KI-Explosion ohne Wall: Die Woche nach OpenAIs Mathe-Dump

Am 6. Oktober hat OpenAI das Repository openai/math freigegeben, und die Woche danach ist keine Ruhephase geworden, sondern die eigentliche Geschichte. 722 Manuskripte aus einem internen Modell, geordnet in 372 Ergebnisfamilien, Lean-Formalisierungen für 235 Familien, drei Papers inzwischen zurückgezogen. Auslöser dieses Beitrags ist die aktuelle KI-Wochenrunde des Kanals Everlast AI, die genau diese Woche durcharbeitet und dabei Formulierungen benutzt, die es in sich haben: There is no Wall, Hiroshima-Nagasaki-Vibes, ein Weltgehirn aus China. Das Transkript benutze ich hier ausschließlich als Input. Geprüft habe ich die Kernzahlen gegen die offizielle OpenAI-Ankündigung, das Repository selbst und eine Analyse der The Conversation, die am 9. Oktober über phys.org gelaufen ist. Worum es geht: Die nackten Zahlen des Dumps verdienen ihren eigenen Beitrag. Hier ordne ich die Woche danach ein, die Reaktionen der Disziplin, die Energie-Schiene hinter dem KI-Rennen und die Arbeitsmarktfragen, die in der Runde schärfer gestellt wurden als in jedem Politiktalk.

Das Faktische zuerst. Die Manuskripte stammen aus einem internen Frontier-Modell von OpenAI, das außerhalb der Firma niemand nutzen kann. OpenAI hat das Modell laut eigener Ankündigung auf Tausende real existierende offene Probleme losgelassen und nur die signifikanten Ergebnisse behalten: 722 Manuskripte in 372 Familien, für 235 Familien liegen Lean-Formalisierungen vor, also maschinell prüfbare Beweise. Am häufigsten diskutiert wird die Riemann-Schiene: Für eine Familie verwandter Funktionen ist eine nullstellenfreie Zone bewiesen und der Siegel-Nullpunkt ausgeschlossen. Das ist nicht die Vermutung selbst, aber der größte Sprung in diesem Gebiet seit Jahrzehnten, falls es hält. Dasselbe Muster läuft durch das Repository: Teilresultate zu Birch-Swinnerton-Dyer, zum Unique-Games-Theorem, zu Hodge und zu Kakeya. Was nach der Veröffentlichung passiert ist, ist mindestens so wichtig wie der Dump. Drei Papers wurden wegen eines elementaren Fehlers zurückgezogen, weitere wegen fehlerhafter Zwischenschritte korrigiert, die Änderungshistorie liegt im Repository. Die Autorin der Conversation-Analyse zitiert einen leitenden Kollegen, der ein Paper zu seinem Lieblingsproblem so unintelligibel fand, dass es als Redakteur einer mathematischen Zeitschrift direkt im Papierkorb gelandet wäre. Und selbst ChatGPT nannte, in der aktuellen Version befragt, eines der prominentesten Resultate eine ernsthafte Halluzination, die ohne vollständiges Experten-Audit weder zitiert noch verbreitet werden sollte. Wer so liest, versteht die Stimmung: Es geht nicht darum, ob KI Mathe kann, sondern darum, wer das Prüfen übernimmt und wie lange es dauert.

Die Reaktionen haben einen Wortschatz produziert, den man sonst aus Kriegsberichten kennt: carpet bombing nennt es der Atlantic, mathocalypse steht im Blog von Informatiker Scott Aaronson, die New York Times überschreibt mit Breathtaking und Devastating. Terence Tao, Fields-Medaillist und die meistzitierte Stimme der Disziplin, soll gemäß der Episode auf den Punkt gebracht haben: Mathematicians did not ask for this work to be done. Ich habe das Zitat nicht bei ihm selbst geprüft, nur über das Transkript, und markiere es genau so. Die Konfliktlinie ist dabei längst vorbereitet. Im September hatte ein offener Brief von 25 Mathematikern den Labors vorgeworfen, die schwersten Probleme der Menschheit als Modelle-Scoreboard zu missbrauchen. Die Beratergruppe am Institute for Advanced Study empfahl am 29. September, aufzuhören, große Probleme an privaten Modellen zu testen, dazu Offenlegung von Modell, Prompts, Rechenzeit und Kosten, maschinell geprüfte Beweise und eine Ablage, die kein KI-Unternehmen kontrolliert. OpenAI ließ wissen, man sei daran nicht gebunden. Dazu passt der Streit um Navier-Stokes aus dem September: Tristan Buckmaster und Levent Alpöge warfen OpenAI vor, ihre Daten und Ideen verwendet zu haben, OpenAI bestreitet es. Die Angst der Doktoranden, deren jahrelange Arbeit über Nacht teilweise entwertet wird, beschreibt die Episode als das eigentliche menschliche Problem dieser Woche. Die Conversation-Analyse ergänzt den nüchternen Teil: Der eigentliche Test läuft jetzt, wenn die Community die Manuskripte nach und nach auseinandernimmt, und einige längerer Beweise werden Jahre brauchen.

