Peak Data und die letzte offene Quelle

Am 8. September 2026 verkündete OpenAI, ein internes Modell habe ein Gegenbeispiel zur globalen Glattheit der Navier-Stokes-Gleichungen gefunden: eine Konstruktion, in der eine zunächst reguläre Strömung in endlicher Zeit eine Singularität entwickelt, einem der sieben ungelösten Millennium-Probleme der Mathematik (1). Nur wenige Stunden zuvor hatten der Mathematiker Tristan Buckmaster von der New York University und der Anthropic-Mitarbeiter Levent Alpöge drei eigene Beweise zu verwandten Strömungsproblemen veröffentlicht, unter anderem für die inkompressiblen Euler-Gleichungen. Sie bauten dabei ausdrücklich auf einem Ansatz auf, den zuvor Diego Córdoba und Luis Martínez-Zoroa entwickelt hatten, und nutzten für die eigene Beweisführung monatelang Anthropics Claude sowie OpenAIs Codex (2).

Was danach folgte, war kein akademischer Disput über eine Fußnote. Buckmaster veröffentlichte eine vierseitige Erklärung, laut der ihm ein OpenAI-Vertreter zwei Optionen angeboten habe: Er und Alpöge könnten ihr Ergebnis zuerst posten, OpenAI würde am folgenden Tag seine eigene Lösung veröffentlichen und öffentlich anerkennen, dass sie dem Problem am nächsten gewesen seien, oder Buckmaster allein, ohne den bei der Konkurrentin Anthropic beschäftigten Alpöge, verfasse einen Aufsatz, der ein internes OpenAI-Modell als eigentlichen Urheber nennt.

Auf seine Frage, ob das Modell Zugriff auf ihre gemeinsamen Codex-Sitzungen gehabt oder daraus gelernt habe, in die sie monatelang jeden Entwurf eingegeben hatten, erhielt er zunächst nur die Antwort, das Modell greife nicht auf Nutzerdaten zu, eine erneute Frage nach dem Training blieb unbeantwortet. Als Buckmaster drohte, die Angelegenheit öffentlich zu machen, soll ihm der Forscher entgegnet haben: „Why would you ruin your career?“

OpenAI ergänzte seine Ankündigung am 10. September, nach eigener Prüfung, um den Satz, Buckmasters Codex-Eingaben der vorangegangenen zwei Monate hätten das Ergebnis in keiner Weise beeinflussen können, auch nicht über Training; rund 10.000 gleichzeitig arbeitende Agenten hatten es nach eigenen Angaben in 88 Stunden erreicht. OpenAIs Forschungsleiter Mark Chen erklärte, weder Mitarbeitende noch Systeme hätten in Nutzerdaten nach der Lösung gesucht, Sébastien Bubeck bezeichnete Buckmasters Darstellung als „falsch und aufwieglerisch“ (3). Das Fachmagazin Science beschrieb die Folgen für die mathematische Gemeinschaft als eine „existenzielle Krise“ (4).

Der Grund, warum ausgerechnet der Forschungsprozess selbst inzwischen so begehrt ist, hat einen Namen: Peak Data. Ilya Sutskever, Mitgründer von OpenAI und inzwischen bei Safe Superintelligence, erklärte auf der NeurIPS-Konferenz 2024 vor versammeltem Fachpublikum, das klassische Pretraining großer Sprachmodelle „wie wir es kennen“ werde unweigerlich enden, weil die Rechenleistung zwar weiterwachse, die verfügbare Textmenge aber nicht: „We have but one internet.“ Er verglich Trainingsdaten mit fossilen Brennstoffen (5).

Was knapp wird, ist der Nachschub an neuen, hochwertigen, noch nicht erschlossenen Beständen, während das bereits vorhandene Material die Entwicklung nach Sutskevers eigenen Worten durchaus noch weitertragen kann. Genau diese Verschiebung erklärt, warum sich der Blick der Branche von bereits veröffentlichten Texten weg und hin zu dem verschiebt, was noch niemand gelesen hat: unfertige Beweise, verworfene Ansätze, Messreihen, die noch in keiner Publikation stehen.

