Keine globale Meldung
Autorinnen und Autoren erfassen KI-Hilfe nicht weltweit nach einer einheitlichen Regel.
Datenatlas, Stand 23. August 2026
Wenn MaschinenMathematik bewegen.
Wie viel Forschung entsteht? Wo hilft KI wirklich? Und was ist Fortschritt, aber noch kein Beweis? Ein visueller Atlas aus Messwerten, Schätzungen und überprüfbaren Ereignissen.
M MesswertS SchätzungE Ereignis
Messwerte sind gezählt. Schätzungen hängen von einer Methode ab. Ereignisse gelten nur unter den jeweils genannten Bedingungen.
Messwert
3.141.677
Einreichungen seit 1991
arXiv meldete am 23. August 2026 exakt diese Zahl neuer, direkt eingereichter Arbeiten. Das ist fast π × eine Million und ein schöner Zufall, keine mathematische Aussage.
arXiv: monatliche EinreichungenAusgewählte Januare
+182 %Der Strom wird breiter
Gleicher Monat, zehn Jahre Abstand. So wird der saisonale Effekt kleiner. Der Anstieg beweist nicht, dass KI ihn verursacht hat.
- Gezählt
- Neue direkte arXiv-Einreichungen. Mit migrierten Arbeiten waren 3.144.108 Artikel verfügbar.
- Gilt für
- arXiv seit August 1991, nicht für die gesamte weltweite Forschungsliteratur.
- Nicht daraus folgt
- Keine Aussage über Peer Review, Qualität, Zitationen oder den Anteil von KI.
Einordnung
Die zentrale Datenlücke
Wie viele Papers wurden mit KI geschrieben?
Eine belastbare Gesamtzahl gibt es nicht.Nur Korpus-Schätzungen
Studien beobachten verschobene Wortmuster in großen Textsammlungen, keine sicheren Einzelfälle.
Art der Hilfe unbekannt
Übersetzen, Glätten, Umschreiben und inhaltliches Erzeugen lassen sich nicht zuverlässig trennen.
Schätzung
Bis zu 22 % – aber nicht 22 % ganze Paper
Eine peer-reviewte Studie untersuchte 1.121.912 Preprints und veröffentlichte Arbeiten. Für Informatik schätzte sie bis zu 22 % LLM-veränderte Inhalte, für Mathematik und das Nature-Portfolio bis zu 9 %.
Die ehrliche KurzfassungDie Methode betrachtet Wortfrequenzen ganzer Gruppen. Sie klassifiziert kein einzelnes Paper und erkennt nicht, welche Art von Hilfe genutzt wurde.
Liang et al.: LLM-Nutzung in Fachgebieten22 %Informatik, bis zu
Datengrundlage: arXiv, bioRxiv und Nature-Portfolio, Januar 2020 bis September 2024
- Methode
- Populationsschätzung aus Veränderungen der Wortfrequenz, nicht klassische KI-Texterkennung.
- Vergleich
- 22 % und 9 % sind obere Schätzwerte verschiedener Fach- und Publikationsgruppen.
- Bleibt unbekannt
- Welches einzelne Paper betroffen ist und ob KI nur Sprache oder auch Inhalt veränderte.
Schätzung6,5–16,9 %
Geschätzter LLM-Anteil im Review-Text
Das ist die Spannweite von vier verschiedenen KI-Konferenzen, keine Unsicherheitsspanne. Geschätzt wurde der Textanteil, der stärker als nur durch Rechtschreibung verändert wurde.
Liang et al.: KI in Peer Reviews0 %10 %20 %
6,516,9
CoRL 6,5 %, NeurIPS 9,1 %, ICLR 10,6 %, EMNLP 16,9 %
- Untersucht
- Reviews bei ICLR 2024 sowie NeurIPS, CoRL und EMNLP 2023 nach dem Start von ChatGPT.
- Geschätzt
- Textanteil auf Ebene des gesamten Bestands. Die Spanne zeigt Konferenzunterschiede, keine Fehlermarge.
- Nicht daraus folgt
- Kein sicherer Nachweis für ein bestimmtes Review, eine Person oder deren Absicht.
Messwert
Offene Mathematik wird maschinenlesbar
Der offene Benchmark „Formal Conjectures“ übersetzt Forschungsfragen in Lean 4. Ein Computer kann damit jeden formalen Beweisschritt prüfen. Die 2.615 Einträge sind formale Aussagen, nicht 2.615 verschiedene ursprüngliche Forschungsprobleme.
2.615 Aussagen
- 1.029offene Forschungsfragen
- 836gelöste Forschungsfragen
- 750Varianten, Tests und weitere Aussagen
291
Korrigierte Fehlformalisierungen
Das sind bereits behobene Fälle. Sie zeigen, warum maschinelle Prüfbarkeit allein nicht genügt.
Falsch dargestellt48 %
Bedeutungsfehler35 %
Vier weitere Fehlerklassen17 %
- Lebender Bestand
- Der offene Datensatz wächst und wird korrigiert. Stabile Modellvergleiche brauchen eingefrorene Versionen.
- Lean prüft
- Ob ein Beweis exakt zur formalen Aussage passt und keine verbotenen Lücken enthält.
- Menschen prüfen weiter
- Ob die formale Aussage tatsächlich dasselbe meint wie die ursprüngliche mathematische Frage.
