Es ist ein ungewöhnlicher Vorgang: Über 150 Mathematikerinnen und Mathematiker aus aller Welt – darunter Fields-Medaillen-Träger Terence Tao – haben am 2. Juni 2026 die „Leiden Declaration on Artificial Intelligence and Mathematics“ unterzeichnet. Ihr Kernanliegen: Die mathematische Forschung darf nicht zur Spielwiese kommerzieller KI-Konzerne werden. Was auf den ersten Blick nach einem akademischen Nischenthema klingt, betrifft im Kern eine Frage, die weit über die Mathematik hinausgeht: Wem gehört das Wissen, wenn Maschinen die Beweise führen?
Was die Leiden Declaration ist – und warum sie jetzt kommt
Die Deklaration entstand aus einem Workshop am Lorentz Center der Universität Leiden im September 2025. Ein Team von 16 Forschenden unter Leitung des TU/e-Mathematikers Jim Portegies arbeitete acht Monate an dem finalen Text. Die Internationale Mathematische Union (IMU) hat die Erklärung offiziell unterstützt – ein Signal, das in der Mathematik-Community Seltenheitswert hat.
Der Auslöser war kein theoretisches Gedankenspiel. Erst im Mai 2026 verkündete OpenAI, ein internes KI-Modell habe das unit distance problem gelöst – ein seit 1946 offenes Problem der kombinatorischen Geometrie, auf das Paul Erdős selbst ein Preisgeld ausgesetzt hatte. Der Beweis wurde von externen Mathematikern geprüft und für gültig befunden. Fields-Medaillen-Träger Tim Gowers nannte das Ergebnis „einen Meilenstein der KI-Mathematik“.
Doch genau hier liegt der Haken: Der Beweis wurde veröffentlicht, aber das Modell, das ihn erzeugte, bleibt eine Blackbox. Rodrigo Ochigame von der Universität Leiden, Mitorganisator des Workshops, formuliert das Problem so: „Dieser Fall wirft große Bedenken auf – geschlossener Zugang, unzureichende Zuschreibung verwandter Ideen und mangelnde Transparenz über Methoden und Quellen.“
Die fünf zentralen Risiken – und was sie konkret bedeuten
Die Leiden Declaration benennt fünf Hauptgefahren, die KI für die Mathematik mit sich bringt. Sie lassen sich direkt auf andere wissenschaftliche Disziplinen übertragen:
1. Unzuverlässige Ergebnisse
KI-Modelle können mathematische Argumente produzieren, die plausibel erscheinen, aber falsch sind. Anders als bei menschlichen Beweisen fehlt die nachvollziehbare Kette des logischen Schließens – das System liefert ein Ergebnis, nicht den Denkweg. Ein einziger „Halluzinations“-Fehler genügt, um einen gesamten Beweis ungültig zu machen, ohne dass ein menschlicher Gutachter dies sofort erkennen kann.
2. Fehlende Zuschreibung
KI-Modelle trainieren auf der gesamten veröffentlichten mathematischen Literatur – und geben die Quellen ihrer „Erkenntnisse“ nicht korrekt an. Das untergräbt das Fundament des wissenschaftlichen Arbeitens: die klare Zuordnung von Ideen zu ihren Urhebern. Besonders betroffen sind Nachwuchsforschende, deren Arbeit in KI-generierten Synthesen untergeht.
3. Abhängigkeit von geschlossenen Systemen
Wer mathematische Forschung betreibt, ist zunehmend auf die Infrastruktur weniger Tech-Konzerne angewiesen. Modelle wie das von OpenAI sind proprietär – Universitäten haben keinen Zugang zu Architektur, Trainingsdaten oder Entscheidungsprozessen. Die Forschung wird abhängig von Unternehmen, deren Prioritäten nicht die wissenschaftliche Erkenntnis, sondern der Shareholder-Value sind.
4. Übertriebene Behauptungen
Die Deklaration kritisiert scharf, dass KI-Firmen Ergebnisse „auf Markt-Timelines“ veröffentlichen – per Pressemitteilung, nicht per Peer-Review. Mathematik wird als Benchmark für allgemeine KI-Fähigkeiten instrumentalisiert: „Unternehmen haben ein starkes kommerzielles Interesse, die Fähigkeiten ihrer Produkte zu übertreiben“, heißt es in der Erklärung.
