Google KI-Co-Mathematiker: DeepMinds agentisches Mathe-Workbench

Im Mai 2026 veröffentlichten Forschende von Google DeepMind ein arXiv-Preprint mit dem Titel "AI co-mathematician: Accelerating mathematicians with agentic AI" und beschrieben darin eine agentische KI-Workbench, die den vollständigen mathematischen Arbeitszyklus orchestriert – inklusive Ideensuche, Literaturrecherche, Berechnungen, Beweisversuchen und Theoriebildung.

Der KI-Co-Mathematiker, aktuell in begrenzter Freigabe für ausgewählte Forschende, ist weder ein Solver noch ein Chatbot, sondern ein zustandsbehafteter Arbeitsbereich, der den nichtlinearen, chaotischen mathematischen Workflow steuert. Er verwaltet parallele Forschungslinien, verfolgt Unsicherheiten und bewahrt gescheiterte Versuche für die Zukunft auf. Ausgaben erfolgen in LaTeX, dem Standardformat in der Mathematik- und Physikforschung.

Er basiert auf Gemini 3.1. Aktuell nutzt er intern Gemini Deep Think für Beweisversuche und bindet Python-Ausführung für rechnerische Explorationen ein. Spezialisierte DeepMind-Math-Engines (AlphaProof, AlphaEvolve, Aletheia) sind noch nicht integriert, die Architektur ist aber darauf ausgelegt.

Warum ist der KI-Co-Mathematiker wichtig?

Mathematikerinnen und Mathematiker nutzen LLMs heute für mehrere Aufgaben:

• Literaturrecherche
• Informelle Beweisskizzen
• LaTeX-Standardbausteine
• Explorativen Code

Zudem setzen sie KI-Tools wie formale Beweisassistenten ein, um Beweise maschinell zu verifizieren. 

Obwohl jedes Tool in einem Teil des Gesamtworkflows stark ist, muss die Forscherin oder der Forscher die Ergebnisse bisher ad hoc zusammenführen. Bislang fehlte ein Infrastruktursystem, das den nichtlinearen Arbeitsprozess von Mathematikerinnen und Mathematikern orchestriert.

So arbeitet der KI-Co-Mathematiker

Das Workflow-Modell ist lose von KI-Coding-Tools wie Claude Code oder Codex inspiriert. Es lässt sich jedoch nicht 1:1 übertragen. Software hat eine Spezifikation und Tests. Mathematische Forschung ist nichtlinear. Das Ziel kann zu Beginn vage oder undefiniert sein, und Zwischenergebnisse können die Fragestellung komplett verändern.

Der Workflow des Co-Mathematikers wird von einem Multi-Agent-System getragen und läuft so ab:

1. Erste Exploration. Statt eines perfekten One‑Shot-Prompts führt die Forscherin oder der Forscher einen interaktiven Dialog mit dem System, um übergeordnete Ziele zu schärfen und die Forschungsfrage zu formalisieren. So wird die Forschungsabsicht vor Beginn explizit.
2. Literaturrecherche. Der Co-Mathematiker identifiziert Schlüsselarbeiten und extrahiert relevante Beweise sowie mathematische Techniken.
3. Rechenrahmen. Der Co-Mathematiker erstellt eine Python-Bibliothek inklusive Demonstrationsfällen und zugehörigen Tests.
4. Suche ausführen. Nach Aufbau des Rechenrahmens wird die Bibliothek importiert und die Suche über einen Cloud-Cluster skaliert. Das System liefert Fortschrittsmeldungen auf hoher Ebene, ohne mit Low-Level-Logs zu überfrachten.
5. Abschluss. Das Endergebnis ist ein kompiliertes LaTeX-Dokument. Es erklärt den Entdeckungsweg, nicht nur das Resultat, und nutzt Randnotizen, die Behauptungen mit konkreten Quellen oder Codeausgaben verknüpfen. Ein Report gilt erst als final, wenn alle Reviewer-Agenten zustimmen. Auch durchgefallene Reports werden angezeigt – als ungeklärt markiert. So kam der fehlerhafte Beweis zu Lackenby.

