36 Fragen und mögliche Antworten

Hier sammeln wir wichtige Fragen und unterschiedliche Perspektiven für die mathematische Gemeinschaft.

Autoren der Fragen: Claudia Alfes · Thomas Nikolaus · Andreas Thom

Die möglichen Antworten wurden von Astra (KI) auf Basis der von den Autoren der Fragen ausgewählten Quellen zusammengetragen und zusammengefasst. Die dargestellten Perspektiven geben nicht notwendigerweise die Positionen der Autoren dieser Seite wieder. Die Zusammenfassungen können Positionen verkürzt darstellen; die genauen Positionen sind in den verlinkten Originalquellen nachzulesen.

Stand: 23. September 2026

36 Fragen · 225 AntwortansätzeEine Frage öffnen, um die Perspektiven zu lesen.

A: Ziele, Fortschritt und Verständnis

Avila et al.

Begriffe und menschliches Verständnis entwickeln. Problemlösungen sollen durch sorgfältige Ausarbeitung, Vereinfachung, Gespräche und Lehre in die mathematische Kultur eingehen.

[12] Avila et al. A Severe Misalignment of AI in Mathematics. ohne Datum; Abruf 12.09.2026.Fundstelle: Haupttext

Bessis

Anerkennung für das erstmalige Beweisen eines Satzes war ein unvollkommener Ersatzmaßstab für Verständnis. Anerkennung und öffentliche Darstellung sollten sich stärker an Begriffen, Einsicht und Klärung orientieren.

[17] David Bessis. The fall of the theorem economy. 21.04.2026.Fundstelle: „Coming clean“

Kunnawalkam Elayavalli

Persönliche und geteilte Momente des Verstehens, mathematischen Geschmack und kulturelle Erfahrung pflegen. KI daran messen, ob sie diese Erfahrung bereichert; die Überlegenheit einer Maschine entscheidet für ihn nicht über den Wert menschlicher Mathematik.

[61] Srivatsav Kunnawalkam Elayavalli. Why do mathematics in the age of AI. 09.08.2026.Fundstelle: Haupttext

Wegner: andere Wertbegründung

Den Kernwert der Mathematik in Anwendungen sehen, auch über lange Ketten abstrakter Theorien. Wegner setzt verlässliche formale Prüfung voraus. Solange Menschen Forschungsrichtungen bestimmen und Ergebnisse beurteilen müssen, soll KI bisher unrealistische Aufgaben erschließen und mathematische Werkzeuge mit wissenschaftlichem Bedarf verbinden.

[121] Robert Wegner. A somewhat optimistic view of AI in mathematics. 10.09.2026.Fundstelle: Annahme A1; Szenario S1; These T2

Andrew Ng (Bonn)

Menschliches Verständnis auch als Schutz wissenschaftlicher Unabhängigkeit bewahren. Seine positive Vorstellung KI-gestützter Erklärung setzt ethisch und ökologisch vertretbare Bedingungen voraus. Die gegenwärtigen Bedingungen bewertet Ng als unvertretbar und lehnt deshalb generative Sprachmodelle ab.

[82] Andrew Ng (Mathematikdoktorand, Bonn). On proof and progress in mathematics in the age of generative LLMs. 04.09.2026.Fundstelle: „Why is human understanding important?“; „Back to reality. . . “

Bader

Aus platonischer Sicht wird eine unabhängig bestehende mathematische Wirklichkeit erforscht. KI kann dafür bessere Werkzeuge liefern, ähnlich wie Satelliten für die Kartografie. Bader plädiert dafür, die neuen Möglichkeiten anzunehmen und die Berufspraxis anzupassen; Schönheit, Verständnis und gesellschaftlich fruchtbare Verbindungen zur physischen Welt bleiben für ihn Ziele.

[13] Uri Bader. The Platonist view. 13.09.2026.Fundstelle: Haupttext

Gowers: Einwand gegen eine einheitliche Zielhierarchie

Problemlösen und Begriffsverständnis können einander als Mittel dienen. Unterschiedliche mathematische Motivationen sind legitim; Verständnis ohne Weiteres zum einzig vorrangigen Ziel zu erklären, wird dieser Vielfalt nach seiner Auffassung nicht gerecht.

[45] Timothy Gowers. Why I didn’t sign the Fields medallists’ letter. 17.09.2026.Fundstelle: Absätze zum Spektrum zwischen problem solving und conceptual understanding

Marcolli

Mathematik als Sprache zum Verständnis der Welt und als persönliche Ausdrucksform begreifen. Eine maschinell erzeugte Lösung nimmt dem eigenen mathematischen Schaffen nach dieser Auffassung seinen Sinn nicht; Forschende sollten auch den eigenen Fragen folgen können.

[77] Matilde Marcolli. Duet for the End of Math. Manuskript 10.09.2026; Newsfeed 13.09.2026.Fundstelle: S. 3–4

Litt

Verstehen, Theoriebildung und Konsolidierung bleiben Aufgaben. Unterschiedliche Interessen und jeweilige Stärken könnten eine Arbeitsteilung zwischen Menschen und KI ermöglichen. Einen dauerhaften menschlichen Leistungsvorsprung garantiert Litt nicht.

[69] Daniel Litt. Mathematics in the Library of Babel. 21.02.2026.Fundstelle: „Creativity“; „The library“

Narayanan

Die Fähigkeiten von KI-Modellen, tatsächlich nutzbare Produkte und organisatorischer Wandel sind verschiedene Dinge. Fachwissen, Urteil und Verantwortung stärken; schnelle technische Fortschritte entscheiden nicht allein darüber, wie sich Berufe verändern.

[81] Arvind Narayanan. What will be left for us to work on? 13.07.2026.Fundstelle: Vortragstranskript

Bessis

Jetzt die Ziele und Bewertung mathematischer Arbeit neu ausrichten. Seine Erwartung einer späteren Neuordnung enthält weder einen Zeitplan noch eine sichere Übergangsstrategie.

[17] David Bessis. The fall of the theorem economy. 21.04.2026.Fundstelle: „Coming clean“; „The future of mathematics“

Castillo-Ramirez

Wichtige Fragen auswählen, Ergebnisse prüfen, ordnen und verbinden; in der Lehre Begeisterung, Vertrauen und Ausdauer vermitteln. Sein erwarteter Rollenwandel ist keine Garantie dauerhafter menschlicher Überlegenheit in diesen Aufgaben.

