Hat die KI den "Beweis" des Großen Fermatschen Satzes erbracht? Ein 13 Millionen Zeilen langer Beweis, der in 11 Tagen fertiggestellt wurde, verändert die Mathematik

Ein 350 Jahre altes Rätsel, das in 11 Tagen "bewiesen" wurde

Eines der berühmtesten Probleme der Mathematikgeschichte zieht erneut weltweite Aufmerksamkeit auf sich.

Im September 2026 gab Anthropic bekannt, dass ihr KI-System "Claude" einen vollständigen formalen Beweis für Fermats letzten Satz erstellt hat, der von einem Computer von Anfang bis Ende überprüft werden kann. Die Arbeit dauerte 11 Tage. Der generierte Lean-Code umfasste etwa 13 Millionen Zeilen, und während der Arbeit wurden 33.000 Theoreme bewiesen, von denen 29.500 im endgültigen Beweis verwendet wurden.

Betrachtet man nur diese Zahlen, könnte man meinen, dass die KI ein Problem gelöst hat, das die Menschheit Jahrhunderte lang geplagt hat, und das in nur 11 Tagen. Doch hier gibt es einen wichtigen Unterschied: Claude hat keine unbekannte Lösungsmethode entdeckt. Vielmehr hat der Computer den von Andrew Wiles und Richard Taylor in den 1990er Jahren erstellten und von der mathematischen Gemeinschaft als korrekt anerkannten Beweis in eine Sprache übersetzt, die eine logische Überprüfung durch den Computer ermöglicht, und dabei die zahlreichen fehlenden Zwischenschritte ergänzt.

Es handelt sich also nicht um die "Entdeckung eines neuen Beweises", sondern um die "vollständige maschinelle Verifikation eines bestehenden Beweises". Wenn man diesen Unterschied nicht berücksichtigt, könnte man die Leistung überschätzen. Andererseits, wenn man die Formalisierung als bloße Übersetzungsarbeit betrachtet, könnte man die Schwierigkeit und den Schock dieser Leistung unterschätzen.

Die eine Zeile, die Fermat im Rand hinterließ

Fermats letzter Satz behauptet, dass es keine positiven ganzen Zahlen a, b, c gibt, die die Gleichung "a hoch n + b hoch n = c hoch n" für irgendeine ganze Zahl n größer als 2 erfüllen.

Pierre de Fermat schrieb um 1637 diese Behauptung in den Rand eines antiken griechischen Mathematikbuchs, "Arithmetica", und hinterließ die Bemerkung, dass er einen erstaunlichen Beweis gefunden habe, der Rand jedoch zu klein sei, um ihn aufzuschreiben. Dieser Beweis wurde jedoch nie gefunden.

In den folgenden Jahrhunderten versuchten Generationen von Mathematikern, das Problem zu lösen, und obwohl für einzelne Exponenten Beweise gefunden wurden, blieb der allgemeine Fall über 350 Jahre ungelöst. Der Wendepunkt kam 1993, als Wiles nach jahrelanger geheimer Forschung seinen Beweis präsentierte, in dem jedoch während der Überprüfung ein schwerwiegender Fehler entdeckt wurde. Wiles arbeitete mit Taylor an der Korrektur, und 1994 wurde das Problem überwunden. Das Papier wurde 1995 veröffentlicht.

Diese Geschichte zeigt, dass ein mathematischer Beweis nicht in dem Moment als "bewiesen" gilt, in dem jemand die Antwort aufschreibt. Der Beweis muss von anderen Experten gelesen und überprüft werden, einschließlich der Prämissen und zitierten Theoreme, um sicherzustellen, dass die logische Kette nicht unterbrochen ist. Die Tatsache, dass selbst der Beweis eines Mathematikers wie Wiles nach der ersten Veröffentlichung Lücken aufwies, symbolisiert die Schwierigkeit.

"Offensichtlich für Menschen" ist nicht dasselbe für Computer

Normale mathematische Arbeiten werden geschrieben, um von menschlichen Experten gelesen zu werden. Die Autoren lassen offensichtliche Transformationen aus, beziehen sich auf bekannte Ergebnisse und schreiben Teile nicht explizit aus, die aus dem Kontext verstanden werden können. Auch die Leser nutzen ihr Hintergrundwissen, um die Logik zwischen den Zeilen zu verfolgen.

Computer hingegen machen keine Annahmen wie "das ist offensichtlich". Definitionen, Prämissen, Typen, verwendete Theoreme und die daraus abgeleiteten Schlussfolgerungen müssen genau spezifiziert werden, und es muss gezeigt werden, dass jeder Schritt den Regeln folgt. Für diese Arbeit wurde das Theorem-Beweisassistenzsystem Lean verwendet.

