KI löst Mathe-Probleme

Es ist verlockend, das unter interessant, aber irrelevant abzulegen. Das wäre ein Fehler, denn das Ergebnis beantwortet eine Frage, die in jedem ernsthaften KI-Gespräch aufkommt: Können diese Systeme wirklich Neues produzieren, oder rekombinieren sie nur, was sie gesehen haben?

Die Antwort ist jetzt dokumentiert. Ein Allzweckmodell, kein Spezialwerkzeug, hat ein Problem gelöst, an dem starke menschliche Mathematiker achtzig Jahre gescheitert sind, und zwar mit einer Methode, auf die niemand gekommen war. Wenn das in der Mathematik möglich ist, wo die Probleme ungewöhnlich schwer und die Prüfung ungewöhnlich streng ist, lohnt die Frage, was in Ihrer eigenen Domäne möglich ist.

Die konkreten Parallelen liegen nahe. Restringierte Optimierung, Reihenfolgeplanung, Toleranzanalysen, Materialauswahl, Tarif- und Preisstrukturen, Testfallgenerierung für ein sicherheitskritisches Bauteil: Das sind alles Probleme, bei denen der Suchraum groß ist, die gute Antwort nicht offensichtlich und das Unternehmen sich meist vor Jahren auf die Anordnung festgelegt hat, die damals plausibel schien. Genau diese Form hat das Einheitsabstands-Problem, bei dem alle ein Gitter für optimal hielten, weil ein Gitter richtig aussah.

Und der Vorbehalt überträgt sich ebenfalls. OpenAIs Ergebnis hielt, weil neun Mathematiker es geprüft haben, bevor irgendwer gefeiert hat. Dieselbe Disziplin gilt für einen KI-generierten Produktionsplan oder ein neu gerechnetes Preismodell: Der Wert des Ergebnisses ist durch Ihre Fähigkeit begrenzt, es zu prüfen. Unternehmen, die bei schwierigen technischen Fragen echte Erträge aus KI ziehen, sind die, die den Prüfschritt von Anfang an mit einbauen, nicht die mit den besten Prompts.