KI am Millionenproblem: Was sich gerade in der Mathematik verschiebt

Seit fast zwei Jahrhunderten helfen die Navier–Stokes-Gleichungen dabei, Strömungen zu beschreiben. Ingenieure nutzen sie beispielsweise, um zu berechnen, wie Luft ein Flugzeug umströmt. Trotzdem war eine grundlegende Frage offen: Können diese Gleichungen unter zulässigen Bedingungen eine Bewegung hervorbringen, bei der die berechnete Geschwindigkeit nach endlicher Zeit jede Grenze überschreitet?

OpenAI, das Unternehmen hinter ChatGPT, hat dazu einen Beweis veröffentlicht. Das Manuskript konstruiert einen besonderen Fall: Eine anfangs ruhende Flüssigkeit wird durch eine eigens entworfene äußere Kraft bewegt. Die Geschwindigkeit wächst in einem schrumpfenden Bereich ohne obere Grenze. Die Kraft selbst bleibt dabei glatt und begrenzt. Nach Aussage der Autoren erfüllt dieser Fall eine der offiziellen Aufgabenstellungen des Navier–Stokes-Millenniumsproblems.

Das wäre ein außergewöhnliches Ergebnis: KI hätte geholfen, eine Grenze eines der wichtigsten mathematischen Modelle der Physik nachzuweisen. Um zu verstehen, was daran so groß ist, müssen wir zunächst zwei Dinge auseinanderhalten: eine reale Flüssigkeit und die Gleichungen, mit denen wir sie beschreiben.

Was die Gleichungen eigentlich tun

Stellen wir uns eine Landkarte aus Pfeilen vor. An jedem Ort zeigt ein Pfeil, wohin eine Flüssigkeit gerade fließt und wie schnell. Die Gleichungen beschreiben, wie sich diese Bewegung mit der Zeit verändert. Dabei wirken Druck, die Bewegung der Flüssigkeit selbst und ihre innere Reibung zusammen. Diese Reibung heißt Viskosität: Sie gleicht Geschwindigkeitsunterschiede benachbarter Bereiche aus.

Die Landkarte ist allerdings eine mathematische Idealisierung. Das Modell behandelt die Flüssigkeit als lückenlos zusammenhängendes Medium, das sich beliebig fein unterteilen lässt. Einzelne Moleküle kommen darin nicht vor. In der hier untersuchten Variante wird die Flüssigkeit außerdem nicht zusammengedrückt; ihre Dichte bleibt gleich.

Für viele praktische Fragen ist diese Beschreibung äußerst erfolgreich. Daraus folgt aber noch nicht, dass sie unter jeder mathematisch erlaubten Bedingung unbegrenzt lange eine glatte Lösung besitzt. Glatt bedeutet hier: Die Bewegung verändert sich ohne Sprünge und ohne unendlich scharfe Übergänge.

Die Forschungsfrage betrifft genau diese Reichweite. Sie lautet nicht, ob wir jeden Wirbel genau vorhersagen können. Auch eine schwer berechenbare, turbulente Bewegung kann überall endliche Geschwindigkeiten haben. Gesucht wird etwas Grundsätzlicheres: ein Fall, in dem eine zunächst glatte Bewegung innerhalb des Modells nicht für alle Zeiten glatt fortgesetzt werden kann.

Was „unendlich schnell“ hier bedeutet

Das neue Manuskript beschreibt eine solche Entwicklung. Ein Wirbelkern wird immer kleiner, während die größten Geschwindigkeiten immer weiter steigen. Vor einem bestimmten Zeitpunkt sind sie noch endlich. Je näher man diesem Zeitpunkt kommt, desto größer werden sie – ohne dass irgendeine endliche Höchstgeschwindigkeit sie insgesamt begrenzen könnte. Diesen Verlust einer glatten Lösung nennen Mathematiker eine Singularität.

Dass etwas in endlicher Zeit ohne Grenze wachsen kann, ist zunächst ungewohnt. Ein einfaches Zahlenbeispiel hilft: Teilt man eins durch die verbleibende Zeit bis zu einem festgelegten Zeitpunkt, wird das Ergebnis immer größer. Halbiert sich die Restzeit, verdoppelt sich der Wert. Dafür braucht man keinen unendlich langen Zeitraum. Dieses Rechenbeispiel erklärt nur, was „unbeschränkt in endlicher Zeit“ bedeutet; der Strömungsbeweis muss zusätzlich die viel schwierigeren Bewegungsgleichungen erfüllen.

Besonders überraschend ist, dass die gesamte Bewegungsenergie im konstruierten Fall begrenzt bleibt. Das ist kein Widerspruch: Ein örtlicher Spitzenwert und eine Summe über das ganze Gebiet sind verschiedene Größen. Sehr hohe Geschwindigkeit in einem entsprechend kleinen Bereich verlangt nicht automatisch unbegrenzte Gesamtenergie.

