Eine Vermutung, an der die Mathematik seit 1939 gearbeitet hat, ist gefallen. Der Harvard-Mathematiker Levent Alpöge hat ein Gegenbeispiel veröffentlicht, das Anthropics Modell Claude Fable gefunden hat. Die eigentliche Lehre für Unternehmen steckt aber nicht im Ergebnis, sondern in der Prüfbarkeit.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Die Jacobi-Vermutung hat 87 Jahre lang jedem Beweisversuch standgehalten und ist nun an drei Zeilen Polynom gescheitert. Alpöge hat die Formeln vollständig veröffentlicht[1], sodass jeder sie nachrechnen kann.
Das Wichtigste in Kürze
- Ein von Claude Fable erzeugtes Polynom-Tripel widerlegt die seit 1939 offene Jacobi-Vermutung.
- Die Abbildung hat überall die Determinante −2 und schickt trotzdem drei verschiedene Punkte auf denselben Bildpunkt.
- Beide Eigenschaften lassen sich mit exakter Bruchrechnung in wenigen Zeilen Code überprüfen.
- Entscheidend ist die Asymmetrie: Ein Gegenbeispiel kostet Sekunden Prüfzeit, ein Beweis Monate.
Was genau ist da widerlegt worden?
Die Jacobi-Vermutung besagt, dass eine polynomiale Abbildung mit konstanter, von null verschiedener Funktionaldeterminante immer eine polynomiale Umkehrung besitzt. Alpöges Beispiel erfüllt die Voraussetzung, ist aber nicht einmal umkehrbar.
Drei Punkte, ein Ziel: Die veröffentlichte Abbildung bildet den dreidimensionalen komplexen Raum auf sich selbst ab und hat an jedem Punkt die Determinante −2. Trotzdem landen die drei verschiedenen Punkte (0, 0, −1/4), (1, −3/2, 13/2) und (−1, 3/2, 13/2) alle auf (−1/4, 0, 0).
Nachrechenbar: Die partiellen Ableitungen ergeben an jedem geprüften Punkt dieselbe Determinante −2, und die drei genannten Punkte fallen tatsächlich auf denselben Bildpunkt zusammen. Für die Prüfung genügt exakte Bruchrechnung ohne Näherungswerte.
Damit ist die Aussage in der Form, in der sie seit Jahrzehnten steht, falsch. Kein Ergebnis der Mathematik bricht dadurch weg, denn die Vermutung war nie eine Voraussetzung für andere Sätze, sondern ein offenes Problem.
Warum hat die Vermutung 87 Jahre gehalten?
Die Jacobi-Vermutung gilt als Friedhof fehlerhafter Beweise. Mindestens fünf veröffentlichte Beweise haben sich als falsch erwiesen, zuletzt ein 2004 angekündigter Beweis von Carolyn Dean.
Älter als gedacht: Ott-Heinrich Keller hat die Frage 1939 für die Ebene gestellt, und Stephen Smale hat sie als Problem 16 in seine Liste von 18 Problemen für das 21. Jahrhundert aufgenommen[2]. Ludwig Kraus hat dieselbe Aussage bereits 1884 als Satz publiziert, mit einem fehlerhaften letzten Beweisschritt[3].
Asymmetrische Prüfkosten: Genau hier liegt der Mechanismus, der diesen Fall von früheren unterscheidet. Ein Beweis muss Zeile für Zeile begutachtet werden, weshalb subtile Lücken jahrelang unentdeckt geblieben sind. Ein Gegenbeispiel dagegen ist ein Zertifikat, das jeder in Minuten selbst nachrechnet.
Die Rolle der KI war deshalb die Suche, nicht der Beweis. Als Anfang Juli ein anderes Modell einen Beweis für die Cycle-Double-Cover-Vermutung vorgelegt hat, ist die Prüfung ungleich mühsamer ausgefallen, und wie sehr KI die Arbeitsweise des Fachs verändert, beschäftigt das Fach seit Monaten.
Nicht das Finden ist die Leistung, sondern die Prüfbarkeit des Fundes. Ein KI-Ergebnis, das sich in Sekunden zerlegen ließe und trotzdem standhält, sagt mehr aus als jeder Benchmark.
— Markus Seyfferth, Chefredakteur Dr. Web
Warum die Jacobi-Vermutung in Stunden statt in Jahren geprüft war
Die Zahlen hinter dem Gegenbeispiel
Die Jacobi-Determinante der Abbildung, konstant und ungleich null an jedem Punkt
Drei verschiedene Punkte landen auf demselben Bildpunkt, damit ist die Abbildung nicht umkehrbar
Jahre zwischen Kellers Formulierung von 1939 und dem Gegenbeispiel
Der lange Weg zur Widerlegung
Der Unterschied zu einem Beweis: Die Determinante lässt sich mit exakter Bruchrechnung an beliebig vielen Punkten prüfen und bleibt überall konstant −2. Ein Beweis hätte Monate an Gutachterzeit gebraucht.
Was folgt daraus für den KI-Einsatz im Unternehmen?
Setzen Sie generative KI bevorzugt dort ein, wo sich das Ergebnis billig und maschinell prüfen lässt. Der Nutzen hängt weniger an der Trefferquote des Modells als an den Kosten der Kontrolle.
Gut prüfbar: Code, der eine bestehende Testsuite bestehen muss oder eine SQL-Abfrage, deren Ergebnis gegen eine bekannte Kennzahl läuft. In diesen Fällen trägt die Maschine das Risiko, nicht Ihr Team.
Teuer prüfbar: Zusammenfassungen langer Dokumente, Marktprognosen und Textbausteine ohne festen Bezugspunkt. Hier muss ein Mensch die Vorlage vollständig gegenlesen, und eine Studie hat gezeigt, dass KI-Ratschläge die Selbstsicherheit stärker steigern als die Genauigkeit.
Bauen Sie deshalb zuerst den Prüfpfad und danach den Generator. Werkzeuge wie GitLabs geprüfte KI-Agenten setzen genau dort an. Für die Modellauswahl liefert der Vergleich der KI-Textgeneratoren die Grundlage.
Quellen
[1] Levent Alpöge: Veröffentlichung des Gegenbeispiels zur Jacobi-Vermutung ↩
[2] Wolfram MathWorld: „Jacobian Conjecture“ ↩
[3] Arno van den Essen u. a.: „On the origin of the Jacobian conjecture“, arXiv ↩
Mehr Newshunger?
- GPT-5.6 Sol Ultra legt einen Beweis für die 50 Jahre alte Cycle-Double-Cover-Vermutung vor
- Wie KI in der Mathematik die Grundlagen des Fachs erschüttert
- Wann gibt KI bei Mathe auf? Wenn sie googelt.
- OpenAI-Modell löst 80 Jahre altes Mathematik-Problem
- Kimi K3: Chinas offenes KI-Modell erreicht die Weltspitze zu einem Bruchteil der Kosten
- Qwen 3.8: 2,4 Billionen Parameter, offene Gewichte versprochen, kein einziger Benchmark
