ChatGPT wurde mit weiteren Anweisungen dazu gebracht, einen mathematischen Beweis so anzupassen, dass er sowohl große als auch kleine Werte berücksichtigte, wodurch schließlich ein neues Ergebnis im Sinne der ursprünglichen Fragestellung entstand. Der zunächst von ChatGPT generierte Beweis enthielt zwar kleinere Fehler, doch das AI-Tool Aristotle konnte diese Lücken automatisch erkennen und beheben, sodass ein korrekter, in Lean verifizierter Beweis entstand. Ein weiterer Forscher nutzte anschließend Aristotle erneut, um diesen Lean-Beweis zu vereinfachen und kompakter zu gestalten. Dieser verkürzte Beweis wurde dann in einem umfangreichen, mehrstufigen Dialog mit ChatGPT weiterentwickelt, bei dem das Modell nicht nur den Beweis präzisierte, sondern auch dessen Verbindung zu früheren Arbeiten herstellte und eine klarere, narrativ strukturierte Darstellung lieferte. Das Ergebnis war ein überarbeiteter Text, der weniger nach einem standardisierten KI-Dokument wirkte und meiner Einschätzung nach bereits einem Forschungsstandard nahekommt – wenn auch noch Verbesserungspotenzial besteht. Die Arbeit wurde auf einer Fachplattform eingereicht und dort kritisch begutachtet. Diese Entwicklung zeigt, wie sich moderne KI-Tools in der Forschungspraxis zunehmend ergänzend einsetzen lassen: Während ChatGPT Ideen und erste Beweisstrukturen generiert, ermöglicht Aristotle die formale Korrektheit durch maschinelle Verifikation. Die anschließende Zusammenarbeit zwischen verschiedenen KI-Systemen und menschlichen Forschern führt zu qualitativ hochwertigeren Ergebnissen als jede einzelne Methode allein. Besonders bemerkenswert ist die Fähigkeit von ChatGPT, komplexe Inhalte über mehrere Interaktionen hinweg zu verdichten und zu erweitern, wodurch eine wissenschaftlich tragfähige Darstellung entsteht. Experten sehen darin einen wichtigen Schritt hin zu einer neuen Form der kooperativen Forschung, bei der KI nicht nur als Werkzeug für Erstellung, sondern auch als Partner bei der Argumentationsentwicklung fungiert. Unternehmen wie OpenAI oder Forschungsgruppen rund um Lean und formalisierte Mathematik (wie das Institut für Mathematik der Universität Cambridge oder das MIT) arbeiten zunehmend an der Integration solcher Systeme in den wissenschaftlichen Arbeitsprozess. Die Zukunft der Mathematikforschung könnte daher zunehmend von einem symbiotischen Zusammenspiel zwischen menschlicher Intuition und maschineller Präzision geprägt sein.