[21] Alonso Castillo-Ramirez. The end of an era in mathematical research. 12.08.2026.Fundstelle: „The End of Handcrafted Mathematics“; „Teaching Will Remain Human“

Rivera

Mathematik als Bestand von Ideen, als persönlich und gemeinschaftlich ausgeübte Berufung und als institutionell organisierter Beruf unterscheiden. Rivera erwartet vor allem Veränderungen der beruflichen Strukturen. Die Freude am ästhetisch geleiteten Verstehen und die Gemeinschaft mathematischer Freundschaften hält er für beständiger; wie KI darin eingesetzt werden sollte, lässt er offen.

[91] Manuel Rivera. On the impact of AI on the mathematical practice. 12.09.2026.Fundstelle: Haupttext, Unterscheidung (1)–(3) und Schlussabsätze

Litt (Zukunftsszenario)

Institutionen auf den Fall vorbereiten, dass KI auch bei Erklärungen und Theorieentwicklung sehr leistungsfähig wird. Menschliches Verstehen entsteht dennoch nur durch menschliches Lernen. Seminare, Betreuung und gemeinsames Nachdenken sollen deshalb eigenständige Ziele bleiben; das Konzept soll nicht von einem dauerhaften menschlichen Leistungsvorsprung abhängen.

[68] Daniel Litt. A beginning for mathematics. 14.09.2026.Fundstelle: Einleitung; „What are we even trying to do here?“; „Producing high-quality mathematics“, Schluss

Doğan

Nicht voraussetzen, dass KI zwar Beweise erzeugen, aber keine guten Erklärungen liefern könne. Auch Beispiele, Literaturverbindungen und verständliche Darstellung könnten sich verbessern. Eine künftige menschliche Rolle lässt sich deshalb nicht allein auf einen behaupteten dauerhaften Vorsprung beim Erklären gründen.

[83] Timothy Nguyen; M. Levent Doğan. Two responses to “A Severe Misalignment of AI in Mathematics”. 18.09.2026.Fundstelle: Zweite unabhängige Stellungnahme, §§2.5–2.7

Loh

Menschliches Wohlergehen als ausdrückliches Ziel der Forschung setzen. Damit Menschen Forschungsrichtungen und KI-Systeme verantwortlich steuern können, brauchen sie nach Loh eigene Expertise an der Forschungsfront und müssen diese durch aktive Forschung erhalten.

[71] Po-Shen Loh. Why Do We Need Human Mathematicians Anymore? 19.09.2026.Fundstelle: „Why we really need people to work“

Thurston

Verstehen umfasst verschiedene mentale Zugänge: Bilder, Sprache, Intuition, logische Struktur und Verfahren. Maßgeblich ist, ob andere klarer denken können; die Kenntnis des Wahrheitswerts oder einer formalen Ableitung erschöpft dies nicht.

[116] William P. Thurston. On proof and progress in mathematics. 1994.Fundstelle: §§1–3

Tao

Tao schlägt als Publikationsschwelle vor, dass die Autorenschaft die Ergebnisse korrekt, sachkundig, verständlich und mit angemessener Zuschreibung vortragen kann. Das ist ein Befähigungskriterium, keine allgemeine Pflicht zur Einreichung eines Vortrags.

[107] Terence Tao. Mathematics in the age of AI. 2026; arXiv:2608.16753v1.Fundstelle: §8

Tao zur Arbeitsteilung

Formale Beweisassistenten erlauben, Teilaufgaben eines Formalisierungsprojekts getrennt zu prüfen. Tao hält eine entsprechende Arbeitsteilung auch bei neuen Resultaten für möglich: Einzelne könnten spezialisierte Beiträge leisten, ohne das Gesamtprojekt vollständig zu verstehen. Dafür müsste die Formalisierung noch effizienter werden.

[106] Terence Tao. Machine assisted proof. Manuskript 10.02.2024; Notices AMS, Januar 2025.Fundstelle: §1, S.4

Stankyavichyus: Gegenposition

Für die Publikationswürdigkeit Neuheit, Korrektheit, Wirkung und Begutachtung genügen lassen; die persönliche Kenntnis bei Einstellungen prüfen. Damit trennt er den Wert eines Textes vom Verständnis seiner Autor:innen.

[101] Anatoly Vitold Stankyavichyus. Response to “The AI dissenter viewpoint”. 20.08.2026.Fundstelle: „AI talking points“

Shalit

Schon bisher beruhte Forschung auf etablierten fremden Sätzen und arbeitsteiliger Expertise. Alles bis zu den Grundlagen selbst nachzuvollziehen, sei unhaltbar. KI verschärft diese Abhängigkeit; eine allgemeine neue Grenze akzeptablen Vertrauens gibt er nicht an.

[97] Orr Shalit. What’s not new. 08.09.2026.Fundstelle: „Standing on thin air“

Rivera: strenger Ausbildungsmaßstab

Rivera schreibt seinen Promovierenden die Offenlegung der KI-Nutzung vor und empfiehlt dringend, sie einzuschränken. Verwendete Aussagen sollen unabhängig von ihrer Herkunft vollständig verstanden werden; in Betreuungsgesprächen fragt er bis zu grundlegenden Prinzipien nach.

[92] Manuel Rivera. Statement on AI usage for PhD students. 26.08.2026.Fundstelle: Absätze über Offenlegung, Nutzungseinschränkung und Verständnis

Nguyen

Mathematisches Verständnis ist für Nguyen veränderlich, verteilt und selektiv; auch menschliche Theorien übersteigen häufig das Wissen Einzelner. Deshalb könne man auf formal geprüften KI-Ergebnissen aufbauen, bevor jede Einzelheit menschlich durchdrungen ist. Welche Teile gemeinsam erklärt und verstanden werden sollten, bleibt eine mathematische Auswahlaufgabe.

[83] Timothy Nguyen; M. Levent Doğan. Two responses to “A Severe Misalignment of AI in Mathematics”. 18.09.2026.Fundstelle: Erste unabhängige Stellungnahme, Absätze 2–5

Antieau

Vor einer Veröffentlichung sollen Autor:innen die Hauptideen selbst reproduzieren können, verständlich für Menschen schreiben und die intellektuelle Verantwortung übernehmen. Sprachliche Überarbeitung durch KI erlaubt er; einen von einem Sprachmodell erzeugten ersten Manuskriptentwurf lehnt er ab.

