Der Zahlentheoretiker Frank Calegari von der University of Chicago hat am 1. November im Blog von Terence Tao gefordert, jede mathematische Arbeit so zu bewerten, als sei sie mit KI entstanden. Anlass sind die über 700 Manuskripte, die OpenAI am 6. Oktober auf einen Schlag veröffentlicht hat.[1]
Ein Klick · kostenlosDr. Web bei Google bevorzugenMarkieren Sie drweb.de als bevorzugte Quelle. Dann sehen Sie unsere Artikel öfter unter den Top-Meldungen.Jetzt hinzufügenInhalt 4 Abschnitte
Viele Mathematiker reagierten entsetzt. Calegari will ändern, wie das Fach Stellen besetzt und Aufsätze annimmt, denn dort habe es mehr Einfluss als auf Konzerne, die Billionen Dollar wert sind.[1]
Das Wichtigste in Kürze
- OpenAI veröffentlichte am 6. Oktober über 700 KI-erzeugte Manuskripte und zog drei davon einen Tag später zurück.
- Frank Calegari will Ergebnisse, die auch eine Maschine liefern könnte, nicht mehr eigens belohnen.
- Bewerber, auch angehende Doktoranden, sollen ihre mathematische Arbeit im Gespräch erklären.
- Die DFG wertet KI-Einsatz in Förderanträgen schon heute weder positiv noch negativ, verlangt aber Offenlegung.
Warum trifft die OpenAI-Sammlung die Mathematik so hart?
Die Arbeiten stammen von einem internen KI-Modell. Nur rund 42 Prozent der Hauptergebnisse sind im Beweisassistenten Lean maschinell geprüft.[2] Schon am 7. Oktober zog OpenAI drei Manuskripte zurück, weil ein Vorzeichenfehler eine Beweiskette gekippt hatte. Calegari nennt die Aufsätze trotz großartiger Ideen miserabel geschrieben, manche seien falsch.[1]
Der Fields-Medaillenträger Hugo Duminil-Copin schrieb in einer Sammlung von Reaktionen: „Keines der großen offenen Probleme, die ich in meiner Laufbahn öffentlich genannt habe, blieb von der Ankündigung unberührt.“[3] Calegari erinnert an einen Präzedenzfall: Nachdem Daniel Gorenstein 1983 die Klassifikation der endlichen einfachen Gruppen für abgeschlossen erklärt hatte, wandten sich viele Mathematiker anderen Gebieten zu, obwohl ergiebige Fragen offen blieben.[1] Dasselbe Erlahmen des Interesses droht laut Calegari jetzt Forschungsfeldern, deren berühmte Probleme als gelöst gelten.
Was schlägt Calegari vor?
Calegari ist kein KI-Gegner: In diesem Herbst leitet er ein wöchentliches Seminar darüber, was KI-Systeme können.[4] Statt auf Appelle setzt er auf die Hebel, die Mathematiker selbst in der Hand haben: Stellen und Veröffentlichungen.[1]
- Bewerten: Ein Resultat, das auch eine Maschine liefern könnte, verdient keine eigene Anerkennung mehr, neue Ideen in einem Beweis dagegen schon.
- Einstellen: Persönliche Gespräche zählen mehr als die Publikationsliste, auch bei Postdocs und Doktoranden.
- Veröffentlichen: Fachzeitschriften sollen mehr Ideen und bessere Darstellung verlangen, sonst rät Calegari, sie zu meiden.
- Ausbilden: Doktoranden brauchen mehr Überblick über die Mathematik, ohne das technische Handwerk zu verlernen.
Den etablierten Kollegen sagt Calegari: „Wenn Sie als erfahrener Mathematiker fürchten, dass Ihnen die KI zuvorkommt, dann sind Sie nicht ehrgeizig genug.“[1]
Ein Beweis vom Band verrät über seinen Autor so wenig wie ein KI-Anschreiben über den Bewerber.
Michael Dobler, Herausgeber Dr. Web
Die Zahlen
Calegaris Vorschläge
Was bedeutet das für Forschung und Personalauswahl in Deutschland?
Die Deutsche Forschungsgemeinschaft (DFG) verfährt in Teilen schon so. Den Einsatz von KI in einem Förderantrag berücksichtigt sie bei Begutachtung und Entscheidung weder positiv noch negativ. Antragsteller müssen aber offenlegen, welche generativen Modelle sie zu welchem Zweck genutzt haben.[5] Seit Dezember 2025 dürfen auch Gutachter KI einsetzen, aber nur unterstützend.[6]
Calegaris Sorge um die Breite des Fachs hat einen Beleg: Laut einer Nature-Auswertung publizieren Forscher mit KI deutlich mehr, während die Wissenschaft insgesamt weniger Themen bearbeitet. Ob ein Text von einer Maschine stammt, lässt sich zudem kaum zuverlässig messen. Für Entscheider außerhalb der Hochschulen heißt das:
- Arbeitsproben neu gewichten: Bewerbungsunterlagen und Probeaufgaben so lesen, als seien sie mit KI entstanden, und das Verständnis im Gespräch prüfen.
- Offenlegung regeln: Nach dem Vorbild der DFG festlegen, wann Beschäftigte angeben, welches Modell sie wofür genutzt haben.
Calegari rät seinem Fach, die Ergebnisse der Maschine als Errungenschaft der Menschheit zu begreifen, die auf Jahrtausenden menschlicher Mathematik aufbaut.[1] Ob die Universitäten seinem Vorschlag folgen, zeigt sich zuerst in ihren Berufungsverfahren.
Quellen
6 Quellen anzeigenQuellen ausblenden
- Frank Calegari, Gastbeitrag im Blog von Terence TaoMathematics has changed. Let’s act like it
- OpenAI, GitHubopenai/math, Readme, abgerufen am 2. November 2026
- Proofs and Prompts100+ reactions to 100+ solutions
- University of Chicago, Department of MathematicsMathematics in the Age of AI, Seminar im Herbst 2026
- Deutsche ForschungsgemeinschaftKI in der Antragstellung, abgerufen am 2. November 2026
- Deutsche ForschungsgemeinschaftKI in der Begutachtung, abgerufen am 2. November 2026
Mehr Newshunger?
- OpenAI meldet Widerlegung der Exponential Time Hypothesis, einer Grundannahme der Informatik
- GPT-5.6 Sol Ultra legt einen Beweis für die 50 Jahre alte Cycle-Double-Cover-Vermutung vor
- Wie Terence Tao tote Java-Applets mit Coding-Agenten wiederbelebt
- Claude findet ein CRISPR-ähnliches Enzymsystem, aber nur in einem von elf Läufen
- Claude Science als Beta verfügbar: Anthropics KI-Umgebung für Forscher
- „Frag doch die KI“: Warum diese Reflex-Antwort im Job zum Problem wird
