Hat KI gerade Navier-Stokes gelöst? Was OpenAIs Behauptung wirklich belegt

OpenAI behauptet, dass eines seiner internen Systeme eines der Millennium-Probleme des Clay Institute geknackt hat. Das ist eine bemerkenswerte Geschichte und wäre der bislang größte KI-gestützte Durchbruch in der Mathematik. Gleichzeitig spielt sich eine zweite Geschichte ab: ein Kampf darum, wer die Anerkennung wirklich verdient.

Hier ist, was tatsächlich passiert ist: OpenAI hörte ein Gerücht, dass das Modell eines konkurrierenden Labors bei einem der berühmtesten ungelösten Mathematikprobleme Fortschritte gemacht habe. Dieses Gerücht reichte, um einen Sprint auszulösen: Um das Problem anzugehen, setzte OpenAI 10.000 parallele KI-Agenten ein, 88 Stunden Rechenzeit und kumulierte Kosten von rund 22,5 Mio. US-Dollar. Nun behaupten sie, einen echten Beweis zu haben. Und was ist mit dem Preisgeld von 1 Mio. US-Dollar? OpenAI sagt, es habe nicht vor, es zu beanspruchen. (Vielleicht brauchen sie das Geld nicht.)

Kurzfassung: Der Clay-Millennium-Preis von 1 Mio. US-Dollar für Navier-Stokes ist nicht vergeben. Was OpenAI zu beweisen behauptet, zielt auf eine spezifische Variante des Problems – Blow-up unter glatter äußerer Anregung – und ist bisher nicht unabhängig verifiziert. Ob dies dem vollen Problem entspricht, wie es die meisten Expertinnen und Experten verstehen, ist ernsthaft umstritten.

Was ist die Navier-Stokes-Gleichung – und warum ist sie 1 Million wert?

Um zu verstehen, was OpenAI behauptet, musst du zuerst verstehen, warum Navier-Stokes so schwierig ist.

Die Navier-Stokes-Gleichungen beschreiben, wie sich Fluide bewegen: Wasser, Luft, Blut. Sie sind die Grundlage für Wettervorhersagen, Flugzeugdesign und die Kreislaufmedizin. Formuliert im 19. Jahrhundert, funktionieren sie in der Praxis außerordentlich gut. Die mathematische Frage ist, ob sie immer funktionieren: Existieren glatte, wohldefinierte Lösungen stets, oder kann ein durch diese Gleichungen beschriebenes Fluid in endlicher Zeit eine Singularität entwickeln – einen Punkt, an dem die Geschwindigkeit unendlich wird?

Diese Frage, bekannt als das Problem der „Existenz und Glattheit“, gehört zu den sieben Millennium-Problemen des Clay Mathematics Institute, jedes mit 1 Mio. US-Dollar dotiert. Bis heute wurde nur eines der Millennium-Probleme gelöst: die Poincaré-Vermutung im Jahr 2003.

Warum uns dieses spezielle Problem interessiert: Manchmal sind mathematische Probleme eher akademischer Natur. Dieses hier ist nicht nur ein abstraktes Rätsel. Jedes Wettermodell, jede Flugsimulation und jedes Ingenieurtool, das auf diesen Gleichungen basiert, setzt implizit voraus, dass sie sich gut verhalten – aber niemand hat bewiesen, dass diese Annahme immer gilt. Sollte sich herausstellen, dass Lösungen in endlicher Zeit explodieren können, würde das eine echte Lücke zwischen der Mathematik, auf die wir uns verlassen, und den physikalischen Systemen, die sie beschreibt, offenlegen.

Was OpenAI tatsächlich zu beweisen behauptet

Die Geschichte beginnt nicht mit einer mathematischen Einsicht, sondern mit einem Gerücht. Sam Altman gab zu, dass OpenAI den Vorstoß startete, nachdem man gehört hatte, Anthropics Modelle hätten ein großes Mathematikproblem gelöst, schrieb er auf X: „Wir waren neugierig, ob unsere das auch können.“

Der einwöchige Sprint umfasste mehrere Millennium-Probleme und erzeugte insgesamt 300 Milliarden Ausgabe-Token – rund 22,5 Mio. US-Dollar an Rechenkosten für alles, was versucht wurde. Allein das Navier-Stokes-Problem verbrauchte etwa 130 Milliarden dieser Token und 2,7 Millionen Nachrichten. Zehntausend Agenten arbeiteten parallel vom 1. bis 6. September. Und dann – hier solltest du stutzen – erklärte OpenAI, man habe nicht vor, den Preis von 1 Mio. US-Dollar zu beanspruchen, und stellte das Ergebnis als Beleg dafür dar, wie schnell sich die Modelle weiterentwickeln.

