Seit September ist die Welt der Mathematik in Aufruhr: KI-Agenten von OpenAI sollen eines der sieben sogenannten Millennium-Probleme gelöst haben. Diese zählen zu den schwierigsten offenen Fragen der Mathematik. Was Menschen während rund hundert Jahren nicht gelang, soll KI nach Angaben des Unternehmens innerhalb von 88 Stunden geschafft haben.

Auch wenn dies für die breite Öffentlichkeit eine durchaus spannende Meldung war, hat sie kaum unmittelbare Bedeutung für den Alltag der Menschen. Ganz anders sieht es für die Mathematikerinnen und Mathematiker aus: Sie sehen gerade ihre bisherige Arbeit, ihre professionelle Identität und ihren Sinn infrage gestellt.

Deshalb lohnt sich ein genauerer Blick. In der Mathematik lässt sich derzeit beobachten, wie ein ganzer Tätigkeitsbereich die Hoheit über sein Schaffen verliert und wie die betroffene Gemeinschaft darum ringt, diese zurückzugewinnen. Sie setzt sich mit ihrem eigenen Sinn, ihrem Verständnis von Leistung, ihrer Kultur und ihrem Wert auseinander und überlegt, welche Veränderungen daraus für ihre Organisation und ihre Strukturen folgen.

Ähnliche Fragen dürften sich bald in vielen Organisationen stellen. Der Umgang der Mathematik mit diesem Wandel bietet uns deshalb die Gelegenheit, frühzeitig darüber nachzudenken, wie wir unsere eigene Zukunft mit KI gestalten wollen.

Eine Profession ringt um ihren Beitrag

Die Mathematik gilt seit Langem als tragende Säule des intellektuellen Denkens und bildet die Grundlage für viele Wissenschaften. In den vergangenen Jahrzehnten ist dieses Verständnis jedoch zunehmend in den Hintergrund getreten. Mathematikerinnen und Mathematiker werden häufig anhand ihrer Publikationen beurteilt, insbesondere anhand ihrer Fähigkeit, Theoreme zu beweisen und Lösungen für mathematische Probleme zu finden.

Es überrascht daher kaum, dass OpenAIs Veröffentlichung von über 700 mathematischen Arbeiten am 6. Oktober als ernsthafte Bedrohung wahrgenommen wird. Das gilt auch dann, wenn noch nicht feststeht, wie viele der darin vorgelegten Beweise einer mathematischen Prüfung standhalten werden. Die Veröffentlichung folgte auf eine Reihe von Ankündigungen im Laufe des Jahres. Dazu gehörten die Widerlegung einer vor achtzig Jahren von Paul Erdős aufgestellten Vermutung sowie die angebliche Lösung des Navier-Stokes-Problems im September, eines der sieben Millennium-Probleme.

Für Forschende, die bestimmten Problemen Jahre oder Jahrzehnte gewidmet haben, kann dies eine existenzielle Erfahrung sein. Neben der Anerkennung ihrer bisherigen Arbeit stehen auch ihre künftigen Forschungsfragen, Karrierewege und beruflichen Perspektiven zur Debatte. Wenn KI jene Leistungen erbringt, über die sie sich bisher definiert haben, worin besteht dann künftig ihr eigener Beitrag?

Von der Gefahr, Leistung mit Sinn zu verwechseln

Dieser Frage widmen sich der Mathematiker und theoretische Informatiker Ankur Moitra vom MIT, der Ingenieur und Strömungsforscher Steven Brunton von der University of Washington und der Zahlentheoretiker Alex Kontorovich von der Rutgers University in einer mehr als dreistündigen Folge des Podcasts von Lex Fridman. Ihre Überlegungen lassen sich auch auf andere Tätigkeitsfelder übertragen. Wir beurteilen den Wert dessen, was Menschen und Organisationen leisten, häufig anhand der sichtbaren und messbaren Resultate ihrer Arbeit. Dabei laufen wir Gefahr, diese Leistungen mit dem eigentlichen Sinn ihrer Tätigkeit zu verwechseln. Wenn KI dieselben Resultate schneller oder effizienter hervorbringen kann, gerät damit nicht nur die bisherige Leistungserbringung, sondern auch das damit verbundene Selbstverständnis infrage.

Ankur Moitra veranschaulicht dies mit der sogenannten Doorman Fallacy. Wer die Arbeit eines Portiers allein im Öffnen der Tür sieht, könnte ihn durch eine automatische Tür ersetzen. Dabei bliebe unbeachtet, was er darüber hinaus beiträgt: Er heisst Gäste willkommen, erkennt Stammgäste wieder, vermittelt Sicherheit und prägt das Erlebnis des Ankommens.

