OpenAI will Navier-Stokes-Problem mit 10.000 KI-Agenten gelöst haben

Rund 10.000 KI-Agenten, 88 Stunden Rechenarbeit und ein mathematisches Problem, das seit Jahrzehnten offen ist: OpenAI behauptet, einen Beweis für das Navier-Stokes-Problem gefunden zu haben. Noch ist der Durchbruch allerdings nicht unabhängig bestätigt.

OpenAI meldet einen Durchbruch bei Navier-Stokes

OpenAI hat am 8. September 2026 einen ungewöhnlich weitreichenden Forschungserfolg veröffentlicht. Ein internes KI-System soll eine Lösung für das sogenannte Navier-Stokes Existence and Smoothness Problem gefunden haben.

Das ist keine gewöhnliche mathematische Aufgabe. Navier-Stokes gehört zu den sieben Millennium-Problemen des Clay Mathematics Institute. Sie wurden im Jahr 2000 als besonders wichtige offene Fragen der Mathematik ausgewählt. Für eine anerkannte Lösung ist jeweils ein Preisgeld von einer Million US-Dollar vorgesehen.

OpenAI spricht von einem Beweis dafür, dass Lösungen der dreidimensionalen Navier-Stokes-Gleichungen unter bestimmten Bedingungen in endlicher Zeit eine Singularität entwickeln können.

Besonders bemerkenswert ist dabei nicht nur das Ergebnis, sondern die Methode. Statt einen einzelnen Chatbot lange über das Problem nachdenken zu lassen, setzte OpenAI nach eigenen Angaben rund 10.000 koordinierte KI-Agenten ein.

Was ist das Navier-Stokes-Problem?

Die Navier-Stokes-Gleichungen beschreiben die Bewegung von Flüssigkeiten und Gasen. Sie werden unter anderem genutzt, um Luftströmungen, Wasser, Turbulenzen und andere Strömungsvorgänge mathematisch zu modellieren.

Die Gleichungen selbst sind nicht neu. Ihre Ursprünge reichen bis ins 19. Jahrhundert zurück.

Das mathematische Problem liegt an einer anderen Stelle: Bei dreidimensionalen Strömungen ist bis heute nicht allgemein bewiesen, ob aus sauberen Ausgangsbedingungen für alle Zeiten ebenso saubere Lösungen entstehen.

Vereinfacht lautet die Frage:

Kann eine zunächst glatte Strömung irgendwann mathematisch “explodieren”?

Mit einer solchen Explosion ist keine physische Explosion gemeint. Gemeint ist eine Singularität. Bestimmte mathematische Größen würden innerhalb endlicher Zeit unbegrenzt anwachsen. An diesem Punkt wäre die bislang glatte Lösung nicht mehr regulär.

Genau hier setzt der von OpenAI veröffentlichte Beweis an.

Was OpenAI konkret bewiesen haben will

Das Clay Mathematics Institute formuliert das Navier-Stokes-Problem über vier mögliche Aussagen. Zwei davon beschäftigen sich mit der Frage, ob globale glatte Lösungen immer existieren. Die beiden anderen erlauben den entgegengesetzten Weg: Es kann gezeigt werden, dass eine solche Lösung unter bestimmten Bedingungen zusammenbricht.

OpenAI behauptet, genau diesen zweiten Weg geschafft zu haben.

Im veröffentlichten Lean-Repository beschreibt das Unternehmen zwei Ergebnisse:

1. Für den gesamten dreidimensionalen Raum soll es glatte Ausgangsdaten und eine glatte äußere Kraft geben, für die keine globale glatte Lösung mit gleichmäßig begrenzter kinetischer Energie existiert.
2. Ein entsprechendes Ergebnis soll auch für einen periodischen dreidimensionalen Raum gelten.

Damit zielt OpenAI auf die Alternativen C und D der offiziellen Problemdefinition des Clay Mathematics Institute.

