Am 26. Oktober 2026 kündigte OpenAI drei Ergebnisse an, die von seinen Modellen in Mathematik, Informatik und Physik erzielt wurden. Darunter ist eine theoretisch weitreichende Behauptung: ein Algorithmus, der die Exponentialzeithypothese (ETH) widerlegen würde, eine 1999 vorgeschlagene Annahme, die bedingte Härteergebnisse in Hunderten von Arbeiten stützt. Stunden später veröffentlichte Anthropic eine eigene Widerlegung desselben Problems, die einem internen Claude-Modell zugeschrieben wird.
Entscheidend ist die genaue Einordnung: Es handelt sich um eine Behauptung der Labore, nicht um ein bereits von der wissenschaftlichen Gemeinschaft bestätigtes Ergebnis. Keiner der beiden Beweise hat bisher ein vollständiges Peer Review oder eine veröffentlichte unabhängige Überprüfung durchlaufen. OpenAI beschreibt seine Manuskripte als Rohdaten der Forschung, die erst noch in wissenschaftliches Verständnis umgewandelt werden müssen.
Was ist die Exponentialzeithypothese
Vereinfacht gesagt besagt die ETH, dass das logische Problem 3-SAT im schlimmsten Fall nicht in subexponentieller Zeit gelöst werden kann. Beide Labore behaupten, deterministische Algorithmen gefunden zu haben, die die erfüllenden Belegungen von Formeln in subexponentieller Zeit zählen, was die Hypothese — falls korrekt — umstoßen würde.
Berichten zufolge datieren beide Labore die zentrale Entdeckung auf denselben Tag, den 16. Oktober 2026. OpenAI gibt an, sein Ergebnis am Folgetag im Beweisassistenten Lean formalisiert zu haben, und Anthropic gibt an, sein internes Modell habe den Kernalgorithmus ohne menschliches Eingreifen mit etwa 14 Millionen Ausgabetokens gefunden, ebenfalls am 16. Oktober. Beide Lean-Formalisierungen wurden zusammen mit den Manuskripten auf GitHub veröffentlicht.
Wer prüft die Beweise
Die Überprüfung liegt bei externen Experten, die OpenAI „Shepherds“ nennt. Für die ETH wird die Gruppe von Russell Impagliazzo und Ramamohan Paturi von der University of California in San Diego — zwei der ursprünglichen Autoren der Hypothese — sowie Ryan Williams vom MIT geleitet. In einem offenen Brief stellten die drei klar, dass ihre Beteiligung nicht als Zertifizierung der Behauptung verstanden werden darf. Williams beschrieb Teile des OpenAI-Beweises als ungewohnt und argumentierte, dass die gesamte Gemeinschaft das Material gemeinsam prüfen müsse.
Praktische Wirkung: vorerst keine
Selbst wenn sich die Beweise bestätigen, ist die praktische Wirkung vorerst null. OpenAIs eigene Arbeit stellt Berichten zufolge fest, dass das Ergebnis die P-gegen-NP-Frage nicht direkt berührt und keine praktischen Algorithmen für NP-vollständige Probleme liefert. Auch Anthropics Arbeit weist Berichten zufolge darauf hin, dass die bewiesene Schranke die Brute-Force-Suche nur bei astronomisch großen Formeln übertrifft, ohne die in der Praxis verwendeten Solver zu verändern. OpenAI teilte den Prüfern laut TechCrunch außerdem mit, dass seine ersten Prüfungen keinen Bruch aktueller kryptografischer Systeme erkennen ließen.
Neben der ETH kündigte OpenAI zwei weitere Ergebnisse im selben Paket an: einen Beweis der lokalen Glättungsvermutung von Sogge in allen Dimensionen, mit Auswirkungen auf die Kakeya- und die Stein-Restriktionsvermutung, sowie mathematische Existenzergebnisse für vierdimensionale Quantenfeldtheorien, darunter die Quantenchromodynamik (QCD) und die reine Yang-Mills-Theorie. Das Physikmaterial wurde jedoch nicht vollständig veröffentlicht: Die von Nobelpreisträger David Gross geleitete Gruppe entschied sich, vor der Veröffentlichung eine eigene Interpretation zu verfassen — eine Entscheidung, die von einer Beratergruppe des Institute for Advanced Study öffentlich infrage gestellt wurde.
Der Fall markiert ein neues Kapitel der KI-gestützten Wissenschaft: Modelle erzeugen Beweiskandidaten in beispielloser Geschwindigkeit, doch die Validierung bleibt der Engpass — und diesmal findet sie öffentlich statt, wobei die ursprünglichen Autoren der Hypothese selbst die Prüfung leiten.
Quellen: WebProNews; Tech Times; CellCog; Dealroom; OpenAIs Mathematik-Repository auf GitHub; offener Brief der ETH-Diskussionsgruppe.
Bildnachweis: Wikimedia Commons, Autor Behnam Esfahbod. Diagramm der Komplexitätsklassen P, NP, NP-vollständig und NP-schwer, hier zur Veranschaulichung des theoretischen Kontexts verwendet — kein Material von OpenAI oder Anthropic.
Transparenz: Dieser Artikel wurde mit Unterstützung künstlicher Intelligenz erstellt und mit öffentlichen Beiträgen sowie Internetquellen abgeglichen. Behauptungen über die Beweise werden als Aussagen der Labore dargestellt, nicht als bereits validierte Ergebnisse. Konsultieren Sie vor dem Zitieren der Ergebnisse die Originalquellen.
Muse