Es wächst hier auch nicht die Massendichte. Der Befund beschreibt deshalb keinen Kollaps von Materie zu einem schwarzen Loch. Er zeigt vielmehr, wie weit die idealisierten Gleichungen mathematisch reichen. Was eine reale Flüssigkeit unter extremen Bedingungen tatsächlich tun würde, ist eine zusätzliche physikalische Frage. Aus dem konstruierten Fall folgt nicht, dass beim Umrühren eines Getränks ein solcher Vorgang auftritt.

Warum ein einziger Sonderfall genügt

Man könnte einwenden: Eine eigens entworfene Strömung ist doch etwas anderes als Wasser im Alltag. Das stimmt – und trotzdem kann sie die mathematische Frage entscheiden. Wer behauptet, eine bestimmte Eigenschaft gelte für sämtliche erlaubten Fälle, muss auch die ungewöhnlichen einschließen. Ein vollständig nachgewiesener Gegenfall genügt, um diese Allgemeinheit zu widerlegen.

Die eigentliche Schwierigkeit liegt im Wort „erlaubt“. Es wäre leicht, eine Unendlichkeit von außen hineinzustecken und sie anschließend in der Bewegung wiederzufinden. Die Konstruktion muss stattdessen zeigen, dass Anfangszustand und äußere Kraft die verlangten Bedingungen erfüllen und die problematische Entwicklung trotzdem aus den Gleichungen folgt.

Das Clay Mathematics Institute, eine gemeinnützige Einrichtung zur Förderung mathematischer Forschung, hat die zulässigen Aufgabenvarianten genau festgelegt. Ein Gegenbeispiel mit geeigneter glatter äußerer Kraft gehört ausdrücklich dazu. OpenAI bezieht sich auf diese Varianten, bezeichnet als C und D. Die ebenso wichtige Frage nach der Entwicklung ohne äußere Kraft ist damit nicht entschieden. Auch handelt es sich nicht um die Strömung in einem Glas mit festen Wänden; die offizielle Aufgabe verwendet andere räumliche Bedingungen.

Diese Unterscheidungen sind der Inhalt des Ergebnisses. Sie sagen uns, welche Tür geöffnet wurde und welche noch geschlossen ist.

Wie KI aus einer Suche einen Beweis macht

Nach OpenAIs Darstellung arbeiteten rund 10.000 KI-Agenten gleichzeitig an der Suche. Ein internes, gegenüber GPT-6 Astra leistungsfähigeres Modell lieferte die Lösung nach etwa 88 Stunden; anschließend folgten rund 17 Stunden für die Formalisierung mit Astra. Codex führte Zwischenergebnisse zusammen. Diese Angaben stammen vom Unternehmen.

Die KI hat demnach nicht bloß eine Strömung simuliert und darin einen verdächtigen Wirbel entdeckt. Eine Simulation berechnet ausgewählte Zeitpunkte mit endlicher Genauigkeit. Ein Beweis muss begründen, weshalb das behauptete Verhalten tatsächlich aus den Voraussetzungen folgt. Gerade die Aussage, dass etwas jede endliche Grenze überschreitet, lässt sich nicht durch das bloße Anzeigen einer besonders großen Zahl ersetzen.

Zusammen mit dem Manuskript wurde eine Fassung für Lean veröffentlicht. Lean ist ein System zur formalen Prüfung mathematischer Schlussketten. Der Ansatz trennt das Finden eines Arguments von dessen regelgebundener Kontrolle. Ein KI-Modell darf bei seiner Suche unzählige falsche Wege einschlagen; entscheidend ist, ob am Ende eine gültige Schlusskette steht.

Andere können nun sowohl diese Kette als auch die genaue Formulierung des bewiesenen Satzes untersuchen. Beides zählt: Ein formal korrekter Beweis müsste dennoch die tatsächlich gestellte Frage treffen. Turing Complete hat die veröffentlichten Aussagen mit der Clay-Aufgabe abgeglichen, den umfangreichen Beweis aber nicht selbst vollständig mathematisch überprüft oder in Lean ausgeführt.

Der größere Durchbruch

Clay hat für das Problem eine Million Dollar ausgelobt. Eine Preisvergabe verlangt unter anderem eine qualifizierende Veröffentlichung, mindestens zwei Jahre Abstand und breite fachliche Anerkennung. OpenAI erklärt, den Preis nicht beanspruchen zu wollen. Ein öffentlich vorgelegter Beweis und seine abschließende Anerkennung sind also verschiedene Schritte.

Für KI ist die interessantere Aussicht ohnehin größer als das Preisgeld. Bisher konnte man ein Sprachmodell fragen, wie ein bekannter Beweis funktioniert. Hier geht es darum, einen Beweis zu finden, den zuvor niemand vorgelegt hatte – und ihn so aufzuschreiben, dass andere ihn kontrollieren können.

Für die Strömungslehre wäre der Gewinn eine präzisere Kenntnis ihres mathematischen Fundaments. Für die KI-Forschung wäre es ein Beispiel dafür, dass Maschinen nicht nur vorhandenes Wissen zugänglich machen, sondern neues erschließen können. Das Faszinierende ist dabei gerade die Verbindung: eine offene Suche mit einem Ergebnis, dessen Gültigkeit sich nicht nach der Überzeugungskraft des Erzählers richtet.

Stand: 10. September 2026.