[4] Ben Antieau. Fast math/slow math. 15.09.2026.Fundstelle: „Collective standards“, Punkt 3

B: Autorschaft, Transparenz und Anreize

Etingof

Menschliche Autor:innen können volle Anerkennung erhalten, auch wenn KI Beweise geliefert hat, sofern sie den Inhalt selbst vollständig prüfen, verstehen, erklären und verantworten können sowie die KI-Beiträge benennen.

[37] Pavel Etingof, mit Beiträgen von Andrew Sutherland. Use of AI in mathematical research: A guide for young mathematicians. Mai 2026.Fundstelle: §1, S.1–2; §7, S.8

Weinreich

Eine nachträglich erweiterbare Mitinhaberschaft an mathematischen Ideen als Anerkennungsmodell erproben: Auch später kann hinzukommen, wer Verständnis auf Autorenniveau nachweist; Zeitschriften sollen den Nachweis organisieren.

[123] Max Weinreich. The crisis of AI-generated mathematics. August 2026.Fundstelle: §2: „For journals“

Lazić

Ein bloßer Prompt begründet keine Autorschaft. Eigene Theoriebildung oder Beweisarbeit ist für ihn konstitutiv für mathematische Forschung.

[63] Vladimir Lazić. Where I stand on AI. ohne Datum; Abruf 12.09.2026.Fundstelle: Grundsatz 6

Thom

Ein korrektes KI-Resultat kann veröffentlichungswürdig sein, ohne menschliche Entdeckung oder Verständnis zu belegen. Nicht zuordenbare Anerkennung soll nicht automatisch an den Modellbetreiber gehen. Auch bei geklärtem Datenschutz hält Thom das bisherige System persönlicher Priorität für kaum tragfähig: Publikationen belegen nicht mehr zuverlässig den Beitrag und die Fähigkeiten ihrer Autor:innen.

[114] Andreas Thom. On the existence of non-sofic groups. 11.09.2026.Fundstelle: Schlussteil

Thom

Das Spektrum vom bloßen Prompt bis zu entscheidender mathematischer Mitarbeit berücksichtigen. Wie dieser Anteil verlässlich geprüft und zugeschrieben werden kann, bleibt eine offene institutionelle Frage.

[115] Andreas Thom. Sechs Fragen zu KI, Mathematik und institutioneller Gestaltung. im Gespräch bereitgestellt.Fundstelle: Punkt 1Bereitgestellter Beitrag · kein öffentlicher Link in der Sammlung

Valentini

Originalität und Anerkennung auch an eigenständige Interpretation knüpfen: Bereits erzeugte und geprüfte Resultate zu verbinden, einzuordnen und zu einer Theorie zu organisieren, kann eine originäre wissenschaftliche Leistung sein.

[118] Lisa Valentini. When inventing is not enough. 15.09.2026.Fundstelle: „Inventing and interpreting, originality and credit“; Schluss von „3. Publication“

Craven

Zeitschriften sollten einen wesentlichen menschlichen mathematischen Beitrag verlangen und vollständig KI-erzeugte Arbeiten ablehnen. Bloßes Prüfen und Verstehen begründet für Craven keine Autorschaft. Menschlich entworfene Strategien mit maschineller Ausführung dürfen dagegen zulässig sein; Grenzfälle sollen Herausgeber:innen beurteilen.

[30] David Craven. Where will all the papers go? 19.09.2026.Fundstelle: „Humans only beyond this point“, Absätze 1–4

Kra

Menschliche Autorschaft mit intellektueller Verantwortung verbinden: Autor:innen sollen den Mechanismus des Beweises und ihren Weg dorthin erklären, Rückfragen beantworten und neue Ideen von übernommenen Bestandteilen unterscheiden können. Bloße Offenlegung der KI-Nutzung und Korrektheitsprüfung reichen dafür nicht.

[60] Bryna Kra. Deep theorems were scarce and difficult and so became an effective mechanism to identify deep thought. AI has broken this system. 13.09.2026.Fundstelle: Absätze zu human authorship und Schlussforderungen

Tao: autorisierte Zusammenfassung

Priorität soll nach Taos Vorschlag eine öffentlich zugängliche wissenschaftliche Erklärung voraussetzen, zusätzlich zum Preprint und künftig gegebenenfalls zur Formalisierung. Als maßgeblicher Zeitpunkt käme das späteste Datum dieser Bestandteile infrage. Auch ein erläuternder Blogbeitrag oder ein aufgezeichneter Vortrag könnte zählen; die frühe Ankündigung einer Lösung allein würde nicht genügen.

[111] Terence Tao. Terence Tao on AI in mathematics (and beyond). aktualisiert 17.09.2026; hier berücksichtigte Vorschläge vom August 2026.Fundstelle: Teil V, „Generation, verification, digestion“; Vorschlag vom 06.08.2026

Trombetti (ProofForum)

Ein öffentliches, kostenfreies Repositorium erproben, in dem KI-generierte Beweisversuche gemeinschaftlich geprüft, korrigiert und mit Literatur verknüpft werden. Erkennbar bleiben soll, was nur erzeugt, bereits geprüft, gescheitert oder weiter ungewiss ist. Auch ungeprüfte Behauptungen können dort zur Diskussion stehen; Trombetti beschreibt ProofForum ausdrücklich als Experiment.

[117] Marco Trombetti. ProofForum: Keeping AI-Generated Mathematics Human. 22.09.2026.Fundstelle: „Generation is not verification“; „We may soon generate more mathematics than we can read“; „An experiment“

Auffinger

Anreize und Zuschreibung so verändern, dass frühes Teilen auch für Nachwuchsforschende vernünftig bleibt. Als Anregung nennt er Vereinbarungen zur schnellen Datenfreigabe und Anerkennung in der Genomforschung. Ein passendes mathematisches Gegenstück kennt er ausdrücklich noch nicht; betreuende und junge Forschende sollen es mitentwickeln.

