Am Ende blieb eine gewaltige Spur: 130 Milliarden Wörter und Zeichen, verteilt auf ungefähr 2,7 Millionen Nachrichten. Zehntausend KI-Agenten hatten gemeinsam gerechnet, Ansätze verworfen, neu angesetzt und Ergebnisse ausgetauscht. Nach 88 Stunden präsentierten sie die Lösung eines Problems, an dem Mathematiker seit fast einem Jahrhundert arbeiten – in Form eines Beweises.
So schildert OpenAI, wie seine Lösung des Navier-Stokes-Problems entstand. Am 8. September 2026 veröffentlichte das Unternehmen eine umfangreiche Herleitung samt Formalisierung im Beweisassistenten Lean. Die entscheidende Arbeit soll ein internes Modell geleistet haben, das nach Angaben von OpenAI deutlich leistungsfähiger ist als GPT-6 Astra. Damit erhebt das Unternehmen einen gewaltigen Anspruch: Es will eines der berühmten Millennium-Probleme der Mathematik gelöst haben. Recherchequelle: OpenAI
Warum ein Wirbel die Mathematik seit Jahrzehnten herausfordert
Die Navier-Stokes-Gleichungen beschreiben, wie Flüssigkeiten und Gase strömen. Sie stecken in Modellen für Wetter, Blutfluss und Flugzeugbau. Die offene Frage klingt zunächst harmlos: Bleibt eine Strömung, die glatt beginnt, für immer mathematisch wohlerzogen? Oder kann sie innerhalb endlicher Zeit eine Singularität entwickeln, einen Punkt also, an dem bestimmte Größen ins Unendliche wachsen?
Der Beweis von OpenAI soll die zweite Möglichkeit bestätigen. Im Zentrum steht ein Wirbel, der sich immer enger zusammenzieht und zugleich beschleunigt. Er wird dünner, länger und schneller, während seine Energie endlich bleibt. Eine solche Singularität wäre keine Explosion im Wasserglas, sondern der Moment, in dem das mathematische Modell an seine Grenze stößt.
Falls das Ergebnis der Prüfung standhält, wäre es ein historischer Einschnitt. Quanta Magazine bezeichnet es als den bislang bedeutendsten mathematischen Beweis, der von einem KI-System hervorgebracht wurde. Doch die Formalisierung in Lean setzt keinen Schlusspunkt. Der Computer kann feststellen, ob die einzelnen logischen Schritte korrekt aufeinander folgen. Menschen müssen darüber hinaus klären, ob die formal bewiesene Aussage tatsächlich dem ursprünglichen Problem entspricht. Recherchequelle: Quanta Magazine
Damit gilt für den möglichen Triumph weiterhin der übliche Vorbehalt gegenüber großen mathematischen Behauptungen. Zugleich wirft seine Entstehungsgeschichte eine zweite Frage auf. Sie betrifft nicht die Gleichungen, sondern die Bedingungen, unter denen der Beweis entstand.
Zehntausend Agenten im Wettlauf gegen die Zeit
Am 1. September hörten Mitarbeiter von OpenAI Gerüchte, zwei Millennium-Probleme könnten kurz vor ihrer Lösung stehen. Daraufhin ließ das Unternehmen sämtliche noch offenen Aufgaben von seinem neuen internen Modell bearbeiten. Zunächst widmeten sich kleinere Agentengruppen verwandten Fragen. Als sich Fortschritte bei den Euler-Gleichungen abzeichneten, verlagerte OpenAI den Großteil seiner Rechenleistung auf das Navier-Stokes-Problem. Rund zehntausend Agenten suchten nun gleichzeitig nach einem Beweis.
Am 5. September lag die Lösung vor. Für die anschließende Formalisierung in Lean waren weitere 17 Stunden nötig. Der Recheneinsatz kostete nach Angaben eines OpenAI-Mathematikers mehrere Millionen Dollar. Zum Vorschein kam dabei eine neue Größenordnung wissenschaftlicher Arbeit: nicht bloß ein besonders kluger Assistent, sondern industriell vervielfachte Denkarbeit. Während ein Forscher eine Hypothese prüft, können tausend Agenten gleichzeitig Varianten durchspielen. Ein Team braucht Monate; ein Konzern bündelt binnen Stunden gewaltige Rechenleistung.
