AlphaProof Nexus und die Mathe-Frage, die für KI jetzt wirklich zählt

Wenn die Angaben stimmen, ist das mehr als eine hübsche Demo. DeepMinds AlphaProof Nexus soll 9 offene Erdős-Probleme und 44 Vermutungen zu Zahlenfolgen gelöst haben. Darunter zwei Fragen, die seit mehr als 50 Jahren offen waren.

Solche Meldungen klingen schnell nach dem üblichen KI-Reflex: große Zahl, großer Name, große Ansage. In der Mathematik ist die Schwelle aber höher. Dort zählt nicht, ob ein System eine plausible Antwort ausspuckt. Es zählt, ob aus dem Output ein belastbarer Beweis wird. Genau deshalb wäre dieser Schritt bemerkenswert.

Die Größenordnung allein ist schon auffällig. Im Umlauf ist die Zahl von 9 gelösten Fällen aus 353 öffentlichen Erdős-Problemen sowie 44 gelösten Fällen aus 492 OEIS-Vermutungen. Das ist kein flächiger Durchmarsch durch die Mathematik. Es ist ein Treffer in eng umrissenen, formal gut greifbaren Bereichen. Aber genau dort beginnt wissenschaftlicher Nutzen: bei Problemen, die präzise formuliert sind und sich hartnäckig gehalten haben.

Wichtig ist die Einordnung. Ein einzelner gelöster Fall kann Zufall, brute force oder ein geschicktes Ausprobieren sein. Mehrere Treffer über Problemfamilien hinweg sind etwas anderes. Dann stellt sich nicht mehr nur die Frage, ob ein Modell helfen kann. Dann geht es darum, ob daraus ein neues Werkzeug für Forschung wird.

Das wäre der eigentliche Sprung. Mathematische KI wurde lange daran gemessen, ob sie bekannte Beweise nachbauen oder formale Systeme bedienen kann. Das ist nützlich, aber noch keine Forschung im starken Sinn. Sobald ein System offene Vermutungen knackt, verschiebt sich die Rolle: von Assistenz bei vorhandenen Ideen hin zu echter Hypothesen- und Beweisarbeit in Teilgebieten, die sauber formalisiert werden können.

Für Mathematiker heißt das nicht, dass die Maschine das Fach übernimmt. Eher das Gegenteil. Je stärker solche Systeme werden, desto wichtiger wird die menschliche Auswahl: Welche Probleme lohnen sich? Welche Beweismethoden tragen über den Einzelfall hinaus? Welche Resultate sind nur technisch, welche ändern den Blick auf ein Gebiet? KI kann Treffer liefern. Bedeutung entsteht erst durch Einordnung.

Für KI-Labore ist die Sache noch heikler. Mathematik taugt als Härtetest, weil sie wenig PR-Spielraum lässt. Entweder ein Beweis hält, oder er hält nicht. Wer hier Fortschritte zeigt, demonstriert mehr als Sprachgewandtheit. Er zeigt, dass Modelle in strengem Regelwerk neue Strukturen finden können. Das ist auch deshalb wichtig, weil genau diese Fähigkeit als Gradmesser für robustes maschinelles Schlussfolgern gilt.

Man sollte den Schritt trotzdem nicht größer machen, als er ist. Neun gelöste Erdős-Probleme sind kein Beweis dafür, dass allgemeine mathematische Kreativität automatisiert wurde. Es sagt erst einmal: In einem formal zugänglichen Ausschnitt der diskreten Mathematik wird KI ernst zu nehmen. Das reicht schon, um die Debatte zu verschieben.

Der interessante Teil folgt jetzt. Falls sich die Ergebnisse halten, wird der Druck auf andere KI-Gruppen steigen, ähnliche Systeme für theorem proving, Zahlentheorie und kombinatorische Probleme zu bauen. Und Mathematiker werden anfangen, solche Werkzeuge anders zu benutzen: weniger als Taschenrechner für Beweisschritte, mehr als Generator für neue Angriffswege.

Dann wäre AlphaProof Nexus nicht bloß eine Schlagzeile über neun alte Probleme. Sondern ein Hinweis darauf, dass KI in einzelnen Forschungsfeldern von der Antwortmaschine zum Mitspieler wird.