Das bedeutet nicht, dass künftig sämtliche Chatverläufe aus Laboren im nächsten großen Trainingskorpus landen. Wissenschaftliche Daten gewinnen auf verschiedenen Ebenen an Wert, die sich nicht verwechseln lassen: Kuratierte Messergebnisse trainieren spezialisierte Modelle wie AlphaFold, Rückmeldungen aus der Praxis verbessern allgemeine Forschungswerkzeuge, und die bloße Einbindung eines Werkzeugs in einen Arbeitsablauf bringt ein KI-System mit einem Problem in Berührung, bevor dessen Lösung veröffentlicht ist.

OpenAIs Navier-Stokes-Ergebnis selbst entstand nach eigenen Angaben durch verstärkendes Lernen auf einem bereits trainierten Modell, nicht durch neues Pretraining an wissenschaftlichen Rohdaten. Gemeinsam ist den drei Ebenen trotzdem, dass sich der strategische Wert vom fertigen Paper in den Prozess davor verschiebt.

Ende Juli 2026 stellte OpenAI ChatGPT for Academic Researchers vor: kostenlosen Zugang zu seinen leistungsfähigsten Modellen für Wissenschaftler, Mathematiker und Ingenieure, zunächst für 10.000 Forschende, bis 2027 ausgeweitet auf 100.000, begleitet von einer Zusage von mehr als 250 Millionen Dollar für externe Forschung insgesamt (6). Teilnehmende erhalten nach Angaben des Unternehmens ein Jahr Zugang auf dem Niveau des Pro-Abonnements, ihre Workspace-Daten fließen standardmäßig nicht ins Training ein (7).

Der Pharmakonzern Eli Lilly verfolgt mit seiner im September 2025 gestarteten Plattform TuneLab ein anderes Tauschmodell für denselben Grundgedanken: Biotech-Partner erhalten Zugang zu Modellen, die auf proprietären Wirkstoffdaten trainiert wurden, deren Erzeugung Lilly mit mehr als einer Milliarde Dollar beziffert, tragen im Gegenzug aber ausdrücklich selbst über föderiertes Lernen zur Verbesserung dieser Modelle bei, ohne dass Rohdaten die eigene Infrastruktur verlassen (8).

OpenAI verspricht Zugang ohne Gegenleistung am Training, Lilly macht die Beteiligung zur Bedingung des Zugangs. Gemeinsam ist beiden Angeboten trotzdem, dass die zentrale Forschungsinfrastruktur unter der Kontrolle eines externen Anbieters bleibt, der zugleich Werkzeuglieferant und möglicher wissenschaftlicher Konkurrent sein kann.

Wer als Institution nicht selbst prüfen kann, was ein Anbieter mit den eigenen Anfragen tut, gerät in eine Abhängigkeit, die sich durch Verträge, Audits oder lokal betriebene Systeme mildern, aber nicht restlos auflösen lässt. Genau diese Abhängigkeit, nicht ein bewiesener Datenklau, war es, die den Navier-Stokes-Fall so brisant machte.

Wie viel an einem solchen Vorsprung hängen kann, zeigt der Chemie-Nobelpreis 2024. Demis Hassabis und John Jumper von Google DeepMind erhielten ihn für AlphaFold2, ein KI-System, das die dreidimensionale Struktur von mehr als 200 Millionen katalogisierten Proteinsequenzen vorhersagen kann, ein Problem, an dem die Biochemie zuvor ein halbes Jahrhundert gearbeitet hatte (9). Eine unverzichtbare Grundlage dieses Durchbruchs waren die Proteinstrukturen, die Generationen von Forschenden zuvor mit klassischen, langsamen Methoden experimentell bestimmt und in öffentlich zugänglichen, kuratierten Datenbanken hinterlegt hatten, nicht in rohen Messwerten, sondern in sorgfältig geprüftem, jahrzehntelang offen geteiltem Wissen.