Bevor sie zu Navier-Stokes kamen, lösten OpenAIs Agenten zunächst das Regularitätsproblem der ungestörten Euler-Gleichungen – mit fast 100 Agenten in etwa 50 Stunden. Indem sie zuerst das Blow-up-Verhalten im einfacheren Euler-Setting etablierten, legten die Agenten das konzeptionelle Fundament, das den Navier-Stokes-Ansatz überhaupt handhabbar machte.

Hier kommt das Kleingedruckte ins Spiel. Die offizielle Clay-Formulierung für Navier-Stokes enthält vier Optionen, bezeichnet mit A, B, C und D. Die Optionen A und B verlangen globale glatte Lösungen ohne äußere Anregung, entweder im gewöhnlichen dreidimensionalen Raum oder in einem periodischen Gebiet. Die Optionen C und D erlauben Blow-up-Beispiele mit einem glatten äußeren Anregungsterm. OpenAIs Beweis zielt auf die Optionen C und D – die erzwungene Variante ist also tatsächlich Teil des offiziellen Clay-Problems.

Allerdings halten viele Mathematikerinnen und Mathematiker A und B für die tiefere Frage, weil die Anregung von außen kommt: Man wählt die Kraft, um den Blow-up zu erzwingen, statt zu fragen, ob die Gleichungen von sich aus zusammenbrechen können. Ob sich der Ansatz so erweitern lässt, dass die Anregung entfällt und A sowie B adressiert werden, ist unklar und weiterhin offen. Die Lücke zwischen dem Gezeigten und dem, was viele Experten als den Kern des Problems ansehen, ist hier die eigentliche Erkenntnis.

Der Streit darum, wer die Anerkennung verdient

Jetzt, da wir geklärt haben, was tatsächlich bewiesen wurde, zeichnet sich in der menschlichen Geschichte ein klarer roter Faden ab – wenn man vom Schlagabtausch zurücktritt.

Am 15. August bewiesen Tristan Buckmaster und Anthropics Levent Alpöge, dass die Euler-Gleichungen, der reibungsfreie Vetter von Navier-Stokes, unter glatter äußerer Anregung explodieren können – eine Erweiterung eines Ansatzes von Diego Córdoba und Luis Martínez-Zoroa. Ihre Ergebnisse umfassten auch die Boussinesq- und inkompressiblen porösen Medien-Gleichungen. Diese Arbeit dauerte etwa ein Jahr. Sie war unveröffentlicht, in Arbeit, still vorangetrieben. Dann sickerte es durch.

OpenAIs Sprint begann am 1. September, nachdem man ein Gerücht gehört hatte, das später mit Alpöge und Buckmaster in Verbindung gebracht wurde. Buckmaster hatte OpenAI am 3. September privat gemailt, nachdem er erfahren hatte, dass seine Arbeit das Unternehmen erreicht hatte. Nach Abschluss ihres Projekts und der Lean-Verifikation am 6. September kontaktierte OpenAI ihn mit dem Angebot einer gleichzeitigen Veröffentlichung. Buckmasters Version des weiteren Verlaufs ist deutlich schärfer: Er berichtet von Telefonaten, in denen er nach eigener Aussage beim Thema Veröffentlichung und Autorenschaft unter Druck gesetzt wurde – einschließlich der Anregung, Alpöge wegen dessen Anstellung bei Anthropic auszuschließen.

Buckmaster behauptet, als er signalisierte, mit diesen Bedenken an die Öffentlichkeit zu gehen, sei ihm gesagt worden: „Warum solltest du deine Karriere ruinieren?“ und „Wenn du nicht willst, dass ich nett bin, dann muss ich nicht nett sein.“ Bubeck bezeichnete diese Vorwürfe als „falsch und aufhetzend“. OpenAI bestreitet, auf private Prompts oder unveröffentlichte Arbeiten zugegriffen zu haben.

Ich werde hier nicht entscheiden, wer recht hat. Es sind widersprüchliche Darstellungen aus privaten Gesprächen, die Details sind wirklich unklar. Aber das Muster ist auch ohne Klärung nennenswert: Ein Jahr unveröffentlichter Arbeit eines unabhängigen Forschers wurde zur Ressource, um die ein finanzstarkes Labor einen Multimillionen-Sprint herum aufbaute – und nun ist es der unabhängige Forscher, der sich Fragen zu seiner Karriere gefallen lassen muss.

