Warum der KI-Hype um die Millennium-Probleme mehr ist als eine Wettmarkt-Kurve

Die Wette ist groß: Auf Prognosemärkten wird inzwischen mit hoher Wahrscheinlichkeit darauf gesetzt, dass ein KI-System schon 2026 ein weiteres Millennium-Problem knackt. Im Feld der sechs noch offenen Fragen liegt die Birch-und-Swinnerton-Dyer-Vermutung vorn. P=NP rangiert am Ende.

Das ist mehr als eine schräge Tech-Schlagzeile. Es sagt etwas darüber aus, wie sich der Blick auf KI in der Spitzenforschung verschiebt. Die Debatte dreht sich nicht mehr nur um schnellere Literaturauswertung, bessere Tools oder Assistenz beim Coden. Gemeint ist hier die harte Kategorie: ein formal tragfähiger Beweis für eines der berühmtesten ungelösten Probleme der Mathematik.

Die Hürde ist extrem hoch. Für ein Millennium-Problem reicht kein cleverer Entwurf und kein Demo-Video. Es braucht einen Beweis, der fachlich standhält, öffentlich geprüft wird und am Ende anerkannt ist. Gerade deshalb ist die hohe Erwartung bemerkenswert. Sie zeigt, wie stark viele Beobachter KI inzwischen als ernsthaften Akteur in der mathematischen Forschung sehen.

Dass Birch und Swinnerton-Dyer als wahrscheinlichster Kandidat gehandelt wird, ist kein Zufall. Die Vermutung liegt tief in der Zahlentheorie und in der Struktur elliptischer Kurven. Das Feld ist technisch, stark formalisiert und in Teilen näher an jener Art symbolischer Arbeit, bei der maschinelle Systeme Fortschritte machen können. Das heißt nicht, dass die Aufgabe leicht wäre. Sie ist es ganz sicher nicht. Aber sie wirkt greifbarer als Probleme, die stärker von konzeptionellen Durchbrüchen leben.

P=NP landet dagegen folgerichtig hinten. Kaum eine offene Frage der Informatik ist so grundlegend und so widerständig. Wer P=NP oder eben nicht P=NP beweist, verschiebt das Fundament theoretischer Informatik. Ein solcher Durchbruch wäre nicht einfach die Summe vieler kleiner Optimierungen. Er würde eine neue Idee verlangen, an der Generationen gescheitert sind.

Genau da liegt der Unterschied. KI ist heute stark, wenn große Suchräume systematisch durchkämmt, formale Zusammenhänge geprüft und bekannte Methoden ungewöhnlich kombiniert werden müssen. Schwächer ist sie dort, wo völlig neue Begriffsrahmen entstehen. Die Marktpreise lesen sich deshalb auch als Urteil über die Art der Probleme, nicht bloß über den Zustand der Modelle.

Für die Mathematik wäre ein KI-Beweis ein Einschnitt. Nicht, weil Mathematiker überflüssig würden. Sondern weil sich der Arbeitsmodus ändert. Wenn Maschinen zentrale Teile der Beweisfindung übernehmen, verschiebt sich die Rolle des Menschen: mehr Steuerung, mehr Formalisierung, mehr Prüfung der Systeme und ihrer Zwischenschritte. Forschung würde technischer, kollaborativer und in Teilen auch abhängiger von Infrastruktur.

Für die KI-Branche wäre so ein Erfolg Gold wert. Ein allgemein anerkanntes Resultat auf Millennium-Niveau wäre ein viel härterer Leistungsbeleg als Benchmarks, Chatbot-Rankings oder Marketing um „Reasoning“. Es wäre ein Resultat, das außerhalb der eigenen Branche zählt. Genau deshalb hängt an solchen Wetten mehr als Mathematik. Es geht um Glaubwürdigkeit.

Man sollte die Zahl trotzdem nicht mit Gewissheit verwechseln. Prognosemärkte bilden Erwartungen ab, keine Beweise. Und bei hochspezialisierten Wissenschaftsfragen können sie leicht von Technik-Euphorie nach oben gezogen werden. Der Abstand zwischen einem beeindruckenden Forschungsprototyp und einem formal akzeptierten Millennium-Beweis ist brutal.

Trotzdem ist die Richtung klar. Die Vorstellung, dass KI in absehbarer Zeit an den härtesten offenen Problemen der Mathematik mitarbeitet oder sogar den letzten Schritt liefert, ist vom Rand ins Zentrum gerückt. Dass Birch und Swinnerton-Dyer höher gehandelt wird als P=NP, passt dazu: Die Märkte tippen nicht auf den größten Mythos, sondern auf das Problem, das maschineller Beweisarbeit am ehesten entgegenkommt.