Auf der Internationalen Mathematikerkonferenz (ICM) 2026 in Philadelphia hat der Fields-Preisträger Terrence Tao in seinem Hauptvortrag die transformative Rolle künstlicher Intelligenz für die mathematische Forschung diskutiert. Tao vergleicht die aktuelle Entwicklung mit der frühen Krise der mathematischen Grundlagen im 20. Jahrhundert und warnt, dass die Mathematik durch den Aufkommen generativer KI-Modelle in eine industrielle Phase eintritt. Der Fokus verschiebt sich von der knappen Erstellung von Beweisen hin zu ihrer massenhaften Generierung, Validierung und Integration. Als Beleg für die steigende Leistungsfähigkeit von KI-Systemen verwies Tao auf die Anfang Mai 2026 durchgeführte First-Proof-Evaluierung. Dabei lösten vier KI-Modelle sieben von zehn zuvor unpublizierten Forschungsproblemen korrekt und erreichten nach Experteneinschätzung ein akademisches Publikationsniveau. Die Berechnungskosten bewegten sich zwischen zehn und tausend US-Dollar pro Aufgabe. Trotz dieser Fortschritte blieben Limitationen wie Zitationsfehler und mangelnde Erklärungen sichtbar. Ein aktueller Fall um den von Claude Fable 5 entdeckten Gegenbeispiel zum Jacobi-Konjektur von Levent Alpöge unterstreicht diese Dynamik: Während die KI die formale Konstruktion lieferte, lag die eigentliche wissenschaftliche Leistung in der nachträglichen geometrischen Einordnung und Interpretation durch Tao. Tao argumentiert, dass der traditionelle Forschungsansatz, der auf der quantitativen Lösung ungelöster Probleme basiert, durch KI unterlaufen wird. Er veranschaulicht dies an einer fünfstufigen Auflösungskette: vom initialen Beweisentwurf über die formale Validierung, menschliche Exposition, Peer-Review bis hin zur Integration in den theoretischen Konsens. KI beschleunigt vor allem die ersten Stufen, was zu einem Überangebot an Verifikationen führen kann. Ohne ausreichende menschliche Kapazitäten für Erklärung und Synthese drohe eine Verdaungsunfähigkeit der mathematischen Literatur. Als Konsequenz fordert Tao eine Neuausrichtung des akademischen Ökosystems. Die Offenlegung von KI-Nutzungen müsse zum Standard werden, während Bewertungssysteme verstärkt die Qualität der Exposition, Validierung und Wissensintegration honorieren sollten. Zudem zeichnet sich eine Diversifizierung der Rollen ab: Mathematiker positionieren sich zunehmend als Architekten von Verifikationssystemen, Interpreten maschineller Ergebnisse und Gestalter hybrider Arbeitsprozesse, wie die Karrierewechsel zu führenden KI-Forschungsinstanzen andeuten. Die Kernbotschaft des Vortrags besteht darin, dass die Herausforderung nicht mehr die technische Machbarkeit von KI-gestütztem Rechnen darstellt, sondern die institutionelle Anpassung. Die Zukunft der Mathematik werde nicht durch die Anzahl generierter Sätze definiert, sondern durch die Effektivität der Wissenspipeline und die Fähigkeit der Gemeinschaft, maschinelle Ergebnisse in nachhaltiges, gemeinsames Verständnis zu übersetzen.