Kann man einem KI-verfassten Mathebeweis wirklich trauen?

Neben dem Streit um die Anerkennung bleibt die härtere technische Frage: Hält der Beweis stand?

Navier-Stokes ist ein Millennium-Preisproblem, und der Belegstandard ist ein veröffentlichter, verifizierbarer Beweis. OpenAI veröffentlichte am 8. September ein 166-seitiges Manuskript und eine Lean-Formalierung – beide öffentlich einsehbar. Eine unabhängige Begutachtung hat noch nicht stattgefunden.

Falls du Lean nicht kennst: Es ist ein System zur formalen Beweisüberprüfung, das prüft, ob jeder logische Schritt aus dem vorherigen folgt. Ein in Lean verifizierter Beweis lässt sich nicht „schönreden“: Wenn er besteht, ist die logische Kette solide. Lean sagt jedoch nicht, ob der Ansatz konzeptionell bedeutsam ist, ob er das Problem so adressiert, wie es die Fachwelt versteht, oder ob eine menschliche Mathematikerin bzw. ein Mathematiker ihn als echte Lösung anerkennen würde.

Terence Tao, wohl der bekannteste lebende Mathematiker, warnte am 5. September – vor OpenAIs Ankündigung – vor dieser Dynamik. Auf Mathstodon schrieb er als Reaktion auf damals kursierende Gerüchte, es sei eine hypothetische Sorge: „Es gibt erhebliche Opportunitätskosten, ein historisch produktives und motivierendes Problem wie die Navier-Stokes-Regularität in einen bloßen viralen Social-Media-Post zu verwandeln, der Benchmark-Fortschritte bewirbt, statt das Feld tatsächlich voranzubringen und die nächste Generation sowohl an Fragen als auch an Menschen zu entwickeln, die daran arbeiten.“ Nach der Ankündigung lobte Tao die Arbeit von Buckmaster–Alpöge als „bemerkenswerte Leistung“ und merkte an, dass ihre Argumente in Lean formalisiert worden seien. OpenAIs konkreten behaupteten Beweis hat er nicht öffentlich befürwortet.

Warum dieser Streit größer ist als ein einziges Matheproblem

Ein Gerücht – kein veröffentlichtes Ergebnis, keine Peer-Review, ein Gerücht – reichte aus, um eines der weltweit bestausgestatteten KI-Labore zu einem Multimillionen-Sprint zu mobilisieren. OpenAI rahmte das Ergebnis als Beleg dafür, wie schnell sich seine fortschrittlichsten Systeme verbessern, sprich: als Marketing-Asset. Ein Millennium-Preisproblem dient als Benchmark-Demonstration im Vorfeld eines Börsengangs.

Axios stellte die unbequeme Frage offen: Was passiert, wenn das Unternehmen, das Wissenschaftlerinnen und Wissenschaftlern KI-Forschungstools bereitstellt, gleichzeitig ungleich größere Ressourcen mobilisieren kann, um mit ihnen zu konkurrieren? Buckmaster und Alpöge nutzten während ihres Jahres der Arbeit OpenAIs eigenes Codex. Die Tools, mit denen Forschende einem Ergebnis entgegenarbeiten, können demselben Unternehmen gehören, das sie mit den gleichen Tools im 10.000-fachen Maßstab überholt. Das ist keine Verschwörung. Es ist ein Strukturmerkmal des aktuellen Moments – und genau das Szenario, vor dem lange gewarnt wurde, unabhängig davon, ob OpenAI hier etwas falsch gemacht hat.

Es gibt auch eine Ironie: OpenAI pausierte im August bestimmte Frontier-RL-Trainings aus Sicherheitsbedenken und ließ im September dann ein unveröffentlichtes Modell aus demselben Entwicklungsprogramm 88 Stunden lang mit voller Kapazität laufen, um eine Mathe-Schlagzeile zu jagen. Dieser Kontrast ist kein Beweis für böse Absichten, aber ganz ohne Aussagekraft ist er auch nicht.

Also: Ist Navier-Stokes nun gelöst oder nicht?

Hier steht die Sache tatsächlich:

Das Sprint-Modell lieferte ein Ergebnis. Ob es ein Ergebnis im Sinne der Mathematik ist, ist eine andere Frage – eine, deren Beantwortung deutlich mehr Zeit braucht.