Ereignis
Internationale Mathematik-Olympiade
Zwei starke Ergebnisse, zwei verschiedene Tests
2024 lösten AlphaProof und AlphaGeometry 2 vier Aufgaben. 2025 löste eine fortgeschrittene Gemini-Version fünf Aufgaben unter der offiziellen Zeitgrenze. Die Punktzahlen sind sichtbar ähnlich, die Systeme und Prüfbedingungen aber nicht direkt vergleichbar.
202428/42
Silber-Niveau
Drei von fünf manuell in Lean übersetzten Aufgaben plus die Geometrieaufgabe, zwei bis drei Tage
202535/42
Gold-Niveau
5 von 6 Aufgaben, natürliche Sprache, 4,5 Stunden, internes Modell
„Silber“ und „Gold“ sind nachträgliche Vergleiche mit den jeweiligen menschlichen Punktgrenzen, keine offizielle Teilnahme der Systeme.
- IMO 2024
- 28 von 42 Punkten. Gold begann bei 29, Silber bei 22; 609 Menschen nahmen teil.
- IMO 2025
- 35 von 42 Punkten. Gold begann bei 35; 72 von 630 Teilnehmenden erhielten Gold.
- Beleggrenze
- Ein Wettbewerbsergebnis zeigt keine allgemeine Forschungsfähigkeit oder dauerhafte Zuverlässigkeit.
Ereignis
Fortschritt ist nicht dasselbe wie Lösung
AlphaEvolve wurde auf mehr als 50 ausgewählte offene Probleme angewendet, die sich als Programm ausdrücken und automatisch bewerten ließen. Die veröffentlichten Angaben unterscheiden Wiederfinden und echten Fortschritt.
≈75 %
Besten bekannten Stand wiedergefunden
20 %
Besten bekannten Stand verbessert
≠
Nicht: 20 % der Probleme vollständig gelöst.
- Voraussetzung
- Eine mögliche Lösung muss als Programm darstellbar und durch einen automatischen Bewerter messbar sein.
- Quelle
- Die gerundeten 75 % und 20 % stammen aus dem Bericht des Systemanbieters Google DeepMind.
- Nicht daraus folgt
- Keine Erfolgsquote für offene Mathematik allgemein und keine vollständige Lösung von 20 % der Probleme.
Drei Fundstücke
Wenn Suche zu Entdeckung wird
Ereignis2023
512 Punkte in einem endlichen 8D-Raum
FunSearch fand in F₃⁸ eine größere Cap-Set-Konstruktion: keine drei Punkte liegen dort auf einer gemeinsamen Linie. Das ist ein endlicher mathematischer Raum, nicht gewöhnliche Geometrie.
2,2180 → 2,2202Untergrenze der Cap-Set-Kapazität
Einordnung: Der 512er-Fund erschien in 4 von 140 Läufen. Die bessere asymptotische Grenze entstand erst nach menschlicher Deutung und einer zweiten, engeren Suche.
Nature: FunSearchEreignis2022
Mehr als 70 Matrix-Rekorde
AlphaTensor verbesserte den besten bekannten Stand für mehr als 70 konkrete Multiplikationstensoren. Der bekannte 4×4-Fund gilt für binäre Arithmetik, also Zahlen im endlichen Körper F₂.
49 → 47skalare Multiplikationen für 4×4-Matrizen über F₂
Einordnung: Die mehr als 70 Rekorde betreffen konkrete, endliche Multiplikationsaufgaben. Sie sind nicht mit 70 neuen großen mathematischen Sätzen oder üblichen reellen Matrizen gleichzusetzen.
Nature: AlphaTensorEreignis2026
Eine 80 Jahre alte Vermutung fällt
Ein internes OpenAI-Modell widerlegte die Vermutung, dass quadratische Gitter für das planare Einheitsabstandsproblem im Wesentlichen optimal sind.
1946 → 2026Beweis extern von Mathematikern geprüft
Einordnung: Das System war intern und der technische Bericht stammt vom Anbieter. Externe Fachleute prüften den Beweis; das Ergebnis betrifft genau diese eine Schrankenvermutung. Die optimale Größenordnung des Problems bleibt weiterhin offen.
OpenAI: Unit-Distance-Widerlegung40,3 %historischer Lauf
Benchmark
40,3 % – ein historischer, nicht aktueller Wert
OpenAI meldete am 11. Dezember 2025 für GPT-5.2 Thinking 40,3 % auf FrontierMath Tier 1 bis 3. Die genaue damalige Fassung wurde nicht genannt. Deshalb ist die Zahl kein heutiger Modellstand.
Ein Benchmark zeigt Leistung auf genau diesem Test. Er beweist weder allgemeine mathematische Zuverlässigkeit noch Forschungsautonomie.
- Testprotokoll
- Python und hoher Denkaufwand waren erlaubt. Bewertet wird eine überprüfbare Antwort, nicht immer ein vollständiger Beweis.
- Große Korrektur 2026
- Version 2 bearbeitete Fehler in 42 % der Aufgaben, korrigierte 123 Kernaufgaben und entfernte fünf. Übrig blieben 295.
- Zugang und Vergleich
- OpenAI finanzierte den Benchmark und hatte exklusiven Zugriff auf einen Teil. Nur gleiche Versionen und Regeln sind vergleichbar.
Was bleibt?
KI macht die Suche schneller. Wahrheit bleibt prüfbar.
Ideen
Modelle können Hypothesen, Programme und neue Konstruktionen vorschlagen.
Prüfung
Code, formale Systeme und Fachleute prüfen unterschiedliche Teile der Aussage.
Verantwortung
Quellen, Grenzen und Beitrag der KI müssen sichtbar bleiben.