Workstream-Architektur des KI-Co-Mathematikers

Die Architektur des KI-Co-Mathematikers ist ein Multi-Agent-System mit einem übergeordneten Projektkoordinator-Agenten und spezialisierten Subagenten.

Workflow-Koordination

Bevor die Arbeit am Problem beginnt, eröffnet der Projektkoordinator einen Dialog mit der Forscherin oder dem Forscher, um das Ziel über klärende Fragen zu schärfen. Fragt jemand etwa nach oberen Schranken beim "Sofa-Problem", einer offenen Frage der Computergeometrie, folgt die Rückfrage, ob eine bestimmte Variante oder mehrere im Fokus stehen sollen. Das präzise abgestimmte Ziel begrenzt den Problemraum, bevor Agenten losgeschickt werden.

Steht das Ziel, delegiert der Koordinator Aufgaben an Agenten und Subagenten, die parallel arbeiten, sofern keine Abhängigkeiten entgegenstehen. Ein Agent übernimmt die Literaturrecherche, ein anderer baut den Rechenrahmen, ein dritter führt die Suche aus. Eine Abhängigkeit gibt es: Die Suche startet erst, wenn die maßgeschneiderte Bibliothek aus dem Rechenrahmen vorliegt.

Halluzinationen vermeiden

Standardagenten finden oft ungültige Abkürzungen, halluzinieren Lemmata oder erklären zu früh den Erfolg. Der KI-Co-Mathematiker setzt Mechanismen dagegen, etwa Reviewer-Agenten. 

Explodiert beispielsweise der Suchraum bei der rechnerischen Exploration, kann der Coding-Subagent den Code erst als abgeschlossen markieren, wenn alle Tests bestehen und der Reviewer-Agent die Ergebnisse akzeptiert – der Workflow stoppt sonst. Der Fehlschlag wird protokolliert und an den Projektkoordinator gemeldet, der die Forscherin oder den Forscher im Chat informiert. Danach kann eine alternative Vorgehensweise angestoßen werden.

Solche Sackgassen werden nicht nur geloggt, sie gelten als Information. Sie werden versioniert nachverfolgt und als Teil des Forschungsprotokolls erhalten. In der Mathematik legt ein gescheiterter Ansatz oft eine Einschränkung offen oder weist auf einen besseren Weg.

Während des gesamten Prozesses filtert der Koordinator standardmäßig Low-Level-Rauschen heraus, bei Bedarf kann die Forscherin oder der Forscher aber in jeden Workstream eintauchen und ihn anpassen.

Erste Fallstudien und Kollaborationsmodi

Einige frühe Fälle zeigen verschiedene Arten der Zusammenarbeit: ein fehlerhafter Beweis, der eine menschliche Einsicht freilegte; ein Randkommentar, der eine Frage neu rahmte; und schnelle Sackgassen-Erkennung, die eine Woche Fehlaufwand sparte.

Einen als falsch markierten Beweis reparieren

Marc Lackenby, Mathematikprofessor an der University of Oxford, wandte das System auf ein Problem aus dem Kourovka-Notizbuch (einer Sammlung offener Forschungsprobleme der Gruppentheorie) an. Die KI unternahm einen Beweisversuch, ein Review-Agent entdeckte einen Fehler und meldete ihn Lackenby. Er wusste, wie sich die Lücke schließen ließ.

Genau dieser Staffellauf ist der Punkt: Der Mensch sah, was die Maschine übersah, und die Maschine übernahm die Schwerarbeit drumherum. 

Ein Randkommentar führt zu neuer Einsicht

Ein weiterer Mathematikprofessor, Gergely Bérczi, untersuchte ein Problem zu Stirling-Koeffizienten-Vermutungen. Für die erste Prüfung gab er dem KI-Co-Mathematiker Thema, Hintergrund, aktuelle Methoden und eine mögliche Richtung aus AlphaEvolve-Experimenten mit.