Moitra überträgt genau diese Überlegung auf die Mathematik. Die sichtbarste Leistung eines Mathematikers ist es, Theoreme zu beweisen. Aber das sei nicht der Kern seiner Tätigkeit. Mathematiker seien Menschen, die tiefgründig denken, neue Theorien entwickeln, Verbindungen herstellen und neue Perspektiven eröffnen. Er definiert seine berufliche Identität deshalb nicht über die Beweisproduktion, sondern über das Denken selbst. Alex Kontorovich ergänzt diesen Gedanken mit der Frage, ob die Mathematik nicht eine Messgrösse für wissenschaftliche Exzellenz mit ihrem eigentlichen Zweck verwechselt habe.

Viele Mathematikerinnen und Mathematiker argumentieren in ihren Beiträgen in dieselbe Richtung. Sie erkennen, dass die Mitwirkung von KI an der mathematischen Forschung eine grundlegende Neubestimmung ihrer Rolle und des Sinns ihrer Tätigkeit erfordert. Und diesen sehen viele darin, der Menschheit ein tieferes Verständnis der Welt zu ermöglichen und mathematische Erkenntnisse nutzbar zu machen.

Was, wenn der Mensch die KI nicht versteht?

Stephen Wolfram, Physiker und Informatiker, auf dessen Forschung zu komplexen Systemen auch unsere eigene Theorie der Digitalen Gesellschaft aufbaut, nähert sich der Frage mit einer für ihn charakteristischen Sichtweise: Er argumentiert, dass der Mensch nur einen begrenzten Ausschnitt des gesamten mathematischen Möglichkeitsraums erfassen kann. Unser Wissen, unsere Erfahrungen und unsere Fähigkeit, Informationen zu verarbeiten, bestimmen, welche mathematischen Zusammenhänge wir erkennen und welche Konzepte wir entwickeln können.

Mit KI könnte sich dieser Ausschnitt erheblich erweitern. Sprachmodelle können auf eine enorme Menge bereits entwickelter mathematischer Theorien, Beweise und Konzepte zurückgreifen und diese auf eine Weise miteinander verbinden, die für einzelne Menschen kaum möglich wäre. Gleichzeitig eröffnen computergestützte Verfahren die Möglichkeit, formale Regelsysteme systematisch zu untersuchen und mathematische Strukturen zu entdecken, die bisher ausserhalb unserer Aufmerksamkeit lagen.

Dabei könnten jedoch auch Resultate entstehen, die für uns Menschen fremdartig und kaum nachvollziehbar sind: mathematische Beweise, die zwar korrekt sind, deren Argumentation wir aber gedanklich nur schwer verstehen können. Welchen Nutzen hätten solche Lösungen dann für uns Menschen? Mathematik besteht nicht allein darin, richtige Antworten zu finden. Sie entwickelt auch Begriffe und Abstraktionen, mit denen wir Zusammenhänge erkennen und die Welt beschreiben können.

Für Wolfram muss künftig im Zentrum stehen, wie KI uns helfen kann, relevante Fragen zu beantworten und dabei Erkenntnisse zu gewinnen, die für Mathematikerinnen und Mathematiker zugänglich und für die Menschheit von Bedeutung sind.

«Mathematics has changed. Let's act like it.»

Die mathematische Gemeinschaft muss sich nun darüber verständigen, worin der Sinn ihrer Arbeit besteht und wie sie künftig mit KI arbeiten möchte. Wenn sich verändert, was sie als ihren Beitrag versteht, muss sie auch neu darüber nachdenken, wie sie diesen verwirklicht. Die verschiedenen Äusserungen und Forderungen der letzten Wochen zeigen, dass dies bereits geschieht. Mathematikprofessor Frank Calegari bringt es im Titel seines Artikels auf den Punkt: Mathematics has changed. Let's act like it.

Mathematikerinnen und Mathematiker aus verschiedenen Ländern formulieren in diesem Sinne bereits konkrete Vorschläge für die Neuausrichtung. An drei Bereichen lässt sich beispielhaft zeigen, wie weit ihre Überlegungen reichen und welche Konsequenzen sie aus einem veränderten Selbstverständnis für die wissenschaftliche Praxis ableiten:

Kultur: Die Mathematik ist geprägt von intellektueller Eigenständigkeit, Spezialisierung und dem Wettbewerb um neue Erkenntnisse. Wenn KI zunehmend Beweise entwickelt, stellt sich die Frage, wie Zusammenarbeit, Austausch über Fachgrenzen hinweg und gemeinsames Denken stärker gewichtet werden können. Gleichzeitig gilt es zu klären, wie Leistungen zugeschrieben werden und wie eine offene Forschungskultur erhalten bleiben kann.

Strukturen: Wenn das Finden relevanter Fragen und sinnvoller Herangehensweisen gegenüber dem Publizieren von Beweisen als Leistungsnachweis an Bedeutung gewinnt, hat das Konsequenzen für Universitäten, Forschungsinstitutionen und Verlage. Wie müssen sich Ausbildung, Karrierewege und Anreizsysteme verändern? Nach welchen Kriterien wird wissenschaftliche Leistung bewertet? Und welche Strukturen ermöglichen den geforderten fachübergreifenden Austausch?

