LONDON (IT BOLTWISE) – OpenAI behauptet, die 90 Jahre alte Navier-Stokes-Aufgabe in 88 Stunden gelöst zu haben. Dafür setze das Unternehmen auf ein System aus „koordinierten Agenten“ sowie ein neues KI-Modell. Laut OpenAI arbeiteten rund 10.000 parallele Agenten mit Werkzeugen wie Code-Ausführung und dem Zugriff auf zwischengespeicherte Internetinhalte. Während die Behauptung Neugier auslöst, stellt ein Mathematiker Fragen zur Nachvollziehbarkeit und zum möglichen Dateneinfluss auf die verwendeten KI-Modelle.
OpenAI macht mit einer ungewöhnlich konkreten Erfolgsgeschichte Schlagzeilen: In einer Veröffentlichung nennt das Unternehmen die Lösung des 90 Jahre alten Navier-Stokes-Problems nach eigenen Angaben „innerhalb von 88 Stunden“. Hintergrund ist die Einordnung als eine der sogenannten Millennium Prize Problems, bei denen das Clay Mathematics Institute seit 2000 jeweils 1 Million US-Dollar für eine Lösung bereitstellt. Navier-Stokes beschreibt dabei vereinfacht gesagt, wie sich Flüssigkeiten und Gase unter bestimmten Bedingungen bewegen – also eine Gleichungsfamilie, die im Engineering von der Strömungsmaschine bis zur Wettermodellierung zentral ist und die zugleich im mathematischen Kernbereich als extrem schwierig gilt.
Technisch steht in der OpenAI-Darstellung nicht ein einzelnes Modell im Vordergrund, sondern ein orchestriertes Multi-Agent-Setup: Das Unternehmen spricht von „koordinierten Agenten“, die durch ein internes KI-Modell angetrieben werden. Diese Agenten hätten Zugriff auf Werkzeuge gehabt, darunter die Fähigkeit, aus einer zwischengespeicherten Version des Internets zu lesen, und die Fähigkeit, Code auszuführen. Damit verknüpft OpenAI in der Schilderung zwei typische Bausteine, die in KI-gestützten Forschungs-Workflows oft getrennt auftreten: einerseits Retrieval- und Wissenszugriff (hier: Cache-Lesen), andererseits symbolisch-numerische Prüfung bzw. Experimentierung (hier: Code-Execution). Besonders relevant ist zudem die Strukturierung in Gruppen, die intern kommunizieren und unterschiedlich groß sein können.
OpenAI behauptet außerdem eine Größenordnung, die im Kontext KI-gestützter Problembearbeitung sofort auffällt: Das Gruppe-und-Kommunikations-Design soll „in der Größenordnung von 10.000 parallelen Agenten“ zu der Navier-Stokes-Auflösung geführt haben. Nach Angaben des Unternehmens trafen die Agenten ihre Lösung am Samstag, dem 5. September, etwa 88 Stunden nachdem die ersten Agenten gestartet worden waren. Solche Parallelschwärme sind für viele Unternehmen der nächste logische Schritt hinter klassischem Prompting: Statt dass ein einzelnes System eine lange Denk- und Fehlerkette durchläuft, wird die Suche verteilt, Varianten werden gleichzeitig ausprobiert, und das System kann Ergebnisse schneller gegeneinander abgleichen. Auch für das Engineering eines solchen Workflows ist das anspruchsvoll, weil Synchronisation, Ressourcensteuerung und ein plausibles Bewertungs- bzw. Konsistenzsignal gebraucht werden, damit nicht nur „irgendetwas“ entsteht, sondern ein mathematisch verwendbarer Kandidat.
