Levent Alpöge, Mathematiker bei Anthropic, hat nach eigenen Angaben mithilfe des Sprachmodells Claude einen Beweis für die Riemannsche Vermutung vorgelegt – jenes Problem, das die Mathematik seit 167 Jahren offen beschäftigt und als bekanntestes ungelöstes Problem des Fachs gilt. Der Beweis liegt nicht als Fließtext vor, sondern in Lean formalisiert. Lean ist ein sogenannter Beweisassistent: eine Software, die mathematische Argumente in einer formalen Sprache erfasst und Schritt für Schritt maschinell auf Korrektheit prüft.
Der Umfang ist bemerkenswert: Die formalisierte Fassung umfasst nach Angaben einer der Meldungen über 250.000 Seiten. Die Prüfung des Lean-Codes war zum Zeitpunkt der Veröffentlichung noch nicht abgeschlossen. Ob der Beweis hält, entscheidet also nicht die Ankündigung, sondern die Verifikation.
Zwei Meldungen, zwei Tonlagen
Die beiden vorliegenden Berichte decken denselben Vorgang ab, setzen die Akzente aber unterschiedlich. Die eine Meldung stellt den Anspruch in den Vordergrund und bezeichnet das Problem als gefallen, nennt den Seitenumfang und weist darauf hin, dass nur Stunden später Forschende aus Stanford einen unabhängigen, rein menschlich erarbeiteten Gegenentwurf veröffentlicht haben. Ob einer der beiden Beweise standhält, prüft nun die Fachwelt.
Die zweite Meldung ist deutlich zurückhaltender formuliert: Alpöge will die Vermutung bewiesen haben, die Prüfung des Lean-Codes laufe noch. Diese Differenz ist keine Nebensächlichkeit, sondern der Kern des Falls. Ein Ergebnis, das noch in Verifikation ist, ist ein Kandidat – kein Resultat.
Warum die Formalisierung der eigentliche Punkt ist
Klassische mathematische Beweise werden von Menschen gelesen, nachvollzogen und begutachtet. Bei 250.000 Seiten ist dieser Weg praktisch versperrt: Kein Gutachtergremium arbeitet einen Text dieser Größenordnung in vertretbarer Zeit durch. Genau deshalb ist die Wahl von Lean entscheidend. Ein Beweisassistent akzeptiert nur, was lückenlos aus den zugrunde gelegten Axiomen und bereits bewiesenen Sätzen folgt. Er prüft nicht, ob ein Argument plausibel klingt, sondern ob es formal korrekt ist.
Damit verschiebt sich die Vertrauensfrage. Nicht mehr: Hat das Modell sauber gearbeitet? Sondern: Läuft der Prüfprozess durch, und stimmen die Voraussetzungen – also Definitionen, Axiome und die Frage, ob die formalisierte Aussage tatsächlich die Riemannsche Vermutung ist und nicht eine Variante davon. Diese Restfragen bleiben menschliche Arbeit, sind aber ungleich kleiner als das Durcharbeiten des gesamten Beweises.
Das Muster: Generierung und Prüfung trennen
Für Softwareprojekte ist weniger das mathematische Ergebnis interessant als die Arbeitsteilung, die sich hier zeigt. Ein Sprachmodell erzeugt sehr große Mengen strukturierten Codes. Eine unabhängige, deterministische Instanz prüft diesen Code gegen eine formale Spezifikation. Die Qualitätssicherung hängt damit nicht mehr an der Zuverlässigkeit des Generators, sondern an der Qualität des Prüfers und der Spezifikation.
Dieses Muster lässt sich auf Entwicklungsprojekte übertragen, auch wenn dort selten formale Beweise im mathematischen Sinn geführt werden. Die Entsprechungen sind vertraut:
- Automatisierte Tests als ausführbare Erwartung an das Verhalten einer Komponente
- Typsysteme und statische Analyse, die ganze Fehlerklassen ausschließen, bevor Code überhaupt läuft
- Schema- und Contract-Prüfungen an Schnittstellen, damit Integrationen nicht erst im Betrieb auffallen
- Continuous Integration, die jeden Beitrag gleich behandelt – unabhängig davon, ob er von einem Menschen oder einem Modell stammt
Wer KI-gestützte Codegenerierung einsetzt, ohne diese Gegenseite auszubauen, verschiebt Arbeit lediglich vom Schreiben zum Nachkontrollieren. Der Aufwand bleibt, er wird nur unangenehmer, weil fremder Code gelesen werden muss.
Menge ist keine Qualität
Der zweite Lerneffekt betrifft die Größenordnung. 250.000 Seiten formalisierter Code sind ein Beleg dafür, dass Volumen heute kein begrenzender Faktor mehr ist. Begrenzend ist die Prüfbarkeit. Ein Artefakt, das niemand mehr überblicken kann und für das es keine maschinelle Kontrolle gibt, ist im Projektalltag kein Vermögenswert, sondern ein Risiko.
Dass parallel ein rein menschlicher Gegenentwurf aus Stanford veröffentlicht wurde, unterstreicht einen weiteren Punkt: Unabhängige Zweitlösungen und externe Begutachtung verlieren durch KI nicht an Wert, sie gewinnen. Zwei Wege zum selben Ziel erlauben einen Abgleich, den ein einzelner, sehr großer Output nicht bietet.
Vorsicht bei der Einordnung
Zum jetzigen Stand ist offen, ob einer der beiden Beweise standhält. Die vorliegenden Angaben zum Seitenumfang stammen aus einer der beiden Meldungen; die zweite nennt keine Zahl und betont den laufenden Prüfprozess. Eine endgültige Bewertung ist daher verfrüht. Was sich unabhängig vom Ausgang beobachten lässt, ist die Methode – und die ist auch dann aufschlussreich, wenn das Resultat korrigiert werden sollte.
Für Web- und Softwareprojekte heißt das: Der Nutzen von KI-gestützter Entwicklung steigt genau in dem Maß, in dem die automatisierte Prüfung mitwächst – Tests, Typen, Schnittstellenverträge und eine Pipeline, die ohne Ausnahmen greift. Wer heute in Generierung investiert, sollte im selben Projektbudget die Verifikation mitplanen, sonst entsteht Code schneller, als er verantwortet werden kann. Und die Spezifikation – also die präzise Beschreibung dessen, was herauskommen soll – wird zur eigentlichen Kernarbeit, weil sie dem Prüfprozess überhaupt erst einen Maßstab gibt.