Die Vorarbeit anderer Forscher und der Streit um Priorität
Die Gerüchte, die OpenAI auf das Problem aufmerksam gemacht hatten, gingen auf Tristan Buckmaster, Mathematikprofessor an der New York University, und Levent Alpöge, Mathematiker bei Anthropic, zurück. Beide forschten seit längerer Zeit an eng verwandten Strömungsproblemen. Dabei nutzten sie verschiedene Sprachmodelle, darunter Claude und OpenAIs Codex.
Gelöst hatten Buckmaster und Alpöge nicht das Navier-Stokes-Problem. Ihre Ergebnisse betrafen unter anderem die dreidimensionalen Euler-Gleichungen, also ein verwandtes Modell ohne Viskosität. Auch die entscheidende Forschungsrichtung ging nicht allein auf sie zurück. Die grundlegende Idee wiederum schreibt Buckmaster ausdrücklich Diego Córdoba und Luis Martínez-Zoroa zu, die über Jahre an Konstruktionen dieser Art gearbeitet hatten.
Die KI half dabei, diesen Ansatz weiterzuverfolgen. Am 15. August erhielten Buckmaster und Alpöge nach eigener Darstellung wichtige Ergebnisse; am 22. August war ein Euler-Beweis in Lean verifiziert. Verifiziert hieß allerdings noch lange nicht verständlich. Der erste von einem Sprachmodell erzeugte Entwurf sei außerordentlich schwer lesbar gewesen, berichtet Buckmaster. Deshalb wollten die beiden Forscher die Herleitung überarbeiten, bevor sie an die Öffentlichkeit gingen. Mathematik soll nicht nur stimmen. Sie soll auch erklären. Recherchequelle: Tristan Buckmaster
Doch genau diese Sorgfalt wurde plötzlich zum Wettbewerbsnachteil. Nachdem Informationen über die Fortschritte die Runde gemacht hatten, begann OpenAI seinen massiven Recheneinsatz. Buckmaster und Alpöge gerieten unter Druck, ihre noch nicht ausgearbeiteten Ergebnisse früher als geplant zu veröffentlichen.
Brisant ist Buckmasters Darstellung der anschließenden Gespräche mit OpenAI. Er berichtet von Vorschlägen für eine abgestimmte Veröffentlichung sowie von Auseinandersetzungen um die Frage, wer als Autor genannt werden sollte. OpenAI weist den Eindruck zurück, es habe sich an unveröffentlichten Beweisen der beiden Forscher bedient. Weder die eigenen Mitarbeiter noch die Agenten hätten vor der Veröffentlichung Einblick in deren konkrete Arbeit gehabt, erklärt das Unternehmen.
Eine Einschränkung räumt OpenAI dennoch ein: Es lasse sich nicht vollständig ausschließen, dass anonymisierte Daten aus der Nutzung seiner Produkte zur Verbesserung der Modelle beigetragen hätten. Konkrete Nutzerdaten seien für die Lösung nicht abgerufen worden. Zudem unterschieden sich die Beweise deutlich.
Wenn der Forschungsassistent zum Konkurrenten wird
Damit berührt der Streit unter Mathematikern eine Grundsatzfrage für die gesamte Forschung. Wissenschaftler geben einem KI-System selten nur sauber formulierte Aufgaben. In den Dialogen landen auch unfertige Ideen, Sackgassen, Literaturhinweise, Berechnungen und tastende Fragen, die verraten können, wo ein Durchbruch bevorsteht.
Der Anbieter dieses Werkzeugs verfügt zugleich über stärkere interne Modelle, Einblick in Nutzungsmuster und eine Recheninfrastruktur, die kein Universitätsinstitut nachbilden kann. Er verkauft also nicht nur die Spitzhacke, sondern betreibt zugleich die größte Mine – und kann jederzeit selbst graben.