In Lean werden Beweise in einer form, die einem Programm ähnelt, beschrieben. Ein kleiner Kernel überprüft, ob der eingegebene Beweis den logischen Regeln folgt, und akzeptiert ihn nicht, wenn es Sprünge gibt. In diesem Sinne ähnelt der formale Beweis einem sehr strengen automatischen Test für mathematische Behauptungen.

Das Schwierige ist, dass es nicht ausreicht, nur Wiles' Arbeit in Maschinensprache zu übersetzen. Beweise für Menschen basieren auf riesigen Wissenssystemen aus Algebra, Geometrie, harmonischer Analyse, Zahlentheorie und mehr. Wenn die benötigten Konzepte und Hilfssätze nicht in der gemeinsamen Lean-Bibliothek vorhanden sind, müssen sie neu definiert und bewiesen werden. Die Größe von 13 Millionen Zeilen ist auch das Ergebnis des Aufbaus dieser "unsichtbaren Grundlage" Stück für Stück.

Mehrere AIs arbeiteten arbeitsteilig an dem riesigen Beweis

In dem Experiment von Anthropic arbeiteten Dutzende von Claude-Agenten parallel. Ein Agent definierte Konzepte, ein anderer bewies Hilfssätze, ein weiterer kombinierte diese und arbeitete sich zu höheren Theoremen vor. Es war eine groß angelegte Ausführung arbeitsteiliger Forschung durch eine Gruppe von AIs, ähnlich wie Menschen in gemeinsamer Forschung arbeiten.

Allerdings lief nicht alles von Anfang an reibungslos. In den frühen Versuchen verloren die Agenten den Überblick über den Fortschritt des gesamten Projekts und konnten die Ergebnisse der anderen nicht effektiv nutzen. Bei langfristigen Arbeiten war nicht nur die Schlussfolgerungskraft der einzelnen AIs entscheidend, sondern auch ein System zur Verwaltung, welche Aufgaben abgeschlossen waren und was als Nächstes bewiesen werden sollte.

Hier kam die kollaborative Formalisierungsplattform Prove2Me zum Einsatz, die die Abhängigkeiten zwischen den Theoremen als gerichteten azyklischen Graphen verwaltet. Die zu beweisenden Punkte wurden wie auf einer Karte angeordnet, sodass jeder Agent ungelöste Aufgaben auswählen und die abgeschlossenen Ergebnisse von anderen Agenten wiederverwenden konnte. Das Design, das die Kompilationslast von Lean reduzierte und die Nutzung von Erklärungen in natürlicher Sprache für die Suche ermöglichte, unterstützte die groß angelegte Arbeitsteilung.

Letztendlich verbrauchte die Gruppe von AIs etwa 6 Milliarden Ausgabetokens und erreichte das Herz des Beweises in knapp 11 Tagen. Laut Anthropic wurde neben der Überprüfung durch Lean auch mit einem Vergleichstool bestätigt, dass die endgültige Beschreibung des Theorems mit dem Fermats letzten Satz in der bestehenden Bibliothek Mathlib übereinstimmt. Das bedeutet, dass sie nicht mit einem anderen Problem mit ähnlichem Namen endeten, sondern die beabsichtigte Behauptung erreichten.

Ein 5-Jahres-Plan von Menschen und 11 Tage von AI sind nicht direkt vergleichbar

Häufig wird der Vergleich mit dem von Kevin Buzzard von der Imperial College London geleiteten menschenzentrierten Formalisierungsprojekt gezogen. Dieses Projekt begann 2024 und zielt darauf ab, Fermats letzten Satz über mehrere Jahre hinweg in Lean zu formalisieren.

Die Aussage, dass "eine Arbeit, die Menschen 5 Jahre kostet, von AI in 11 Tagen erledigt wurde", ist eindrucksvoll, aber die Ziele beider Projekte sind nicht vollständig identisch. Anthropics Priorität war es, das Theorem von Anfang bis Ende maschinell überprüfbar zu machen. Buzzard und sein Team hingegen zielen darauf ab, grundlegende Theorien zu entwickeln, die in die gemeinsame Bibliothek integriert werden können, und dynamische Dokumente zu erstellen, die es Menschen ermöglichen, moderne Beweise zu erkunden und zu lernen.

