OpenAI und Streit um Anerkennung bei Millennium-Problem

In Kürze

OpenAI veröffentlichte am 8. September 2026 eine von einem internen KI-Modell erzeugte, in der Beweisprache Lean formal verifizierte Lösung des Navier-Stokes-Existenz- und Glattheitsproblems: Das Modell fand eine Konfiguration, bei der eine dreidimensionale Flüssigkeitsströmung in endlicher Zeit «explodiert» (finite-time blowup), während die Energie der Strömung beschränkt bleibt.
Für die Lösung liess OpenAI nach eigenen Angaben bis zu 10'000 KI-Agenten über 88 Stunden hinweg parallel arbeiten; allein für das Navier-Stokes-Problem wurden rund 2,7 Millionen Nachrichten ausgetauscht und etwa 130 Milliarden Ausgabe-Token verbraucht.
Der NYU-Mathematiker Tristan Buckmaster wirft OpenAI vor, seine gemeinsam mit dem Anthropic-Forscher Levent Alpöge seit rund einem Jahr betriebene Vorarbeit an einem verwandten Problem – den erzwungenen Euler-Gleichungen – ausgenutzt zu haben, nachdem OpenAI von Gerüchten über ihre Arbeit erfahren hatte; OpenAI bestreitet einen direkten Zugriff auf deren private Arbeit, räumt aber ein, einen indirekten Einfluss über anonymisierte Trainingsdaten nicht vollständig ausschliessen zu können.

Was ist passiert?

OpenAI hat am 8. September 2026 eine Lösung des Navier-Stokes-Existenz- und Glattheitsproblems veröffentlicht – eines von sieben sogenannten Millennium-Problemen, für deren Lösung das Clay Mathematics Institute je eine Million Dollar ausgesetzt hat. Das seit rund 90 Jahren offene Problem fragt, ob glatte dreidimensionale Flüssigkeitsströmungen unter den Navier-Stokes-Gleichungen unbegrenzt glatt bleiben oder ob sie in endlicher Zeit «explodieren» können. Das von OpenAI eingesetzte interne Modell fand eine Konfiguration, bei der sich ein Wirbel immer schneller zusammenzieht, während die Energie der Strömung beschränkt bleibt – ein Beleg für ein solches «finite-time blowup». Das Ergebnis wurde in der Beweisprache Lean formal verifiziert, was Fachleuten zufolge hohe Zuversicht in die Korrektheit der Lösung gibt. Für die Berechnung liess OpenAI nach eigenen Angaben bis zu 10'000 KI-Agenten über 88 Stunden hinweg arbeiten und rund 2,7 Millionen Nachrichten sowie etwa 130 Milliarden Ausgabe-Token allein für dieses Problem verbrauchen.

Kurz nach der Ankündigung geriet die Publikation jedoch in eine öffentliche Kontroverse. OpenAI erklärte, die eigene Arbeit habe am 1. September 2026 begonnen, nachdem das Unternehmen von einem Gerücht über eine mögliche Lösung gehört und dieses später mit dem NYU-Mathematiker Tristan Buckmaster und dem Anthropic-Forscher Levent Alpöge in Verbindung gebracht habe. Nach Fertigstellung der eigenen, in Lean verifizierten Lösung am 6. September kontaktierte OpenAI die beiden Forscher mit dem Vorschlag einer gemeinsamen Ankündigung – und erfuhr dabei, dass deren eigene, seit rund einem Jahr laufende Arbeit ein verwandtes, aber eigenständiges Problem betraf: die erzwungenen Euler-Gleichungen. Buckmaster wirft OpenAI vor, ihn unter Druck gesetzt zu haben – entweder mit Alpöge gemeinsam vorab zu publizieren, während OpenAI tags darauf nachzieht, oder alleine zu veröffentlichen, sofern er Alpöges Namen aus der Arbeit entferne, da OpenAI keinen Anthropic-Mitarbeitenden als Koautor in der Ankündigung haben wollte.

Warum ist das wichtig?

Der Streit legt offen, wie unklar die Regeln für Anerkennung und Urheberschaft in einer Forschungslandschaft sind, in der KI-Systeme zunehmend eigenständig an offenen mathematischen Problemen arbeiten. OpenAI bestreitet zwar, direkten Zugriff auf die privaten Arbeiten und Codex-Nutzungsprotokolle von Buckmaster und Alpöge gehabt zu haben, räumt aber ein, einen indirekten Einfluss über anonymisierte, ins Modelltraining eingeflossene Daten nicht vollständig ausschliessen zu können. Diese Unschärfe – zwischen bewusster Aneignung fremder Vorarbeit und einem diffusen, aus riesigen Trainingsdatenmengen entstehenden Einfluss – dürfte in den kommenden Jahren zu einem zentralen Streitpunkt werden, je öfter KI-Systeme an denselben offenen Forschungsfragen wie menschliche Fachleute arbeiten.

