Ein Mathematiker des KI-Unternehmens Anthropic hat einen jahrzehntealten Widerspruch zur Jacobischen Vermutung gefunden und damit ein zentrales Problem der algebraischen Geometrie widerlegt. Levent Alpöge nutzte dafür das neu verfügbare Sprachmodell Claude von Anthropic. Seine Entdeckung markiert einen Meilenstein an der Schnittstelle von künstlicher Intelligenz und reiner Mathematik und zeigt, dass Large Language Models nicht nur zur Beweisführung, sondern zur gezielten Suche nach Gegenbeispielen in extrem großen Lösungsräumen geeignet sind. Die Jacobische Vermutung, die auf Arbeiten des tschechischen Mathematikers Ludwig Kraus aus dem Jahr 1884 sowie die Verallgemeinerung des Deutschen Ott-Heinrich Keller von 1939 zurückgeht, gilt seit über hundert Jahren als offenes Problem. Sie besagt, dass jede polynomial definierte Abbildung mit einer konstanten, von null verschiedenen Jacobi-Determinante immer umkehrbar ist. Obwohl sich die Vermutung in zwei Dimensionen für Polynome bis zum Grad 100 bewährte und von prominenten Mathematikern als eines der bedeutendsten Probleme des Jahrhunderts eingestuft wurde, scheiterten zahlreiche angebliche Beweise an subtilen Fehlern. Ein allgemeingültiger Beweis stand ebenso aus wie ein widerlegendes Gegenbeispiel. Alpöges Ansatz wandte sich genau diesem Ziel zu. Mit Unterstützung von Claude identifizierte er eine dreidimensionale Polynomabbildung mit einer konstanten Jacobi-Determinante von minus zwei, die mehrere Eingabepunkte auf denselben Ausgabepunkt abbildet und damit nicht umkehrbar ist. Die Struktur des Gegenbeispiels ist so kompakt, dass Alpöge es vollständig in einer einzigen Nachricht auf der Plattform X veröffentlichen konnte. Diese Kürze ermöglichte eine rasche unabhängige Verifizierung durch die Fachcommunity und bestätigte die Gültigkeit des Befundes. Im Gegensatz zu jüngsten, von KI unterstützten mathematischen Durchbrüchen, die sich oft durch hochkomplexe Beweisstrukturen auszeichnen, zeichnet sich Alpöges Entdeckung durch ihre schiere Einfachheit aus. Die eigentliche Leistung liegt nicht in der Konstruktion eines komplizierten Terms, sondern in der algorithmischen Navigation durch einen nahezu unendlichen Suchraum möglicher Polynomabbildungen. Das Beispiel demonstriert, dass aktuelle KI-Modelle insbesondere dann wertvoll sind, wenn es darum geht, verborgene Muster zu erkennen und gezielte Suchstrategien zu implementieren, die für menschliche Forscher aufgrund der kombinatorischen Komplexität nicht direkt ersichtlich wären. Die Entdeckung hat unmittelbare Auswirkungen auf die Praxis der Mathematik. Während die Vermutung für zwei Dimensionien weiterhin offen bleibt, ist sie für alle höheren Raumdimensionen als widerlegt zu betrachten. Für die KI-Forschung liefert sie einen klaren Indikator für die wachsende Fähigkeit von Sprachmodellen, nicht nur vorhandenes mathematisches Wissen zu rekonstruieren, sondern eigenständig neue Objekte zu generieren. Die Zusammenarbeit von KI und menschlicher Expertise verschiebt den Fokus von der manuellen Ableitung hin zur strategischen Problemanalyse und Hypothesengenerierung. Wie sich dieser Paradigmenwechsel langfristig auf die Förderung mathematischer Innovationen und die Ausbildung künftiger Wissenschaftler auswirken wird, bleibt ein zentrales Forschungsinteresse der aktuellen Technologieentwicklung.