Kürzlich hat die Kombination von Künstlicher Intelligenz (KI) und mathematischer Forschung erhebliche Fortschritte bei der Bearbeitung von Problemen von Paul Erdős hervorgebracht, die über Jahrzehnte hinweg als herausfordernd oder ungelöst galten. Die von der mathematischen Gemeinschaft betriebene Plattform, die diese Beiträge dokumentiert, zeigt, wie KI-Tools wie AlphaEvolve, Aristotle, GPT-5, Claude, Gemini DeepThink und SeedProver in verschiedenen Phasen der mathematischen Forschung eingesetzt werden – von der Erkundung offener Probleme über die Generierung von Beweisen bis hin zur formalen Verifizierung. In einigen Fällen (z. B. [333], [897], [1026]) erzeugten KI-Systeme scheinbar vollständige Lösungen für Probleme, die zuvor als offen galten, nur um später zu zeigen, dass die Ergebnisse bereits in der Literatur existierten – manchmal mit alternativen Methoden. Dies unterstreicht die Notwendigkeit sorgfältiger Peer-Review und kritischer Prüfung, insbesondere da KI-Systeme gelegentlich aufgrund von Fehlinterpretationen oder ungenauen Formulierungen falsche oder überzogene Behauptungen aufstellen können. In anderen Fällen (z. B. [43], [198], [942]) fanden KI-Tools neue Beweise für bereits bekannte Sätze, was die KI als Werkzeug zur Beweisvereinfachung und -durchsichtigkeit nutzbar macht. Besonders bemerkenswert ist der Fall [1026], bei dem ein KI-Team in Zusammenarbeit mit Terence Tao und anderen Mathematikern eine komplett neue Lösung fand, die auf der Kombination von menschlichem Insight und künstlicher Intelligenz basierte. Zudem wurde in mehreren Fällen (z. B. [26], [31], [198]) KI eingesetzt, um bestehende Beweise in formale Systeme wie Lean zu übersetzen, wodurch die Korrektheit überprüft werden kann – obwohl auch hier Risiken bestehen, wenn zusätzliche Axiome oder Fehlformulierungen in der formalen Darstellung auftreten. In einigen Fällen (z. B. [333], [334], [370]) führte KI-basierte Literaturrecherche zu falschen oder ungenauen Ergebnissen, was die Notwendigkeit von menschlichem Urteil und kritischer Analyse unterstreicht. Die Plattform betont zudem, dass viele der genannten Probleme aufgrund mangelnder Literaturzusammenfassung noch provisorisch als „offen“ gelten, und dass die Berichterstattung unvollständig ist, insbesondere hinsichtlich negativer Ergebnisse. In der Fachwelt wird die Rolle der KI in der Mathematik als transformierend, aber vorsichtig zu bewerten. Experten wie Terence Tao und Boris Alexeev betonen, dass KI derzeit am besten als „Ko-Autor“ in der Forschung agiert – nicht, um unabhängig zu beweisen, sondern um Ideen zu generieren, Hypothesen zu testen und Beweisstrategien zu erproben. Die Tatsache, dass KI in einigen Fällen bereits bestehende Theoreme neu beweist, zeigt, dass sie nicht nur kreativ, sondern auch präzise arbeiten kann, wenn sie in den richtigen Kontext eingebracht wird. Gleichzeitig warnt die Gemeinschaft vor der Gefahr, KI-Resultate zu überbewerten, insbesondere wenn sie nicht mit menschlichem Verständnis und formaler Verifikation abgesichert sind. Die Entwicklung von KI-Tools, die in der Lage sind, mathematische Beweise zu verstehen, zu generieren und zu formalisieren, markiert einen Meilenstein in der Mathematik, der jedoch nur sinnvoll ist, wenn er in enger Verbindung mit menschlicher Expertise und wissenschaftlicher Sorgfalt erfolgt.