[9] Antonio Auffinger. Open problems, open mathematics. 22.09.2026.Fundstelle: Absätze zu Offenheit, Bermuda Principles und Fort Lauderdale Agreement

Cheung

Ein Register für Entwürfe, Teilrechnungen und Notizen mit überprüfbaren Zeitstempeln einrichten. Zugang zunächst begrenzen und bis zur öffentlichen Veröffentlichung schrittweise erweitern. Die spätere Bewertung soll auch Beiträge unfertiger Ideen berücksichtigen; ein Zeitstempel bescheinigt deren Existenz, nicht ihre Bedeutung. Das Verfahren soll auf gemeinsamen Normen beruhen, ohne zentrale Publikationserlaubnis.

[24] Kolen Cheung. Progressive disclosure for mathematical proofs. 12.09.2026.Fundstelle: „The proposal: attestation, then widening circles“; „How do we credit unfinished work?“; „Who would enforce this?“

doomslide: verbleibender Konflikt

Selbst ein wirksamer Schutz privater Eingaben beseitigt den Vorsprung finanzstarker Akteure nicht: Öffentlich geteilte unfertige Ideen könnten mit viel Rechenaufwand schneller ausgearbeitet werden. Der Autor sieht darin einen Anreiz zur Geheimhaltung und eine Gefahr für den offenen Austausch.

[33] doomslide (Pseudonym). Mathematics is effectively dead. 17.09.2026.Fundstelle: What can be done?, letzte Absätze

C: Korrektheit, Begutachtung und Vermittlung

Ringer

Erzeugung und Prüfung trennen: Ein kleiner Prüfkern kontrolliert das formale Beweisobjekt unabhängig von der Zuverlässigkeit des erzeugenden Systems.

[90] Talia Ringer. Proofs and Conversations. 17.05.2024.Fundstelle: „Proof Assistants“, S.2; „Choosing a Proof Assistant“, S.3

Etingof und Sutherland

Argumente selbst prüfen, verstehen und erklären. Bei Formalisierung zusätzlich kontrollieren, ob der kodierte Satz der beabsichtigten Aussage entspricht; mehrere zustimmende Modelle ersetzen keinen Beweis.

[37] Pavel Etingof, mit Beiträgen von Andrew Sutherland. Use of AI in mathematical research: A guide for young mathematicians. Mai 2026.Fundstelle: §1; §4.4; §4.6 (Andrew Sutherland)

Boldt

Wer durch Sprachmodelle gewonnene mathematische Ergebnisse veröffentlicht, soll eine maschinenprüfbare Formalisierung bereitstellen.

[18] Axel Boldt. Explanations, Prompts, and Formalizations: Arguments for New Norms in LLM-Enabled Mathematical Research. August 2026.Fundstelle: §4

Klowden und Tao

Eine Formalisierung kontrolliert nicht automatisch, ob die kodierte Aussage die beabsichtigte ist. Motivation, Heuristik und Übertragbarkeit bleiben zusätzliche Erkenntnisleistungen.

[58] Tanya Klowden und Terence Tao. Mathematical methods and human thought in the age of AI. 27.03.2026.Fundstelle: §4.4

Weinberger

Überzeugende Gespräche nicht mit Zuverlässigkeit verwechseln. An kritischem Austausch mit Kolleg:innen festhalten und einen formalen Beleg oder detailliertes unabhängiges Verständnis verlangen; sprachliche Überzeugungskraft kann das eigene Urteil unbemerkt verschieben.

[122] Shmuel Weinberger. What I feel like when I work with an AI. 11.08.2026.Fundstelle: Haupttext

Lee

Drei Ebenen unterscheiden: Beweis des formalen Satzes aus den verwendeten Axiomen, richtige Übersetzung der beabsichtigten Aussage und Übereinstimmung mit der ursprünglichen informellen Beweisführung. Ein formal korrekter anderer Beweis bestätigt nicht automatisch die ursprüngliche Argumentation.

[65] Seewoo Lee. (auto)formalization, but why. 08.09.2026.Fundstelle: „Do you want to (auto)formalize a theorem or a proof?“

Lean FRO und SAIR Foundation

Die gemeinsame Infrastruktur zur formalen Prüfung durch effizientere Algorithmen und Darstellungen verbessern. Der Lean Kernel Challenge verlangt für feste Rechenaufgaben zugleich einen Beweis, dass der entwickelte Algorithmus für jede Eingabe die Spezifikation erfüllt; Geschwindigkeit allein genügt nicht.

[108] Terence Tao; Lean FRO und SAIR Foundation. SAIR competition – Lean Kernel Challenge. 16.09.2026.Fundstelle: Beschreibung von Stage 1 und Einreichungsanforderung

Muñoz-Lahoz

KI-gestützte Formalisierung eng menschlich planen und begleiten, damit Bibliotheken geordnet, verständlich und wiederverwendbar bleiben. Neben der maschinellen Beweisprüfung muss kontrolliert werden, ob die formalen Aussagen die gemeinten Ergebnisse ausdrücken. Die Arbeit an einer vertrauenswürdigen gemeinsamen Basis vermindert wiederholte Prüfungen derselben Definitionen.

[80] David Muñoz-Lahoz. The Banach lattice Lean library. 07.08.2026; Fassung 20.08.2026, arXiv:2608.07388v2.Fundstelle: §1, Semiautoformalization

Leiden-Erklärung

Autor:innen sollen Prüfung durch präzise Referenzen und geeignete formale Beweise erleichtern; Fachorganisationen könnten zusätzliche menschliche Darstellungen oder externe Vorprüfung verlangen.

[66] Leiden Declaration working group. Leiden Declaration on Artificial Intelligence and Mathematics. 02.06.2026.Fundstelle: „Support the needs of reviewing“; „Maintain standards of rigor“

Litt

KI-Vorprüfung erwägen, aber Fehlentscheidungen berücksichtigen. Kautionen oder Zugang nur für vertraute Autor:innen diskutiert er als problematische, nicht als wünschenswerte Schranken.

[69] Daniel Litt. Mathematics in the Library of Babel. 21.02.2026.Fundstelle: „Truth-seeking“

First Proof

Beim KI-Testprojekt First Proof beurteilen unabhängige Fachgutachter:innen die Lösungen. Nach dem Bericht finanzieren ungebundene Unternehmensspenden unter anderem Forschungszuwendungen für die Gutachter:innen.

