Die wissenschaftliche Reichweite von KI geht über die Mathematik hinaus

KI bewegt sich vom mathematischen Beweis hin zu einer breiteren wissenschaftlichen Theorie

Systeme der künstlichen Intelligenz zeigen zunehmend messbare Fortschritte bei theoretischen Fragen in Bereichen jenseits der Mathematik. Das geht aus einer von dem MIT-Forscher Neil Thompson diskutierten Untersuchung hervor. Die Analyse legt nahe, dass die derzeit Teile der Mathematik verändernden Fähigkeitszuwächse auch auf Wahrscheinlichkeitstheorie, Statistik, Wirtschaftswissenschaften, Hochenergie-Theorie, Gravitation, Kosmologie und Quantenphysik übergreifen könnten.

Die Erkenntnis bedeutet nicht, dass KI Wissenschaftler ersetzt hat oder eigenständig ein modernes Forschungsprogramm durchführen kann. Die Studie konzentrierte sich auf eine engere, aber folgenreiche Aufgabe: die Lösung theoretischer Probleme, deren Antworten später in Forschungsarbeiten bestätigt wurden. In diesen Bereichen stellten die Forscher zwischen Mitte 2024 und Mitte 2026 eine deutliche Verbesserung der Erfolgsquoten der leistungsfähigsten Modelle fest.

Diese Entwicklung ist relevant, weil theoretische Arbeit häufig die Sprache, Modelle und Vorhersagen liefert, auf denen experimentelle Wissenschaft aufbaut. Wenn Forscher KI zuverlässig einsetzen können, um Teile dieser Arbeit zu untersuchen, könnte sich der Effekt nicht nur in einzelnen Berechnungen zeigen, sondern auch im Tempo und in der Organisation wissenschaftlicher Forschung.

Von einem kleinen Anteil der Probleme auf mehr als ein Drittel

In Thompsons Studie, die er gemeinsam mit Gabriel Manso und Claudio Mayrink Verdun durchführte, wurden mehrere OpenAI-Modelle mit Problemen aus Forschungsarbeiten getestet, die zwischen Dezember 2025 und Mai 2026 veröffentlicht worden waren. Die Gruppe untersuchte unter anderem o1, o3, GPT-5, GPT-5.1, GPT-5.4 und GPT-5.5.

In den von der Untersuchung erfassten theoretischen Bereichen stiegen die besten Systeme von einer korrekten Lösungsquote von etwa 2% Mitte 2024 auf etwa 35% Mitte 2026. Das ist noch weit von universeller Kompetenz entfernt und bedeutet nicht, dass jede richtig wirkende Antwort verlässlich ist. Das Ausmaß des Anstiegs ist jedoch bemerkenswert: Ein Werkzeug, das nur selten erfolgreich ist, mag eine Kuriosität bleiben, während eines, das bei einem Benchmark substanzielle Beiträge leisten kann, Teil der alltäglichen Forschungspraxis werden könnte.

Die Forscher entwickelten die Bewertung, um ein zentrales Problem beim Testen von Sprachmodellen zu verringern: die Frage, ob ein System lediglich Material reproduziert, das ihm während des Trainings begegnet ist. Die Probleme stammten aus Arbeiten, die veröffentlicht worden waren, bevor die relevanten Lösungen in späteren Publikationen erschienen. Die veröffentlichten Lösungen dienten als Referenz. Während des Tests war der Internetzugang gesperrt, sodass die Systeme keine Antwort aus dem Netz abrufen konnten.

Dieses Vorgehen beseitigt nicht alle Einschränkungen benchmarkbasierter Bewertungen. Es soll jedoch Problemlösung von einfachem Nachschlagen oder Auswendiglernen unterscheiden. Das Ergebnis der Studie ist daher ein Hinweis darauf, dass die getesteten Modelle für zumindest einige Fragen Lösungen erzeugen konnten, deren Antworten in den zugänglichen Trainingsmaterialien nicht verfügbar waren.

Ein begrenztes Ergebnis, kein allgemeiner Ersatz für Wissenschaft

Der Umfang der Arbeit ist wichtig. Das Team konzentrierte sich auf Bereiche, in denen Modelle Probleme bearbeiten konnten, ohne Simulationen auszuführen oder physische Experimente durchzuführen. Ein großer Teil der Wissenschaft lässt sich nicht auf symbolisches Denken allein reduzieren. Laborarbeit, Instrumentenentwicklung, Feldbeobachtung, Datenerhebung, Simulation und Replikation bleiben wesentliche Bestandteile der Erforschung der Welt.

