KI löst Mathe-Probleme: Was folgt?

Künstliche Intelligenz löst zunehmend mathematische Aufgaben, die lange als menschliche Domäne galten, doch Expertinnen und Experten sehen darin keinen Ersatz für mathematische Forschung. Nach anfänglichen Schwächen bei Grundrechenarten erzielten Systeme von Google DeepMind 2024 eine Silbermedaille bei einem anspruchsvollen Schülerwettbewerb für mathematisches Denken; ein Jahr später erhielt OpenAI Gold. Danach folgten aufsehenerregende Ergebnisse: Im Mai 2026 soll KI eine offene Frage des Mathematikers Paul Erdős aus dem Jahr 1946 vorangebracht haben, indem sie Techniken aus der Zahlentheorie mit Geometrie verknüpfte. Zudem meldete OpenAI, ein KI-System habe das Navier-Stokes-Problem in nach Berichten rund 88 Stunden und mit etwa 10 000 Agenten gelöst. Die Frage beschreibt, wie sich Flüssigkeiten bewegen, und ist wichtig, um die Zuverlässigkeit von Simulationen etwa bei Luft- oder Blutfluss besser einzuschätzen. Der Mathematiker Ken Duffy von der Northeastern University ordnet diese Fortschritte nüchtern ein. Solche klar formulierten Probleme eigneten sich als Testfälle, weil sie gut überprüfbar seien. Die Stärke von KI liege in massiven Such- und Rechenprozessen sowie darin, bekannte Fakten sehr schnell zu verknüpfen. Bei den neuen Durchbruchen habe KI Verbindungen genutzt, die Fachleute übersehen hätten. Für die Forschung selbst sei aber nicht nur das Ergebnis entscheidend. Der Wert mathematischer Arbeit bestehe auch darin, gute Fragen zu formulieren, Beweise nachvollziehbar zu entwickeln und neue Methoden zu erschließen. Genau dort sieht Duffy Grenzen. KI-Lösungen könnten zwar mit Beweissystemen wie Lean geprüft werden, doch die bereitgestellten Beweise erklärten oft nicht, wie man zu ihnen komme. Ähnlich wie bei Klausuren reiche die richtige Antwort allein nicht aus, wenn der Lösungsweg fehlt. Zudem gebe es Fälle, in denen zunächst präsentierte KI-Beweise später zurückgezogen werden mussten, weil sie sich nicht hielten. Dennoch wirken KI-Methoden über die reine Mathematik hinaus. In der Biologie haben Modelle nach Angaben der Experten bereits die Strukturen von mehr als 200 Millionen Proteinen vorhergesagt. Auch in der Zellforschung können Aufgaben automatisiert werden, die früher enorme manuelle Arbeit erforderten. Duffy berichtete von KI-gestützter Kartierung von Zellen im Knochenmark bei Leukämie, wodurch Graduierte von tagelanger Bildauswertung entlastet wurden. James Boyd vom Wolfram-Institut plädiert zudem dafür, Mathematik breiter zu denken: weg von der ausschließlichen Fixierung auf das Beweisen von Theoremen, hin zu experimenteller Mathematik, in der Maschinen Muster erkennen und Hypothesen durchrechnen. Entscheidend bleibe, dass Menschen die Schritte des Erkenntnisprozesses kontrollieren. Für mathematische Qualifikationen sehen die Fachleute weiterhin gute Aussichten, etwa in Finanzen, Technik und datengetriebenen Berufen. Die KI könnte Aufgaben erledigen, aber kritisches Denken, Interpretation und das Formulieren von Problemen bleiben nach ihrer Einschätzung zentrale menschliche Leistungen.