[1] Mohammed Abouzaid, Nikhil Srivastava, Rachel Ward und Lauren Williams. First Proof Second Batch. 10.06.2026.Fundstelle: §§2.3–2.4, S.10–11

Mangioni

Als mögliches Modell erwägt er KI-gestützte Erzeugung bei menschlicher Prüfung und Aneignung der Mathematik. Begutachtung könnte eine reguläre Arbeitsaufgabe mit reservierter Zeit werden. Für KI-Anwendungen insgesamt fordert er klare Grenzen und schnell anpassbare Korrekturmechanismen.

[75] Giorgio Mangioni. A viewpoint on “The AI dissenter viewpoint”. 14.08.2026.Fundstelle: „The social context lens“; „The ethical lens“

Valentini (Zeitschriften)

Formale Zertifikate zur Entlastung der Begutachtung vorsehen; Menschen prüfen weiterhin die Übereinstimmung mit dem formulierten Satz, Verständnis, Einordnung und Darstellung. Zeitschriften könnten breitere Projekte bevorzugen; für weitgehend maschinell erzeugte Einzelergebnisse schlägt sie eigene Repositorien oder Zeitschriften vor.

[118] Lisa Valentini. When inventing is not enough. 15.09.2026.Fundstelle: „3. Publication“

Craven (Einreichungsgrenzen)

Zeitliche Einreichungssperren pro Autor:in erwägen. Eine Annahme könnte die Sperre aufheben; erhebliche inhaltliche Mängel könnten sie verlängern. Damit möchte Craven knappe Begutachtungskapazität vor übermäßiger und unzureichend geprüfter Produktion schützen.

[30] David Craven. Where will all the papers go? 19.09.2026.Fundstelle: „Humans only beyond this point“, Schlussabsätze

Cohn

Schlecht erklärte, wenn auch korrekte Beweise können zusätzliche Aufarbeitungsarbeit erzeugen. Wer solche Resultate veröffentlicht, soll diese Last selbst verringern: Fachleute kontaktieren, den Entstehungsprozess erläutern und vorhandenen KI- oder Rechenzugang zur Klärung nutzen. Traditionelle Begutachtung kann beliebig große Mengen unbearbeiteter Ausgaben nicht auffangen.

[26] Henry Cohn. The technical debt of AI-generated mathematics. 15.09.2026.Fundstelle: „Open problems and AI“; „Technical debt“, Schlussabsätze

Gowers: andere Einschätzung der Ergebnisfülle

Mehr Resultate können sowohl mehr unaufgearbeitete als auch mehr verstandene Mathematik ermöglichen. Forschende könnten auswählen, was sie vertiefen; Datenbanken oder KI-gestützte Übersichten könnten die Orientierung erleichtern. Er sieht die größere Gefahr im Verlust der sozialen Strukturen, die diese Aufarbeitung tragen.

[45] Timothy Gowers. Why I didn’t sign the Fields medallists’ letter. 17.09.2026.Fundstelle: Absätze zu collective understanding, Datenbanken und institutionellen Risiken

Cheung

KI-Labore sollen die verständliche Aufarbeitung und die Überführung wiederverwendbarer formaler Beweisteile in gemeinsame Bibliotheken mitfinanzieren. Formale Prüfung, Erklärung und Bibliothekspflege sind unterschiedliche Aufgaben und können zu verschiedenen Zeitpunkten erfolgen.

[24] Kolen Cheung. Progressive disclosure for mathematical proofs. 12.09.2026.Fundstelle: „Lean, mathlib, and who pays“

Tao: autorisierte Zusammenfassung

Wer Anerkennung für die Erzeugung eines Beweises beansprucht, soll sich nach Kräften um Erklärung und Publikationsreife bemühen. Wenn dies nicht möglich ist, schlägt Tao ein geregeltes Verfahren vor, das die ausdrückliche Übergabe eines noch nicht ausreichend aufgearbeiteten Beweises an andere Autor:innen zur Weiterentwicklung erlaubt. Einzelheiten und Anerkennungsregeln bleiben offen.

[111] Terence Tao. Terence Tao on AI in mathematics (and beyond). aktualisiert 17.09.2026; hier berücksichtigte Vorschläge vom August 2026.Fundstelle: Teil V, „Generation, verification, digestion“; Vorschlag vom 19.08.2026

Etingof (nach einem Kommentar von Paul Seidel)

Veröffentlichende müssen Ideen durch Erklärungen, Gespräche und Vorträge in gemeinsames Wissen überführen; ein arXiv-Upload allein genügt nicht.

[37] Pavel Etingof, mit Beiträgen von Andrew Sutherland. Use of AI in mathematical research: A guide for young mathematicians. Mai 2026.Fundstelle: Bemerkung 5.1, S.8

Macbeth

Formale Texte als eigenes mathematisches Medium gestalten: wiederkehrende Argumente durch geeignete Begriffe und allgemeine Hilfssätze organisieren, Berechnung und Abstraktion verbinden.

[74] Heather Macbeth. Algorithm and abstraction in formal mathematics. 07.05.2024.Fundstelle: §§2–4

Donoho

Für datenbasierte Wissenschaft Daten, Programme und mit geringem Aufwand reproduzierbare Berechnungen offen bereitstellen und gemeinsame Vergleichsverfahren nutzen. Der Aufbau fehlender Datensätze und Vergleichsaufgaben kann selbst ein bedeutender Forschungsbeitrag sein.

[32] David Donoho. Data Science at the Singularity. 02.10.2023.Fundstelle: §10.1

Tao

Formalisierung kann überflüssige Voraussetzungen und einfachere Wege sichtbar machen und eine wiederverwendbare Bibliothek erweitern; bloße Zertifizierung ist nur ein möglicher Zweck.

[106] Terence Tao. Machine assisted proof. Manuskript 10.02.2024; Notices AMS, Januar 2025.Fundstelle: §1, S.3–4

Cheung

Außenstehenden erklären, warum ein Problem und seine Lösung interessieren. Öffentlichkeitsarbeit kann gesellschaftliche Unterstützung, eigenes Verständnis und bessere fachliche Darstellung fördern; Korrektheit allein vermittelt die Bedeutung noch nicht.

[23] Trevor Cheung. AI and maths communication. 03.09.2026.Fundstelle: „Lessons for academia?“; „A plea. . . “

Thom

Ein formaler Beweis bestätigt ein mathematisches Resultat; dessen Bedeutung, Erklärung und Einordnung verlangen weitere Arbeit. Diese Aneignung ist für Thom selbst Forschung.

