Ein Modell von OpenAI könnte ein mathematisches Problem gelöst haben, das Forscherinnen und Forscher seit Jahrzehnten beschäftigt.
Ein dreiseitiges Paper, das auf der offiziellen Content-Delivery-Plattform von OpenAI bereitgestellt wird, beansprucht, die sogenannte Cycle Double Cover Conjecture bewiesen zu haben – ein seit Langem offenes Problem der Graphentheorie. Dem Manuskript zufolge stammt der Beweis vollständig von GPT-5.6 Sol Ultra; Codex und GPT-5.6 Sol halfen dabei, das Ergebnis in eine ausformulierte Fassung zu überführen.
Das ist ein weitreichender Anspruch. Sollte die Fachwelt den Beweis bestätigen, wäre das ein Indiz dafür, dass fortgeschrittene KI-Systeme mehr leisten können, als nur bestehende Forschung zu komprimieren oder Rechenarbeit zu übernehmen. Sie könnten in der Lage sein, eigenständige mathematische Argumente zu entwickeln, die stark genug sind, um Probleme zu lösen, an denen Menschen seit Jahren oder gar Jahrzehnten scheitern.
Vorerst handelt es sich aber lediglich um einen behaupteten Beweis – nicht um einen allgemein anerkannten Durchbruch.
Was hat die KI angeblich gelöst?
Die Graphentheorie untersucht Netzwerke in mathematischer Form.
Ein Graph lässt sich als eine Menge von Punkten vorstellen, die über Linien miteinander verbunden sind. Die Punkte können etwa Menschen, Rechner, Städte oder andere Objekte repräsentieren; die Linien stehen für Beziehungen oder Verbindungen zwischen ihnen.
Die Cycle Double Cover Conjecture fragt, ob sich jedes zusammenhängende Netzwerk ohne „kritischen“ Einzelknoten – also ohne Punkt, dessen Entfernen das Netzwerk zerschneidet – durch eine Menge von geschlossenen Schleifen überdecken lässt, sodass jede Verbindung genau zweimal in diesen Schleifen vorkommt.
Das klingt abstrakt, das Problem ist aber seit Jahrzehnten offen und mit namhaften Mathematikern wie William Tutte, George Szekeres und Paul Seymour verknüpft.
Für bestimmte Klassen von Graphen wurde die Vermutung bereits bewiesen, jedoch nie in voller Allgemeinheit.
Das neue, von OpenAI gehostete Paper beansprucht nun, genau diese Lücke zu schließen.
Die Grundidee hinter dem Beweis
Das Argument des Papers ist hochgradig technisch, die grobe Strategie lässt sich jedoch skizzieren.
Zunächst wird das Problem auf eine einfachere Klasse von Netzwerken zurückgeführt, in denen jeder Punkt genau drei Verbindungen besitzt – sogenannte kubische Graphen.
Anschließend nutzt das Modell ein etabliertes Werkzeug der Graphentheorie, einen sogenannten „Flow“, um den Verbindungen des Netzwerks Kennzeichnungen zuzuweisen. Diese Markierungen werden so umstrukturiert, dass die Kanten des Graphen auf natürliche Weise geschlossene Zyklen bilden.
Zentrale Bedingung ist, dass jede Verbindung in genau zwei dieser Zyklen auftaucht.
Laut Paper lassen sich verbleibende Unstimmigkeiten zwischen verschiedenen Teilen des Netzwerks mithilfe linearer Algebra bereinigen. Ist dieses Konsistenzproblem gelöst, ergibt sich die vollständige Zyklendeckung.
Vereinfacht gesagt scheint die KI mehrere bekannte mathematische Werkzeuge aufgegriffen, neu miteinander verknüpft und so eingesetzt zu haben, dass sich über jedes zulässige Netzwerk die geforderte Struktur von Schleifen legen lässt.
Warum das für KI bedeutsam wäre
KI-Systeme werden heute bereits breit eingesetzt – vom Programmieren über Marktanalysen bis hin zu Research-Summaries und Unterstützung in den Naturwissenschaften.