Kommunikation: Auch die Art, wie mathematisches Wissen geteilt wird, steht zur Diskussion. Fachartikel und Seminare sollen stärker erklären, weshalb eine Erkenntnis wichtig ist, welche Zusammenhänge sie sichtbar macht und welche neuen Fragen daraus entstehen. Das betrifft den Austausch innerhalb der mathematischen Gemeinschaft ebenso wie die Vermittlung ihrer Erkenntnisse an andere Wissenschaften und die Gesellschaft.

Dieses Vorgehen ist aus unserer Sicht beispielhaft. Es nimmt konsequent den eigentlichen Sinn der Tätigkeit zum Ausgangspunkt und leitet daraus ab, wie menschliche und künstliche Intelligenz dazu beitragen können, ihn zu verwirklichen. Diesen Denkansatz sollten auch Politik, Wirtschaft und andere Wissenschaftsbereiche aufgreifen. Denn mit KI erweitert sich der Raum dessen, was wir erkennen, verstehen und gestalten können. Welche dieser Möglichkeiten wir verfolgen und welche Zukunft wir damit schaffen wollen, müssen wir als Gesellschaft gemeinsam bestimmen.

Neue Führungsaufgaben für Geschäftsleitungen und Verwaltungsräte

Das Beispiel der Mathematik zeigt, wie eng das Selbstverständnis einer Profession mit bestimmten Leistungen verbunden sein kann. Kann KI diese plötzlich schneller oder besser erbringen, gerät dieses Selbstverständnis ins Wanken. Der eigentliche Sinn, der Purpose, muss dadurch jedoch nicht verloren gehen. Vielmehr wird sichtbar, wo der Sinn einer Tätigkeit mit der bisherigen Form ihrer Leistungserbringung gleichgesetzt wurde.

Für Organisationen bedeutet dies, über die Automatisierung heutiger Prozesse und die effizientere Erledigung bestehender Aufgaben hinauszudenken. Sie müssen sich darüber verständigen, welchen Beitrag sie für ihre Kunden, ihre Mitarbeitenden und die Gesellschaft leisten wollen.

Diese Auseinandersetzung betrifft den Sinn und das Selbstverständnis einer Organisation ebenso wie ihre Strategie, ihre Kultur, ihre Verantwortung, ihre Strukturen und ihre Beziehungen zur Umwelt. Geschäftsleitungen und Verwaltungsräte stehen damit vor der Aufgabe, auch die Organisationsmodelle selbst zu hinterfragen, in die sie KI integrieren möchten.

Daraus ergeben sich vier Führungsaufgaben:

Das eigene Leistungsverständnis überprüfen. Welche Ergebnisse gelten heute als Beleg für den Wert der Organisation? Und inwiefern erfassen sie tatsächlich den Beitrag, den sie leisten möchte? Diese Unterscheidung wird entscheidend, wenn KI bisherige Leistungen übernehmen kann.

Die Grundlagen der eigenen Wertschöpfung erkennen. Welches besondere Wissen, Know-how und Zusammenspiel von Fähigkeiten schafft Wert für Mitarbeitende, Kundschaft, andere Anspruchsgruppen und die Gesellschaft? Darauf lässt sich aufbauen, um KI gezielt einzusetzen und die Resilienz der Organisation und ihrer Mitglieder zu stärken.

Orientierung schaffen und Veränderungen gemeinsam gestalten. Wenn Aufgaben, Rollen und bisherige Leistungsmassstäbe infrage stehen, brauchen Menschen ein Verständnis dafür, wohin sich ihre Organisation entwickeln möchte und welchen Beitrag sie dazu leisten können. Führung und Kommunikation müssen diese Verständigung ermöglichen und auch andere Anspruchsgruppen einbeziehen.

Strukturen und Geschäftsmodelle neu denken. KI kann die Bedingungen, unter denen eine Organisation arbeitet, grundlegend und in kurzer Zeit verändern. Deshalb gilt es zu prüfen, welche Formen der Organisation und Zusammenarbeit künftig nötig sind, um ihren Purpose zu verwirklichen.

Die zentrale Führungsaufgabe besteht darin, vom eigentlichen Sinn der Organisation, ihrem Purpose, aus zu denken und die Möglichkeiten von KI dafür zu erschliessen. Dazu gehört auch das Potenzial, bekannte Konzepte und Vorgehensweisen auf neue Weise zu verbinden und dadurch ganz neue Geschäftsmodelle und Wertschöpfungsketten zu entwickeln. Wie KI solche Verbindungen herstellen kann und welche Möglichkeiten sich daraus ergeben, steht im Mittelpunkt des zweiten Teils unserer Strategic-Shifts-Reihe darüber, was wir aus den jüngsten Entwicklungen in der Mathematik lernen können. Er erscheint in Kürze.

Quellen und weiterführende Artikel

Mathematische Veröffentlichungen und Einordnung

Mathematik, KI und die Zukunft der Profession

Wissenschaftliche Autonomie, Kritik und Forschungsförderung