Die Demokratisierung der Entdeckung: Amateure nutzen AI, um Erdős' Code zu knacken

Datum: 17. Januar 2026
Thema: AI in der Mathematik, Demokratisierung der Forschung
Schlüsselpersonen: Paul Erdős, Neel Somani, Thomas Bloom

In einer Entwicklung, die in der ansonsten eher geschlossenen Welt der akademischen Mathematik für Erschütterung sorgt, haben Amateur-Enthusiasten, bewaffnet mit fortgeschrittener künstlicher Intelligenz (artificial intelligence, AI), erfolgreich langjährige mathematische Vermutungen des legendären ungarischen Mathematikers Paul Erdős gelöst. Dieser Meilenstein, berichtet von New Scientist und durch kürzlich verifizierte Beweise bestätigt, markiert eine endgültige Verschiebung in der Landschaft wissenschaftlicher Entdeckungen: Die Eintrittsbarriere für Forschung auf hohem mathematischem Niveau wurde nicht nur abgesenkt — sie wurde durch KI-gestützte Schlussfolgerungsagenten faktisch demontiert.

Die unwahrscheinlichen Lösenden

Jahrzehntelang dienten die ungelösten Probleme, die Paul Erdős — der 1996 starb — hinterlassen hat, als Lackmustest für mathematische Einfallsreichtum. Erdős war berühmt dafür, Probleme zu stellen, die täuschend einfach zu formulieren, aber teuflisch schwer zu beweisen waren; oft hängte er kleine Geldpreise als scherzhafte Anreize an sie. Bis vor kurzem waren diese Probleme das exklusive Territorium von fest angestellten Professoren und Fields-Medaillengewinnern.

Die Ereignisse Anfang 2026 haben diese Hierarchie jedoch auf den Kopf gestellt. Amateurmathematiker, hier definiert als Personen außerhalb des traditionellen tenure-track-Systems der reinen Mathematik, haben begonnen, formal verifizierte Beweise für diese „Erdős-Probleme“ einzureichen.

Der prominenteste jüngste Erfolg betrifft Erdős Problem #397, eine Fragestellung zu zentralen Binomialkoeffizienten (central binomial coefficients), die Zahlentheoretiker jahrelang ratlos zurückließ. Die Lösung kam nicht aus einem Universitätsinstitut, sondern von einer Einzelperson, die ein kommerziell verfügbares AI-Modell namens GPT-5.2 nutzte, zusammen mit einem formalen Verifikationssystem (formal verification system) namens Aristotle.

Der AI–Mensch-Kollaborations-Workflow

Der Durchbruch liegt nicht darin, dass die KI „magisch“ die Antwort wusste, sondern in einem neuartigen Workflow, der die Schlussfolgerungsfähigkeit großer Sprachmodelle (große Sprachmodelle, large language model, LLM) mit formaler Beweisverifikation kombiniert. Dieser „neuro-symbolische“ Ansatz (neuro-symbolic) adressiert die historische Schwäche von LLMs in der Mathematik: ihre Tendenz, plausibel klingende, aber falsche Logik zu halluzinieren.

Die von diesen neuen Mathematiker:innen angenommene Methodik folgt im Allgemeinen einem Dreischritte-Prozess:

1. Konzeptionelles Denken: Der menschliche Nutzer fordert die KI (z. B. GPT-5.2 oder Claude) auf, hochrangige Strategien für den Beweis zu generieren.
2. Formale Übersetzung: Die KI übersetzt diese Strategien in eine formale Beweissprache, etwa Lean 4.
3. Automatisierte Verifikation: Ein spezialisierter „Verifier“-Agent (wie das Aristotle-System) kompiliert den Code. Wenn der Code ohne Fehler kompiliert, ist der Beweis mathematisch gültig, was die Notwendigkeit monatelanger Begutachtung zur Suche nach subtilen logischen Fehlern eliminiert.

Table: Traditional vs. AI-Assisted Mathematical Research

Eine Verschiebung der Fähigkeiten

Dieses Phänomen signalisiert eine Reifung der KI-Schlussfolgerung. Noch vor zwei Jahren hatten Modelle Probleme mit einfacher Arithmetik und konnten kaum die Logik eines Gymnasial-Geometriebeweises nachvollziehen. Heute zeigen Systeme die Fähigkeit, den „Suchraum“ abstrakter Mathematik mit einer Intuition zu navigieren, die der menschlichen ähnelt — und in einigen Fällen sie übertrifft.

