Am 6. Oktober 2026 hat das US-amerikanische KI-Unternehmen OpenAI mehr als 700 maschinell erstellte Mathematik-Preprints auf der Entwicklerplattform GitHub veröffentlicht.
Die insgesamt 722 Manuskripte sind das Ergebnis eines bislang unveröffentlichten internen Modells, das auf rund 4.000 mathematische Probleme angewendet wurde. Nach Angaben des Unternehmens verteilen sich die Arbeiten auf 372 Ergebnisfamilien, deren Bandbreite von der Zahlentheorie bis zur mathematischen Physik reicht.
Für jedes Resultat wandte das System laut OpenAI durchschnittlich drei Stunden an Rechenzeit mit ChatGPT Pro Thinking Compute auf. Keines der Manuskripte beansprucht die Lösung eines der fünf verbleibenden Millennium-Probleme des Clay Mathematics Institute. Lediglich rund 42 Prozent der Spitzenergebnisse – 300 von 719 untersuchten Arbeiten – liegen mit einer Formalisierung im Beweisassistenten Lean vor.
Die rasanten Fortschritte bei KI-Modellen wie denen von OpenAI führen zu neuen rechtlichen Anforderungen für alle Anwender. Dieser kostenlose Ratgeber bietet Ihnen einen kompakten Überblick über die Pflichten und Fristen der aktuellen EU-Gesetzgebung. EU AI Act in 5 Schritten verstehen: Fristen, Pflichten und Risikoklassen kompakt erklärt
Neben den Texten veröffentlichte OpenAI Zusammenfassungen der Argumentationsketten, Rechenzeitschätzungen, Problemstatistiken sowie Leitfäden für Revision und Zitierung. Das Unternehmen räumte mögliche Fehler ein und rief die Fachgemeinschaft zur Prüfung auf.
Rasche Korrekturen und Vorwürfe mangelnder Transparenz
Bereits am 7. Oktober 2026 zog OpenAI drei der Preprints wegen eines Vorzeichenfehlers zurück. Dieser Fehler invalidierte Argumentation und Konstruktion zweier abhängiger Arbeiten. Zudem wurden 14 Papiere überarbeitet, womit 719 Manuskripte im Repositorium verbleiben. Externe Prüfer stießen bei ersten Analysen auf unsinnige Erklärungen, fehlerhafte Formeln sowie Resultate, die in der Fachliteratur bereits zuvor gelöst worden waren.
Kritik rief auch die Geheimhaltung der technischen Details hervor: Der Modellname und die Prompts wurden nicht publik gemacht. Damit überging das Unternehmen Richtlinien, die eine Beratergruppe am Institute for Advanced Study in Princeton Ende September formuliert hatte.
Da immer leistungsfähigere KI-Systeme entwickelt werden, müssen Unternehmen verstärkt auf die Einhaltung gesetzlicher Dokumentationspflichten achten. Welche Systeme als Hochrisiko gelten und wie Sie rechtssicher agieren, erfahren Sie in diesem kostenlosen Report. Risikodokumentation und Qualitätssicherung: Umsetzungsleitfaden zum EU AI Act jetzt kostenlos herunterladen
Die Gruppe hatte eine Veröffentlichung über traditionelle akademische Kanäle sowie Transparenz über Rechenaufwand und Modelleingaben angemahnt und den gewählten Veröffentlichungsprozess nicht unterstützt. Ein Sprecher von OpenAI betonte demgegenüber, das Ziel der Initiative bestehe darin, Werkzeuge für Forschende in der Mathematik und den Naturwissenschaften bereitzustellen.
Geteilte Reaktionen in der Wissenschaftsgemeinschaft
Die Veröffentlichung stieß in der Fachwelt auf ein geteiltes Echo. Während Levent Alpöge vom KI-Unternehmen Anthropic das Ereignis als den bedeutendsten Moment in der Geschichte der Mathematik einstufte, fielen die Reaktionen vieler universitärer Mathematiker ablehnend aus. Ursula Martin von der Universität Oxford verglich die Publikation mit dem Vorwerfen eines unordentlichen ersten Entwurfs.
Michael Harris von der Columbia University verweigerte jede inhaltliche Beschäftigung mit dem Material. Die Association for Human Mathematics wies OpenAIs Darstellung zurück, der Schritt nütze dem Fachgebiet – eine Einschätzung, die auch Terence Tao teilte, der vor einem Rückgang von Seminaren und Kooperationen warnte.
Hugo Duminil-Copin, Träger der Fields-Medaille von 2022, berichtete am 8. Oktober 2026 in einer Videokonferenz der Société Mathématique de France, er habe nach der Veröffentlichung geweint und empfinde sein gesamtes Forschungsfeld als ausgelöscht. Zu seinem Arbeitsgebiet hatten OpenAIs Agenten 13 Arbeiten vorgelegt; er kündigte an, die über 3.500 Seiten an generiertem Text nicht lesen zu wollen.
Tristan Buckmaster von der New York University warnte davor, dass der Schritt Karrieren von Nachwuchsforschern beschädige. Nisheeth Vishnoi gab zu bedenken, dass Vertrauen in der Mathematik auf persönlicher Urheberschaft beruhe, die Verifizierung unbekannter Beweise jedoch Tage bis Wochen in Anspruch nehme.