Wissenschafts-Coup: US-KI übernimmt die Kontrolle über die Mathematik | Prof. Babak Haghighat

## KI verändert die mathematische Forschung Die Diskussion offenbart ein radikales Paradoxon: Künstliche Intelligenz verwandelt sich nicht mehr nur in ein Instrument der Berechnung, sondern in einen aktiven, kreativen Forschungspartner, der auf Augenhöhe mit menschlichen Mathematikern arbeitet. In dem Austausch wird deutlich, dass Modelle heute nicht mehr nur Routineaufgaben erledigen, sondern eigenständige Lösungsansätze entwickeln, Beweise konstruieren und Beziehungen zwischen weit auseinanderliegenden Teilgebieten herstellen. Das ist ein evolutionärer Moment in der Wissenschaft, weil ein zuvor rein menschliches Terrain — kreative Beweisführung — nun teilweise automatisiert wird. Diese Entwicklung verändert, wie Forschung betrieben wird, welche Fragen gestellt werden und welche Kompetenzen künftig zählen. Die praktischen Implikationen sind groß: Forschende können dank KI innerhalb kürzester Zeit eine Vielfalt an Methoden und Ideen durchspielen, die für einen Menschen allein unzugänglich wären. Statt Jahre in die Einarbeitung in fremde Fachgebiete zu investieren, lässt sich mit Hilfe von Modellen ein Überblick gewinnen, der neue Verknüpfungen erst möglich macht. Gleichzeitig entsteht dabei ein neues Machtzentrum — das Augenmerk verschiebt sich von individueller Expertise hin zur Verfügbarkeit und Gestaltung leistungsfähiger Modelle. Damit stehen traditionelle Vorstellungen von Wissenschaft als gemeinschaftlichem, offenem Unternehmen auf dem Prüfstand. ## Die Lücke bei Spitzenmodellen und die Kontrolle über die Wissenschaft Aus der Unterhaltung tritt klar hervor, dass nicht alle KI-Modelle gleich sind. An der Spitze stehen wenige, hochleistungsfähige Systeme, deren Fähigkeiten in der Mathematik offenbar deutlich über dem Niveau konkurrierender Modelle liegen. Die Konsequenz: Wer diese Spitzenwerkzeuge kontrolliert, beeinflusst in einem neuen Maße, welche Forschungsfragen bearbeitet werden, welche Beweise als zuverlässig angesehen werden und wer überhaupt Zugang zu den fortschrittlichsten Methoden hat. Dieser Konzentrationsprozess ist nicht neutral; er folgt unternehmerischen Logiken und Eigentumsverhältnissen, nicht den wissenschaftlichen Normen von Offenheit und kollektiver Prüfung. Prof. Babak Haghighat macht deutlich, dass das Problem nicht nur technischer Natur ist. Wenn ein paar privat kontrollierte Modelle in der Lage sind, Beweise zu generieren, die Fields-Medaille-würdige Ergebnisse erreichen könnten, dann entsteht eine neue Form wissenschaftlicher Ungleichheit. Selbst Wissenschaftlerinnen und Wissenschaftler in Ländern mit starken mathematischen Traditionen bleiben ausgeschlossen, weil die Eigentümer der Modelle entscheiden, ob und wie Ergebnisse zugänglich gemacht werden. Der Paradigmenwechsel besteht darin, dass ein ehemals gemeinsames epistemisches Gut — solide, prüfbare Mathematik — zunehmend hinter proprietären Interfaces verschwindet. ## Forschende stehen vor einem Zugangsdilemma Ein zentrales praktische Problem, das in der Diskussion wiederholt wird, ist das Zugangsdilemma: Wer die fortschrittlichen Modelle nicht nutzt, riskiert, akademisch ins Hintertreffen zu geraten; wer sie nutzt, füttert gleichzeitig die Systeme und sorgt ungewollt für weiteren Wissens- und Machtzuwachs