Thomas Bloom, Mathematiker an der University of Manchester, hob die Bedeutung dieses Übergangs in einem Interview mit New Scientist hervor. Er bemerkte, dass die spezifischen Erdős-Probleme, die jetzt gelöst werden, vielleicht nicht die „Mount Everests“ des Fachs sind (wie die Riemannsche Vermutung), aber durchaus die „Alpen-Gipfel“, die früher erhebliche professionelle Expertise zum Erklimmen erforderten. Die Tatsache, dass KI Nicht-Fachleute jetzt zu diesen Gipfeln führen kann, deutet darauf hin, dass die „Schwelle des Denkvermögens“ für künstliche allgemeine Intelligenz (künstliche allgemeine Intelligenz, Artificial General Intelligence, AGI) in wissenschaftlichen Domänen überschritten wird.

Der „Aristotle“-Faktor

Ein Schlüsselbestandteil dieser jüngsten Siege ist das Aufkommen spezialisierter KI-Systeme wie Aristotle. Anders als allgemeine Chatbots ist Aristotle speziell darauf ausgelegt, zwischen natürlichen sprachlichen Ideen und formaler Logik zu vermitteln.

Als Neel Somani, ein quantitativer Forscher, Erdős Problem #397 anging, fragte er die KI nicht einfach nach der Antwort. Er nutzte die KI, um die Lücke zwischen seiner Intuition und den rigorosen Anforderungen formaler Beweise zu überbrücken. Die KI fungierte als „Super-Übersetzer“, der vage mathematische Vermutungen in unwiderlegbaren Code verwandelte. Diese Fähigkeit erlaubt es Amateuren, sich auf das „Was“ und „Warum“ eines Problems zu konzentrieren, während die KI das qualvolle „Wie“ der formalen Syntax übernimmt.

Auswirkungen auf die wissenschaftliche Gemeinschaft

Die Reaktion der Fachgemeinschaft war eine Mischung aus Skepsis und Staunen. Fields-Medaillengewinner Terence Tao hat sich bemerkenswerterweise mit diesen Entwicklungen auseinandergesetzt und verifizierte Beweise anerkannt, die von KI-Systemen erzeugt wurden.

Diese Demokratisierung bringt sowohl Chancen als auch Herausforderungen mit sich:

• Beschleunigung der Wahrheit: Der Rückstau ungelöster Vermutungen könnte schnell abgearbeitet werden und neue Bereiche der Mathematik freilegen, die über Jahrzehnte ins Stocken geraten sind.
• Die Ära des „Vibe Proof“: Es besteht die Sorge, dass sich die Mathematik vom Verstehen des Warum hin zum bloßen Wissen des Dass verschieben könnte, weil die Maschine es verifiziert hat. Die Verwendung formaler Sprachen wie Lean mildert dies jedoch, da sie ein Maß an Strenge erzwingt, das menschliche schriftliche Beweise oft übergeht.
• Bürgerwissenschaft 2.0 (Citizen Science 2.0): So wie Amateurastronomen Kometen entdecken, treten wir in eine Ära von „Bürgermathematikern“ (Bürgermathematiker, Citizen Mathematicians) ein, die bedeutende theoretische Arbeit ohne institutionelle Zugehörigkeit leisten können.

Fazit: Die Zukunft der kollaborativen Intelligenz

Die Lösung von Erdős' Problemen durch Amateure ist mehr als eine kuriose Nachricht; sie ist ein Vorbote der Zukunft wissensbasierter Arbeit. Bei Creati.ai sehen wir dies als die ultimative Bestätigung von Kollaborativer Intelligenz (Kollaborative Intelligenz, Collaborative Intelligence). Die KI hat den Menschen nicht ersetzt; sie hat die Absicht des Menschen verstärkt, seine blinden Flecken und rigorosen Schwächen ausgeglichen.

Da diese Werkzeuge zugänglicher werden, erwarten wir, dass die Definition von „Forscher“ sich ausweitet. Der nächste große Durchbruch in Physik, Biologie oder Informatik könnte durchaus nicht aus einem renommierten Labor stammen, sondern von einem neugierigen Kopf mit einem Laptop und einem mächtigen AI-Partner, der den Code des Universums eine Eingabeaufforderung (Prompt) nach der anderen knackt.