5. Verlust wissenschaftlicher Unabhängigkeit
Wenn KI darüber mitbestimmt, welche Forschungsfragen „attraktiv“ sind, verschiebt sich die Agenda von grundlegenden Erkenntnissen hin zu KI-kompatiblen Problemen. Jim Portegies warnt zudem vor den gesellschaftlichen Folgen: „KI-Technologien überschneiden sich direkt mit sensiblen ethischen Fragen – von militärischen Anwendungen und Massenüberwachung bis zu politischer Desinformation und Umweltschäden.“
Pro und Contra: Braucht die Mathematik diesen Alarm?
Pro – Was für die Warnung spricht:
- Der OpenAI-Fall zeigt das Problem in Echtzeit: ein gültiger Beweis aus einer Blackbox, geprüft von Menschen – aber nicht reproduzierbar
- Die Kommerzialisierung der Forschungsinfrastruktur ist kein abstraktes Risiko, sondern bereits Realität (OpenAI, Anthropic, xAI vor Börsengängen)
- Der Karriereweg junger Mathematiker wird verzerrt, wenn KI-Kompatibilität zum Einstellungskriterium wird
- Die Trennung zwischen „Benchmark-Leistung“ und echtem mathematischem Verständnis verschwimmt in der öffentlichen Wahrnehmung
- Ohne Transparenz kann niemand prüfen, ob ein „Durchbruch“ tatsächlich neu ist oder nur geschickt Bestehendes rekombiniert
Contra – Warum die Aufregung übertrieben sein könnte:
- Mathematik hat schon viele Werkzeug-Revolutionen überstanden: vom Abakus über Computeralgebra-Systeme bis zu Beweisassistenten wie Lean
- Der Unit-Distance-Beweis wurde extern validiert – das System der wissenschaftlichen Prüfung funktioniert also noch
- Terence Tao selbst, Unterzeichner der Deklaration, nutzt KI aktiv zum Prüfen seiner eigenen Beweise – er sieht sie als Werkzeug, nicht als Feind
- Die Deklaration ruft nicht zum Verbot auf, sondern zu verantwortungsvollem Einsatz – ein differenzierter, kein alarmistischer Ansatz
- Offene Modelle und öffentliche Forschungsinfrastruktur könnten das Transparenzproblem lösen, ohne KI-Innovation zu blockieren
Einordnung: Die Leiden Declaration ist kein „KI-Verbot“, sondern ein Aufruf zur Selbstvergewisserung. Sie fragt: Was wollen wir als wissenschaftliche Gemeinschaft bewahren – und zu welchem Preis? Die eigentliche Spannung liegt nicht zwischen „KI-Gegnern“ und „KI-Befürwortern“, sondern zwischen zwei konkurrierenden Werten: Geschwindigkeit versus Nachvollziehbarkeit.
Was das für Deutschland und Europa bedeutet
Die Debatte ist für den deutschen und europäischen Forschungsraum besonders relevant – aus drei Gründen:
Erstens: Strukturelle Abhängigkeit. Anders als die USA oder China verfügt Europa über keine eigenen Large-Scale-KI-Infrastrukturen auf dem Niveau von OpenAI oder Google DeepMind. Wenn mathematische Forschung zunehmend proprietäre Modelle voraussetzt, ist Europas Wissenschaftsbetrieb strukturell im Nachteil – es sei denn, es wird massiv in offene Alternativen investiert.
Zweitens: Regulatorische Hebelwirkung. Der EU AI Act ist das weltweit umfassendste KI-Regelwerk. Die Leiden Declaration fordert explizit politische Regulierung – und liefert damit eine fachliche Grundlage für die nächste Regulierungsstufe, die wissenschaftliche KI-Nutzung adressieren müsste.
Drittens: Die DFG und das Wissenschaftssystem. Wenn Förderinstitutionen wie die Deutsche Forschungsgemeinschaft die Empfehlungen der Deklaration aufgreifen – etwa verpflichtende Transparenzangaben zum KI-Einsatz in Forschungsanträgen –, hat das konkrete Auswirkungen auf Tausende Forschende in Deutschland.
Historische Parallele: Die Computer-Revolution der 1970er – und was damals schiefging
Es lohnt ein Blick zurück: Als in den 1970er-Jahren Computeralgebra-Systeme wie Macsyma und Mathematica aufkamen, gab es ähnliche Debatten. Würden Mathematiker überflüssig? Wird Beweisen zur Blackbox? Die Antwort war differenziert: Die Systeme veränderten die Art zu forschen fundamental, aber sie ersetzten nicht das mathematische Denken – sie erweiterten es.
