KI in der Mathematik: Der Mensch bleibt wichtig
Dieser Text wurde (ganz oder teilweise) mit Hilfe von KI erstellt.
Stand: 16.08.2026
Künstliche Intelligenz verändert die Mathematik spürbar. Dabei geht es nicht nur darum, dass Programme Rechenaufgaben schneller lösen. Moderne KI-Systeme können Muster in Daten erkennen, Ideen für Beweise liefern, Beweisschritte prüfen und schwierige Wettbewerbsaufgaben bearbeiten. Daraus folgt aber nicht automatisch, dass Mathematikerinnen und Mathematiker überflüssig werden. Die belastbarste Deutung ist: KI verschiebt die Arbeit. Menschen bleiben besonders wichtig, wenn Ergebnisse geprüft, eingeordnet und sinnvoll genutzt werden müssen.
Der Anlass ist ein Interview von Scientific American mit dem Mathematiker und Physiker Yang-Hui He. Darin beschreibt er, dass KI in der Mathematik eine gemeinsame Sprache schaffen kann. Fachgebiete, die sonst kaum miteinander sprechen, finden über Daten, Muster und Lernverfahren leichter zusammen. In diesem Sinn kann KI Mathematik „menschlicher“ machen: Sie zwingt nicht nur zur Automatisierung, sondern kann mehr Austausch zwischen Menschen auslösen.
Gleichzeitig zeigen aktuelle Beispiele, wie stark die Technik geworden ist. Google DeepMind berichtete im Juli 2025, dass eine fortgeschrittene Version von Gemini mit „Deep Think“ fünf von sechs Aufgaben der Internationalen Mathematik-Olympiade 2025 vollständig löste und 35 von 42 Punkten erreichte. Nach Angaben von Google DeepMind wurde diese Bewertung von IMO-Koordinatoren nach den Regeln für menschliche Teilnehmende bestätigt. OpenAI berichtete ebenfalls von einem allgemeinen Reasoning-Modell mit 35 von 42 Punkten bei der IMO 2025 und veröffentlichte 2026 zusätzlich Beweisversuche für die Forschungsaufgaben von „First Proof“. OpenAI machte dabei selbst transparent, dass einige Ergebnisse noch fachlich geprüft wurden und der schnelle Testlauf kein sauber kontrolliertes Evaluationsverfahren war.
Das ist wichtig, weil Mathematik mehr ist als eine richtige Endzahl. Bei echten Beweisen zählt jeder Zwischenschritt. Ein korrektes Ergebnis kann aus einer falschen oder unvollständigen Begründung stammen. Forschungsarbeiten und Übersichtsartikel weisen deshalb auf Grenzen heutiger Systeme hin: Modelle können bei veränderten Aufgabenstellungen brüchig reagieren, formale Übersetzungen können fehleranfällig sein, und die Verifikation langer Beweise bleibt anspruchsvoll. Ein Benchmark zu automatisiertem formalem Beweisen aus dem Jahr 2025 fand außerdem deutliche Schwächen bei der Breite mathematischer Fachgebiete; das beste getestete System löste unter den dortigen Bedingungen nur 18,89 Prozent der Aufgaben.
Für Laien heißt das: KI kann in der Mathematik bereits mehr als nur Taschenrechner sein. Sie kann als Suchhilfe, Ideenmaschine, Trainingspartner und Prüfwerkzeug dienen. Sie kann Hinweise auf alte Sätze finden, mögliche Beweiswege vorschlagen und Routinearbeit verkürzen. Doch sie ersetzt nicht das menschliche Urteil. Menschen entscheiden, welche Fragen wichtig sind, ob ein Beweis wirklich überzeugt, welche Annahmen zulässig sind und welche Bedeutung ein Ergebnis hat.
Die wahrscheinlichste nahe Zukunft ist daher keine Mathematik ohne Menschen, sondern eine Mathematik mit neuen Rollen. Wer Mathematik betreibt oder lernt, muss nicht nur rechnen können, sondern auch KI-Ergebnisse kritisch lesen, Begründungen prüfen und gute Fragen stellen. Gerade dadurch könnte die Arbeit sozialer werden: Mehr Menschen diskutieren über Ideen, Beweise und Bedeutung, während Maschinen Teile der Suche und Vorprüfung übernehmen. Der Gewinn entsteht nicht durch blinden Glauben an KI, sondern durch Zusammenarbeit, Kontrolle und mathematische Sorgfalt.
Quellen:
1. Titel: Can AI make mathematics more human?
Autor/Organisation: Manon Bischoff, Scientific American; Bearbeitung: Daisy Yuhas
URL: https://www.scientificamerican.com/article/can-ai-make-mathematics-more-human/
Veröffentlichungsdatum: 11.08.2026
2. Titel: ‘It is incredible’: How AI is transforming mathematics
Autor/Organisation: Davide Castelvecchi, Nature
URL: https://www.nature.com/articles/d41586-026-01553-1
Veröffentlichungsdatum: 19.05.2026
3. Titel: Advanced version of Gemini with Deep Think officially achieves gold-medal standard at the International Mathematical Olympiad
Autor/Organisation: Thang Luong und Edward Lockhart, Google DeepMind
URL: https://deepmind.google/blog/advanced-version-of-gemini-with-deep-think-officially-achieves-gold-medal-standard-at-the-international-mathematical-olympiad/
Veröffentlichungsdatum: 21.07.2025
4. Titel: Our First Proof submissions
Autor/Organisation: OpenAI
URL: https://openai.com/index/first-proof-submissions/
Veröffentlichungsdatum: 20.02.2026
5. Titel: MSC-180: A Benchmark for Automated Formal Theorem Proving from Mathematical Subject Classification
Autor/Organisation: Sirui Li, Wangyue Lu, Xiaorui Shi, Ke Weng, Haozhe Sun, Minghe Yu, Tiancheng Zhang, Ge Yu, Hengyu Liu und Lun Du
URL: https://arxiv.org/abs/2512.18256
Veröffentlichungsdatum: 20.12.2025
6. Titel: Artificial Intelligence for Mathematical Reasoning: An Integrated Survey of Language Models, Neuro-symbolic Systems, and Verified Discovery
Autor/Organisation: Syed Rifat Raiyan, Mohsinul Kabir, Hasan Mahmud, Md Kamrul Hasan und Sophia Ananiadou
URL: https://arxiv.org/abs/2606.08728
Veröffentlichungsdatum: 07.06.2026; zuletzt überarbeitet: 26.07.2026