Zeichne den Abhängigkeitsgraf des Dienstags, 8. September 2026, auf – es sieht weniger wie ein Beweis als wie ein Rechenzentrum unter Last aus. Wie Quanta Magazine berichtete, arbeitete ein Schwarm von etwa 10’000 autonomen KI-Agenten, koordiniert von OpenAI auf einem internen Modell, 88 Stunden lang, tauschte fast 5 Mio. Nachrichten aus und präsentierte eine behauptete Singularität in den dreidimensionalen Navier-Stokes-Gleichungen – eines von sechs ungelösten Millennium-Problemen. Ein zweites Modell formalisierte das Ergebnis dann in Lean, der Beweis-Check-Sprache, was 17 Stunden dauerte. Sébastien Bubeck von OpenAI bezifferte die Rechenlast auf mehrere Millionen Dollar.

Zwölf Stunden davor hatten Tristan Buckmaster der NYU und Levent Alpöge von Anthropic Lean-verifizierte Resultate zu den eng verwandten Euler-Gleichungen bekannt gegeben, mit einer Mischung von Modellen inklusive OpenAI. Scientific American beschwor Deep Blue gegen Kasparov 1997 herauf; The Guardian wählte den kritischeren Ton und zitierte Mathematiker, die den Roll-out «unreife Spielplatz-Angeberei» nannten. Beide Lesarten sind gleichzeitig wahr – und das ist der interessante Teil.

Das ist die Topologie, die der Titel verbirgt. Die Agenten schlossen den letzten Schritt; die Grundarbeit ist analytisch und menschlich. Diego Córdoba vom Madrider ICMAT und sein ehemaliger Student Luis Martínez-Zoroa entwickelten eine Methode, nicht-singuläre Lösungen in einer «unendlichen Kaskade» zu stapeln, bis das kombinierte Objekt eine Singularität trägt – ausdrücklich ohne Computer. Córdobas Satz ist schon berühmt: «Ich nutze keine KI: Ich habe Luis.» Das eine Hindernis, das sie nicht überwinden konnten – die Kaskade konvergieren zu lassen und die Forcing-Funktion ausreichend glatt zu halten für die Millennium-Kriterien – ist genau der Schritt, den beide KI-Teams geschlossen haben. Charles Fefferman, der Schreiber der Problem-Aussage des Clay Institute, benannte die Helden deutlich: Córdoba und Martínez-Zoroa.

←HEUTE: 10’000 Agenten, ~5 Mio. Nachrichten, 88 Stunden, mehrere Millionen Dollar Rechenleistung – und ein Mensch muss noch zertifizieren, dass die Lean-Aussage dem Theorem entspricht.
→3012: Die knappe Ressource ist nicht mehr der Solver, sondern die Person, die noch den Abhängigkeitsgraf lesen und sagen kann, was die Maschine wirklich bewiesen hat.
Kern: Ein Beweis-Engine und eine Verifikations-Engstelle sind ein System aus zwei Perspektiven; die Topologie schliesst sich nur, wenn du beide siehst.

Warum kümmert es einen Architekten oder Gebäudetechnik-Ingenieur? Weil Navier-Stokes nicht exotisch ist für dich – es ist die Gleichung in jedem CFD-Lauf, den du für eine Rauchabzugsstudie bestellst, jeder HVAC-Druckfallberechnung, jeder Windlast-Simulation an einer Fassade. Der Beweis selbst hat keine unmittelbare praktische Folge – echte Fluide bestehen aus Molekülen, nicht aus dem unendlich teilbaren Kontinuum, das die Gleichungen annehmen. Was er dir sagt, ist schärfer: Turbulenz ist seltsamer als sie aussieht, und die glatt aussehende Gleichung, der dein Solver vertraut, kann divergieren. Wenn ein CFD-Ergebnis zu sauber aussieht, kann es sein, dass das Netz sich weigert, aufzulösen, wo die Physik singulär werden möchte.

Es gibt eine zweite Lektion, die PAZ immer wieder umkreist. Was dieses Ergebnis auszeichnet, ist nicht, dass eine Maschine es produziert hat – sondern dass es formal in Lean verifiziert wurde. PAZ hat diesen Faden schon behandelt: als wir über den Quanten-Kryptographie-Turing-Award schrieben, ging es um das Entscheidende: Was vertrauen wir und warum? Und Lean hat schon früher schiedsrichterlich gedient – das Feld griff zuerst zu ihm, um Mochizukis umstrittenen ABC-Vermutungs-Beweis zu überprüfen, wie New Scientist berichtete. Der Verifizierer ist nun Infrastruktur, und der einzige verbleibende Schwachpunkt ist der menschliche Check: dass die Lean-Aussage logisch der Satz ist, den du gemeint hast.

Atelier: Für ein Büro, das diese Woche seinen ersten KI-gestützten Workflow aufbaut, ist der übertragbare Schritt nicht «kaufe das grösste Modell» – der dauerhafte Wert hier war Verifikation, nicht Generierung. Montag-Schritt: Wähle eine Berechnung, die dein Büro blind vertraut – einen CFD-Druckfall, einen Tageslichtverfügbarkeitswert, einen Ausnutzungsgrad – und schreibe den kleinsten unabhängigen Check auf, der einen Fehler fangen würde (eine Hand-Reynolds-Zahl, eine Faustformel für Lasten, einen Einheitencheck). Mach diesen Check zu einem erforderlichen Feld in der Überprüfung, nicht zu einer Nachgedanke.

Hack: Überprüfe, ob die Luft in deinem Steigrohr wirklich turbulent ist, bevor du einer Druckfall-Tabelle vertraust – denn die meisten setzen das stillschweigend voraus. Die eine Lektion ist die Reynolds-Zahl – das dimensionslose Verhältnis, das entscheidet, welches Strömungsregime Navier-Stokes dir gibt. Berechne sie aus vier Zahlen, die schon auf deinem Plan stehen: Dichte, Geschwindigkeit, hydraulischer Durchmesser, dynamische Viskosität. Unter ~2300 ist es laminar und Druckfall skaliert mit Geschwindigkeit; über ~4000 ist es turbulent und skaliert grob mit Geschwindigkeit zum Quadrat – eine völlig andere Kurve. Berechne das, bevor du einen Koeffizienten kopierst, und du wirst wissen, welche Physik du hast.

rho, v, D, mu = 1.2, 6.0, 0.40, 1.8e-5  # Luft: kg/m3, m/s, Kanaldurchm. m, Pa·s
Re = rho * v * D / mu
print(round(Re), "turbulent" if Re > 4000 else "laminar" if Re  160000 turbulent  : dein 400-mm-Zuluftkanal bei 6 m/s ist deutlich turbulent

Der Wettbewerb zwischen OpenAI und Anthropic wird sein Nachspiel haben – Prioritätsansprüche sind umstritten und Buckmaster entschuldigte sich für eine Arbeit, die er «KI-Müll» nannte. Ignoriere die Rangliste. Zeichne stattdessen deinen eigenen Abhängigkeitsgraf: für eine Zahl, die deine Praxis diesen Monat versendet, verfolge sie zurück zur Annahme, auf der sie ruht, und lege einen unabhängigen Check zwischen diese Annahme und den Kunden. Den dritten Check zu finden, den du nicht wusstest, dass du brauchtest, ist der ganze Punkt.

Quelle: quantamagazine.org