Ohne diese Offenheit hätte AlphaFold kein Trainingsmaterial gehabt, an dem es überhaupt hätte lernen können, auch wenn zur eigentlichen Leistung ebenso erhebliche Rechenleistung und eine eigenständige methodische Idee gehörten. Mit dem Nobelpreis wurde damit, wenn man genau hinsieht, indirekt auch ein jahrzehntealtes, kollektives Versprechen gewürdigt: Wer eine Proteinstruktur bestimmt, veröffentlicht sie, statt sie für sich zu behalten.

Die Abschottung wissenschaftlicher Daten hat nicht erst mit der aktuellen KI-Generation begonnen. Seit dem Datensicherheitsgesetz von 2021 dürfen sogenannte „wichtige Daten“ in China nicht ohne behördliche Prüfung ins Ausland übermittelt werden, eine Kategorie, die bis heute vage definiert ist. Das Gesetz regelt dabei keinen klassischen Datenschutz im europäischen Sinn, sondern nationale Datensicherheit als staatliche Kontrollaufgabe (10). Die Deutsche Forschungsgemeinschaft, der Schwedische Forschungsrat und der Schweizerische Nationalfonds bestätigten Reuters 2025, seit Inkrafttreten des Gesetzes keine neuen gemeinsamen Projekte mehr mit der chinesischen Förderbehörde NSFC zu finanzieren, aus Sorge vor Sanktionen wegen der unklaren Definition (11). Was als Regime nationaler Sicherheit begründet wird, wirkt in der Forschung inzwischen wie eine stille Exportkontrolle.

Eine zweite, leisere Form der Abschottung entsteht gerade unter Forschenden selbst, und zwar unmittelbar aus dem Navier-Stokes-Streit. Der Fields-Medaillenträger Terence Tao warnte schon Tage vor der Eskalation auf seinem eigenen Blog, der unkontrollierte Einsatz mächtiger KI-Lösungswerkzeuge könne einzelne Probleme lösen, aber auf Kosten jenes Ökosystems offener Fragen, von dem der nächste Fortschritt eigentlich lebt.

Am 11. September unterschrieben 25 Fields-Medaillenträger, Tao darunter, auf genau diesem Blog eine gemeinsame Erklärung mit dem Titel „A Severe Misalignment of AI in Mathematics“: KI-Unternehmen priorisierten die Geschwindigkeit von Benchmarks gegenüber jenem tiefen Verständnis, das Mathematik als Disziplin verlässlich mache (12). Buckmaster selbst brachte es kurz danach auf den Punkt: „The big story now in mathematics is that nobody wants to share anything.“ (13)

Wissenschaftliche Offenheit beruhte nie darauf, dass eine Idee niemandem gehörte. Seit den ersten wissenschaftlichen Zeitschriften im 17. Jahrhundert, den Philosophical Transactions der Royal Society, gilt ein Tausch: Wer eine Erkenntnis veröffentlicht, sichert sich damit dokumentierte Priorität, andere dürfen darauf aufbauen, aber die Herkunft der Idee bleibt sichtbar und anerkannt. Newton und Leibniz zeigen zugleich, wie fragil dieser Tausch immer war: Newton hielt wesentliche Teile seiner Infinitesimalrechnung jahrelang unveröffentlicht, und als der Streit über die Urheberschaft eskalierte, ging es am Ende genau darum, die öffentlich anerkannte Priorität einer Idee zu sichern, nicht darum, sie geheim zu halten.

Buckmaster und Alpöge veröffentlichten ihr Ergebnis am 8. September aus genau diesem Grund früher, als sie es sonst getan hätten: um sich die Priorität zu sichern, bevor sie ihnen entgleitet. Wenn ein Konzern zugleich Werkzeuglieferant und Konkurrent ist und niemand von außen prüfen kann, woher eine Lösung wirklich stammt, funktioniert dieser jahrhundertealte Tausch nicht mehr. Die letzte offene Quelle versiegt dann auf leisere Weise: Die Menschen, die sie speisen, beginnen, sie zu verschließen.