[114] Andreas Thom. On the existence of non-sofic groups. 11.09.2026.Fundstelle: Schlussabsätze

Sharma

Nach einer überprüften und verständlich aufgearbeiteten KI-Lösung untersuchen, welche neuen Begriffe, Strukturen und Anwendungen sie ermöglicht. Für die angekündigte Navier–Stokes-Konstruktion fragt Sharma etwa nach Konsequenzen für die Theorie partieller Differentialgleichungen, Turbulenzmodelle und verborgene algebraische Strukturen. Verständliche Vorträge und gemeinsame Aufarbeitung sollen diesen Übergang unterstützen.

[98] Saksham Sharma. History and Future of Fluid Dynamics. 20.09.2026.Fundstelle: Schlussteil, Absätze ab „Broadly, there are a few suggestions“

Riehl

Nach einfachen Erklärungen, klärender Sprache und einem geeigneten Abstraktionsniveau suchen, damit andere komplexe Ideen aufnehmen können. Die Erschließung vorhandener Erkenntnisse soll denselben Wert haben wie das Voranbringen der Forschungsfront.

[88] Emily Riehl. Why I do mathematical research. 14.09.2026.Fundstelle: Haupttext zu theory building und Schlussvergleich der mathematischen Gemeinschaft

Sanderson

Motivierende Erklärungen sollen zeigen, wie man auf Ideen, Begriffe und Fragestellungen kommen kann. Sie dürfen nachvollziehbare Irrwege enthalten und richten sich auch an Fachleute. Wichtige noch unzureichend erklärte Ergebnisse könnten als offene Darstellungsprobleme gesammelt und nach gemeinsam entwickelten Kriterien bearbeitet werden.

[93] Grant Sanderson. If math is more than proof, we need to better celebrate the rest of it. 18.09.2026.Fundstelle: „What defines a motivated explanation?“; Vorschlag zu open exposition problems

Abramov

Formale Beweise durch eine interaktive Karte ihrer Abhängigkeiten erschließen. Abramov markierte zentrale Sätze im Lean-Code und nutzte die daraus erzeugten Diagramme zum Suchen nach Umwegen und Vereinfachungen. Die Karte unterstützt das Lesen; sie ersetzt keine fachliche Prüfung.

[2] Dan Abramov. How I Vibed a Proof of Conway’s Conjecture. 18.09.2026.Fundstelle: Simplifying the Proof

de Dios Pont et al.

Ergebnisse und Teilfortschritte gemeinsam ordnen, verständlich aufbereiten und in nutzbare Datenbanken und Lean-Bibliotheken überführen. Die Autoren verbinden diese Infrastrukturarbeit mit Kursen, Workshops und persönlichem Austausch; ihr Fallbericht beschreibt auch ein gestärktes Gemeinschaftsgefühl.

[31] Jaume de Dios Pont, Lukas Liehr, David Muñoz-Lahoz, Mitchell A. Taylor und Pedro Tradacete. Banach lattices and phase retrieval: A case study for the use of AI in mathematics. 07.08.2026; arXiv:2608.07396v1.Fundstelle: §§4–5

D: Leistungsbewertung und Forschungsorientierung

First Proof

First Proof testet KI an Forschungsaufgaben, deren menschliche Lösungen bereits vorliegen, aber noch unveröffentlicht sind. Lösungen, Protokolle, Kosten und Steuerungscode werden offengelegt; zwei bis drei Fachgutachter:innen beurteilen anonymisiert. Begriffsentwicklung und das Finden interessanter Vermutungen erfasst dieser Test nicht.

[1] Mohammed Abouzaid, Nikhil Srivastava, Rachel Ward und Lauren Williams. First Proof Second Batch. 10.06.2026.Fundstelle: §§1.1–1.3, 2.1–2.4

Narayanan

Neben Erfolgsquoten prüfen, ob die KI wiederholt zuverlässig arbeitet, auf kleine Änderungen robust reagiert, eigene Fehler richtig einschätzt und ob Fehler beherrschbare Folgen haben.

[81] Arvind Narayanan. What will be left for us to work on? 13.07.2026.Fundstelle: Absätze zur Verlässlichkeit

Bessis

Eine breitere Automatisierungsskala entwickeln, die auch Vereinfachung, Fragestellung, Begriffs- und Theoriebildung erfasst.

[17] David Bessis. The fall of the theorem economy. 21.04.2026.Fundstelle: „Coming clean“

Lan

Öffentlich verfügbare Modelle systematisch an offenen Problemen prüfen, Ausgaben unabhängig kontrollieren und Nutzung offenlegen. Die Gemeinschaft soll Bedeutung und Leistung selbst beurteilen.

[62] Tian Lan. On protecting mathematics from LLM companies’ monopoly. 18.08.2026.Fundstelle: Absätze zu öffentlichen Tests und Begutachtung

SAIR Foundation

Modelle an verlässlicher Hilfe, überprüfbaren Ergebnissen und dauerhaften Nutzungskosten messen. Bei Veröffentlichungen auch Fehler und Grenzen ausweisen, damit unabhängige Teams die Arbeit reproduzieren und anpassen können.

[109] Terence Tao; SAIR Foundation. SAIR’s Open Math Model initiative. 18.09.2026.Fundstelle: „Tools for Everyday Research“; „Open Development“

Epoch AI: Bewertungsbeispiel

Ergebnisse nach dem tatsächlichen Arbeitsprozess einordnen. Epoch kennzeichnet den berichteten Fortschritt bei Ausschusswahlen als Zusammenarbeit von Menschen und KI: Er entstand in längerer Interaktion; nach Einschätzung eines Mitautors schien eine einfache Eingabe nicht auszureichen. Ein gelöstes Benchmarkproblem belegt damit keine entsprechende autonome Fähigkeit.

[36] Epoch AI. The Core in Approval-Based Committee Elections. Newsfeed 18.09.2026; Abruf 23.09.2026.Fundstelle: Solution update

Tao

Tao beschreibt ein Zusammenspiel von maschineller Mustererkennung, menschlicher Vermutungsbildung, Gegenprüfung und Beweisarbeit. Eine Fallstudie aus der Knotentheorie zeigt, wie daraus neue Einsichten entstehen können.

