KI greift nach den größten Mathe-Rätseln: Welches Problem fällt als Nächstes?

Nach Navier-Stokes: Welches Millennium-Problem könnte KI als Nächstes lösen? Es sind Fragen, an denen einige der klügsten Köpfe der Mathematik seit Jahrzehnten arbeiten. Probleme, für deren Lösung jeweils eine Million Dollar ausgelobt wurden – und bei denen lange nicht einmal klar war, ob Computer jemals mehr sein würden als besonders schnelle Rechenmaschinen.

Diese Vorstellung gerät gerade ins Wanken.

Am 8. September 2026 veröffentlichte OpenAI einen mathematischen Beweis zum berühmten Navier-Stokes-Problem . Ein internes KI-System hatte eine Konstruktion gefunden, bei der die mathematischen Gleichungen einer zunächst ruhenden Flüssigkeit trotz glatter Ausgangsbedingungen in endlicher Zeit eine Singularität entwickeln. Vereinfacht gesagt: Die Gleichungen können unter bestimmten Bedingungen an einen Punkt geraten, an dem mathematische Geschwindigkeiten unbegrenzt anwachsen. OpenAI veröffentlichte neben dem Beweis auch eine formale Umsetzung im Beweissystem Lean.

Noch spannender ist allerdings, was danach geschah.

OpenAI erklärte wenige Tage später, man habe inzwischen „substantial progress“ – erhebliche Fortschritte – bei einem weiteren Millennium-Problem erzielt. Welches gemeint ist, verrät das Unternehmen bislang nicht.

Damit bekommt eine Frage plötzlich eine ganz neue Dringlichkeit: Welches der größten ungelösten Rätsel der Mathematik könnte als Nächstes fallen?

Sieben Rätsel für ein neues Jahrtausend Im Jahr 2000 wählte das Clay Mathematics Institute sieben besonders bedeutende mathematische Probleme aus. Für jede vollständige Lösung wurde ein Preisgeld von einer Million US-Dollar ausgelobt.

Eines davon, die Poincaré-Vermutung , löste der russische Mathematiker Grigori Perelman Anfang der 2000er-Jahre. Nun sorgt Navier-Stokes für den nächsten historischen Einschnitt.

Die aktuelle Übersicht des Clay Mathematics Institute führt nur noch fünf Aufgaben unter „Unsolved problems“ auf: die Hodge-Vermutung , die Birch-und-Swinnerton-Dyer-Vermutung , P versus NP , die Riemannsche Vermutung sowie Yang-Mills und die Masselücke . Bemerkenswert: Im Abschnitt „Solved problems“ steht derzeit weiterhin nur Poincaré. Die Website bildet damit die außergewöhnlich frische Situation rund um Navier-Stokes sichtbar noch im Übergang ab.

Eine Million Dollar gibt es ohnehin nicht einfach nach Veröffentlichung eines Beweises. Die Clay-Regeln verlangen unter anderem eine Veröffentlichung in einem qualifizierten Fachmedium, mindestens zwei Jahre Abstand und eine breite Akzeptanz innerhalb der weltweiten Mathematik-Community. OpenAI selbst hat angekündigt, den Preis für seine Arbeit nicht beanspruchen zu wollen.

Warum der Navier-Stokes-Erfolg so viel verändert KI konnte schon länger rechnen. Der entscheidende Sprung besteht darin, dass moderne Systeme zunehmend mathematische Strategien entwickeln, überprüfen und miteinander kombinieren .

2024 erreichten Googles AlphaProof und AlphaGeometry 2 bei Aufgaben der Internationalen Mathematik-Olympiade bereits Silbermedaillen-Niveau. 2025 löste eine fortgeschrittene Version von Gemini Deep Think fünf von sechs IMO-Aufgaben vollständig und erreichte offiziell Gold-Niveau. Anfang 2026 berichtete Google DeepMind zudem über KI-Systeme, die gemeinsam mit Forschenden bereits Ergebnisse auf wissenschaftlich publizierbarem Niveau erarbeitet hatten.

Der Abstand zwischen „schwierige Prüfungsaufgabe lösen“ und „offenes Problem der Weltmathematik lösen“ blieb dennoch riesig.

Navier-Stokes könnte nun genau diese Grenze verschoben haben.

OpenAI setzte dabei nicht einfach einen Chatbot vor eine Gleichung. Zahlreiche KI-Agenten verfolgten parallel unterschiedliche Ideen, überprüften Zwischenergebnisse und führten vielversprechende Ansätze zusammen. Für die Navier-Stokes-Arbeit wurden nach Angaben des Unternehmens rund 130 Milliarden Output-Tokens erzeugt. Nach ungefähr 88 Stunden stand die Konstruktion; die Formalisierung und Überprüfung in Lean benötigte weitere 17 Stunden.

Das erinnert weniger an einen einzelnen genialen Mathematiker – und mehr an ein virtuelles Forschungsinstitut, das niemals schlafen muss.

Kandidat Nummer eins: die Hodge-Vermutung Ein besonders faszinierender Kandidat ist die Hodge-Vermutung .

Sie beschäftigt sich vereinfacht gesagt mit der Frage, ob bestimmte abstrakte Strukturen komplizierter geometrischer Räume immer durch algebraisch beschreibbare geometrische Objekte erklärt werden können.

