KI-Modelle lösen Erdős-Problem: Ein Meilenstein in der mathematischen Forschung

Künstliche Intelligenz in der Mathematik: Anthropic's Claude Mythos und das Erdős-Problem

In der Welt der künstlichen Intelligenz und der Mathematik ereignete sich jüngst eine bemerkenswerte Entwicklung, die das Potenzial von KI-Modellen für die Lösung komplexer, langjähriger Probleme unterstreicht. Anthropic, ein führendes Unternehmen im Bereich der KI-Forschung, hat bekannt gegeben, dass sein noch unveröffentlichtes Modell Claude Mythos das sogenannte Einheitsdistanzproblem des ungarischen Mathematikers Paul Erdős gelöst hat. Diese Nachricht folgt dicht auf eine ähnliche Ankündigung von OpenAI, die ebenfalls eine Lösung für dasselbe Problem vorstellten.

Das Einheitsdistanzproblem von Erdős: Eine jahrzehntelange Herausforderung

Das Einheitsdistanzproblem, erstmals 1946 von Paul Erdős formuliert, ist eine scheinbar einfache, aber tiefgreifende Frage der kombinatorischen Geometrie. Es fragt, wie viele Paare von Punkten in einer Ebene existieren können, die genau einen Einheitsabstand voneinander haben, wenn eine gegebene Anzahl von n Punkten platziert wird. Erdős selbst vermutete, dass die maximale Anzahl solcher Paare nicht wesentlich über die Anzahl der Punkte selbst hinausgeht und schlug eine Anordnung in einem leicht verzerrten Quadratgitter vor, die er für nahezu optimal hielt. Trotz intensiver Forschung durch menschliche Mathematiker über acht Jahrzehnte konnte diese Vermutung weder bewiesen noch widerlegt werden, bis die jüngsten Fortschritte in der KI-Forschung neue Perspektiven eröffneten.

OpenAIs Durchbruch und Anthropic's unabhängige Lösung

OpenAI sorgte für Aufsehen, als es bekannt gab, dass ein internes KI-Modell die Erdős-Vermutung widerlegt hatte. Das Modell fand eine neue Klasse von Konstruktionen, die eine polynomiale Verbesserung gegenüber den bisher bekannten Gitteranordnungen aufweisen. Diese Lösung, die in einem 125-seitigen Beweis dargelegt wurde, nutzte fortgeschrittene algebraische Zahlentheorie, um unerwartete Verbindungen zwischen verschiedenen mathematischen Disziplinen herzustellen.

Kurz darauf meldete sich Anthropic zu Wort. Levent Alpoge, ein Forscher bei Anthropic, und Sholto Douglas, Leiter der Ausrichtungswissenschaft, bestätigten, dass auch ihr Claude Mythos-Modell das Problem eigenständig gelöst hatte. Besonders bemerkenswert war, dass Mythos zu einer Lösung gelangte, die als "elegant" und "einfach" beschrieben wurde und einen kürzeren und prägnanteren Weg als OpenAIs Ansatz wählte.

Die Methodik von Claude Mythos: Einfachheit in der Komplexität

Um die Unabhängigkeit der Lösung zu gewährleisten, wurde das Mythos-Modell in einer isolierten Umgebung getestet, ohne Internetzugang. Mehrere Instanzen von Claude Code, die Zugriff auf Mythos hatten, erhielten das Problem, entwickelten Lösungswege, und eine Instanz fasste diese zusammen, um sie an weitere, unabhängig arbeitende Instanzen zu verteilen. Mythos wich dabei häufig von den Lösungswegen des OpenAI-Modells ab.

