In der zweiten Oktober-Woche 2026 veröffentlichte die Fachzeitschrift Science eine begutachtete Studie zu AlphaProof Nexus von Google DeepMind. Das System konnte neun bislang ungelöste mathematische Erdős-Probleme formal beweisen, von denen zwei seit über 56 Jahren als ungelöst galten. Zusätzlich lieferte die KI-Architektur gültige formale Beweise für 44 offene Vermutungen aus der Online Encyclopedia of Integer Sequences (OEIS). Damit liefert das Forschungslabor einen viel beachteten Beleg dafür, dass moderne KI-Systeme über die reine Mustererkennung hinausgehen und offene Fragen der theoretischen Mathematik eigenständig lösen können.
Technisch stützt sich AlphaProof Nexus auf eine enge Verzahnung mehrerer Komponenten: Gemini-Modelle arbeiten Hand in Hand mit dem formalen Beweisassistenten Lean und einer auf Reinforcement Learning basierenden Suchstrategie. Während herkömmliche Sprachmodelle mathematische Antworten rein probabilistisch als Text formulieren, übersetzt AlphaProof Nexus logische Beweisschritte direkt in die formale Programmiersprache von Lean. Durch diese Architektur wird eine strikte Trennung zwischen der kreativen Hypothesengenerierung und der regelbasierten Verifikation durchgesetzt. Der Theorem-Beweiser Lean fungiert dabei als automatisierter Schiedsrichter, der jeden logischen Schluss exakt validiert.
Die besondere Stärke des Systems beruht auf seiner zielgerichteten Suchstrategie im mathematischen Lösungsraum. AlphaProof Nexus führt eine hochgradig optimierte Tiefensuche durch, um verzweigte Argumentationsketten zu erkunden. Sobald ein vom Modell vorgeschlagener Beweispfad einen logischen Fehler aufweist, weist Lean diesen ungültigen Zweig unmittelbar und kostengünstig ab. Dieser Rückkopplungsmechanismus verhindert, dass fehlerhafte Zwischenschritte Ressourcen verschwenden, und erlaubt es dem System, weitaus tiefere und präzisere Beweisbäume zu konstruieren, als dies mit reinen Sprachmodellen denkbar gewesen wäre.
Die in Science veröffentlichten Resultate setzen zugleich einen deutlichen Kontrapunkt zu jüngsten Kontroversen in der internationalen Mathematik-Gemeinschaft. OpenAI hatte zuvor massive Kritik auf sich gezogen, als das Unternehmen Hunderte unformalisierter und ungeprüfter mathematischer Beweise auf der Entwicklerplattform GitHub veröffentlichte. Viele Mathematiker bemängelten damals den hohen Aufwand, plausible Halluzinationen von echten mathematischen Durchbrüchen zu trennen. AlphaProof Nexus begegnet dieser Kritik direkt, da alle vorgelegten Beweise lückenlos formal verifiziert und maschinell nachvollziehbar sind.
Die methodische Bedeutung dieses Schritts wurde in den Tagen nach der Veröffentlichung in Fachkreisen intensiv diskutiert, unter anderem in einem weithin rezipierten Essay der Plattform Latent Space unter dem Titel 'AI Is Getting Good at Math. Here's Why'. Branchenbeobachter heben hervor, dass der eigentliche Durchbruch nicht in einer weiteren Skalierung von Parametern liegt, sondern im gezielten Paradigmenwechsel hin zur formalen Verifikation. Erst die Kombination aus generativer KI und deterministischen Werkzeugen schaffe das notwendige Vertrauen für den Einsatz in wissenschaftlichen Kernbereichen.
Für die mathematische Forschungspraxis markiert dieser Erfolg einen Wendepunkt bei der computergestützten Theoriebildung. Mathematiker erhalten mit solchen Systemen mächtige Werkzeuge, um kombinatorisch aufwendige Einzelfallprüfungen oder jahrzehntealte Vermutungen systematisch zu analysieren. Die gelösten Erdős-Probleme zeigen eindrucksvoll, dass das Zusammenspiel von neuronalen Netzen und formalen Beweisern tragfähige wissenschaftliche Entdeckungen ermöglicht. Zukünftige Entwicklungen dürften diese Methode verstärkt auf weitere Disziplinen wie die Verifikation von sicherheitskritischer Software und Hardware übertragen.