Anthropic-KI soll Grenze für Quantencomputer bewiesen haben
Quantencomputer sind kein pauschales Versprechen auf schnelleres Rechnen. Genau diese Grenze rückt eine neue Arbeit des Physik-Forschungs-Startups Physical Superintelligence (PSI) in den Mittelpunkt. Ein unveröffentlichtes KI-Modell von Anthropic soll dabei geholfen haben, die seit 2008 offene Aaronson-Ambainis-Vermutung zu lösen. Der gemeldete Beweis entstand in einem konzentrierten dreitägigen Rechenlauf und wurde mit dem interaktiven Theorembeweiser Lean formal verifiziert.
Die praktische Bedeutung liegt in der Eingrenzung des Quanten-Versprechens: Nach dem von PSI vorgestellten Ergebnis erlauben zufällige Eingaben ohne besondere Struktur keinen exponentiellen Geschwindigkeitsvorteil gegenüber klassischen Computern. Das wäre eine wichtige Grenze. Eine Absage an Quantencomputing insgesamt wäre es nicht. Die unabhängige akademische Begutachtung steht noch aus.
Der Vorteil hängt am Problem
Die Aaronson-Ambainis-Vermutung beschäftigt sich mit einer präzisen Frage: Können Quantencomputer bei zufälligen Daten ohne spezielle Struktur exponentiell schneller arbeiten als klassische Rechner? Das von PSI gemeldete Ergebnis verneint dies. Für einen solchen Vorsprung braucht es demnach passende Eigenschaften des Problems.
Der Unterschied ist wichtig. Aus dem Wort Quantencomputer allein lässt sich kein Geschwindigkeitsgewinn ableiten. Wer einen exponentiellen Vorteil in Aussicht stellt, muss erklären können, für welche Aufgabe und unter welchen Bedingungen er gelten soll. Die neue Arbeit würde diese Anforderung mathematisch schärfer fassen.
Daraus folgt aber keine Aussage, dass klassische Rechner bei jeder Aufgabe gleich schnell wären. Die gemeldete Grenze betrifft exponentielle Beschleunigungen auf Zufallseingaben. Sie lässt sich nicht zu einem allgemeinen Urteil über sämtliche Quantenalgorithmen oder Anwendungen ausweiten. Gerade bei einer so weitreichend klingenden Meldung zählt diese Einschränkung mehr als das Etikett Durchbruch.
Was PSI veröffentlicht hat
Das Papier von David Turturean von PSI und die zugehörige Lean-Formalisierung wurden am 6. November 2026 veröffentlicht. Nach den Angaben zur Arbeit kam dabei ein noch unveröffentlichtes Anthropic-Modell zum Einsatz. Der konzentrierte Rechenlauf dauerte drei Tage.
Diese Zeitangabe beschreibt den gemeldeten Lauf. Sie ist keine belastbare Angabe zum gesamten Aufwand hinter dem Forschungsprojekt. Ebenso wenig lässt sich daraus ableiten, dass ein öffentlich zugänglicher KI-Assistent dieselbe Aufgabe auf Zuruf erledigen könnte. Das eingesetzte Modell ist unveröffentlicht. Ein neues Produkt für Verbraucher ist diese Arbeit deshalb nicht.
Für die Bewertung der Quantencomputer-Grenze ist ohnehin das Ergebnis entscheidend: Trägt der Beweis die behauptete Aussage? Die kurze Laufzeit macht die Entstehung bemerkenswert. Sie ersetzt aber keine Prüfung dessen, was mathematisch gezeigt wurde.
Lean prüft den Beweis, die Fachprüfung folgt
Nach dem veröffentlichten Stand hat der formale Beweis die Prüfung durch Lean bestanden. Das ist mehr als eine plausibel formulierte Antwort eines Sprachmodells. Ein interaktiver Theorembeweiser prüft eine formalisierte Argumentation auf ihre logische Korrektheit.
Trotzdem sind formale Verifikation und unabhängige wissenschaftliche Begutachtung zwei verschiedene Schritte. Zur fachlichen Bewertung gehört auch, ob die formalisierte Aussage die beanspruchte Vermutung vollständig abdeckt und wie das Ergebnis einzuordnen ist. Die unabhängige akademische Peer-Review steht noch aus. Deshalb bleibt die Formulierung angemessen: PSI berichtet von einer Lösung, deren abschließende fachliche Bewertung noch offen ist.
Für Leser bedeutet das weder, den Beweis als bloße KI-Behauptung abzutun, noch ihn bereits als abschließend geklärten Forschungsstand zu behandeln. Die erfolgreiche Lean-Verifikation ist ein konkreter Prüfpunkt. Die ausstehende Begutachtung bleibt eine konkrete Einschränkung.
Kein schnellerer Alltag, aber präzisere Erwartungen
Für den Alltag bringt die Veröffentlichung zunächst keine neue Funktion. Sie macht weder den Rechner zu Hause schneller noch liefert sie einen Termin für praktische Quantenanwendungen. Ihr Nutzen liegt auf der Forschungsseite: Bestätigt sich das Ergebnis, lassen sich Erwartungen an exponentielle Beschleunigungen genauer auf passende Problemklassen begrenzen.
Bei Versprechen rund um Quantencomputing lohnt deshalb eine nüchterne Nachfrage: Welche Struktur hat die Aufgabe, die den großen Vorsprung ermöglichen soll? Ein pauschaler Verweis auf die Technik reicht nicht. Genau dafür liefert die gemeldete Lösung eine schärfere mathematische Grundlage.
Der Maßstab für diese Arbeit ist damit klar. Entscheidend ist, ob der Beweis die behauptete Grenze trägt. Bestätigt die Fachprüfung das Ergebnis, wäre besser beschrieben, wo die Suche nach großen Quanten-Vorteilen sinnvoll ist – und wo sie an eine mathematische Grenze stößt.
