OpenAI löst drei Probleme, hält aber einen Beweis zurück

Am Abend des 26. Oktober 2026 hat OpenAI etwas verkündet, das die wissenschaftliche Welt bis heute in Aufruhr versetzt: Drei fundamentale Probleme der Grundlagenforschung seien gelöst. Ein Beweis aus der theoretischen Physik, einer aus der Mathematik und einer aus der Informatik. Was das Unternehmen dabei jedoch nicht gleichzeitig getan hat, ist, alle Beweise offenzulegen. Einer bleibt streng geheim. Das ist der eigentliche Skandal in dieser Geschichte.

Manon Bischoff, die den Vorgang bei Spektrum der Wissenschaft dokumentiert, beschreibt die Situation als einen bewussten Testlauf. OpenAI will herausfinden, wie man KI-generiertes Wissen am besten mit der Welt teilt. Drei Probleme, drei verschiedene Strategien. Das klingt weniger nach Wissenschaft, mehr nach einem riesigen A/B-Test für die Zukunft der Forschung. Und genau das macht die Sache so gefährlich spannend.

Der geheime Beweis als Testfall

Warum versteckt OpenAI einen Beweis? Das Unternehmen bezeichnet die Manuskripte als Forschungsrohdaten, die erst noch verstanden werden müssten. Das ist eine bemerkenswerte Formulierung. Es heißt nicht, die Beweise seien unvollständig, sondern dass sie fremd sind. KI-Modelle generieren Ergebnisse, deren Logik sich nicht immer linear dem menschlichen Verständnis öffnet. Die Rohdaten sind da, aber die Brücke zur Anschauung fehlt noch.

Diese Zurückhaltung ist kein Zufall, sondern Teil der Strategie. Indem OpenAI einen Beweis zurückhält, zwingt es die wissenschaftliche Gemeinschaft, mit Transparenzdefiziten umzugehen, die früher nur bei experimentellen Daten vorkamen. Jetzt betrifft es theoretische Beweise. Das verändert die Machtverhältnisse in der Forschung grundlegend.

Die Exponentialzeit-Hypothese fällt

Das Informatik-Ergebnis ist der konkreteste Teil der Ankündigung. OpenAI behauptet, die Exponentialzeit-Hypothese (ETH) widerlegt zu haben. Diese Annahme besagt, dass das Erfüllbarkeitsproblem der Aussagenlogik, kurz SAT, im schlimmsten Fall exponentiell lange Rechenzeit braucht. Jede zusätzliche Variable verdoppelt die Möglichkeiten. Bei 100 Variablen spricht man von einer Zahl mit 31 Stellen.

Laut OpenAI ist das SAT-Problem eng mit dem P-NP-Problem verwandt. Die berühmte Frage lautet: Wenn sich eine Lösung schnell überprüfen lässt, lässt sie sich dann auch schnell finden? Bei SAT ist das Überprüfen trivial, das Finden ist der Hammer. Ein schnelles Verfahren dafür würde Tausende offene Probleme in der Informatik auf einen Schlag lösen. Die Widerlegung der ETH wäre daher nicht einfach ein Ergebnis, sondern ein Erdbeben.

Lean als automatischer Prüfer

Um die mathematischen und informatischen Beweise zu validieren, hat OpenAI sie in die Programmiersprache Lean übertragen. Lean ist ein formales Verifikationswerkzeug, das jeden einzelnen Schritt eines Beweises maschinell nachprüft. Das klingt nach absolute Sicherheit. Ist es aber nicht.

Lean prüft nur, ob der Beweis die Aussage belegt, die in Lean formuliert wurde. Ob diese formulierte Aussage wirklich das gemeinte Problem beschreibt, muss ein Mensch klären. Die Maschine kann rechnen, aber sie kann nicht interpretieren. Hier liegt die Schwachstelle aller KI-generierten Mathematik. Die Übersetzung von natürlicher Sprache in formale Logik ist der kritische Schritt, und den macht noch immer der Mensch.

Hirten statt Gutachter

OpenAI hat externe Fachleute als Hirten engagiert. Das Wort ist bewusst gewählt. Es deutet auf eine Rolle hin, die über reine Überprüfung hinausgeht. Diese Experten begleiten die Ergebnisse, beraten das Unternehmen und entscheiden mit, wie und wann etwas veröffentlicht wird. Das ist ein völlig neues Modell der wissenschaftlichen Begleitung.

Früher haben Gutachter Artikel in Zeitschriften geprüft. Jetzt begleiten Fachleute den gesamten Prozess von der Generierung bis zur Veröffentlichung. Das ist proaktiver, aber auch risikobehafteter. Die Hirten sind keine neutralen Beobachter, sondern aktive Teilnehmer an einem Experiment, das OpenAI steuert. Die Machtverschiebung ist subtil, aber real.

Was bedeutet das für die Wissenschaft?

OpenAI testet nicht nur, ob KI Probleme lösen kann, sondern auch, wie man damit umgeht. Die drei verschiedenen Veröffentlichungsstrategien sind ein Experiment in Wissenschaftssoziologie. Wie akzeptiert die Gemeinschaft Ergebnisse, die nicht aus menschlicher Intuition, sondern aus neuronalen Netzen stammen? Wie viel Transparenz ist nötig, wie viel Vertrauen?

Die Antwort darauf wird nicht in den nächsten Tagen kommen. Aber die Frage ist jetzt auf dem Tisch, und sie ist nicht mehr zu ignorieren. Ob die Beweise halten, ob die ETH wirklich fällt, ob der geheime Beweis irgendwann ans Licht kommt, das wird die nächsten Jahre bestimmen. Was klar ist: Die alte Ordnung der Wissenschaft, in der jeder Beweis sofort öffentlich ist und jeder Schritt nachvollziehbar, ist damit nicht mehr unangefochten.