des Problems nicht anwendbar

Der Vorfall geht über einen einfachen Prioritätsstreit hinaus. Der Mathematiker Tristan Buckmaster verglich ihn mit dem Moment, als IBMs Supercomputer Deep Blue 1997 den Schachweltmeister Garri Kasparow besiegte, und erklärte, die wissenschaftliche Gemeinschaft müsse nun eine sorgfältige und ernsthafte Debatte über die Rolle der KI führen. Die Mathematikerin Zsuzsanna Dancso von der University of Sydney merkte an, das Verhalten von OpenAI verstoße gegen die grundlegenden ethischen Prinzipien der Mathematik: Quellen und Mitarbeiter anzuerkennen. Vor allem aber hat der Beweis noch kein unabhängiges Peer-Review durchlaufen, sodass eine grundlegende Frage offenbleibt: Handelt es sich um ein tatsächlich verifiziertes Ergebnis oder um eine auf Wirkung angelegte Behauptung?

Für die deutsche Mathematik-Community zeigt der Vorfall, dass die Geschwindigkeit solcher Firmenankündigungen kein Ersatz für Peer-Review ist. Universitäten und Forschungseinrichtungen in Deutschland, die beginnen, KI-gestützte formale Beweisführung zu erproben, brauchen von Anfang an klare Regeln zu Urheberschaft und Herkunft der Trainingsdaten – genau um Streitigkeiten wie den aktuellen zwischen OpenAI und Anthropic zu vermeiden.