Hat OpenAIs KI eine 50 Jahre alte Mathe-Vermutung gelöst?

GPT-5.6 Sol Ultra legt einen Beweis für die 50 Jahre alte Cycle-Double-Cover-Vermutung vor

Markus Seyfferth

Autor Dr. Web

13. Juli 2026

5 Min. Lesezeit

Ein KI-Modell von OpenAI hat einen Beweis für ein mathematisches Problem vorgelegt, an dem Fachleute seit rund 50 Jahren scheitern. GPT-5.6 Sol Ultra hat dafür 64 Unteragenten parallel arbeiten lassen und weniger als eine Stunde gebraucht. Der Fall zeigt, wie weit autonome KI-Systeme inzwischen reichen, und wo ihre Grenze liegt.

drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen

GPT-5.6 Sol Ultra, das neue Spitzenmodell von OpenAI, hat in unter einer Stunde einen vollständigen Beweis für die sogenannte Cycle-Double-Cover-Vermutung ausgegeben.^[1] Diese Vermutung aus den 1970er-Jahren gilt in der Graphentheorie als eines der bekanntesten offenen Probleme. Hinter dem Tempo steckt kein einzelnes Modell, sondern ein ganzer Schwarm.

Das Wichtigste in Kürze

OpenAI hat am 10. Juli 2026 einen KI-generierten Beweis für die Cycle-Double-Cover-Vermutung veröffentlicht, ein seit rund 50 Jahren offenes Problem der Graphentheorie.
Das Modell GPT-5.6 Sol Ultra hat die Aufgabe in 64 parallele Unteragenten zerlegt und in unter einer Stunde gelöst.
OpenAI hat den verwendeten Prompt offengelegt, die Rechenkosten und die Zahl der Fehlversuche aber nicht genannt.
Der Beweis liegt als Fließtext vor, nicht in einer maschinell prüfbaren Form, und wurde bislang nicht unabhängig begutachtet.

Was hat die KI tatsächlich geleistet?

Pokal mit Formeln, blauer Schleife und Anhänger „? ungeprüft“ auf weißem Hintergrund — GPT-5.6 Sol Ultra beweist Cycle-Double-Cover-Vermutung mit 64 parallelen Unteragenten im Ultra-Modus in unter einer Stunde

GPT-5.6 Sol Ultra hat einen vollständigen Beweis für die Cycle-Double-Cover-Vermutung erzeugt und dafür im Ultra-Modus 64 Unteragenten parallel arbeiten lassen. Die Rechenzeit lag bei unter einer Stunde.

Der eigentliche Fortschritt liegt in der Arbeitsweise. Der Agenten-Schwarm: Im Ultra-Modus zerlegt Sol eine Aufgabe selbst in Teilprobleme, startet parallele Unteragenten und lässt diese sich während der Bearbeitung abstimmen, bevor die Ergebnisse zusammenlaufen.

Diese Bauweise ist auf drweb.de aus der Programmierung bereits bekannt. Vertrautes Muster: Schon in der Entwicklungsumgebung Codex steuert GPT-5.6 Sol Ultra eigene Unteragenten, und beim kontrollierten Marktstart von GPT-5.6 hat OpenAI die Modellfamilie zunächst nur ausgewählten Kunden geöffnet.

Das mathematische Problem selbst klingt harmlos. Kreise auf Graphen: Die Cycle-Double-Cover-Vermutung fragt, ob sich jeder brückenlose Graph so mit Kreisen überdecken lässt, dass jede Kante in genau zwei davon liegt. Der schwierigste Fall betrifft die sogenannten Snarks, eine Klasse besonders sperriger Graphen; formuliert haben das Problem unabhängig mehrere Mathematiker, darunter William Tutte und Paul Seymour.

Warum gilt der Beweis noch nicht als gesichert?

Der Beweis ist noch nicht unabhängig bestätigt: OpenAI hat ihn als Fließtext veröffentlicht, nicht in einer computerprüfbaren Form wie Lean oder Coq, und eine begutachtete Fachveröffentlichung steht aus.

