Millennium-Preisprobleme
Die Millennium-Preisprobleme sind sieben ungelöste Aufgaben der Mathematik, für deren Lösung ein US-amerikanisches Forschungsinstitut im Jahr 2000 je eine Million Dollar ausgeschrieben hat. Bis heute ist nur eines davon gelöst — und der Entdecker lehnte das Geld ab.
Im Jahr 2000 stellte ein privates Forschungsinstitut in den USA, das Clay Mathematics Institute, eine Liste mit sieben mathematischen Fragen vor. Alle sieben waren damals ungelöst, und einige davon seit über hundert Jahren. Für jede vollständige Lösung wurde eine Million US-Dollar versprochen. Diese sieben Aufgaben heißen seitdem Millennium-Preisprobleme. Bis heute gilt nur eine von ihnen als gelöst: die sogenannte Poincaré-Vermutung, eine Frage über die Form gekrümmter Räume. Der russische Mathematiker Grigori Perelman bewies sie um 2003 — und lehnte das Preisgeld ab.
Sieben Fragen als Landkarte der offenen Mathematik
Die Liste war nie als Quiz gedacht. Sie sollte zeigen, wo die Mathematik an ihre Grenzen stößt. Jede der sieben Fragen steht nicht für sich allein, sondern hängt an einem ganzen Forschungsfeld. Wer eine löst, verändert meist auch das Verständnis von hunderten verwandten Problemen.
Für die Technikwelt ist vor allem ein Problem interessant: die Frage, ob P gleich NP ist. Vereinfacht gesagt geht es darum, ob jede Aufgabe, deren Lösung man schnell überprüfen kann, auch schnell gefunden werden kann. Ein Sudoku lässt sich in Sekunden kontrollieren, das Lösen kann aber lange dauern. Würde jemand beweisen, dass beides gleich schnell geht, wäre das ein Erdbeben. Viele Verschlüsselungsverfahren im Internet setzen darauf, dass bestimmte Rechnungen praktisch unlösbar bleiben.
Die meisten Fachleute vermuten allerdings das Gegenteil: dass P und NP verschieden sind. Ein Beweis dafür fehlt aber ebenso. Genau das macht die Liste so hartnäckig — es geht nicht um fehlende Rechenleistung, sondern um fehlende Ideen.
Die Spielregeln des Preisgelds
Man kann das Geld nicht durch eine E-Mail an das Institut gewinnen. Eine Lösung muss zuerst in einer angesehenen Fachzeitschrift erscheinen. Dort prüfen andere Mathematiker sie Schritt für Schritt. Danach muss der Beweis zwei Jahre lang in der Fachwelt Bestand haben. Erst dann setzt das Institut einen Ausschuss ein, der über die Auszahlung entscheidet.
Dieses Verfahren klingt umständlich, hat aber einen Grund. Jedes Jahr tauchen angebliche Beweise auf, die bei genauer Prüfung Lücken enthalten. Ein einziger fehlerhafter Schritt macht einen ganzen Beweis wertlos. Bei Perelman lief es sogar umgekehrt: Er veröffentlichte seine Arbeit nur auf einem offenen Online-Archiv für Fachtexte, ohne Zeitschrift. Andere Teams brauchten Jahre, um die Argumente vollständig nachzuvollziehen.
Die übrigen sechs Probleme betreffen Bereiche wie Primzahlen, Strömungen von Flüssigkeiten und die Mathematik hinter der Teilchenphysik. Ein bekanntes Beispiel sind die Navier-Stokes-Gleichungen. Sie beschreiben, wie sich Wasser oder Luft bewegen, und werden täglich in Wettermodellen benutzt. Trotzdem weiß niemand, ob ihre Lösungen immer sinnvoll bleiben oder irgendwann ins Unendliche entgleiten.
Warum KI-Firmen die Liste als Messlatte nutzen
Der Begriff taucht heute oft in Nachrichten über künstliche Intelligenz auf. Wenn ein Unternehmen ein neues Sprachmodell vorstellt, wird gern gefragt, ob es irgendwann ein Millennium-Problem lösen könnte. Die Liste dient dabei als bewusst extremes Ziel. Sie markiert die Grenze zwischen Rechnen und echtem mathematischen Einfall.
Realistisch sind KI-Systeme davon weit entfernt. Sie erreichen inzwischen gute Ergebnisse bei Aufgaben aus Mathematik-Wettbewerben für Schüler und Studierende. Solche Aufgaben haben aber eine bekannte Lösung und einen klaren Rahmen. Ein Millennium-Problem verlangt neue Begriffe und Methoden, die bisher niemand formuliert hat.
Ein häufiger Irrtum ist, die Probleme seien reine Denksportaufgaben ohne Nutzen. Das Gegenteil trifft zu. Die Riemannsche Vermutung etwa betrifft die Verteilung der Primzahlen, und Primzahlen sind die Grundlage vieler Verschlüsselungen. Auch dort, wo kein direkter Nutzen erkennbar ist, entstehen auf dem Weg zur Lösung Werkzeuge, die später ganz andere Felder verändern.