Bemerkenswert ist zudem, dass OpenAIs Lösung zwar formal verifiziert, aber weiterhin unveröffentlicht bleibt, was eine unabhängige Prüfung durch die Fachcommunity vorerst verhindert – das Unternehmen selbst erklärte zugleich, keinen Anspruch auf das Preisgeld des Clay Mathematics Institute zu erheben. Für die Schweizer Forschungslandschaft an ETH Zürich, EPFL und weiteren Hochschulen ist der Fall ein Weckruf: Fragen der fairen Anerkennung bei KI-unterstützter Forschung sowie der Nachvollziehbarkeit KI-generierter Beweise werden auch hierzulande drängender, etwa bei der Weiterentwicklung von Richtlinien des Schweizerischen Nationalfonds zum Einsatz von KI in der Forschung. Gleichzeitig unterstreicht der öffentlich ausgetragene Konflikt zwischen OpenAI und einem bei Anthropic angestellten Forscher, wie eng verflochten und zugleich rivalisierend die grossen amerikanischen KI-Labore um Forschungsprestige und -talente konkurrieren – ein Wettbewerb, der auch um an Schweizer Hochschulen ausgebildete Fachkräfte geführt wird.

Was bedeutet das für die Schweiz?

Redaktionelle Einordnung: Die folgenden Schlussfolgerungen beziehen sich auf die genannten Quellen. Sie sind keine zusätzlichen Meldungen der Originalquelle.

Für die Schweizer Grundlagenforschung an ETH Zürich, EPFL und weiteren Hochschulen wirft der Streit eine Frage auf, die auch dort zunehmend an Bedeutung gewinnt: Wie lässt sich Urheberschaft und Anerkennung fair regeln, wenn KI-Systeme mit Trainingsdaten arbeiten, die möglicherweise unveröffentlichte Vorarbeiten Dritter widerspiegeln – ein Thema, mit dem sich auch der Schweizerische Nationalfonds bei der Weiterentwicklung seiner Richtlinien zu KI in der Forschung befassen dürfte.
Dass die Lösung in der Beweisprache Lean formal verifiziert wurde, bestätigt einen Trend, den auch Schweizer Mathematik-Institute beobachten: Formale Verifikation wird zum zentralen Vertrauensanker, wenn menschliche Fachleute die Korrektheit KI-generierter Beweise nicht mehr im Detail von Hand nachvollziehen können.
Der Fall zeigt zudem, wie eng die grossen amerikanischen KI-Labore inzwischen um Forschungstalente und -prestige konkurrieren – ein Wettbewerb, der auch die Anwerbung von an Schweizer Hochschulen ausgebildeten Fachkräften durch OpenAI, Anthropic und Google DeepMind prägt und die im internationalen Vergleich ohnehin schon intensive Konkurrenz um KI-Forschungstalente zusätzlich verschärft.

Verwendete Quellen

TechCrunch berichtete am 8. September 2026 über den Streit zwischen OpenAI und dem NYU-Mathematiker Tristan Buckmaster; OpenAIs eigener Blogbeitrag «On the Navier–Stokes Millennium Prize Problem» sowie Berichte von Axios und Quanta Magazine lieferten zusätzliche technische und chronologische Details.

Quellenstatus: 1 verlinkte Quelle · 0 von 1 Originaldaten verifiziert. Prüfregeln ansehen

TechCrunch TechCrunch Originaldatum nicht erfasst Rolle: Ausgangsquelle · Zugriff: Abruf nicht bestätigt · Abruf am 10. September 2026

Häufige Fragen

Was ist die Kernaussage zu OpenAI beansprucht Lösung eines Millennium-Problems – und gerät in Streit um Anerkennung mit NYU-Mathematiker?

OpenAI veröffentlichte am 8. September 2026 eine von einem internen KI-Modell erzeugte, in der Beweisprache Lean formal verifizierte Lösung des Navier-Stokes-Existenz- und Glattheitsproblems: Das Modell fand eine Konfiguration, bei der eine dreidimensionale Flüssigkeitsströmung in endlicher Zeit «explodiert» (finite-time blowup), während die Energie der Strömung beschränkt bleibt.

Warum ist diese KI-Meldung für die Schweiz relevant?

Für die Schweizer Grundlagenforschung an ETH Zürich, EPFL und weiteren Hochschulen wirft der Streit eine Frage auf, die auch dort zunehmend an Bedeutung gewinnt: Wie lässt sich Urheberschaft und Anerkennung fair regeln, wenn KI-Systeme mit Trainingsdaten arbeiten, die möglicherweise unveröffentlichte Vorarbeiten Dritter widerspiegeln – ein Thema, mit dem sich auch der Schweizerische Nationalfonds bei der Weiterentwicklung seiner Richtlinien zu KI in der Forschung befassen dürfte.

Welche Quelle nutzt KI News Schweiz für diese Einordnung?