Eine wichtige Feinheit geht bei der Formulierung “zwei von vier Aussagen gelöst” leicht verloren. Für das Millennium-Problem müssen nicht alle vier Möglichkeiten bewiesen werden. Die offizielle Formulierung verlangt einen Beweis für eine der vier Alternativen.

Sollte OpenAIs Beweis also mathematisch korrekt sein und exakt die geforderten Voraussetzungen erfüllen, wäre nicht lediglich “die Hälfte” des Problems gelöst.

10.000 KI-Agenten arbeiteten 88 Stunden

Technisch ist der Weg zum Ergebnis fast genauso interessant wie der mathematische Beweis selbst.

OpenAI ließ zunächst mehrere Agenten an verschiedenen mathematischen Problemen arbeiten. Nach einem Ergebnis zu den verwandten Euler-Gleichungen konzentrierte das Unternehmen mehr Ressourcen auf Navier-Stokes.

Schließlich sollen rund 10.000 KI-Agenten gleichzeitig beziehungsweise koordiniert an unterschiedlichen Ansätzen gearbeitet haben.

Die Zahlen zeigen, welche Größenordnung damit inzwischen gemeint ist:

• etwa 88 Stunden bis zur behaupteten Navier-Stokes-Lösung
• rund 10.000 KI-Agenten
• etwa 2,7 Millionen ausgetauschte Nachrichten
• ungefähr 130 Milliarden erzeugte Output-Tokens
• weitere rund 17 Stunden für Formalisierung und Überprüfung mit Lean

OpenAI setzte dabei ein internes Modell ein, das laut Unternehmen deutlich leistungsfähiger als GPT-6 Astra ist und sich zum Zeitpunkt der Veröffentlichung noch in Entwicklung befand.

Das unterscheidet diesen Versuch deutlich vom klassischen Einsatz eines Sprachmodells über einen einzelnen Prompt.

Hier wurde KI eher als verteiltes Forschungssystem eingesetzt. Verschiedene Agentengruppen untersuchten unterschiedliche Ansätze. Ergebnisse konnten anschließend zusammengeführt und erneut an andere Agenten verteilt werden.

Warum der Lean-Beweis wichtig ist

Ein Sprachmodell kann einen mathematisch überzeugend klingenden Text erzeugen, der trotzdem Fehler enthält. Bei einem mehr als hundert Seiten langen Beweis wäre eine rein sprachliche Plausibilitätsprüfung deshalb kaum ausreichend.

OpenAI veröffentlichte zusätzlich eine Formalisierung in Lean.

Lean ist ein sogenannter Proof Assistant. Mathematische Aussagen und Beweisschritte werden dabei in einer streng definierten Sprache formuliert. Der Computer kann anschließend prüfen, ob sich die einzelnen Schritte logisch aus den angegebenen Voraussetzungen ableiten lassen.

Das ist wesentlich stärker als die Aussage, ein anderes Sprachmodell habe den Text gelesen und keine Fehler gefunden.

Trotzdem bedeutet auch ein erfolgreicher Lean-Check nicht automatisch, dass das Millennium-Problem offiziell gelöst ist. Entscheidend ist beispielsweise, ob die formalisierten Aussagen tatsächlich exakt die Anforderungen des ursprünglichen Problems treffen und ob alle verwendeten Voraussetzungen zulässig sind.

Genau das müssen Mathematiker nun untersuchen.

Ist das Navier-Stokes-Problem jetzt gelöst?

Stand 9. September 2026 lautet die vorsichtige Antwort: noch nicht offiziell.

Das Clay Mathematics Institute führt Navier-Stokes weiterhin als ungelöstes Millennium-Problem.

Das ist bei einem gerade veröffentlichten Beweis allerdings nicht überraschend. Die Regeln für die Millennium-Preise sehen ohnehin keinen schnellen Freigabeprozess vor.

Bevor das Institut eine vorgeschlagene Lösung überhaupt berücksichtigt, muss sie unter anderem in einem qualifizierten wissenschaftlichen Medium veröffentlicht worden sein. Danach müssen mindestens zwei Jahre vergangen sein. Außerdem muss die Lösung in der internationalen mathematischen Fachwelt allgemeine Anerkennung gefunden haben.

