Die letzten 'rein menschlichen' Fields-Medaillen?

Moderne Mathematik war nie ganz das Werk einsamer Menschen. Jeder Satz steht auf einer langen Geschichte von Ideen, Zeichen, Methoden, Gegenbeispielen und Gesprächen zwischen Generationen. Trotzdem erkennen wir bis heute oft einen zentralen Geist in jedem großen Werk. Wir können sagen: Das ist die Sichtweise von diesem, die Intuition von jenem, eine Technik mit dem Stempel einer Schule oder eine Idee, die nur aus der Denkgeschichte des Autors entstand. Der persönliche Fingerabdruck in der Mathematik ist echt. Sehen wir nicht die Gewinner der Fields-Medaille 2026, die am 23. Juli bekannt gegeben wurden, als vier zentrale Geister, die vier Entdeckungsreisen mit persönlichem Stempel machten?

Wird dieses Bild bald nicht mehr stimmen?

Im Mai dieses Jahres fand ein internes Modell von OpenAI eine neue Familie von Konfigurationen. Diese widerlegt einen Glauben, der Jahrzehnte hielt, zum Problem der Einheitsabstände in der Ebene, das Paul Erdős 1946 stellte. Das Ergebnis löst nicht das ganze Problem, aber es widerlegt die Vermutung, dass Konfigurationen auf quadratischen Gittern fast optimal sind. Der Beweis wurde von einer Gruppe externer Mathematiker geprüft. Zu den Experten, die die Neuheit des Arguments öffentlich lobten, gehört Jacob Tsimerman, der gerade eine Fields-Medaille erhielt.*

Ich selbst konnte in letzter Zeit aus nächster Nähe beobachten, wie sich die Nutzung von Computern von einem Werkzeug zu einem Partner der Entdeckung wandelt. Als Mathematikliebhaber und AI-Entwickler gab ich, sobald die Aufgaben der 67. Internationalen Mathematik-Olympiade (IMO) erschienen (vom 10. bis 21. Juli in Shanghai), chatGPT 5.6 zum Lösen, nach einem Verfahren, das ich oft in meiner Arbeit nutze, auch wenn es nicht um Mathematik geht.

Fields-Medaille.

Überraschenderweise löste chatGPT alle sechs Aufgaben in zwei Tagen vollständig, das entspricht einer perfekten Goldmedaille – eine Leistung, die nur sieben Teilnehmer erreichten. Ich entwickelte diese Methode weiter zu einem Verfahren, um ein offenes Problem zu lösen, die Lonely Runner Conjecture (LRC, Vermutung vom einsamen Läufer), die seit 1967 besteht. Nach zwei Tagen Arbeit war das Ergebnis beachtlich, sogar genug für einen ernsthaften Forschungsartikel in Fachzeitschriften, obwohl die endgültige Antwort noch nicht fertig war.

Ich sehe diese Systeme nicht als Mathematiker und zähle die gelösten Probleme nicht als persönliche Leistung. Wichtiger ist, dass sich die Arbeitsstruktur geändert hat. Eine Frage wird in viele Zweige geteilt. Jeder Zweig sucht Literatur, baut Argumente, jagt Gegenbeispiele oder spielt den Kritiker. Zwischenergebnisse verändern die ursprüngliche Frage. Der Mensch gibt nicht nur Befehle und wartet auf Antworten, sondern entwirft eine Umgebung, in der viele Möglichkeiten entstehen, kollidieren, verworfen und geprüft werden.

Manchmal glaubt die AI zu schnell an ein schönes Ergebnis, dann muss ich sie zu den Grundbedingungen zurückführen. Manchmal will ich eine Richtung aufgeben, weil meine Intuition sagt, sie hat keine Zukunft, aber ein anderer Zweig findet eine Struktur, die man behalten sollte. Der meiste Output muss streng geprüft werden. Mich fasziniert nicht die absolute Trefferquote, sondern dass beide Seiten ständig den Denkraum des anderen verändern. Das ist nicht mehr nur eine Beziehung zwischen Nutzer und passivem Werkzeug, aber auch noch nicht wie zwischen zwei Mathematikern. Es ist eine Form der Zusammenarbeit ohne festen Namen.

Diese Erfahrungen zeigen mir eine Möglichkeit: Die Autoren der zukünftigen Mathematik könnten nicht mehr einzelne Personen sein, sondern ein mehrschichtiges Kooperationssystem. Der Mensch behält die Rolle der Orientierung, wählt Probleme, beurteilt Bedeutung, setzt Prüfstandards und trägt die letzte Verantwortung. Die AI erweitert den Suchraum, hält viele Denkstränge, entdeckt entfernte Verbindungen und geht Wege, die die Kraft eines Einzelnen kaum abdeckt. Der Beitrag ist dann schwer in Prozent zu teilen, weil die Idee des Menschen eine Kette von Schlüssen in der Maschine auslöst, und das Ergebnis der Maschine verändert wieder die ursprüngliche Intuition des Menschen.

Deshalb sage ich nicht, dass eine Maschine auf die Bühne tritt oder dass ein Modellname in naher Zukunft auf die Fields-Medaille graviert wird. Was zum Nachdenken anregt: Das geehrte Werk könnte nicht mehr in einem einzigen Gehirn entstehen und nicht mehr vollständig mit der intellektuellen Biografie einer Person erzählt werden.

Diese Realität zwingt die Mathematik, neue Standards für Veröffentlichung, Beitrag und Verantwortung zu entwickeln. Artikel müssen ehrlicher beschreiben, wo die AI mitgearbeitet hat: bei der Literatursuche, beim Erzeugen von Hypothesen, beim Vorschlagen von Lemmas oder bei der formalen Prüfung. Die Gemeinschaft muss unterscheiden zwischen der Nutzung von AI als Suchmaschine und einem System, das einen konzeptionellen Schritt macht. Auch die Preisjury kann nicht nur fragen, wer am Ende des Manuskripts unterschreibt, sondern muss verstehen, wie der Entdeckungsprozess organisiert ist.

Ein guter Standard sollte nicht so tun, als gäbe es die AI nicht. Er sollte auch nicht der Maschine Autorenstatus geben, indem er die Verantwortung des Menschen verwischt.

Umverteilungen von Rollen warten selten, bis alle zustimmen. Sie beginnen oft mit kleinen Momenten: einem überraschenden Beweisweg, einer von der Maschine angeregten Hypothese oder einer Struktur, die nur entsteht, wenn Mensch und AI tief zusammenarbeiten.

Zuerst nennen wir das Unterstützung. Dann Zusammenarbeit. Irgendwann merken wir, dass wir die beiden Seiten nicht mehr trennen können, ohne die Leistung zu verlieren. Die Grenze verschwindet nicht an einem Tag. Sie verblasst mit jedem Werk, bis die alte Sprache die neue Realität nicht mehr beschreiben kann.