OpenAI will die Exponentialzeit-Hypothese widerlegt haben und bittet Wissenschaftler um Prüfung

Zusammenfassung der Meldung

Am 26. Oktober 2026 (US-Ostküstenzeit) gab OpenAI drei neue Forschungsergebnisse bekannt, die von den internen KI-Modellen des Unternehmens erzeugt wurden: je eines in der Mathematik, der Informatik und der theoretischen Physik. Dazu stellte das Unternehmen einen neuen Plan vor, wie externe Wissenschaftler diese Ergebnisse prüfen und erklären sollen. Die zentrale Behauptung lautet, dass die Exponentialzeit-Hypothese – eine seit Langem bestehende Annahme darüber, wie schnell schwierige Berechnungsprobleme gelöst werden können – falsch ist. Die beiden anderen Ergebnisse betreffen einen Beweis zur Kakeya-Vermutung aus der Wellenanalyse sowie ein Existenzresultat für bestimmte Quantenfeldtheorien. Alle drei Aussagen befinden sich noch in der unabhängigen Überprüfung.

Die drei Ergebnisse

Das erste Ergebnis stammt aus der Mathematik. OpenAI veröffentlichte ein Manuskript, das Sogges Vermutung zur lokalen Glättung von Wellen in jeder Raumdimension beweist. Gizmodo berichtet, dass die Arbeit auch die Kakeya-Vermutung löst, ein Problem aus der Untersuchung von Wellen und Harmonischen. Das Manuskript wurde direkt veröffentlicht, damit Forschende es prüfen und eigene Erklärungen dazu verfassen können.

Das zweite Ergebnis betrifft die Informatik. Laut OpenAI hat sein System einen Beweis erbracht, dass die Exponentialzeit-Hypothese (ETH) falsch ist. Die ETH wird weithin als wahr angesehen und dient als Maßstab, um abzuschätzen, wie lange schwierige Probleme wie 3-SAT voraussichtlich zur Lösung benötigen. Nach Angaben von Dataconomy bildet sie die Grundlage für Hunderte von Arbeiten in Bereichen wie Datenbanken, Computerbiologie und Geometrie. Sollte sich die Widerlegung bestätigen, wären theoretisch schnellere Algorithmen für einige dieser Probleme möglich. Die Wissenschaftler, die die ETH ursprünglich aufgestellt haben, gehören zu den Experten, die gebeten wurden, die vom Modell erzeugte Arbeit zu prüfen.

Das dritte Ergebnis stammt aus der Physik. OpenAI beschreibt einen Beweis für bestimmte wechselwirkende Quantenfeldtheorien mit Eichfeldern und Fermionen in vier Dimensionen, darunter die Quantenchromodynamik (QCD), welche die starke Wechselwirkung beschreibt, sowie eine vereinheitlichte Vervollständigung des Standardmodells. Eine separate Expertengruppe prüft die physikalischen Inhalte und hatte zum Zeitpunkt der Berichterstattung noch nichts dazu veröffentlicht. Diese Gruppe entschied sich dafür, die von der KI erstellten Materialien zurückzuhalten und die Arbeit selbst schriftlich zusammenzufassen.

Ein neuer Weg der Zusammenarbeit mit der Wissenschaft

Neben den Ergebnissen erläuterte OpenAI, wie es diese veröffentlichen möchte. Das Unternehmen betont, dass es keine akademische Anerkennung für Entdeckungen seiner internen Modelle beansprucht. Es beschreibt die von den Modellen erzeugten Texte als etwas, das „am besten als eine Form von Rohdaten der Forschung“ zu verstehen sei, die mathematische und naturwissenschaftliche Fachgemeinschaften in wissenschaftliche Erkenntnisse überführen können.

Externe Experten – häufig Wissenschaftler, auf deren früheren Arbeiten die Modelle aufbauen – fungieren dabei als „Betreuer“. Jeder Betreuer stellt eine Gruppe zusammen, die die Ausgaben prüft und Erklärungen erarbeitet. Die Gruppenmitglieder erhalten Anerkennung für die von ihnen verfassten Texte und Materialien und sind dafür verantwortlich, dass in den Ergebnissen jene Forschenden, Techniken und Ideen genannt werden, auf die die Modelle zurückgegriffen haben. Einige Berichte besagen, dass die Informatik-Gruppe von Russell Impagliazzo und Ramamohan Paturi geleitet wird und dass OpenAI zugesagt hat, Rohdaten zu veröffentlichen und eine Konferenz zu finanzieren. Diese Details stammen aus Sekundärberichten und konnten nicht anhand der eigenen Seite von OpenAI bestätigt werden.

OpenAI räumte zudem eine Einschränkung dieses Ansatzes ein: Die Auswahl der ersten Betreuer bestimmt, wer frühzeitig eingebunden wird, und schafft eine Informationsasymmetrie. Das Unternehmen bat um Rückmeldungen, wie die Beteiligung breiter gefasst werden könnte. Ein Teil der Rohmaterialien ist auf GitHub verfügbar, jedoch nicht alles.

Kontext und Einschränkungen

Die Ankündigung folgt auf eine frühere Veröffentlichung Anfang Oktober 2026, als OpenAI Hunderte Seiten an Manuskripten auf GitHub bereitstellte. Die Berichte nennen entweder 377 mathematische Ergebnisse (Gizmodo) oder mehr als 700 Seiten zu 372 zentralen Problemen (Dataconomy). Gizmodo merkte an, dass der begleitende Blogbeitrag etwas defensiv wirkte und dass eine Beratergruppe, mit der OpenAI zusammengearbeitet hatte, kritisiert hatte, dass ein privates Unternehmen unveröffentlichte interne Modelle nutzt, um solche Durchbrüche zu erzielen.

Die Verifizierung ist weiterhin offen. Gizmodo berichtet, dass mathematische Ergebnisse in Lean, einem Beweisassistenten, formalisiert wurden, menschliche Prüfer der von OpenAI mit Lean verifizierten Lösung für ein Navier-Stokes-Problem jedoch Bedenken äußerten, Lean habe eine schwächere Aussage geprüft als die von OpenAI veröffentlichte. Ob die Widerlegung der ETH in Lean formalisiert wurde, wird in den Quellen unterschiedlich dargestellt. Die zugrunde liegenden Modelle sind nicht öffentlich zugänglich, weshalb externe Forschende nicht nachvollziehen können, wie die Ergebnisse entstanden sind. Keine der drei Behauptungen wurde bislang unabhängig bestätigt.

Bedeutung für die wissenschaftliche Bildung

Unabhängig davon, ob jede Behauptung einer Überprüfung standhält, zeigt dieser Vorgang, wie Forschung künftig aussehen könnte, wenn KI-Systeme Beweiskandidaten schneller hervorbringen, als Menschen sie lesen können. Das Prüfen, Erklären und Vermitteln der Ergebnisse wird ebenso wichtig wie deren Entdeckung. Für Studierende und Lehrende lautet die praktische Erkenntnis: Maschinell erzeugte Beweise benötigen weiterhin menschliches Verständnis, formale Werkzeuge wie Lean und offene Diskussionen, bevor sie als gesichertes Wissen gelten können.

Quellen

Diese Zusammenfassung stützt sich auf Berichte von Gizmodo (26. Oktober 2026, 20:13 Uhr US-Ostküstenzeit), Dataconomy (27. Oktober 2026) sowie auf Zusammenfassungen des OpenAI-Beitrags „Working with academic communities to build scientific understanding“. Der als Ausgangsreferenz genannte Artikel von The Verge konnte nicht abgerufen werden.