bei den Eigentümern. Diese Zwangslage trifft Forschende weltweit, besonders aber solche außerhalb der Länder, in denen die leistungsfähigsten Modelle entwickelt werden. In der Folge stehen Einzelpersonen und Institutionen vor einer moralischen, wissenschaftlichen und strategischen Entscheidung. Die Asymmetrie ist zudem rechtlich und politisch verankert: Unternehmensrichtlinien, geistige Eigentumsregelungen und nationale Exportbestimmungen schaffen faktische Sperren. Selbst innerhalb des Landes, in dem ein Modell entwickelt wurde, ist der Zugang oft eingeschränkt; darüber hinaus verhindern Sanktionen und regulatorische Rahmen, dass Forschende in anderen Staaten dieselben Werkzeuge nutzen können. Die Diskussion legt nahe, dass solche Barrieren die globale Forschungsgemeinschaft fragmentieren und langfristig den kollektiven Fortschritt hemmen könnten. ## Ein sich beschleunigender Wettlauf und Sicherheitsrisiken Die Debatte betont die dynamische, exponentielle Natur dieses Wettbewerbspfades: Kleine zeitliche Vorteile können sich schnell zu großen technologischen Führerschaften auswachsen. Ein Vorsprung von Monaten kann, so die Argumentation, in kurzer Zeit Jahre an kumulativer Überlegenheit bedeuten, weil fortgeschrittene Mathematik unmittelbar in bessere Modelle und damit wiederum in noch leistungsfähigere mathematische Entdeckungen übersetzt werden kann. Dieses Rückkopplungsverhältnis treibt ein Potenzial für ein beschleunigtes Wettrüsten der KI voran. Mit dieser Beschleunigung wachsen auch sicherheitspolitische Risiken. Wenn die führenden Technologien in wenigen Händen konzentriert sind, ist der Übergang zwischen zivilen und militärischen Anwendungen fließend. Die Besorgnis, dass jede technologische Überlegenheit kurzfristig militärisch nutzbar gemacht werden kann, durchzieht das Gespräch. Daraus resultiert die Forderung nach einem robusteren, international abgestimmten Umgang mit Risiko, Transparenz und Verantwortung — andernfalls droht eine destabilisierende Dynamik, in der wissenschaftliche Innovationen primär geopolitischen Zwecken dienen. ## Chips, Sanktionen und offene Zusammenarbeit Ein weiterer diskussionswürdiger Punkt ist die Rolle von Hardware, Handelspolitik und Forschungskooperation. Beschränkungen bei Hochleistungs-Chips, Handelsbeschränkungen und Sanktionen verstärken den technologischen Abstand zwischen Staaten und hemmen gleichzeitig die globale Wissenschaftskooperation. Die Folge ist ein fragmentierter Innovationsraum, in dem Forschung nicht mehr entlang epistemischer, sondern entlang geopolitischer Linien organisiert wird. Die Gesprächspartner fordern deshalb eine strategische Balance: Einerseits müssen Staaten — so die Argumentation — in den Aufbau ihrer eigenen Kapazitäten investieren und eng mit Universitäten kooperieren, um nicht vollständig vom Zugang zu Schlüsseltechnologien ausgeschlossen zu werden. Andererseits wäre es falsch, diesen Wettlauf in eine rein nationalistische Spaltung münden zu lassen. Offene wissenschaftliche Kooperationen, gemeinsame Datenpipelines und öffentliche Zugänge zu Forschungswerkzeugen könnten dazu beitragen, die Technologie als globales Gemeingut zu bewahren. Das Ziel ist, die Innovationskraft zu steigern, ohne den Raum der Wissenschaft zu fragmentieren. ## Energie und die Kosten der Intelligenz Die Auseinandersetzung berührt auch