Das klingt ausgesprochen unhandlich – und ist es auch.

Bekannt ist die Vermutung in verschiedenen Spezialfällen. In höheren Dimensionen bleibt sie jedoch offen.

Gerade solche Probleme könnten zu den Stärken moderner mathematischer KI passen: riesige Mengen möglicher Konstruktionen untersuchen, ungewöhnliche Verbindungen zwischen Teilgebieten erkennen und anschließend versuchen, eine Vermutung entweder zu beweisen oder durch ein Gegenbeispiel zu widerlegen.

Dass derzeit öffentlich über Fortschritte bei Hodge spekuliert wird, ist interessant – aber nicht bestätigt . OpenAI hat lediglich erklärt, an einem weiteren Millennium-Problem erhebliche Fortschritte erzielt zu haben.

Ebenfalls spannend: Birch und Swinnerton-Dyer Nicht weniger interessant ist die Birch-und-Swinnerton-Dyer-Vermutung .

Sie verbindet zwei scheinbar unterschiedliche Welten: die rationalen Lösungen bestimmter Gleichungen – sogenannter elliptischer Kurven – und das Verhalten einer dazugehörigen mathematischen Funktion.

Elliptische Kurven sind keineswegs mathematische Dekoration. Sie spielen unter anderem in der Zahlentheorie und Kryptografie eine wichtige Rolle und waren auch für den Beweis von Fermats letztem Satz bedeutend.

Bemerkenswert ist zudem das Timing: Vom 21. bis 25. September 2026 veranstaltet das Clay Mathematics Institute in Oxford einen eigenen Forschungsworkshop zu aktuellen Fortschritten rund um Birch und Swinnerton-Dyer. Das bedeutet keineswegs, dass eine Lösung unmittelbar bevorsteht – zeigt aber, wie aktiv dieses Gebiet gerade ist.

Und was ist mit Riemann? Die berühmteste Kandidatin bleibt wohl die Riemannsche Vermutung .

Seit 1859 geht es dabei um ein erstaunliches Muster hinter der Verteilung der Primzahlen. Riemanns Vermutung besagt, dass alle sogenannten nichttrivialen Nullstellen der Zeta-Funktion auf einer bestimmten Linie in der komplexen Zahlenebene liegen.

Für unglaublich viele Fälle stimmt das. Ein allgemeiner Beweis fehlt trotzdem.

Computer können Milliarden oder Billionen Fälle überprüfen. Doch Mathematik verlangt mehr: Ein Beweis muss erklären, warum die Aussage immer gilt.

Gerade deshalb wäre ein KI-Durchbruch hier von enormer Bedeutung. Er würde nicht zeigen, dass eine Maschine besonders viele Fälle ausprobieren kann, sondern dass sie eine tiefere mathematische Struktur gefunden hat.

P versus NP und Yang-Mills bleiben gewaltige Brocken Dann wären da noch zwei Probleme, bei denen selbst ein konkreter Weg zur Lösung schwer auszumachen ist.

P versus NP fragt im Kern: Wenn sich die Richtigkeit einer Lösung schnell überprüfen lässt – lässt sich die Lösung dann auch immer schnell finden? Eine Antwort könnte unser Verständnis von Algorithmen, Optimierung und theoretischer Informatik grundlegend verändern.

Beim Yang-Mills-Problem treffen Mathematik und Quantenphysik aufeinander. Gesucht wird eine mathematisch rigorose Grundlage für eine Theorie, die in der Teilchenphysik längst ausgesprochen erfolgreich eingesetzt wird – einschließlich des Nachweises einer sogenannten Masselücke. Das Clay Institute betont selbst, dass dafür vermutlich grundlegende neue Ideen aus Mathematik und Physik nötig sein werden.

Gerade solche Probleme könnten deshalb weiterhin besonders schwer bleiben – auch für KI.

Die spannendste Veränderung betrifft vielleicht gar nicht die Preise Ob Hodge, Birch und Swinnerton-Dyer oder irgendwann Riemann als Nächstes fällt, lässt sich heute seriös nicht vorhersagen.

Etwas anderes zeichnet sich aber bereits ab.

Mathematiker bekommen Werkzeuge, mit denen sich Ideen parallel verfolgen, Gegenbeispiele suchen, Literatur durchforsten, Rechnungen automatisieren und sogar Beweise formal überprüfen lassen. Der eigentliche Fortschritt könnte deshalb weniger darin liegen, Menschen aus der Mathematik herauszudrängen, sondern darin, den Suchraum menschlicher Neugier gewaltig zu vergrößern .

Ein Mensch stellt vielleicht die ungewöhnliche Frage. Eine KI verfolgt zehntausend Varianten davon. Ein formaler Beweisassistent kontrolliert anschließend jedes Detail.

Aus Mathematik als einsamer Arbeit am Schreibtisch könnte zunehmend Mathematik als Zusammenarbeit zwischen menschlicher Intuition und maschineller Ausdauer werden.

Und vielleicht ist genau das die gute Nachricht hinter dieser Entwicklung: Einige Fragen, die seit Generationen als nahezu unangreifbar galten, sehen plötzlich wieder aus wie das, was Wissenschaft im besten Fall ausmacht – offene Türen .