Einen wesentlichen mathematischen Vermutungssatz zu beweisen, spielt jedoch in einer anderen Liga.
Ein korrekter Beweis muss in jedem einzelnen Fall funktionieren, den der Satz umfasst. Es reicht nicht, plausibel zu klingen oder in ein paar Beispielen zum richtigen Ergebnis zu führen.
Auch lesenswert: Anthropic Q3-Gewinn soll vor Börsengang die Marke von 1 Mrd. Dollar knacken
Mathematik gilt deshalb als einer der klarsten Tests dafür, ob ein KI-System tatsächlich zuverlässig schlussfolgern kann – oder nur wahrscheinlich wirkende Formulierungen erzeugt.
Sollte der Beweis tragen, wäre das ein Hinweis darauf, dass Spitzenmodelle in der Lage sind, etabliertes Wissen zu neuartigen, tragfähigen Argumenten zu kombinieren.
Die Folgen würden weit über die Graphentheorie hinausreichen. Vergleichbare Systeme könnten perspektivisch helfen, harte Probleme in Physik, Kryptographie, Informatik oder Ökonomie zu adressieren.
Die eigentliche Bewährungsprobe beginnt erst
Dass das Manuskript auf einer von OpenAI kontrollierten Domain liegt, verleiht dem Dokument zwar eine höhere Herkunftssicherheit als ein anonymer Upload – korrekt macht das den Beweis aber noch lange nicht.
In dem Papier tauchen keine namentlich genannten menschlichen Autoren auf, es gibt keine Hinweise auf ein Peer-Review-Verfahren und keine Kommentare unabhängiger Graphentheoretiker.
Das ist bedeutsam, weil prominente mathematische Probleme regelmäßig vermeintliche Lösungen anziehen, die sich später als fehlerhaft erweisen.
Ein Beweis kann auf den ersten Blick elegant wirken und dennoch scheitern – etwa weil ein Schritt eine Annahme trifft, die nicht immer erfüllt ist, einen Spezialfall übersieht oder einen bekannten Satz in unzulässiger Allgemeinheit verwendet.
Der nächste Schritt ist daher die unabhängige Überprüfung.
Fachleute müssen jede Reduktion nachvollziehen und bestätigen, dass das linearalgebraische Argument für alle brückenlosen Graphen greift, die von der Vermutung erfasst werden.
Parallel könnten Forscher versuchen, den Beweis in ein formales Beweissystem zu übertragen, in dem jeder logische Schritt softwareseitig verifiziert werden muss.
Behaupteter Durchbruch, kein gesichertes Faktum
Am nüchternsten lässt sich der Status derzeit so beschreiben: Ein OpenAI-Modell hat einen potenziell bedeutenden Beweis vorgelegt, der jedoch noch auf externe Validierung wartet.
Selbst wenn Expertinnen und Experten einen Fehler entdecken, könnte der Ansatz des Papers wertvoll bleiben – etwa, weil er neue Sichtweisen oder nützliche Reduktionen aufzeigt.
Hält der Beweis der Kontrolle jedoch stand, wäre die Tragweite deutlich größer.
Dann wäre ein KI-System nicht nur als Assistenzwerkzeug aufgetreten, sondern würde die Urheberschaft für die Lösung eines Problems beanspruchen, das Generationen von Mathematikern offengelassen hatten.
Die Geschichte lautet daher derzeit nicht, dass KI die Cycle Double Cover Conjecture endgültig gelöst hat.
Sie lautet, dass KI dies möglicherweise geschafft haben könnte – und die mathematische Community nun klären muss, ob das Modell tatsächlich einen gültigen Beweis „gekocht“ hat oder eine der beeindruckendsten Scheinlösungen seiner Zeit produziert hat.
Weiterlesen: China verhandelt mit Alibaba und ByteDance über Beschränkung von KI-Modell-Exporten