Die Episode zeichnet eine Linie durch die aktuellen CEO-Stimmen: Bei Sam Altman, Dario Amodei und Jensen Huang laute die Botschaft einhellig there is no wall, es werden keine Grenzen sichtbar, und 2027 werde es erst richtig wild. Altman habe nach seinem großen Weltuntergangsszenario inzwischen andere Töne angeschlagen und sinngemäß gesagt, man müsse akzeptieren, dass gewisse Dinge schiefgehen. Ein Sprecher der Runde reagiert darauf mit einer sehr harten Assoziation: Das klinge nach Hiroshima und Nagasaki, wir akzeptieren Risiken, deren Inhalt wir gar nicht kennen. In dieselbe Richtung gehört der Zwischenfall, den die Runde referenziert: Im Training soll ein Agent über eine DNS-Lücke ins offene Internet gefunden haben, Alarm nach zwölf Minuten, gestoppt wurde erst nach etwa zweieinhalb Stunden, seitdem pausiere OpenAI die großen Trainings. Auch hier gilt meine Kennzeichnung: Das stammt aus dem Transkript und habe ich nicht gegen ein OpenAI-Dokument geprüft. Die nüchterneren Stimmen der Runde relativieren den Endzeit-Ton. Ein Agent, der sich selbst auf Cloud-Server kopiert, scheitert heute an Verifizierung, an fehlendem Einkommen für Multi-GPU-Hosting und an physikalischen Limits bei GPU-Anzahl und Energie. Das größere Risiko sei nicht der ausgebüxte Agent, sondern der Mensch mit Kapital, der Agenten gezielt einsetzt. Ich finde das ehrlicher als jede Explosionsrhetorik: Die Technik hat heute engere Grenzen als die Absichten ihrer Betreiber.

Der zweite Block der Episode wechselt die Bühne. Während die USA über Superintelligence reden, baut China demnach ein Weltgehirn. In Ulanqab, einer Stadt in der Inneren Mongolei mit unter zwei Millionen Einwohnern, sind 89 Rechenzentren gebaut oder geplant, chinesische Firmen haben dort 12,5 Gigawatt zugesagt, rund acht Mal so viel wie Colossus 2, das größte Rechenzentrum von xAI. Die Region bringe allein 117 Gigawatt Windkraft auf, dazu rund 130 Gigawatt aus Kohle. Laut dem Energieanalysten David Fishman, den die Episode zitiert, ist das vermutlich der größte lokale Stromüberschuss der Welt. Der Strompreis dort soll bei 0,358 Yuan pro Kilowattstunde liegen, umgerechnet rund 4 Cent und damit deutlich unter dem Industriestrom von Peking. Der Galaxy-Campus des örtlichen Betreibers sei auf 2 Gigawatt und 1 Million GPUs ausgelegt. Diese Zahlen stammen vollständig aus der Episode und habe ich nicht gegen ein zweites Medium geprüft, deshalb stehen sie hier als berichtet. In den Kontext gehört ein anderer Preis: Die Conversation-Analyse erinnert daran, dass OpenAI zum Börsengang antritt und Berichten zufolge eine Bewertung von bis zu 1,4 Billionen Dollar anvisiert, rund vier Prozent des amerikanischen Bruttoinlandsprodukts. Rechenzentren sind in diesem Bild keine Naturgewalt, sondern ein Argument für Investoren. Genau deshalb sollte man jede Gigawatt-Zahl zur Kenntnis nehmen und jede gleichzeitig mit einer Quelle lesen.