Es ist eine andere Herausforderung, in kurzer Zeit einen "durchgehenden" riesigen Code zu erstellen, als ihn so zu organisieren, dass Mathematiker ihn verstehen, wiederverwenden und mit zukünftigen Forschungen verbinden können. Auch Anthropic erklärte, dass sie die von menschlichen Projekten und der bestehenden Mathlib geschaffenen Grundlagen nutzten. Es ist nicht korrekt, diesen Wettbewerb als einfachen Geschwindigkeitswettbewerb zwischen AI und Mathematikern darzustellen.

Dennoch ist die Tatsache, dass eine vollständige Formalisierung nicht mehr Jahre, sondern Tage dauert, bedeutsam. Buzzard schrieb in seinem Blog, dass diese Leistung zwar kaum neue mathematische Erkenntnisse liefert, aber die Möglichkeit der automatischen Formalisierung zeigt, da eine Menge Literatur, die Tausende von Seiten umfasst, von einer Gruppe von AIs in 11 Tagen formalisiert werden konnte. Er bemerkte auch, dass man nach der Formalisierung eines Beweises, den man zuvor für 99,9 % korrekt hielt, nun 100 % sicher sein kann, was als Symbol für diese Leistung angesehen wird.

Die Reaktionen in den sozialen Medien sind geteilt zwischen "Erstaunen" und "Es ist keine neue Entdeckung"

Nach der Ankündigung gab es auf Plattformen wie X, Reddit und Hacker News große Resonanz. Der offizielle Lean-Account stellte die Leistung als den ersten vollständig computerüberprüften Beweis vor. Auf Hacker News sammelten sich Hunderte von Kommentaren zu verwandten Beiträgen, und auch auf Reddit äußerten viele ihre Überraschung über die Größe von 13 Millionen Zeilen und die Notwendigkeit von über 29.000 Zwischentheoremen.

Am häufigsten wurde jedoch vor der Interpretation der Schlagzeilen gewarnt. Viele korrigierten die Aussage "AI hat Fermats letzten Satz gelöst" mit "Gelöst haben ihn Wiles und Taylor, Claude hat den bestehenden Beweis in Lean formalisiert" und "Es ist keine neue mathematische Entdeckung". Einige Reaktionen betrachteten die Formalisierung als bloße Formatkonvertierung, aber es gab auch Gegenargumente, dass das Ergänzen der fehlenden Grundlagen eines langen Beweises und die maschinelle Überprüfbarkeit von Zehntausenden von Zwischentheoremen selbst eine bedeutende Forschungsleistung darstellt.

Die Diskussion erstreckte sich auch auf die Rolle der Forscher und die Verteilung von Fördermitteln. Einige begrüßten die Tatsache, dass AI in kurzer Zeit eine Arbeit erreicht hat, die mit großen Zuschüssen und mehrjährigen Plänen durchgeführt wurde, als Sprung in der Forschungsproduktivität. Andere äußerten jedoch Bedenken, dass Themen von Nachwuchsforschern von AI vorweggenommen werden könnten oder dass die Motivation, Mathematik von Hand zu denken, verloren gehen könnte. Auch im Kommentarbereich von Buzzards Blog wurde darüber diskutiert, ob dies das "traurige Ende der Mathematik" sei oder ob der mathematische Inhalt unverändert geblieben sei und nur die Überprüfungsmethoden fortgeschritten seien.

Dies sind keine zufällig ausgewählten Meinungsumfragen, sondern nur die Tendenzen der Beiträge, die auf den jeweiligen sozialen Netzwerken zu finden sind. Dennoch zeigen sie gut, warum diese Leistung leicht missverstanden werden kann und gleichzeitig starke Emotionen hervorruft. Die Menschen reagieren nicht nur auf ein einziges Theorem, sondern auf die größere Frage, wie weit die Automatisierung der geistigen Arbeit gehen kann.

Ein korrekter Beweis und ein nützlicher Beweis sind nicht dasselbe

Diese Leistung hat auch klare Schwächen. Die Größe von 13 Millionen Zeilen übersteigt das Fünffache der gesamten Hauptmathematikbibliothek Mathlib. Auch wenn die Maschine die Korrektheit überprüfen kann, ist es für Menschen nicht einfach, das Gesamtbild zu erfassen, die benötigten Teile zu finden und sie für andere Beweise wiederzuverwenden.