Der KI-Co-Mathematiker lieferte Beweise (derzeit in menschlicher Begutachtung) für zwei der Vermutungen sowie detaillierte rechnerische Evidenz. Bérczi berichtete, dass ihm ein Randkommentar im fertigen Dokument einen entscheidenden Hinweis gab, dem er anschließend im Chat nachging.

Sackgasse erkennen, bevor sie eine Woche kostet

Schließlich formulierte Semon Rezchikov ein technisches Problem zu Hamiltonschen Diffeomorphismen. Er und der Projektkoordinator diskutierten, bis eine präzise Aufgabenstellung stand. Der vom System erzeugte Bericht enthielt ein zentrales Lemma mit Beweis (später verifiziert), das die Frage im Wesentlichen klärte. 

Unterwegs wurde ein Ansatz verfolgt, der jedoch in einer Sackgasse endete. Die KI stieß viel schneller darauf als sonst, sodass keine Woche in die falsche Richtung lief. Das System komprimierte eine Woche vergeudeter Arbeit in Stunden.

FrontierMath-Benchmark-Ergebnisse

Der KI-Co-Mathematiker ist ein Workflow-Tool, kein eigenständiger Problemlöser. Dennoch sind starke Benchmarks wichtig – aus mehreren Gründen:

• Um zu zeigen, dass der zugrunde liegende mathematische Motor leistungsfähig genug ist, um an der Forschungsfront als Partner zu taugen.
• Um zu demonstrieren, dass Benchmarks eine kontrollierte Umgebung bieten, in der sich der Mehrwert der Orchestrierung messen lässt.
• Um eine Näherung für kollaborative Wirksamkeit zu liefern, da es noch keine Standards gibt.

Die Ergebnisse: Der KI-Co-Mathematiker erreichte 48% auf FrontierMath Tier 4, einem forschungsnahen Benchmark. Das ist der höchste berichtete Wert, inklusive Googles eigenem Gemini 3.1 Pro, das im selben Test, selben Tier 19% erzielte. Epoch AI fand Fehler in etwa einem Drittel der FrontierMath-Aufgaben (über Tier 1–4) und führt eine menschliche Überprüfung durch.

Auf einem internen Google-Benchmark mit 100 unveröffentlichten, forschungsnahen Mathematikaufgaben mit codeprüfbaren Antworten, erstellt von professionellen Mathematikerinnen und Mathematikern, erzielte der KI-Co-Mathematiker 87%, während Gemini 3.1 Pro 57% und Gemini 3.1 Deep Think 70% erreichten.

Bekannte Einschränkungen des KI-Co-Mathematikers

Die Autorinnen und Autoren benennen strukturelle Grenzen klar:

• Die Hauptqualitätskontrolle kommt von Reviewer- und Beweis-Agenten. Der adversarielle Review-Zyklus kann zu einem Bias führen, der Reviewer zufriedenstellt, auch wenn das Argument nicht korrekt ist. Das ist eine echte strukturelle Verwundbarkeit.
• Polierter LaTeX-Ausstoß kann trügerische Strenge erzeugen. Ein sauber formatiertes Dokument wirkt fertig, unabhängig davon, ob die Mathematik stimmt.
• Das System funktioniert nur gut, wenn echte Fachexpertise vorhanden ist. Es besteht die Gefahr, dass Nicht-Expertinnen oder -Experten vage Probleme übergeben und die Ausgabe blind vertrauen.
• KI-Beweise brauchen weiterhin menschliche Prüfung. Die Beweise von Bérczi waren zum Veröffentlichungszeitpunkt beispielsweise noch in der Begutachtung.

Fazit

Der KI-Co-Mathematiker steht für den Wechsel vom "KI, löse dieses Problem" hin zum gemeinsamen Arbeiten an dem iterativen, unordentlichen Prozess mathematischer Forschung. Der eigentliche Engpass ist die Workflow-Infrastruktur, die abbildet, wie Mathematikerinnen und Mathematiker tatsächlich arbeiten.

Wenn du selbst solche agentischen Systeme bauen willst, sind die Lernpfade Associate AI Engineer for Developers und Associate AI Engineer for Data Scientists von DataCamp ein guter Startpunkt.