[106] Terence Tao. Machine assisted proof. Manuskript 10.02.2024; Notices AMS, Januar 2025.Fundstelle: §2, S.5–6

Guanyang Wang

Als mögliche Arbeitsteilung schlägt Wang vor: Menschen geben einen Beweisplan mit offenen Zwischenschritten vor, KI hilft bei diesen Schritten. Zudem berichtet er erfolgreiche und gescheiterte Läufe zweier Prompts. Der nach Kenntnis des Beweises entworfene Promptvergleich erlaubt keine allgemeine Erfolgsprognose.

[119] Guanyang Wang. Prompting Toward a Conjecture. 12.08.2026.Fundstelle: „The Right Prompt“; „A Hypothetical Example“

Hartstein

Automatisches Beweisen breiter als Sprachmodelle erforschen, auch mit symbolischen und kombinierten Verfahren. Seine Ziele sind überprüfbare Korrektheit, das grundsätzliche Auffinden jedes im gewählten formalen System existierenden Beweises und effiziente Suche.

[52] Oren Hartstein. We Need a Stockfish for Math. 11.09.2026.Fundstelle: „The Actual Goal“; „The Gödel Objection“; „The Future“

Avigad

Formale Bibliotheken, symbolische Verfahren, Experimente und neue Formen der Interaktion mitentwickeln und als Forschung anerkennen. Wenn Mathematik anderen Wissenschaften nur die Nutzung fertiger KI empfiehlt, drohe ihr Bedeutungsverlust. Sie soll eigene Methoden und Anwendungen beitragen.

[11] Jeremy Avigad. What is mathematics now, and what should it be? 07.09.2026.Fundstelle: „What is AI for mathematics?“; „The challenges“; „The future“

Zhang

In seinem Bericht über eine gruppentheoretische Konstruktion beschreibt Zhang, wie das Team teure Rechenwege stoppte, Koordinaten und Strategie wechselte und KI für Programmierung und Analyse nutzte. Die Ergebnisse wurden unabhängig mit mathematischer Software überprüft. Mehr Rechenleistung allein hätte den Strategiewechsel nicht ersetzt.

[125] Shaowu Zhang. Where to Point the Telescope. 21.08.2026.Fundstelle: „When more precision was the wrong answer“; „What I learned“

Antieau

Große gemeinsame Forschungsprogramme mit Leitungen, Nachwuchsstellen und Qualitätsstandards entwickeln. Zu ihren Ergebnissen sollen auch Lehrtexte, Datenbanken und Erklärungen gehören. Forschung nicht schneller betreiben, als Ergebnisse verstanden und vermittelt werden können.

[4] Ben Antieau. Fast math/slow math. 15.09.2026.Fundstelle: „Dream bigger dreams“; „Collective standards“, Punkt 7

Auffinger

Im Austausch mit anderen Wissenschaften neue mathematische Fragen und Phänomene erschließen. Das ist eine zusätzliche Möglichkeit; die eigenständige, neugiergetriebene Mathematik soll ihre grundlegende Stellung behalten.

[9] Antonio Auffinger. Open problems, open mathematics. 22.09.2026.Fundstelle: Schlussabsätze zu Biologie und neuen Fragen

Li et al.

Wiederholte Fehlversuche auf gemeinsame Hindernisse untersuchen und Forschungsziele gegebenenfalls neu formulieren. In der Fallstudie führte menschliche Steuerung von einer festgefahrenen Suche nach besseren Konstruktionen zur Untersuchung einer allgemeinen Schranke. Die Autoren unterscheiden technische Ausführung von Forschungsurteil und langfristiger Projektsteuerung.

[67] Alan Li, Rahul Saha, Anton Xue, Swarat Chaudhuri, Adam Klivans, Pravesh K. Kothari und Raghu Meka. Long-Horizon AI Research for Grothendieck Constant: A Case Study in Human–AI Mathematical Collaboration. 11.08.2026; Fassung 14.08.2026, arXiv:2608.11195v3.Fundstelle: §4; §5, Research judgement; Why we still need human collaboration

Valentini (Arbeitsweise)

Phasen der KI-gestützten Ergebniserzeugung mit Phasen des eigenen Durcharbeitens, Verbindens und Neuformulierens abwechseln. Als Vorbild nennt Valentini experimentelle Wissenschaften, die Datenerhebung und Auswertung zeitlich unterscheiden; statt vieler Einzelresultate könnten größere gemeinschaftliche Projekte entstehen.

[118] Lisa Valentini. When inventing is not enough. 15.09.2026.Fundstelle: „1. Research“, Method/ Objectives/ Collaboration

Abramov: Erfahrungsbericht

Neue Ideen nur wenig vor der formalen Überprüfung entwickeln, tragende Zwischenschritte zeitnah verifizieren und bei wachsenden ungeprüften Abhängigkeiten neu ansetzen. In seinem Versuch erwiesen sich KI-Kritik und umfangreiche Entwürfe allein als unzureichend.

[2] Dan Abramov. How I Vibed a Proof of Conway’s Conjecture. 18.09.2026.Fundstelle: Looking for the Ground; Lessons Learned

Hofer

Aus wiederkehrenden Korrekturen ein von Forschenden kontrolliertes Arbeitsprofil entwickeln: Anweisungen, zugrunde liegende Erfahrungen und den mathematischen Projektstand getrennt festhalten. Anweisungen an späteren Aufgaben testen, bei Schaden verwerfen und bei Modellwechsel neu prüfen. Hofer schlägt dies als überprüfbares Experiment vor.

[55] Helmut H. W. Hofer. The Mathematician Leads: Building a Research Profile in the Age of Frontier AI. 28.08.2026; arXiv:2608.28369v1.Fundstelle: §§1, 3–4, 8

Li et al.

Neben einem vollständigen Archiv einen sorgfältig gepflegten Projektstand führen, der offene Beweispflichten, gescheiterte Ansätze und den jeweiligen Evidenzstatus bewahrt. In der Fallstudie gingen beim wiederholten Zusammenfassen entscheidende Einschränkungen verloren, obwohl sie im Archiv vorhanden waren; ein vermeintlicher Fortschritt musste zurückgenommen werden.