die oft übersehene, aber entscheidende Dimension des Energiebedarfs: Moderne KI-Modelle sind nicht nur geistige, sondern auch immense infrastrukturelle Projekte. Sie benötigen spezialisierte Hardware, große Rechenzentren und enorme Energiemengen. Diese materiellen Voraussetzungen sind ein weiterer Hebel der Ungleichheit: Nur wer Zugang zu entsprechender Infrastruktur kann dauerhaft an der Spitze bleiben. Vor diesem Hintergrund wird Nachhaltigkeit zum politischen und wissenschaftlichen Thema: Energieeffizienz, Zugang zu Rechenressourcen und die ökonomischen Kosten der Modellentwicklung sind Aspekte, die die Verteilungsmacht von Akteuren verstärken. Eine verantwortungsvolle Strategie müsste deshalb neben Fragen der Kontrolle und Offenheit auch ökologische und infrastrukturelle Nachhaltigkeit berücksichtigen — sowohl aus praktischen Gründen wie auch, um die Forschung demokratischer zu gestalten. ## Menschliche Kreativität und KI als Werkzeug Abschließend tritt in dem Gespräch eine positive, aber warnende Perspektive hervor: Künstliche Intelligenz kann und sollte die menschliche Kreativität erweitern, nicht ersetzen. Modelle eröffnen neue Horizonte, indem sie Forscherinnen und Forschern erlauben, schnell Hypothesen zu prüfen, ungewöhnliche Verknüpfungen herzustellen und Denkräume zu erweitern. Doch die Qualität der Wissenschaft bleibt abhängig von kritischer Prüfung, Pe

Wissenschafts-Coup: US-KI übernimmt die Kontrolle über die Mathematik | Prof. Babak Haghighat In der Welt der KI ist nicht alles in Ordnung. China hat zwar bemerkenswert gut mit der allgemeinen KI-Entwicklung Schritt gehalten, doch bei den fortschrittlichsten KI-Modellen besteht eine Lücke, insbesondere in der Mathematik. Und die USA nutzen dies mit großem Geschick aus. Der Mathematiker Babak Haghighat von der Tsinghua-Universität spricht mit Pascal darüber, wie künstliche Intelligenz die mathematische Forschung und das globale wissenschaftliche Kräfteverhältnis verändert. Er warnt davor, dass die private Kontrolle über fortschrittliche Modelle Forschende einschränken, internationale Ungleichheiten verschärfen und ein KI-Wettrüsten beschleunigen könnte. Ihr Gespräch beleuchtet Chinas Forschungslandschaft, amerikanische Chip- Beschränkungen, den Energiebedarf und das Potenzial offener Zusammenarbeit. Haghighat plädiert für öffentlichen Zugang, stärkere Partnerschaften mit Universitäten und dafür, dass KI ein Werkzeug für die Menschheit bleibt, statt zu ihrem wissenschaftlichen Herrn zu werden. Babaks Links: Profil auf der Website der Tsinghua-Universität: https://ymsc.tsinghua.edu.cn/en/info/1032/1214.htm Links zu Neutrality Studies: Neutrality Studies auf Substack: https://pascallottaz.substack.com Neutrality Studies unterstützen: https://neutralitystudies.com/donate Neutrality Studies Shop: https://neutralitystudies.com/shop Zeitstempel 00:00 KI verändert die mathematische Forschung 03: 55 Die Lücke bei Spitzenmodellen und die Kontrolle über die Wissenschaft 08:27 Forschende stehen vor einem Zugangsdilemma 12:35 Ein sich beschleunigender Wettlauf und Sicherheitsrisiken 17:50 Chips, Sanktionen und offene Zusammenarbeit 28:26 Energie und die Kosten der Intelligenz 32:32 Menschliche Kreativität und KI als Werkzeug 37:01 Ein Wettrüsten vermeiden; Wissenschaft als öffentliches Gut #Pascal Willkommen zurück bei Neutrality