Die Kernidee von Mythos' Lösung, so die Berichte, war die Nutzung eines Zahlenfeldes mit bestimmten Eigenschaften und der Aufbau eines unendlichen Turms verwandter Felder. Jedes Feld in diesem Turm enthält einen Ring von ganzen Zahlen, und innerhalb dieser Felder gibt es spezielle Elemente, sogenannte Norm-Eins-Einheiten. Diese Einheiten, auf die reale Ebene projiziert, ermöglichen die Anordnung von Einheitsabständen. Der Schlüssel liegt darin, dass die Anzahl solcher Richtungen viel schneller wächst, als es die klassische Gitterkonstruktion zulässt. Die Beweisführung von Mythos konzentrierte sich auf die direkte Zählung von Einheitsdistanzpaaren, ohne zusätzliche analytische Komplexität. Das Anthropic-Team veröffentlichte eine durch Opus 4.7 erstellte Version des Beweises.

Expertenreaktionen und die Bedeutung unabhängiger Bestätigungen

Die unabhängige Lösung des Erdős-Problems durch zwei führende KI-Modelle innerhalb kurzer Zeit hat in der mathematischen Gemeinschaft für Erstaunen gesorgt. Mathematiker wie Daniel Litt, der auch OpenAIs Ergebnis bewertete, bezeichneten Mythos' Beweis als "etwas schlechter" als den von OpenAI, räumten aber ein, dass Mythos auch die OpenAI-Lösung finden konnte. Die Tatsache, dass zwei voneinander unabhängige KI-Systeme zu strukturell ähnlichen Beweisen für dasselbe offene Problem gelangen, wird als ein starkes Signal für die Zuverlässigkeit und Tiefe der Fähigkeiten dieser Modelle gewertet. Es deutet darauf hin, dass diese Modelle nicht nur vorhandenes Wissen reproduzieren, sondern auch originelle mathematische Entdeckungen machen können.

Sholto Douglas' Kommentar über einen "ernsthaften Überhang an Entdeckungen" ist in diesem Kontext bedeutsam. Er impliziert, dass KI-Modelle, die zu dieser Art mathematischer Arbeit fähig sind, sich diesen Problemen schon seit einiger Zeit widmen und nun, da das Eis gebrochen ist, die Ergebnisse schneller als erwartet eintreten könnten. Die Mathematik ist hierfür besonders gut geeignet, da die Antworten überprüfbar, die Probleme klar definiert und die Lösungen eindeutig sind.

Ausblick: Die Zukunft der KI in der mathematischen Forschung

Die jüngsten Entwicklungen unterstreichen einen Paradigmenwechsel in der mathematischen Forschung. KI-Systeme sind nicht mehr nur Werkzeuge zur Unterstützung menschlicher Mathematiker, sondern aktive Teilnehmer am Forschungsprozess. Sie können Hypothesen generieren, Beweise suchen, überprüfen und manchmal sogar neue Argumente entdecken, die einer Expertenprüfung standhalten. Dies könnte zu einem neuen Forschungsstil führen, bei dem Mathematiker verstärkt "Flotten von Beweisagenten" beaufsichtigen, anstatt jeden technischen Schritt selbst zu durchlaufen. Die Rolle des Menschen verschiebt sich dabei von der reinen Rechnerrolle hin zu der eines Forschungsleiters, der die richtigen Probleme auswählt, die Ergebnisse interpretiert und entscheidet, welche Wege weiterverfolgt werden sollen.

Es bleibt abzuwarten, wie sich diese Fähigkeiten auf andere Bereiche der Wissenschaft auswirken werden. Doch die Lösung des Erdős-Problems durch Claude Mythos und OpenAI ist ein klarer Indikator dafür, dass die Ära der autonomen wissenschaftlichen Entdeckungen durch KI begonnen hat.

