OpenAI und Anthropic erklären, dass ihre KI-Modelle Ergebnisse erzielt haben, die eine langjährige Annahme über die Grenzen des Rechnens in Frage stellen. Sollten sich die Behauptungen bestätigen, könnten die Erkenntnisse die Komplexitätstheorie umgestalten – obwohl keines der beiden Labors schnellere praktische Software entwickelt oder bestehende Verschlüsselung gebrochen hat.

Eine Hypothese von 1999 gerät unter Druck

Die Exponential Time Hypothesis (ETH) wurde 1999 von Russell Impagliazzo und Ramamohan Paturi vorgeschlagen. Sie besagt, dass bestimmte Logikprobleme exponentiell mehr Rechenzeit benötigen, wenn sie größer werden, und Forschende bauten jahrzehntelang auf dieser Annahme auf. Praktisch gesehen schließt die Hypothese Abkürzungen aus: Sie besagt, dass jeder Algorithmus für diese Probleme bei wachsenden Eingaben exponentiell langsamer werden muss, sodass eine subexponentielle Methode – eine Methode, deren Laufzeit langsamer wächst als diese Kurve – sie direkt widerlegen würde. Laut OpenAI haben Hunderte Forschungsarbeiten die ETH genutzt, um Rechengrenzen in Bereichen wie Graphentheorie, Datenbanken und Computational Biology nachzuweisen. Erweist sich die ETH als falsch, müssten viele dieser Schlussfolgerungen möglicherweise neu bewertet werden.

Zwei Labore, zwei behauptete Widerlegungen

Am 26. Oktober kündigte OpenAI an, dass eines seiner KI-Modelle einen Beweis erarbeitet hat, der die ETH in Frage stellt – als Teil einer größeren Veröffentlichung, die auch Ergebnisse aus der harmonischen Analyse und der Quantenfeldtheorie enthielt. Eine Lean-Formalisierung des Ergebnisses, maschinell im Beweisassistenten Lean überprüft, bestätigt die Gültigkeit eines subexponentiellen Algorithmus, während das begleitende Paper einen stärkeren theoretischen Beweis liefert.

Nur Stunden später legte Anthropic eigene Erkenntnisse vor. Das Unternehmen teilte mit, Claude habe einen deterministischen Algorithmus entdeckt, der 3-SAT – ein kanonisches Benchmark-Problem in der Forschung zur Rechenkomplexität – in weniger als exponentieller Zeit lösen kann, detailliert in einem öffentlichen Repository. Das Repository stellt jedoch fest, dass die Entdeckung rein theoretisch bleibt: „The result is purely asymptotic and says nothing about solving formulas in practice.“

Zudem stellten sich Fragen zur Forschung selbst. TechCrunch berichtete, dass der Anthropic-Mathematiker Levent Alpöge in Frage stellte, wie stark OpenAIs Arbeit auf bestehender Forschung basierte.

Was Experten überprüfen können – und was nicht

OpenAI stellte ein Prüfungsteam zusammen, zu dem die ETH-Pioniere Impagliazzo und Paturi sowie der MIT-Professor Ryan Williams gehören, und sagte zu, eine Konferenz zu unterstützen und seine Ergebnisse zur weiteren Überprüfung zu veröffentlichen.

Williams hatte die Flut KI-generierter Beweise zuvor kritisiert und argumentiert, Mathematiker würden von der Menge der zu überprüfenden Arbeiten überwältigt. Doch OpenAIs neueste Erkenntnisse weckten sein Interesse. Gegenüber TechCrunch erklärte er, dass einige Teile des Beweises vertraut wirkten, andere jedoch herausstachen: „there are two or three alien-looking parts.“

Genau dort wird menschliche Expertise wichtig. Lean kann bestätigen, dass ein formaler Beweis logisch korrekt ist, doch Forschende müssen die ungewohnte Argumentation noch verstehen und bestimmen, ob sie zu praktisch einsetzbaren Algorithmen führen könnte. Die Konferenz, die OpenAI zu unterstützen zugesagt hat, und die anschließend veröffentlichten Ergebnisse sind der nächste Prüfpunkt – der Punkt, an dem die „alien-looking parts“ das Fachgebiet überzeugen oder eben nicht.

Nicht P versus NP und auch kein gebrochener Chiffre

Die Widerlegung der ETH würde P versus NP nicht klären – die davon getrennte, jahrzehntealte Frage, ob jedes Problem, dessen Antworten sich schnell verifizieren lassen, auch schnell gelöst werden kann –, und sie würde auch keine Schwächen bestehender Verschlüsselung offenlegen. Dennoch haben Kryptowährungs-Inhaber Grund zur Aufmerksamkeit. Cryptopolitan berichtete zuvor über die Warnung des Ethereum-Forschers Justin Drake, dass KI-generierte Mathematik – einschließlich OpenAIs separater Veröffentlichung von 722 Manuskripten – digitaler Signaturen letztlich bedrohen könnte. Im Moment bleibt das eine Warnung und kein nachgewiesener Einbruch.

Im Juli verbesserte Anthropics Claude Mythos Preview nach 60 Stunden Forschung einen Angriff auf HAWK, einen Post-Quantum-Signatur-Kandidaten. Kein eingesetztes System war betroffen.

Ein KI-Forschungswettlauf ohne Ziellinie

Der Bericht State of AI 2026 beschreibt einen wachsenden Wettlauf zwischen Anthropic, OpenAI und Google. Anthropics interne Messungen zeigen, dass Claude im August 26 % der erfassten Modell-F&E-Arbeiten durchführte, verglichen mit weniger als 1 % im Februar. Berichten des britischen AI Security Institute zufolge verdoppelt sich die Dauer bestimmter Cybersecurity-Aufgaben, die KI bewältigen kann, etwa alle acht Monate. Die konkurrierenden ETH-Ankündigungen fielen in diese Landschaft, in der KI-gestützte Forschungsproduktion zunehmend als Maß für Fortschritt an der Spitze der Branche erfasst wird.

KI hilft Forschenden, schneller Entdeckungen zu machen, doch ein mathematischer Durchbruch führt nicht automatisch zu besserer Software. Selbst wenn die ETH widerlegt würde, könnte die Entwicklung praktisch nutzbarer Algorithmen Jahre dauern – und die menschlichen Forschenden haben noch viel Arbeit vor sich.