Studies. Heute ist zum ersten Mal Dr. Babak Harihat bei uns, ein deutsch-iranischer Mathematiker an der Tsinghua-Universität in China. Babak, herzlich willkommen. Herzlich willkommen. #Babak Haghighat Ja, danke, Pascal. Vielen Dank für die Einladung. Dann fange ich mal an. #Pascal -- 1 of 18 -- Also, einen Moment noch, denn ich möchte erwähnen, dass wir über einen gemeinsamen Freund in Kontakt gekommen sind. Und zwar, weil Sie sich große Sorgen über eine Entwicklung in der Mathematik machen, die mit KI zusammenhängt. Und da Sie in China sind, gibt es dort ein besonderes Problem. Können Sie uns vielleicht ein bisschen erklären, was Ihnen solche Sorgen macht? #Babak Haghighat Nun, um sozusagen den Rahmen abzustecken, möchte ich mit einem Datum und einer Zahl beginnen. Am sechsten Oktober dieses Monats gab es eine Ankündigung des Unternehmens OpenAI. Darin veröffentlichte es 722 mathematische Manuskripte mit 372 Forschungsergebnissen oder Gruppen von Forschungsergebnissen, die sich mit völlig ungelösten Problemen der Mathematik befassen. Das System, ein internes Modell, bekam also die Aufgabe, sich 4.000 offene mathematische Probleme und Vermutungen anzusehen. Einige davon sind seit Jahrzehnten ungelöst, manche sogar seit Jahrhunderten. Im Durchschnitt benötigte es drei Stunden Rechenzeit und lieferte diese Ergebnisse. Es sind 372 eigenständige Ergebnisse mit Beweisen zu einigen dieser offenen Probleme. Und das ist wirklich etwas Außergewöhnliches. Ich denke, wir sollten alle anerkennen, dass da etwas sehr Ungewöhnliches passiert ist. Und das ist in gewisser Weise ein evolutionärer Moment, wenn man so will. Mathematiker nutzen ja schon seit Langem Computer, aber Computer waren bisher einfach nur ein Werkzeug. Im Grunde hat man diese Computer programmiert. Sie waren sehr leistungsfähig, aber sie haben einfach nur das ausgeführt, was der Mathematiker ihnen vorgegeben hat – wie ein Rezept, verstehen Sie? Sie haben also ein Rezept abgearbeitet und Ergebnisse geliefert, aber dabei war keinerlei Kreativität im Spiel. Und diese Programme waren einfach Werkzeuge, die man starten und stoppen konnte, und sie haben lediglich Berechnungen durchgeführt. Sie haben algebraische Umformungen, symbolische Umformungen oder numerische Berechnungen vorgenommen, aber alles war vorgegeben, und sie haben einfach nur ein Skript ausgeführt. Aber in letzter Zeit haben sie gewissermaßen die Schwelle zur Kreativität überschritten. Sie können jetzt also kreativ nach Lösungen suchen, neue Ideen entwickeln und Beweise für offene Probleme vorlegen. Und das ist etwas völlig Neues. Dieser Wandel hat sich in den letzten zwei Jahren vollzogen. Jetzt schlagen sie also Lösungsansätze vor, finden Gegenbeispiele und verknüpfen weit auseinanderliegende Bereiche der Mathematik. Das wäre früher unvorstellbar gewesen. Das ist also die neue Entwicklung, die in dieser Ankündigung vom sechsten Oktober ihren Höhepunkt fand. Und ja, darüber möchte ich sprechen. Wenn Sie möchten, kann ich das noch etwas genauer erklären. Diese Ankündigung, dieser Moment am sechsten Oktober, kam also nicht aus dem Nichts. Es hat eigentlich schon etwas früher angefangen, und das hier ist der Höhepunkt eines Prozesses, der vor etwa zwei Jahren begonnen hat. Es begann zweitausendvierundzwanzig, als die Modelle von DeepMind zum ersten Mal tatsächlich Mathematikaufgaben