Für die Entwicklung der Mathematik sind nicht nur korrekte Schlussfolgerungen erforderlich, sondern auch Erklärungen, die verständlich machen, warum dies so ist, geeignete Abstraktionen zur Organisation von Konzepten und Lemmata, die auch in anderen Bereichen verwendet werden können. Wenn dieselbe Grundtheorie jedes Mal als riesiger spezialisierter Code neu erstellt wird, kann die Anzahl der formalen Beweise zwar zunehmen, aber das Wissenssystem wird nicht gefördert. Es besteht die Gefahr, dass überprüfbare Beweise in Massenproduktion hergestellt werden, während sie jeweils zu isolierten Inseln mit geringer Kompatibilität werden.

Die nächste Herausforderung besteht daher darin, den von AI erstellten Code zu kürzen und zu organisieren, ihn in Mathlib zu integrieren und mit Erklärungen zu verknüpfen, die Menschen lesen können. AI bahnt den Weg grob, und Menschen und AI machen daraus eine Karte. Diese Leistung ist eher ein Ausgangspunkt für diese neue Arbeitsteilung als ein Ziel.

Ein "unermüdlicher zweiter Leser", der die Grenzen der Peer-Review ergänzt

Der größte Wert liegt nicht darin, ein berühmtes Theorem erneut bewiesen zu haben, sondern darin, das Potenzial zu zeigen, maschinelle Verifikation in großem Maßstab auszuführen, was bisher aufgrund von Kosten und Zeit nicht realistisch war.

Die Überprüfung mathematischer Arbeiten erfordert lange Zeit von Experten. Insbesondere wenn neue Theorien Hunderte von Seiten umfassen und auf zahlreichen früheren Forschungen basieren, ist es schwierig für Gutachter, alles zu rekonstruieren. Wenn AI die Formalisierung unterstützen kann, könnte es zur Gewohnheit werden, zusammen mit menschenorientierten Arbeiten auch Beweiszertifikate einzureichen, die mit Systemen wie Lean überprüft werden können.

Dies wird in einer Zeit, in der AI beginnt, mathematische Ergebnisse in großen Mengen zu produzieren, noch wichtiger. Wenn AI schneller als Menschen potenzielle Arbeiten generiert, reicht die herkömmliche Peer-Review allein nicht aus. Durch die Kombination von generierenden AIs, formalisierenden AIs und einem kleinen Verifikationskernel, der die Logik überprüft, kann zumindest effizient überprüft werden, ob die Schlussfolgerungen logisch abgeleitet sind.

Natürlich bestimmt ein formaler Beweis nicht den gesamten Wert einer Arbeit. Es bleiben Urteile darüber, ob die Definitionen reale Probleme angemessen darstellen, ob die Forschungsfragen wichtig sind, ob der Beweis neue Einsichten bietet und ob die Erklärungen lehrreich sind. Auch das Vertrauen in die Verifizierungssoftware und die grundlegenden Bibliotheken, die Überprüfung von riesigem Code und die Ungleichverteilung von Rechenressourcen sind unvermeidliche Probleme.

Dennoch ist die Bedeutung, dass die Mathematik einen "zweiten Leser" erhält, der nicht ermüdet, keine Autoritäten scheut und keine logischen Lücken übersieht, groß.

Wird AI Mathematiker ersetzen?

Dieses Ereignis ist keine Geschichte darüber, dass AI die Arbeit von Mathematikern vollständig ersetzt hat. Es waren Menschen, die die ursprünglichen Beweise schufen, Forscher, die jahrzehntelang Theorien entwickelten, die Gemeinschaft, die Mathlib und Lean pflegte, und Entwickler, die die Grundlage für die Aufteilung der Beweise entwarfen, die Claudes 11 Tage ermöglichten.

Doch es wäre verfrüht zu sagen, "AI ist nur ein Werkzeug". Die Tatsache, dass mehrere Agenten aus Fehlern lernten, Abhängigkeiten verfolgten und Zehntausende von Theoremen aufbauten, um ein riesiges Ziel zu erreichen, unterscheidet sich qualitativ von herkömmlicher Automatisierung. Die AI-Gruppe führte einen erheblichen Teil eines langfristigen Projekts aus, indem sie ein Ziel und eine Arbeitsumgebung erhielt, anstatt dass Menschen jeden Schritt detailliert anweisen.

In Zukunft könnte sich der Wert von Mathematikern noch stärker von der "Geschwindigkeit, mit der Beweiscodes von Hand geschrieben werden", hin zu der Fähigkeit verlagern, welche Probleme ausgewählt werden, mit welchen Konzepten sie organisiert werden und was die Ergebnisse bedeuten. AI kann die Überprüfung beschleunigen, aber sie automatisiert nicht die Arbeit, Mathematik als menschliches Wissen zu bearbeiten.