Selbst in theorielastigen Disziplinen ist eine korrekte Lösung nicht dasselbe wie ein nützlicher Forschungsbeitrag. Wissenschaftler müssen Annahmen bewerten, lohnende Fragen auswählen, Ergebnisse interpretieren und feststellen, ob ein vorgeschlagenes Argument einer kritischen Prüfung standhält. Das sind sowohl soziale als auch technische Prozesse, die Peer-Review, Debatte und kumulative Belege umfassen.

Dennoch sind die für die Studie ausgewählten Bereiche keineswegs nebensächlich. Wahrscheinlichkeit und Statistik prägen Schlussfolgerungen in Wissenschaft und Industrie. Wirtschaftstheorie beeinflusst Politik und Marktanalysen. Hochenergiephysik, Kosmologie und Quantenphysik sind Felder, in denen abstraktes Denken zentral sein kann, um eine Frage voranzubringen, bevor sie einen Detektor, ein Teleskop oder ein Laborgerät erreicht.

Wenn KI in diesen Bereichen mehr routinemäßige oder mittlere Aufgaben übernehmen kann, könnte die unmittelbare Wirkung uneinheitlich ausfallen. Forscher könnten sie nutzen, um mögliche Ansätze zu entwickeln, Herleitungen zu überprüfen, alternative Formulierungen zu untersuchen oder frühe Analysen zu beschleunigen. Der Wert solcher Anwendungen wird von der Überprüfung abhängen. Ein schneller Weg zu einer falschen Schlussfolgerung kann genauso effektiv Zeit verschwenden wie eine langsame Berechnung.

Der Präzedenzfall Mathematik prägt die Erwartungen

Die neue Bewertung erscheint zu einem Zeitpunkt, an dem die Mathematik bereits mit viel beachteten Demonstrationen von KI-Fähigkeiten konfrontiert ist. OpenAI gab kürzlich bekannt, dass ein noch nicht veröffentlichtes Modell eine langjährige große Herausforderung im Zusammenhang mit den Navier-Stokes-Gleichungen gelöst habe, die die Bewegung von Flüssigkeiten beschreiben. Der Vorgang löste Kontroversen aus und unterstrich, dass außergewöhnliche Behauptungen in Mathematik und KI eine sorgfältige unabhängige Prüfung erfordern.

Für Thompson liegt die weitergehende Bedeutung darin, dass theoretische Disziplinen möglicherweise in eine Phase eintreten, in der sich die Rolle der KI rasch verändert. Er erwartet, dass sich viele theoretische Fragen innerhalb weniger Jahre durch das, was die Systeme leisten können, verändern werden. Grundlage dieser Erwartung ist die in der Studie erkennbare Entwicklung, nicht der Beweis, dass ein bestimmtes Fach vollständig automatisiert werden wird.

Die plausibelste nahe Zukunft ist eine kollaborative, keine einsame: Wissenschaftler setzen Prioritäten und Standards, während KI-Systeme einen wachsenden Anteil der Problemerkennung und -erkundung übernehmen. Das könnte den Zugang zu anspruchsvollen Analysewerkzeugen erweitern, aber auch die Fähigkeit zur Validierung maschinell erzeugter Arbeiten wertvoller machen. Forschungseinrichtungen werden entscheiden müssen, wie Beiträge anerkannt, Studierende ausgebildet und die unabhängige Expertise bewahrt werden kann, die zum Erkennen subtiler Fehler nötig ist.

Was als Nächstes zu beobachten ist

• Ob die Leistungszuwächse bei neu erstellten Problemen anhalten und nicht nur bei rückblickenden Bewertungen auftreten.
• Wie häufig von Modellen erzeugte Lösungen nach fachkundiger Prüfung und formaler Verifikation weiterhin korrekt sind.
• Ob Systeme sinnvoll beitragen können, wenn Simulationen, Experimente oder spezialisierte Daten erforderlich sind.
• Wie wissenschaftliche Gruppen ihre Praktiken bei Autorenschaft, Ausbildung und Qualitätskontrolle anpassen, wenn KI zu einem regulären Forschungswerkzeug wird.

Die Studie belegt nicht, dass KI zur Standardmethode für die Lösung wissenschaftlicher Theorieprobleme werden wird. Sie zeigt jedoch, warum diese Möglichkeit inzwischen ernst genommen wird. In weniger als zwei Jahren stiegen die leistungsfähigsten getesteten Systeme von der Lösung eines kleinen Anteils ausgewählter Fragen auf mehr als ein Drittel. Für Disziplinen, die auf schwieriger Denkarbeit beruhen, ist das eine Entwicklung, die genau beobachtet werden sollte.

Dieser Artikel basiert auf einer Berichterstattung von Wired. Den Originalartikel lesen.