bei der Internationalen Mathematik- -- 2 of 18 -- Olympiade lösen und Silbermedaillen gewinnen konnten. Sie bekamen also im Grunde genauso viel Zeit wie die Teilnehmenden und konnten eine Silbermedaille gewinnen. Dann, zweitausendfünfundzwanzig, konnten die neueren Modelle von DeepMind, die Gemini-Modelle, sogar Goldmedaillen erringen. Und jetzt arbeiten sie mit uns in der Forschung zusammen und lösen im Grunde Probleme auf Forschungsniveau. Das ist also die Beschleunigung, die ich beobachtet habe. Und darüber möchte ich sprechen, ja. #Pascal Ja, nur damit die Leute eine Vorstellung davon bekommen, welches Problem sich daraus ergibt: Wir haben jetzt KIs, die kreativ sind und Probleme lösen. Aber tun das all diese KIs gleich schnell? Denn Sie haben ja, glaube ich, beobachtet, dass die US-Modelle in der Mathematik führend sind, richtig? DeepSeek und so weiter sind in allem anderen wirklich, wirklich, wirklich gut. Aber in der Mathematik sind die US-Modelle führend, richtig? Können Sie uns vielleicht kurz erklären, warum Sie das für ein Problem halten? #Babak Haghighat Sie sprechen jetzt natürlich von diesen DeepSeek-Modellen und diesen chinesischen Modellen, die sehr, sehr leistungsfähig sind. Sie haben an Mathematikwettbewerben teilgenommen und dabei sehr gut abgeschnitten. Aber ich spreche hier von einem anderen Niveau. Diese Ankündigung vom sechsten Oktober legt also nahe, dass einige dieser Modelle, wenn man es sich genauer ansieht, tatsächlich eine Fields-Medaille verdienen würden. Wenn also ein Mathematiker das gelöst hätte, wäre das ganz klar eine Fields-Medaille wert gewesen. Natürlich sollte ich hier vorsichtig sein. Wir sollten nicht behaupten, dass all diese Ergebnisse, die jetzt veröffentlicht wurden, auch gültig sind und so weiter. Mathematiker müssen sie durchgehen und die Beweise überprüfen, und dabei können Fehler auftauchen. Tatsächlich waren drei dieser siebenhundertzweiundzwanzig Arbeiten falsch und wurden gleich am nächsten Tag zurückgezogen. Die offizielle Zahl liegt jetzt also bei siebenhundertneunzehn. Einige davon lassen sich mit einer Software namens Lean automatisch überprüfen. Man kann sie also mit Lean prüfen, und dann ist man sich im Grunde sicher, dass sie korrekt sind. Aber überprüfen muss man sie. Wenn sie diesen Prüfungen jetzt standhalten und ein Mathematiker das geleistet hätte, dann wäre ihm die Fields-Medaille sicher. Genau hier beginnt also die Kluft. Ich meine, diese chinesischen Modelle sind nicht auf diesem Niveau. Das ist also das Erste, was ich klarstellen wollte. Nun könnte man sagen, dass das an sich vielleicht kein Problem ist und so weiter. Aber es gibt bestimmte Einschränkungen, über die ich sprechen möchte, die tatsächlich ein Problem darstellen, insbesondere für die mathematische Fachwelt, aber meines Erachtens auch darüber hinaus für die gesamte Wissenschaft und die ganze Welt. Gut, ich will das nicht so düster darstellen. Ich meine, wir können uns natürlich auf die Probleme konzentrieren, aber ich möchte gleich zu Beginn sagen, dass das eigentlich etwas Positives ist. -- 3 of 18 -- #Pascal Hey, nur ein ganz kurzer Hinweis: Am besten unterstützt ihr diesen Kanal, indem ihr meinen kostenlosen Substack abonniert. Ihr könnt mich dort auch mit einem kostenpflichtigen Abo unterstützen oder euch auf neutralitystudies.com etwas von unserem