In der Fachdiskussion wird eingewandt, dass ein plausibel aussehender KI-Beweis noch kein geprüfter Beweis ist. Formale Lücke: Ohne maschinelle Verifikation lassen sich beliebig viele überzeugend wirkende Fassungen erzeugen, von denen nur ein Teil trägt. Erste Fachleute haben einzelne Teilschritte durchgesehen und bislang keinen Fehler gemeldet, eine vollständige Begutachtung fehlt aber.

Offen bleibt auch der Aufwand. Kosten im Dunkeln: OpenAI hat zwar den Prompt geteilt, aber weder die Rechenkosten noch die Zahl der Fehlversuche genannt. Damit lässt sich nicht beurteilen, ob der Treffer die Regel oder der glückliche Einzelfall aus vielen Anläufen war.

Ein Muster zeichnet sich trotzdem ab. Vorlauf aus London: Googles DeepMind hat mit dem System AlphaProof bereits 2024 bei der Internationalen Mathematik-Olympiade Silbermedaillen-Niveau erreicht, allerdings mit formal geprüften Beweisen. Dass Sprachmodelle bei der reinen Ausgabe schneller sind als bei der Absicherung, belegt genau dieser Kontrast.

Ein KI-Beweis, den keine Maschine nachrechnen kann, ist ein Versprechen, keine Gewissheit. Für Entscheider zählt nicht, wie schnell ein Modell eine Antwort ausgibt, sondern wie zuverlässig sich diese Antwort prüfen lässt.
— Michael Dobler, Herausgeber Dr. Web

Parallele KI-Unteragenten im Ultra-Modus

< 1 Std.

Rechenzeit bis zum fertigen Beweis

~50 Jahre

So lange galt die Vermutung als offen

Unabhängige Begutachtungen bisher

Was belegt ist, was offen bleibt

Belegt

OpenAI hat Beweis und Prompt veröffentlicht. 64 Agenten haben in unter einer Stunde ein vollständiges Beweisdokument erzeugt.

Offen

Keine maschinelle Verifikation in Lean oder Coq, keine Peer-Review, keine Angabe zu Kosten und Fehlversuchen.

Was bedeutet das für Entscheider im DACH-Raum?

Für Unternehmen zählt die Lehre, KI-Ergebnisse bei wichtigen Entscheidungen grundsätzlich zu prüfen: Je autonomer ein System arbeitet, desto klarer muss die menschliche oder maschinelle Kontrolle danach geregelt sein.

Der Fall ist mehr als eine akademische Randnotiz. Verifikation zuerst: Ein System, das eigenständig 64 Agenten koordiniert, kann ebenso eine Bilanzanalyse oder einen Sicherheitsbericht erzeugen, der überzeugend klingt und trotzdem Fehler enthält. Die Prüfung gehört deshalb fest in den Arbeitsablauf.

Der EU AI Act verlangt für risikoreiche Anwendungen ohnehin menschliche Aufsicht. Haftung bleibt im Haus: Wer KI-Ausgaben ungeprüft übernimmt, trägt die Verantwortung für das Ergebnis selbst, unabhängig davon, wie fortschrittlich das Modell wirkt. Autonome KI-Systeme, die stundenlang an ganzen Projekten arbeiten, verschärfen diese Frage zusätzlich.

Zwei Maßnahmen helfen sofort. Kontrolle einbauen: Sinnvoll ist, für jede KI-gestützte Kernaufgabe eine feste Prüfinstanz zu benennen und jedes Ergebnis gegen eine unabhängige zweite Quelle zu spiegeln, ehe daraus eine Entscheidung wird. Den Prüfaufwand rechnet man dabei von Anfang an in die Kosten ein, gerade weil KI-Benchmarks immer weniger über die reale Zuverlässigkeit aussagen.

Für die Einordnung solcher Modelle lohnt der Blick auf die gesammelte KI-Berichterstattung von Dr. Web. Der Beweis von GPT-5.6 Sol Ultra bleibt bis zur unabhängigen Prüfung ein starkes Signal, aber noch kein abgeschlossenes Kapitel der Mathematikgeschichte.