88 Stunden gegen ein Jahr. Das Verhältnis klingt nach Triumph der Maschine. Es ist, bei genauerem Hinsehen, eine Bilanz der Lautstärke ohne Hebel — denn der entscheidende Hebel kam von anderswo.

Die Navier-Stokes-Gleichungen beschreiben, wie sich Flüssigkeiten und Gase bewegen. Sie sind Grundlage der Wettervorhersage, des Flugzeugbaus, der Strömungsmechanik. Ob ihre Lösungen stets glatt bleiben oder unter bestimmten Bedingungen in Singularitäten kollabieren — also physikalisch unendliche Geschwindigkeiten annehmen —, ist eines der sieben Millennium-Probleme des Clay Mathematics Institute, dotiert mit einer Million US-Dollar. Seit dem Jahr 2000 ausgelobt, bislang ungelöst.

Am 8. September 2026 verkündete OpenAI, genau das geleistet zu haben: ein internes KI-System mit rund 10.000 simultanen Agenten, 88 Stunden Laufzeit, 130 Milliarden Output-Token, 166 Seiten Aufsatz, formalisiert in Lean. Eine Lösung, die zeigt: Unter bestimmten Bedingungen entwickeln die Gleichungen Singularitäten. OpenAI verzichtet auf das Preisgeld. Eine Geste, die großzügig wirken soll.

Die Frage ist nur: Wessen Großzügigkeit wäre das gewesen?

Die Idee kam aus Madrid

Martínez Zoroa selbst sagt es knapp: „Without our idea, AI wouldn't have solved it." Das ist kein Bescheidenheitsreflex — es ist eine methodische Aussage. Die Strategie, Singularitäten in Flüssigkeitsbewegungen gezielt zu konstruieren, stammt aus der Arbeit, die Córdoba und Martínez Zoroa seit 2023 entwickelten. OpenAIs System hat diese Strategie nicht erfunden; es hat sie in einem Suchraum operationalisiert, den Menschen ausgemessen haben.

Gut darin, eine Idee zu skalieren. Schwächer darin, sie zu erzeugen.

Das ist nicht trivial. Ein mathematisches Beweisproblem ist kein Schachspiel mit klar definierten Zügen. Die Frage, welche geometrische Struktur man für eine Singularitätskonstruktion wählt, wie man den Ansatz formuliert, welches Unterfeld der Analysis man aufmacht — das sind genuin kreative Entscheidungen. Martínez Zoroa und Córdoba haben sie getroffen. OpenAI hat auf dem Fundament dieser Entscheidungen eine Suchmaschine laufen lassen, die tatsächlich beeindruckend ist. Aber eine Suchmaschine, die auf fremden Karten navigiert, ist kein Entdecker.

Das stärkste Gegenargument

Man kann dagegen halten — und es ist ein ernstes Argument —, dass KI hier nichts anderes tut als der Computer einst: Es ist ein Werkzeug. Perelman bewies die Poincaré-Vermutung mit Papier und Bleistift, Hamilton mit Differentialgeometrie, andere mit Computeralgebrasystemen. Jede Generation hat die Rechenlast minimiert, die ihr zur Verfügung stand. Warum sollte ein KI-System, das formale Beweise in Lean verifiziert, grundsätzlich anders sein? Wenn das Ergebnis korrekt und vollständig ist, ist die Frage der Urheberschaft vielleicht akademisch.

Das wäre überzeugend, wenn OpenAI wie ein Werkzeug agiert hätte. Tut es aber nicht. Ein Hammer nimmt keine Pressekonferenz. Ein Computeralgebrasystem stellt keine Vergleiche an zwischen sich selbst und einem Jahr menschlicher Arbeit. OpenAI vermarktet die Lösung als eigene Leistung — als Beleg für die Überlegenheit des Systems, als Kursbewegung, als Beweis der Mission. Das Unternehmen beansprucht wissenschaftlichen Ruhm, ohne den Preis anzunehmen, und ohne die Urheberschaft vollständig auszuweisen. Das ist keine Werkzeug-Logik. Das ist Deutungshoheit.

Der Datenschatten

Tristan Buckmaster und Levent Alpöge, die parallel an verwandten Euler-Gleichungen arbeiteten und dabei OpenAI-Produkte nutzten, haben einen weiteren Verdacht geäußert: dass ihre Prompts, ihre Anfragen, ihre Rechenwege in irgendeiner Form in OpenAIs Modellverbesserung eingeflossen sind. OpenAI bestreitet direkten Zugriff, räumt aber ein, nicht ausschließen zu können, dass anonymisierte Nutzungsdaten zur Modellanpassung beigetragen haben. Das ist keine Entlastung. Es ist die Beschreibung eines strukturellen Problems: Wer das Werkzeug baut und es gleichzeitig benutzt, und gleichzeitig Zugang zu allem hat, was mit dem Werkzeug produziert wird, sitzt an einem Informationsfluss, den andere nicht sehen können.

Das Clay Mathematics Institute hat die Lösung noch nicht geprüft. Der Peer-Review steht aus. Lean-Verifikation bedeutet formale Korrektheit des Beweises in einem bestimmten System — nicht dasselbe wie mathematische Anerkennung durch die Gemeinschaft. Bisher hat das Institut exakt ein Millennium-Problem als gelöst anerkannt: die Poincaré-Vermutung, von Grigori Perelman, allein, ohne Agenten und ohne Pressekonferenz.

Rechenleistung als Strukturvorteil

Der tiefere Riss ist kein urheberrechtlicher, er ist struktureller Natur. OpenAI hatte mehrere Millionen Dollar Rechenkapazität, 10.000 Agenten, eine Infrastruktur, die kein akademisches Institut der Welt vorhalten kann. Martínez Zoroa und Córdoba hatten: gute Ideen und ein Jahr Arbeitszeit.

Wenn Grundlagenforschung künftig so aussieht — wer am meisten Rechenleistung kaufen kann, erzielt den Durchbruch, egal auf wessen konzeptioneller Vorarbeit —, dann ist das Anreizsystem der Wissenschaft beschädigt. Nicht dramatisch, nicht auf einen Schlag. Aber spürbar: Forschungsgruppen werden zögern, Zwischenstände zu veröffentlichen. Sie werden ihre Nutzung kommerzieller KI-Tools einschränken. Und sie werden, zu Recht, misstrauisch sein gegenüber einem Unternehmen, das gleichzeitig Werkzeug, Konkurrent und Richter über den eigenen Beitrag ist.

Die Antwort auf die Frage, wer Navier-Stokes gelöst hat, liegt in Madrid — und in den Serverhallen von OpenAI. Martínez Zoroa hat die Karte gezeichnet. OpenAI hat sie sehr schnell abgefahren.