Vergleich der Ansätze: OpenAI, Anthropic und Google DeepMind

Es ist wichtig, die verschiedenen Ansätze der führenden KI-Unternehmen zu beleuchten. Während OpenAI und Anthropic autonome Beweise für das Einheitsdistanzproblem lieferten, kündigte Google DeepMind kürzlich an, dass ein KI-gestütztes System neun Erdős-Probleme gelöst hat. Der Ansatz von DeepMind stützt sich jedoch auf die formale Beweissprache Lean, was aus der Perspektive eines reinen LLM-Puristen als weniger beeindruckend angesehen werden könnte. Claude Code, das für die Tests von Mythos verwendet wurde, ist ebenfalls ein Agenten-Harness und kein reines LLM, was die Komplexität und Vielseitigkeit der aktuellen KI-Architekturen unterstreicht. Die Konvergenz dieser Ergebnisse zeigt jedoch, dass KI-Modelle in der Lage sind, komplexe mathematische Probleme auf unterschiedliche, aber valide Weisen zu lösen.

Implikationen für die B2B-Zielgruppe

Für Unternehmen, die im B2B-Bereich tätig sind und sich mit KI-Technologien auseinandersetzen, sind diese Entwicklungen von großer Bedeutung. Sie zeigen, dass moderne KI-Modelle nicht nur repetitive Aufgaben automatisieren oder Daten analysieren können, sondern auch das Potenzial besitzen, komplexe, unstrukturierte Probleme zu lösen, die tiefgreifendes logisches Denken erfordern. Dies eröffnet neue Möglichkeiten in Bereichen wie der Forschung und Entwicklung, der Optimierung von Prozessen oder der Generierung neuartiger Lösungsansätze, die bisher menschlichen Experten vorbehalten waren. Die Fähigkeit zur unabhängigen Entdeckung und Beweisführung durch KI-Systeme könnte die Innovationszyklen in vielen Branchen erheblich beschleunigen und Unternehmen einen entscheidenden Wettbewerbsvorteil verschaffen.

Die Fortschritte im Bereich der mathematischen Problemlösung durch KI signalisieren einen Wandel, der weit über die akademische Welt hinausgeht. Sie demonstrieren die wachsende Reife und Leistungsfähigkeit von KI-Systemen, die zunehmend in der Lage sind, menschliche Denkprozesse in komplexen Domänen zu ergänzen und zu erweitern. Für Unternehmen bedeutet dies, dass die Investition in und die Integration von fortschrittlichen KI-Lösungen nicht nur eine Frage der Effizienz, sondern auch der zukünftigen Innovationsfähigkeit ist.

Bibliographie

• Bastian, Matthias. "Claude Mythos reportedly solves OpenAI's landmark Erdős problem with a 'cute, simple proof'". the-decoder.com, 26. Mai 2026.
• OfficeChai Team. "Anthropic Says That Mythos Has Also Solved The 80-Year-Old Planar Unit Distance Problem Solved By OpenAI". officechai.com, 26. Mai 2026.
• 36kr. "Claude Mythos Overturns Erdős' 80-Year-Old Conjecture by Solving Problems Offline, with a Shorter and More Elegant Solution than OpenAI's". eu.36kr.com, 27. Mai 2026.
• Digg. "Levent Alpoge verifies Anthropic's unreleased Mythos model solved the Erdős unit distance problem". digg.com, 24. Mai 2026.
• Howlett, Joseph. "AI just solved an 80-year-old ‘Erdős problem,’ and mathematicians are amazed". scientificamerican.com, 21. Mai 2026.
• Martin, Daniel. "AI Is Solving Erdős Problems. What Comes Next?". unite.ai, 25. Mai 2026.
• Schreiner, Maximilian. "The first AI proof worthy of math's top journal landed and it won't be the last". the-decoder.com, 21. Mai 2026.
• Zota, Dr. Volker. "Creative solution: AI solves 60-year-old Erdős problem". heise.de, 29. April 2026.
• explainx.ai Blog. "OpenAI solves 80-year Erdős geometry problem: AI autonomously disproves the square grid conjecture (May 2026)". explainx.ai, 22. Mai 2026.
• Grant, Oliver. "OpenAI AI Solves Erdos Math Conjecture 2026: Full Analysis". perplexityaimagazine.com, 24. Mai 2026.