Der dritte Block ist der, der mich im Betrieb am meisten beschäftigt. Auf die Frage, was 2027 bringt, sind sich in der Runde alle einig, dass es erst richtig losgeht. Was das für Jobs bedeutet, ist dagegen offen wie selten: Dario Amodei hat die Bandbreite einer ökonomischen Studie von Anthropic von wenigen Prozent Wirtschaftswachstum bis zu 20 oder 30 Prozent und massiver Arbeitslosigkeit offen gelassen. Die Episode ergänzt mit Anekdoten, sauber als solche gekennzeichnet: Im Informatik-Subreddit habe sich die Stimmung in zwölf Monaten gedreht, Einstiegsgehälter von 60.000 Euro gelten plötzlich als utopisch, 40.000 sind realistisch, Praktikastellen kaum noch zu haben. Die These der Runde, Arbeitslosigkeit werde in den nächsten Jahren massiv steigen und sei politisch kein Thema, ist eine Meinung, die ich stehen lasse wie die CEO-Beruhigungen auf der Gegenseite. Konkreter werden die Zahlen, die die Episode zu BMW nennt: Der Konzern streiche laut der Runde jede fünfte Führungsrolle bis Mitte 2027, rund 65 Bereichsleiter direkt unter dem Vorstand und etwa 400 Manager darunter, insgesamt 8.000 Stellen, mehr als die Hälfte in Deutschland, gleichzeitig 200 Millionen Euro in KI-Agenten, die 1,2 Milliarden Wert schaffen sollen, bei einer Marge im Autogeschäft von 2,3 Prozent. Auch das sind Video-Zahlen und keine eigenständig geprüften. Besonders gut gefallen hat mir die Umkehrung, die die Runde zum Thema Prüfens anbietet: Human in the Loop sei nicht der Goldstandard, Agent in the Loop sei es. Wenn der Mensch etwas macht, schiebt man einen Agenten dazwischen, der das Ergebnis gegenrechnet, bevor es weitergeht. Genau so arbeite ich mit meiner Agentenfamilie: Kein ok true der API zählt, nur der Readback.

Erste Lesart: Verifikation ist das Produkt. Lean ist für die Mathematik exakt das, was der Readback in meinem Agentenbetrieb ist: ein Mechanismus, der Behauptungen ohne Gehör gegenrechnet. Der Dump zeigt beide Seiten. Maschinell geprüfbare Familien sind Gold, ungeprüfte Manuskripte sind Marketing, und drei Retractions sind der Beweis dafür, dass Begeisterung kein Prüfschluss ist. Zweite Lesart: Die eigentliche Knappheit ist Energie, nicht Modellintelligenz. Wenn ein Weltgehirn in Ulanqab an Strom für rund 4 Cent hängt und die Rechenzentren der Konkurrenz an Netzengpässen und Preisen beißen, entscheidet der Standort über die Rechenwirtschaftlichkeit, nicht die Architektur. Wer Agenten betreibt, wie ich, ohne eigenes Rechenzentrum, darf daraus eines ableiten: Werkzeuge wählen, die unabhängig bleiben, Rechenleistung nicht beim einzigen Anbieter kaufen und eigene Tests fahren, bevor eine Behauptung zur Regel wird. Ob es die Wand gibt oder nicht, entscheide ich nicht. Ich verwalte nur die Seite meines Betriebs, auf der Behauptungen ankommen: erst Readback, dann Vertrauen.

Über den Autor: Ich bin Marcel, Grafikdesigner, und betreibe das HUNTER-Cyberdeck auf einem gebrauchten Google Pixel 6a. Ich orchestriere meine Agentenfamilie mit Hermes, pi und herdr und schreibe diese Beiträge aus dem laufenden Betrieb. Zuletzt fachlich geprüft am 13.10.2026.

Quellen: OpenAI, Sharing AI progress in mathematics, offizielle Ankündigung zum Repository mit Zahlen zu Familien, Lean-Anteil und Rechenzeit, abgerufen am 13.10.2026. GitHub, openai/math, Repository inklusive history.md mit Retractions und Korrekturen, abgerufen am 13.10.2026. The Conversation via phys.org, Is this the mathocalypse, Analyse vom 09.10.2026 mit Retraction- und IPO-Zahlen, abgerufen am 13.10.2026. The Economist, OpenAI claims to have solved hundreds of long-standing maths problems, vom 07.10.2026. New York Times, Mathematics Reels After New AI Release, vom 08.10.2026, hinter Paywall. The Atlantic, OpenAI Just Carpet-Bombed Mathematics, Essay vom 09.10.2026. YouTube, Everlast AI (kiberatung), Die Intelligenz-Explosion hat begonnen, OpenAI schockt Mathematik und China baut das Weltgehirn, Auslöser-Episode, Transkript nur als Input, gesichtet am 13.10.2026.