Claude formalisiert Fermats letzten Satz

Der heutige Spezial Dienstag analysiert einen Fall, der zwei normalerweise getrennte Welten verbindet: reine Mathematik und die Ingenieurwissenschaft der AI-Verifizierung. Der von Anthropic am 4. September 2026 veröffentlichte Bericht dokumentiert den ersten end-to-end computergestützten Beweis von Fermats letztem Satz, der größtenteils autonom von Claude über einen Zeitraum von 11 Tagen erzeugt wurde.

Der Fall der Woche: Methodologie und Ursprung des Tests

Das Projekt wurde von Tianyi Peng geleitet, einem Anthropic-Forscher, dessen Gruppe an der Columbia University Tools für AI-gestützte Formalisierung entwickelt. Das ursprüngliche Ziel war zu überprüfen, ob ein Sprachmodell zum Lean-Coding eines bereits bestehenden Beweises beitragen könnte – desjenigen, den Andrew Wiles 1995 unterzeichnete und der sich über 129 Seiten erstreckt und von der mathematischen Gemeinschaft über Monate manuell verifiziert wurde.

Der Satz, den Pierre de Fermat um 1637 an den Rand einer Kopie von Diophants Arithmetica notierte, besagt, dass die Gleichung a^n + b^n = c^n für jeden Wert von n größer als zwei keine Lösungen unter positiven ganzen Zahlen hat.

Der zentrale Fund: exakte und überprüfbare Zahlen

Der gemeldete Beweis ist quantitativ und nachverfolgbar: In 11 Tagen Arbeit, die größtenteils autonom durchgeführt wurde, produzierte Claude 13 Millionen Zeilen Lean-Code und bewies 29.500 Zwischensätze, wie von Anthropic^[1] dokumentiert.

Der resultierende Code stellt den ersten end-to-end-Beweis des Satzes dar, der vollständig von einem formalen Verifikationsassistenten überprüft wurde.

Kevin Buzzard, Koordinator des 2024 an der Imperial College London gestarteten Community-Formalisierungsprojekts, bezeichnete das Ergebnis als außergewöhnlichen Meilenstein der Autoformalierung und betonte, dass der Beweis ausschließlich auf den Axiomen der Mathematik beruht.

Warum Verifikation mehr zählt als Entdeckung

Die Unterscheidung zwischen Entdeckung und Verifikation ist methodologisch relevant für diejenigen, die Investitionen in auf Forschung angewandte AI bewerten. Im Gegensatz zu neueren Arbeiten zur Riemann-Hypothese, die neue Mathematik hervorbrachten, bezieht sich der hier dokumentierte Beitrag auf die Fähigkeit, einen bestehenden Beweis zu überprüfen, indem er in Schritte zerlegt wird, die einzeln vom Lean-System überprüfbar sind.

Jeder Zwischensatz stellt ein Glied einer logischen Kette dar: Sollte ein einzelner Schritt fehlerhaft sein, würde die gesamte nachfolgende Struktur ihre Gültigkeit verlieren.

Dieser Mechanismus der automatischen Verifikation ist das, was das Ergebnis reproduzierbar macht – im Gegensatz zu einem Benchmark, der Leistungen unter standardisierten Bedingungen misst und ohne direkten Bezug zur Zuverlässigkeit in der Produktion ist. Der Abstand zwischen einem Benchmark-Score und einem Beweis, der Zeile für Zeile überprüft wird, ist genau dort, wo die gesamte Frage des Vertrauens in AI-Systeme auf dem Spiel steht.

Fehlerausbreitung über lange Argumentationsketten

Die 29.500 Zwischensbeweise stellen eine natürliche Stichprobe dar, um zu beobachten, was passiert, wenn sich Fehler über lange zusammengesetzte Argumentationsketten ausbreiten. Die Literatur zur Zuverlässigkeit von Multi-Step-Agenten dokumentiert ein wiederkehrendes strukturelles Muster: Fehler summieren sich selten linear auf, sondern haben tendenziell die Neigung, sich zu vervielfachen.

Ein Agent mit 90% Genauigkeit über fünf aufeinanderfolgende Schritte erreicht eine zusammengesetzte Genauigkeit von 59% für die Gesamtaufgabe – ein Punkt, der direkt Systeme betrifft, die Tausende von Schritten verketten, wie hier beschrieben.

Im Fall der Fermat-Formalisierung funktioniert das Lean-System als Kontrollmechanismus, der den Fehler abfängt, bevor er sich ausbreitet – eine Verifikationsinfrastruktur, die in den meisten aktuellen betrieblichen Deployments fehlt.

Was bedeutet das für CRO, CDO und Investment Committee

Für diejenigen, die in einem Investment Committee sitzen, ist der relevante Punkt, wohin das für AI angewandte auf komplexe und lange Aufgaben budgetierte F&E-Budget gelenkt werden sollte.

Der Fermat-Fall zeigt, dass andauernde Autonomie – 11 aufeinanderfolgende Tage laut Anthropic-Bericht – handhabbar wird, wenn es ein Niveau formaler Verifikation gibt, das jeden einzelnen Zwischenschritt überprüfen kann, anstatt sich nur auf die Bewertung des endgültigen Output zu beschränken.

Die Kapitalallokation für Multi-Step-Agenten ohne eine entsprechende Verifikationsebene bleibt eine methodologisch schwache Hypothese: Das dokumentierte Ergebnis gilt für eine Domäne – die formale Mathematik – die eine native Verifikationssprache wie Lean besitzt. Die Schlussfolgerung auf andere Domänen ohne solche Infrastruktur zu erweitern, überschreitet das, was die Autoren selbst im Bericht erklären.

Dateninfrastruktur für den Chief Analytics Officer

Der Chief Analytics Officer liest diesen Fall als Infrastrukturindikation, noch bevor er ihn als Produktindikation liest.

Das öffentliche Repository des Beweises, verfügbar auf GitHub^[2], macht jeden Zwischenschritt überprüfbar – eine Anforderung, die die öffentlich mitgeteilten AI-Ergebnisse selten begleitet.

Der Aufbau entsprechender Fähigkeiten im Unternehmenskontext erfordert ein System zur granularen Verfolgung von Zwischenschritten, nicht nur des endgültigen Output: Das ist der Unterschied zwischen der Messung des Ergebnisses eines Piloten in einer kontrollierten Umgebung und der Messung der gesamten Kette, die ihn unter echter Last erzeugt.

Welche Technologiethese hält für den Board

Für den Board unterstützt der Fermat-Fall eine präzise Technologiethese: Autoformalierung kann die Verifikationszeit komplexer Ergebnisse verkürzen – ein Prozess, der traditionell Jahre kollektiver Arbeit der wissenschaftlichen Gemeinschaft erfordert.

Kevin Buzzard beobachtet, dass die durch Autoformalierung erzeugten Artefakte robust genug sind, um darauf aufgebaut zu werden – eine Bedingung, die eine Beschleunigung der wissenschaftlichen Verifizierung in großem Maßstab plausibel macht.

Es bleibt jedoch, die gegensätzliche These zu überprüfen – diejenige, die Benchmarks als ausreichenden Proxy für Produktionsreife betrachtet: Der hier beschriebene Fall zeigt genau das Gegenteil, nämlich dass formale Verifikation und nicht der Score auf einem standardisierten Test die relevante Metrik für die Kapitalallokation in langkettigen AI-Systemen darstellt.