Dass Gerüchte über fremde Fortschritte den Anstoß zum Navier-Stokes-Projekt gaben, bestreitet OpenAI nicht. Den daraus entstandenen Beweis betrachtet das Unternehmen jedoch als eigenständige Leistung seines Systems. Buckmaster wiederum sagt ausdrücklich, er wisse nicht, ob seine Daten verwendet wurden. Der Konflikt lässt sich daher nicht seriös auf den Vorwurf des Diebstahls verkürzen. Wired stellt vielmehr zwei gegensätzliche Sichtweisen darauf gegenüber, wie unabhängig der Durchbruch zustande kam und wie OpenAI mit den konkurrierenden Forschern umging. Recherchequelle: Wired
Folgenreich ist der Fall gerade wegen dieser Ungewissheit. Zum stillen Grundvertrauen in wissenschaftliche Werkzeuge gehörte bisher die Gewissheit, dass Mikroskop, Datenbank oder Taschenrechner nicht selbst um die Veröffentlichung konkurrierten. Ein KI-Labor hingegen kann gleichzeitig Dienstleister, Beobachter und Konkurrent in der Forschung sein.
Für Universitäten erwächst daraus ein unangenehmes Dilemma. Wer auf die leistungsfähigsten Systeme verzichtet, könnte den Anschluss verlieren. Wer sie intensiv nutzt, legt womöglich offen, woran er arbeitet und wie nah er einer Lösung gekommen ist. Selbst ohne direkten Zugriff auf vertrauliche Inhalte bleibt eine strukturelle Asymmetrie: Der Anbieter verfügt über Modelle und Rechenmittel, die seinen Kunden nicht zur Verfügung stehen.
Ein Wendepunkt für wissenschaftliche Anerkennung
OpenAI will den mit einer Million Dollar dotierten Preis nicht beanspruchen. Der eigentliche Gewinn wäre ohnehin ein anderer. Sollte der Beweis bestehen, hätte das Unternehmen demonstriert, dass sich eine vage Nachricht über einen möglichen Durchbruch mit genügend Rechenleistung binnen weniger Tage in ein eigenes Forschungsergebnis verwandeln lässt. Nature spricht von einem möglichen Wendepunkt für die Mathematik, verweist aber zugleich auf den Streit um die Herkunft der entscheidenden Forschungsrichtung. Recherchequelle: Nature
Der Fall könnte eine Epoche einleiten, in der wissenschaftliche Priorität neu verhandelt werden muss. Wer hatte die ursprüngliche Idee? Wer fand den letzten Beweisschritt? Wer stellte die Rechenleistung bereit? Und wem gebührt die Anerkennung, wenn zehntausend Maschinen in wenigen Nächten eine Ziellinie überqueren, der sich Menschen jahrelang angenähert haben?
Die Gleichungen beschreiben Strömungen. Im Konflikt dahinter geht es um etwas ähnlich schwer Fassbares: den Augenblick, in dem ein hilfreiches Werkzeug seine Rolle wechselt – und plötzlich neben seinem Nutzer am Schreibtisch sitzt.
Weiterführende Informationen
Quellenhinweis: Einzelne Fakten, Einschätzungen und Prognosen dieses Beitrags stützen sich auf Veröffentlichungen der nachfolgend genannten Unternehmen und Institutionen. Die Links dienen zugleich der weiterführenden Information.
ingenieur.de – 10.000 KI-Agenten lösen Navier-Stokes-Rätsel, wenn der Beweis hält
Der Fachbeitrag erklärt die Varianten C und D, die zulässige äußere Kraft und die Grenzen der Lean-Verifikation.
https://www.ingenieur.de/technik/fachbereiche/kuenstliche-intelligenz/10-000-ki-agenten-loesen-navier-stokes-raetsel-wenn-der-beweis-haelt/
Oliver Jessner – OpenAI will Navier-Stokes-Problem mit 10.000 KI-Agenten gelöst haben
Der Artikel beschreibt die parallele Suche, den Austausch zwischen Agentengruppen sowie den enormen Rechen- und Kommunikationsaufwand.
https://oliverjessner.at/blog/2026-09-09-openai-will-navier-stokes-problem-mit-10000-ki-agenten-geloest-haben/
The Decoder – „Warum würdest du deine Karriere ruinieren?“: OpenAI-Mitarbeiter soll Mathematiker eingeschüchtert haben
Der Beitrag rekonstruiert Buckmasters Darstellung des Prioritätsstreits und OpenAIs Antworten auf Fragen zu Codex-Daten, Autorschaft und Alpöges Rolle.
https://the-decoder.de/warum-wuerdest-du-deine-karriere-ruinieren-openai-mitarbeiter-soll-mathematiker-eingeschuechtert-haben/
