OpenAI und Anthropic: Neue KI-Algorithmen stellen die ETH infrage
Veröffentlicht am: 09.11.2026 um 14:46 Uhr | Redaktion boerse-global.de
Die beiden KI-Entwickler OpenAI und Anthropic haben am 26. Oktober 2026 Berechnungen vorgestellt, wonach von ihren internen Modellen vorgeschlagene Algorithmen eine zentrale Annahme der theoretischen Informatik erschüttern. Wie Medien am 9. November 2026 berichteten, stellen die Arbeiten die sogenannte Exponential Time Hypothesis (ETH) infrage.
OpenAI präsentierte einen deterministischen Algorithmus, der exakt erfüllende Belegungen von k-CNF-Formeln in subexponentieller Zeit zählt. Anthropic meldete am selben Tag unabhängig ein ähnliches Resultat für das 3-SAT-Problem, wobei das firmeneigene KI-System Claude als Autor der Arbeit geführt wird.
Theoretische Ansätze und methodische Grenzen
OpenAI erklärte, seine Technologie habe die ETH widerlegt. Das Ergebnis lege theoretisch nahe, dass Maschinen komplexe Sudoku-Rätsel selbst bei mehr als 1.000 Zeilen genauso schnell lösen wie überprüfen könnten. Gleichzeitig betonte das Unternehmen, dass die Berechnungen keine subexponentiellen Algorithmen für allgemeine NP-Probleme aufzeigen.
Anthropic erzielte sein Ergebnis über ein internes Claude-Modell, während ein weiteres KI-System einen formalen Beweis in der Sprache Lean 4 erstellte. Dem Branchenmagazin The Information zufolge verbrauchten die Systeme für diesen Prozess rund 14 Millionen Tokens. Anthropic schränkte den Befund jedoch ein: Das mathematische Resultat sei rein asymptotischer Natur und entbehre eines direkten Bezugs zur Praxis.
Unabhängige Prüfung und Einordnung der Fachwelt
Während die theoretische Informatik vor neuen Durchbrüchen steht, stellt die EU-KI-Verordnung bereits heute konkrete Anforderungen an den Einsatz von KI-Systemen. Dieser kostenlose Umsetzungsleitfaden bietet Ihnen einen kompakten Überblick über alle neuen Pflichten, Fristen und Risikoklassen. EU AI Act in 5 Schritten verstehen: Fristen, Pflichten und Risikoklassen kompakt erklärt
Die Exponential Time Hypothesis war 1998 von Russell Impagliazzo und Ramamohan Paturi von der University of California San Diego zusammen mit Francis Zane von den Bell Labs formuliert worden. Sie postuliert, dass bestimmte Probleme im schlechtesten Fall exponentielle Laufzeiten erfordern, und gilt als eng verwandt mit dem P-versus-NP-Problem, das vor 25 Jahren vom Clay Mathematics Institute als Millennium-Preis-Problem ausgeschrieben wurde.
Impagliazzo und Paturi organisieren nun gemeinsam mit Ryan Williams vom Massachusetts Institute of Technology (MIT) eine unabhängige Überprüfung der neuen Berechnungen.
Impagliazzo nannte den Vorgang laut Berichten vom 9. November 2026 eine sehr schockierende Nachricht, vor allem weil die Lösung nicht von Menschen stamme. Kurzfristig sehe er aber keine Auswirkungen auf die Öffentlichkeit und derzeit keine Gefährdung der Cybersicherheit. Auch Williams vom MIT verwies darauf, dass für die Ergebnisse gegenwärtig keine praktischen Anwendungen existieren.
Der rasante Fortschritt bei KI-Modellen führt nicht nur zu theoretischen Fragen, sondern auch zu neuen Regeln für die unternehmerische Praxis. Erfahren Sie in diesem kostenlosen Report, welche KI-Systeme künftig als Hochrisiko eingestuft werden und welche Dokumentationspflichten auf Organisationen zukommen. Welche KI-Systeme gelten als Hochrisiko – und was müssen Unternehmen jetzt konkret tun?
In den Wochen vor der Bekanntgabe hatten OpenAI und Anthropic gemeinsam fast 400 wissenschaftliche Arbeiten publiziert. Als denkbare künftige Einsatzbereiche solcher theoretischen Durchbrüche gelten das Chip-Design, die pharmazeutische Wirkstoffforschung sowie die rekursive Selbstverbesserung von KI-Systemen. OpenAI hatte zuvor über 300 KI-generierte Beweise vorgelegt und behauptet, das Millennium-Problem der Navier-Stokes-Gleichungen gelöst zu haben.
Der Mathematiker Dan Margalit von der Vanderbilt University formulierte fünf Punkte, warum Forscher dennoch nicht vor dem Ende ihres Berufsstands stünden: KI löse vor allem Probleme, an deren Bewältigung Fachleute bereits sehr nah dran gewesen seien.
Zudem hätten vorgelegte KI-Beweise logische Mängel aufgewiesen, weshalb Arbeiten zurückgezogen werden könnten. Während Maschinen Optionen durchsuchten, stellten sie keine wesentlichen Fragen. Die Technologie könne zwar von Rechenroutinen entlasten, eine korrekte Antwort bedeute jedoch nicht automatisch tatsächliches mathematisches Verständnis.
