25 Preisträger der Fields-Medaille haben eine gemeinsame Erklärung veröffentlicht, in der sie explizit auf eine „ernste Divergenz der Ziele“ zwischen KI-entwickelnden Unternehmen und der mathematischen Gemeinschaft hinweisen. Das Dokument erschien am 11. September 2026 in Le Monde und im Blog von Terence Tao; zu den Unterzeichnern gehören Pierre Deligne, Peter Scholze, Maryna Viazovska, Manjul Bhargava, Yu Deng und andere. Die Erklärung entstand vor dem Hintergrund der jüngsten Ankündigungen von OpenAI über die Lösung des Navier-Stokes-Problems innerhalb von 88 Stunden mithilfe von Tausenden von Agenten und Millionen von Nachrichten.
Der Kern der Kritik liegt nicht darin, dass die KI Aufgaben löst, sondern darin, wie genau dies geschieht und welche Werte dabei gefördert werden. Die Mathematik schätzt traditionell nicht die bloße Tatsache einer Lösung, sondern das Verständnis von Strukturen, das Isolieren neuer Beiträge, die sorgfältige Prüfung, korrektes Zitieren und Zeit zur Reflexion. Unternehmen hingegen optimieren auf Geschwindigkeit und öffentliche Benchmarks: Je schneller ein Modell ein bekanntes Problem „löst“, desto höher ist seine Bewertung in den Augen von Investoren und Nutzern. Eine solche Beschleunigung zerstört nach Ansicht der Preisträger den „fruchtbaren Boden“ für neue Ideen und untergräbt den Prozess der Heranbildung von Studenten und der Entwicklung von Ideen.
Methodisch stützt sich die Erklärung auf Beobachtungen realer Vorfälle. Mathematiker stellen fest, dass KI-Systeme oft Lösungen ohne eine vollwertige schriftliche Darlegung, ohne die Hervorhebung des wirklich Neuen und ohne Berücksichtigung früherer Arbeiten liefern. Dies steht in direktem Zusammenhang mit den jüngsten Streitigkeiten um die Priorität bei Aufgaben, bei denen OpenAI angeblich Ergebnisse verwendete, die mithilfe von Modellen anderer Labore erzielt wurden, ohne die Urheberschaft angemessen anzugeben. Im Gegensatz zum traditionellen mathematischen Prozess, bei dem ein Beweis ein Peer-Review und Diskussionen in der Gemeinschaft durchläuft, lässt der maschinelle Ansatz wenig Raum für eine solche Reflexion.
Im Vergleich zu früheren Ansätzen der Integration von Rechenwerkzeugen in die Mathematik unterscheidet sich die aktuelle Situation durch das Ausmaß und den kommerziellen Druck. Früher wurden Computer zur Verifizierung oder zur Suche nach Gegenbeispielen eingesetzt, jedoch nicht für die Massenproduktion von „Lösungen“ bekannter Probleme in Rekordzeit. Die parallelen Bemühungen von Laboren wie DeepMind oder Anthropic konzentrieren sich ebenfalls auf Benchmarks, doch gerade OpenAI hat in den letzten Wochen das Narrativ eines „Durchbruchs“ bei den Millennium Prize Problems am aggressivsten vorangetrieben. Dies schafft eine Wettbewerbsdynamik, in der Geschwindigkeit zum Hauptvorteil wird und nicht die Tiefe des Verständnisses.
Die Folgen für das Fachgebiet sind offensichtlich: Wenn die Gemeinschaft beginnt, sich an maschinellen Lösungen als primärem Weg des Fortschritts zu orientieren, wird der Raum für langsame, aber fundamentale Arbeit schrumpfen. Studenten und junge Forscher könnten die Motivation für ein tiefgehendes Studium verlieren, da „Antworten“ bereits frei zugänglich sind. Zudem besteht das Risiko einer Verwässerung von Urheberschaft und Verantwortung – wer trägt die Verantwortung für einen Fehler in einem KI-Beweis, wenn dieser aus Tausenden von Fragmenten zusammengesetzt ist?
Die Erklärung leugnet nicht den Nutzen der KI für die Mathematik, unterstreicht jedoch die Notwendigkeit einer dringenden Diskussion über die Regeln der Interaktion. Die Preisträger rufen die mathematische Gemeinschaft, die Entwickler und die Gesellschaft insgesamt dazu auf, Mechanismen zu erarbeiten, die den Wert des konzeptionellen Verständnisses und des korrekten Zitierens bewahren. Ohne solche Mechanismen wird sich die Divergenz der Ziele nur noch verstärken und nicht nur die Mathematik, sondern auch andere Bereiche intellektueller Arbeit betreffen.
Die entscheidende Frage, die offen bleibt, ist, ob es der Gemeinschaft der Mathematiker gelingen wird, den KI-Entwicklern ihre Standards für Verifizierung und Urheberschaft aufzuerlegen, oder ob die kommerzielle Logik endgültig neu definieren wird, was in der Grundlagenforschung als „Fortschritt“ gilt.