Gleichzeitig gibt es erheblichen Gegenwind aus der Wissenschaft. Tristan Buckmaster, Professor für Mathematik an der New York University, äußert sich in einer eigenen Stellungnahme und verweist auf eine „persönliche Zusammenarbeit“ mit dem OpenAI-Konkurrenten Anthropic-Mitarbeiter Levent Alpöge an mathematischen Problemen einschließlich Navier-Stokes. Buckmaster beschreibt, dass Alpöge „Tipps“ erhalten habe, die Informationen über den Fortschritt des Teams an OpenAI weitergegeben hätten. Aus seiner Sicht sei der Weg zur Lösung zudem nicht derjenige, der sich in wenigen Tagen ergibt, wenn man einem Modell nur die Problemstellung gibt. Außerdem richtet Buckmaster die Aufmerksamkeit auf eine mögliche Informationsbasis der Modelle: Er fragt, ob die verwendeten KI-Systeme auf entsprechende Daten trainiert wurden oder ob sie Zugriff auf Sitzungen hatten, an denen die Mathematiker arbeiteten – und betont zugleich, dass er selbst keinen Einblick in den Beweis habe und nicht wisse, „was ihr Modell did, or how“ sowie ob die Daten der Zusammenarbeit verwendet wurden.
Für die Branche ist dabei weniger entscheidend, ob die behauptete Lösung aus Sicht von OpenAI bereits „steht“, sondern wie die Debatte um Beleg, Reproduzierbarkeit und Datenherkunft geführt wird. Das Navier-Stokes-Problem ist nicht nur eine Testfrage für Rechenleistung, sondern ein Prüfstein für die Fähigkeit von KI-Systemen, komplexe mathematische Argumentationen zu konstruieren und konsistent zu validieren. OpenAI reagiert auf diese Unsicherheiten in seiner Darstellung: Das Unternehmen sagt, die Arbeit habe am 1. September begonnen, nachdem es nach eigener Aussage ein Gerücht über Fortschritte gegeben habe, das es später als mit den Arbeiten von Alpöge und Buckmaster verknüpft sah. Zugleich stellt OpenAI klar, dass die „Forscher und die Agenten“ keine ihrer Arbeiten bis zur öffentlichen Veröffentlichung „auf irgendeine Weise“ gesehen hätten, und dass insbesondere kein spezifisches Nutzerdatenmaterial für die Lösung zugegriffen worden sei; auch wenn OpenAI einräumt, dass selbst bei dieser Abgrenzung eine indirekte Ableitung de-identifizierter Daten aus Nutzungen der Produkte die Modellverbesserung begünstigen könnte, lasse sich das laut den Angaben nicht vollständig ausschließen.
Markt- und Industrierelevanz bekommt die Meldung vor allem, weil sie die Grenzen zwischen „KI als Hilfsmittel“ und „KI als eigenständige Hypothesen- und Beweisfindung“ verschiebt. Wenn ein Unternehmen wie OpenAI behauptet, durch Koordination vieler Agenten und durch Werkzeugzugriff innerhalb weniger Tage einen Kandidaten für ein Jahrhundertproblem zu produzieren, verändert das Erwartungshaltungen in Forschungsteams und in Produktabteilungen gleichermaßen. Für Unternehmen außerhalb der Grundlagenforschung ist das Muster trotzdem übertragbar: Multi-Agent-Orchestrierung, Tool-Nutzung (z.B. Code-Checks) und gruppenbasierter Wissensaustausch sind Bausteine, die sich etwa für formale Verifikation, große Dokumentanalysen oder Engineering-Workflows einsetzen lassen. Danach kommt jedoch der schwierigste Teil: Das System muss nicht nur Ergebnisse liefern, sondern sie müssen so präsentiert und prüfbar gemacht werden, dass unabhängige Mathematiker und Ingenieure sie nachvollziehen und verwerfen oder akzeptieren können.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "OpenAI soll Navier-Stokes-Lösung in 88 Stunden gefunden haben – mit 10.000 Agenten" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "OpenAI soll Navier-Stokes-Lösung in 88 Stunden gefunden haben – mit 10.000 Agenten" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »OpenAI soll Navier-Stokes-Lösung in 88 Stunden gefunden haben – mit 10.000 Agenten« bei Google Deutschland suchen, bei Bing oder Google News!