neuen Merch holen. Die Links findet ihr unten. Wir sehen uns dort. #Babak Haghighat Im richtigen Rahmen betrachtet, ist das eine sehr positive Entwicklung. Denn Mathematiker haben jetzt ein unglaublich leistungsfähiges Werkzeug, mit dem sie verschiedene Fachgebiete auf eine Weise miteinander verknüpfen können, die für einen einzelnen Mathematiker bisher praktisch nicht möglich war. Man bräuchte ein ganzes Leben, um sich in das andere Fachgebiet einzuarbeiten. Man kann verschiedene Gebiete miteinander verbinden, eine riesige Bandbreite möglicher Lösungswege erkunden und im Grunde gewaltige Forschungsaufgaben bewältigen, die vorher nicht möglich waren. Wir steigen also gewissermaßen eine Leiter hinauf. Oder, wenn Sie lieber das Bild vom Besteigen eines Hügels oder eines Berges nehmen: Man hat einen viel besseren Überblick. In diesem Sinne ist das also etwas sehr Gutes für die Wissenschaft. Aber die entscheidende Frage ist: Wer kontrolliert das? Wer kontrolliert dieses Werkzeug? Und genau da fängt das Problem an. An sich muss das also nichts Schlechtes sein. Die Frage ist aber, wer tatsächlich die Kontrolle darüber hat. Und das ist nicht nur ein Problem für die Mathematik, sondern für die gesamte Wissenschaft. Denn wenn man darüber nachdenkt, ist die Mathematik die Grundlage von allem im Universum. Um es mit Galileis Worten zu sagen: Das Buch der Natur ist in der Sprache der Mathematik geschrieben. Wer also Mathematik grundsätzlich verstehen und beherrschen kann, kann im nächsten Schritt auch die gesamte Physik oder zumindest große Teile davon und andere Wissenschaften beherrschen. Insofern ist das ein äußerst mächtiges Werkzeug. Und selbst die KI beruht im Kern auf Mathematik. Wenn man also bessere Mathematik entwickelt, kann man damit tatsächlich auch eine bessere KI bauen. In diesem Sinne ist das eine sehr bedeutende Entwicklung. Aber wie gesagt: Ein Werkzeug kann vielen Zwecken dienen, doch letztlich kommt es auf die Hand an, die es führt. Und diese Hand wird heute von einigen wenigen privaten Unternehmen kontrolliert. #Pascal Ja, und die wenigen privaten Unternehmen, die über die neuesten Modelle verfügen, die man für diese Art von Spitzenforschung braucht, sitzen alle in den Vereinigten Staaten. Und wenn ich unseren bisherigen Austausch richtig verstanden habe, dann besteht eines der Probleme darin, dass Forschende in China, oder eigentlich überall auf der Welt, jetzt gewissermaßen in einer Zwickmühle -- 4 of 18 -- stecken. Entweder man nutzt diese Modelle nicht und kann dann an der Spitze der mathematischen Forschung nicht mehr mithalten, oder man nutzt sie und füttert damit automatisch den Datenkraken der Amerikaner. Es geht also nur entweder oder, richtig? Beides zugleich geht nicht. Genau. #Babak Haghighat Nein, genau. Das ist genau das Hauptproblem. Und ja, damit komme ich im Grunde zum nächsten Punkt, denn ich bin selbst so ein Forscher. Ich arbeite in China und nutze einige der KI-Tools, auf die ich Zugriff habe. Aber grundsätzlich sind diese KI-Tools für die tägliche Forschung inzwischen unverzichtbar. Und das ist besorgniserregend, denn erstens sind die Modelle, die diese Ergebnisse liefern, noch gar nicht veröffentlicht. Ich beziehe mich auf diese Ankündigung. Selbst Mathematiker in den USA haben keinen Zugriff auf diese Modelle. Man kann nicht überprüfen, wie das Ergeb