OpenAI selbst erklärt, das Preisgeld von einer Million US-Dollar nicht beanspruchen zu wollen. Das Unternehmen präsentiert die Veröffentlichung vor allem als Demonstration der Fähigkeiten seines neuen KI-Systems.

Der interessante Test beginnt damit erst jetzt: Können unabhängige Mathematiker den Beweis nachvollziehen und bestätigen?

Der Durchbruch wird von einem Forschungsstreit begleitet

Neben der Mathematik gibt es noch eine zweite Ebene der Geschichte.

Der Mathematiker Tristan Buckmaster von der New York University und Levent Alpöge, der bei OpenAI-Konkurrent Anthropic arbeitet, forschten ebenfalls an eng verwandten Problemen aus der Strömungsmechanik.

Buckmaster stellte öffentlich die Frage, ob OpenAI bei seinem eigenen Versuch indirekt von Informationen über diese Forschung profitiert haben könnte. Dabei geht es unter anderem um die Nutzung von OpenAI-Werkzeugen während der wissenschaftlichen Arbeit.

OpenAI bestreitet, für die Navier-Stokes-Arbeit gezielt auf private Nutzerdaten der Forscher zugegriffen zu haben.

Das Unternehmen erklärte allerdings auch, nicht vollständig ausschließen zu können, dass anonymisierte beziehungsweise de-identifizierte Daten aus der Produktnutzung in irgendeiner Form zur Verbesserung seiner Modelle beigetragen haben könnten.

Damit geht die Diskussion über Navier-Stokes inzwischen über Mathematik hinaus.

Wenn Wissenschaftler KI-Systeme für unveröffentlichte Forschung verwenden und der Anbieter desselben Systems gleichzeitig eigene Forschungsprojekte betreibt, entstehen neue Fragen zu Vertraulichkeit, wissenschaftlicher Priorität und Urheberschaft.

Das betrifft langfristig nicht nur Mathematiker, sondern die gesamte Gesellschaft, sobald KI-Werkzeuge tiefer in wissenschaftliche Arbeit integriert werden.

Warum die 88 Stunden nicht die wichtigste Zahl sind

Auf den ersten Blick ist die spektakulärste Zahl die Dauer: 88 Stunden für ein Problem, an dem Mathematiker seit Jahrzehnten arbeiten.

Dieser Vergleich ist allerdings nur bedingt sinnvoll.

Die KI begann nicht bei null. Moderne Modelle basieren auf großen Mengen bereits vorhandener Mathematik. Dazu kamen rund 10.000 parallele Agenten und erhebliche Rechenressourcen.

Spannender ist deshalb etwas anderes.

OpenAI hat versucht, aus einem Sprachmodell ein koordiniertes Forschungssystem zu bauen. Agenten entwickelten Ansätze, verwarfen sie, tauschten Ergebnisse aus und führten vielversprechende Richtungen weiter. Am Ende entstand nicht nur eine Antwort, sondern ein umfangreicher mathematischer Beweis samt formaler Repräsentation.

Sollte dieser Beweis der fachlichen Prüfung standhalten, wäre das mehr als ein weiterer besserer Benchmark-Wert.

Es wäre ein konkretes Beispiel dafür, dass KI-Systeme nicht nur bestehendes Wissen reproduzieren oder bekannte Aufgaben schneller lösen können, sondern möglicherweise bei offenen Forschungsproblemen neue mathematische Resultate erzeugen.

Genau deshalb ist bei diesem Ergebnis beides angebracht: Aufmerksamkeit und Geduld.

Ob OpenAI tatsächlich eines der berühmtesten ungelösten Probleme der Mathematik gelöst hat, entscheiden am Ende nicht die 10.000 Agenten, ein Firmenblog oder die Zahl von 88 Stunden. Entscheidend ist, ob der Beweis auch nach gründlicher unabhängiger Prüfung bestehen bleibt.