Allerdings gibt es einen entscheidenden Unterschied zu heute: Die frühen Systeme waren nachvollziehbar. Man konnte jeden Rechenschritt inspizieren. Bei heutigen neuronalen Netzen ist das nicht der Fall. Die Leiden Declaration zielt genau auf diesen qualitativen Sprung: von Werkzeugen, die wir verstehen, zu Systemen, die wir nur noch validieren können – aber nicht mehr nachvollziehen.
Praxis-Checkliste: Drei Maßnahmen für Forschende, Entwickler und Institutionen
Die Deklaration enthält konkrete Handlungsempfehlungen – hier verdichtet auf drei umsetzbare Schritte:
1. Transparenzpflicht einführen. Wer KI in der Forschung einsetzt, sollte dies in einem standardisierten „Tool and Computational Resource Disclosure“-Abschnitt dokumentieren. Das ist keine bürokratische Schikane, sondern die Voraussetzung für reproduzierbare Wissenschaft. Universitäten und Fachjournale können das zur Einreichungsbedingung machen.
2. Offene Infrastruktur aufbauen. Solange die leistungsfähigsten KI-Systeme in den Händen weniger Unternehmen liegen, bleibt die Wissenschaft erpressbar. Europa braucht öffentlich finanzierte, offene KI-Infrastruktur für die Forschung – vergleichbar mit CERN oder dem Human Genome Project, aber für KI.
3. Verantwortung beim Menschen belassen. Ein KI-generierter Beweis entbindet den menschlichen Autor nicht von der Verantwortung für Korrektheit und Vollständigkeit. Die Deklaration formuliert das unmissverständlich: „The responsibility for the correctness and adequacy of the arguments and results remains exclusively with the human authors.“ Wer KI einsetzt, haftet für das Ergebnis – nicht das Modell, nicht der Anbieter.
Fazit: Ein Warnschuss zur richtigen Zeit
Die Leiden Declaration ist kein anti-technologisches Manifest. Sie ist der Versuch einer wissenschaftlichen Gemeinschaft, die Spielregeln zu definieren, bevor andere das für sie tun. Dass Fields-Medaillen-Träger wie Terence Tao und Tim Gowers die Erklärung mittragen – und dass die IMU sie offiziell unterstützt –, gibt ihr ein Gewicht, das über symbolische Gesten hinausgeht.
Am 26. Juli 2026 wird Jim Portegies die Deklaration beim Internationalen Mathematikerkongress (ICM) in Philadelphia vorstellen. Bis dahin läuft die Unterzeichnung weiter. Die entscheidende Frage ist nicht, ob KI die Mathematik verändert – das tut sie längst. Sondern ob die Mathematik die Kontrolle darüber behält, wie sie sich verändert.
Häufige Fragen zur Leiden Declaration
Was ist die Leiden Declaration on Artificial Intelligence and Mathematics?
Die Leiden Declaration ist eine von 16 internationalen Forschenden erarbeitete Erklärung, die vor den Risiken des KI-Einsatzes in der mathematischen Forschung warnt. Sie wurde am 2. Juni 2026 veröffentlicht und von über 150 Mathematikern unterzeichnet, darunter Fields-Medaillen-Träger Terence Tao. Die Internationale Mathematische Union (IMU) unterstützt sie offiziell.
Warum warnen Mathematiker vor KI – geht es um ein Verbot?
Nein, die Deklaration ruft nicht zu einem Verbot auf. Sie fordert transparenten KI-Einsatz, klare Zuschreibung von Quellen, Verantwortung beim Menschen und politische Regulierung. Es geht um einen verantwortungsvollen Umgang, nicht um Ablehnung der Technologie.
Welches konkrete Problem hat die Warnung ausgelöst?
Im Mai 2026 löste ein internes OpenAI-Modell das seit 1946 offene „unit distance problem“ – ein Meilenstein. Der Beweis ist gültig, aber das Modell bleibt eine Blackbox. Dieser Fall verdeutlicht das Kernproblem: bahnbrechende Ergebnisse aus undurchsichtigen Systemen.
Was bedeutet die Leiden Declaration für Deutschland?
Für den deutschen Forschungsstandort ist die Deklaration besonders relevant, weil Europa über keine vergleichbare KI-Infrastruktur verfügt und strukturell von US-Anbietern abhängt. Sie liefert zudem fachliche Argumente für eine mögliche Erweiterung des EU AI Act auf wissenschaftliche KI-Nutzung.