[67] Alan Li, Rahul Saha, Anton Xue, Swarat Chaudhuri, Adam Klivans, Pravesh K. Kothari und Raghu Meka. Long-Horizon AI Research for Grothendieck Constant: A Case Study in Human–AI Mathematical Collaboration. 11.08.2026; Fassung 14.08.2026, arXiv:2608.11195v3.Fundstelle: §5, Research-state representation

Carbone

Aufgabe und Hintergrund präzisieren, schwierige Vorhaben in Teilaufgaben zerlegen und KI-Ausgaben durch konkrete Rückfragen und Korrekturen weiterentwickeln. Die Zusammenarbeit kann neue Ideen erschließen, spart aber nicht notwendig Zeit. Computeralgebra und formale Beweisprüfung sollen die Kontrolle ergänzen.

[20] Lisa Carbone. Advancing Mathematics Research with Generative AI. arXiv:2511.07420v3; Abruf 23.09.2026.Fundstelle: §§5.7, 8–9

E: Studium, Promotion und Lernformen

Thom

Studiengänge bis zur Promotion von den Anforderungen des Arbeitsmarkts einschließlich wissenschaftlicher Karrieren her gestalten. Problemlösung in Zusammenarbeit mit KI und die Nutzbarmachung KI-erzeugter Resultate sollen im Vordergrund stehen.

[115] Andreas Thom. Sechs Fragen zu KI, Mathematik und institutioneller Gestaltung. im Gespräch bereitgestellt.Fundstelle: Punkt 2Bereitgestellter Beitrag · kein öffentlicher Link in der Sammlung

Avigad; Commelin et al.

Avigad fordert beruflich relevante Problemlösung mit KI bei Erhalt mathematischer Intuition. Commelin und Mitautor:innen empfehlen, Problemformulierung, Kommunikation und kritische Prüfung von Argumenten im Curriculum zu stärken und Studierende an der Gestaltung zu beteiligen.

[10] Jeremy Avigad. Mathematicians in the Age of AI. März 2026; Fassung 06.04.2026.Fundstelle: §§3–4
[28] Commelin, Jamnik, Ochigame, Taelman und Venkatesh. Shaping the Future of Mathematics in the Age of AI. 26.03.2026.Fundstelle: S.3

Su

Mathematische Bildung auch an Ausdauer, Kreativität, Perspektivwechsel und Verantwortung ausrichten. Ihr Wert reicht über verwertbare Problemlösungen hinaus.

[103] Francis Su. The Enduring Value of Math, in an Age of AI. 20.08.2026.Fundstelle: „What a math education is really for“

Thom (Lehrkonzept)

Lehr- und Prüfungsformen aus den Zielkompetenzen für Forschung und Beruf entwickeln: präzise Begriffsverwendung, Beweiskontrolle, Beispiele und Gegenbeispiele, Strukturerkennung und mathematische Verantwortung.

[113] Andreas Thom. Ein neues Lehrkonzept für das Mathematikstudium: Vorlesung – KI-Tutor – Grundübung – Labor. ohne Datum; 5 Seiten.Fundstelle: S.1Bereitgestellter Beitrag · kein öffentlicher Link in der Sammlung

MIT-Bericht

Von Lernzielen ausgehen und danach KI erlauben, verlangen oder begrenzen. Effektiven, verantwortlichen und ethischen Einsatz in Studium und Promotion vermitteln.

[79] MIT Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training. Report on AI Use in Teaching, Learning, and Research Training. 13.08.2026.Fundstelle: §§2.5–2.7, 3.2.4

Aougab (Kommunikation)

Mathematische Kommunikation gezielt üben: studentische Seminare ohne Angst vor Abwertung, informelle Gespräche, eigene öffentlich geteilte Vorlesungsnotizen und die Analyse guter Darstellungen. Eine einladende Gesprächskultur kann vermeiden, dass Nachwuchsforschende aus Furcht vor Beschämung ausschließlich KI um Hilfe bitten.

[5] Tarik Aougab. Navigating the AI crisis: a humble guide for students. 23.09.2026.Fundstelle: „Focus on developing your skills of exposition and communication“

Thom (Lehrkonzept)

Vier Elemente verzahnen: Die Vorlesung vermittelt Leitideen und Zusammenhänge; ein kursbezogener KI-Tutor unterstützt das Selbststudium; die Grundübung trainiert eigenes mathematisches Denken in Präsenz weitgehend ohne KI; das Labor übt kontrollierten Einsatz von KI, Programmierung und weiteren Werkzeugen.

[113] Andreas Thom. Ein neues Lehrkonzept für das Mathematikstudium: Vorlesung – KI-Tutor – Grundübung – Labor. ohne Datum; 5 Seiten.Fundstelle: §§1.1–1.4, S.2–3Bereitgestellter Beitrag · kein öffentlicher Link in der Sammlung

Thom (Rollen und Umfang)

Das Skript bleibt maßgeblicher Referenztext; KI-Erklärungen sind daran und an eigenen Überlegungen zu prüfen. Beispielhafte Umverteilung: je 2 Semesterwochenstunden (SWS) Vorlesung, Grundübung und Labor statt 4 SWS Vorlesung plus 2 SWS Übung; der KI-Tutor unterstützt außerhalb der Präsenzzeit.

[113] Andreas Thom. Ein neues Lehrkonzept für das Mathematikstudium: Vorlesung – KI-Tutor – Grundübung – Labor. ohne Datum; 5 Seiten.Fundstelle: §1 und §1.2, S.2Bereitgestellter Beitrag · kein öffentlicher Link in der Sammlung

Thom (Studienverlauf)

Zunächst gemeinsame Grundlagen sichern, später nach Studienrichtung gewichten: theoretisch etwa Beweis- und Literaturseminare sowie formale Verifikation; anwendungsbezogen Modellierung, Datenanalyse und Simulation. Eigenkompetenz bleibt in allen Pfaden nötig.

[113] Andreas Thom. Ein neues Lehrkonzept für das Mathematikstudium: Vorlesung – KI-Tutor – Grundübung – Labor. ohne Datum; 5 Seiten.Fundstelle: §2, S.3–4Bereitgestellter Beitrag · kein öffentlicher Link in der Sammlung

Jaye und Livshyts

Aufgaben zur Beweisprüfung, zur Auswahl und Begründung interessanter Fragen, zum verständlichen Schreiben und zu Kurzvorträgen erproben. Diese lassen sich verbinden: eigene Fragen gegebenenfalls mit KI bearbeiten, einen verständlichen Bericht schreiben und die Ergebnisse im Kurs verteidigen.

[56] Benjamin Jaye, Galyna V. Livshyts. Changes in the classroom in the AI Era. 19.08.2026.Fundstelle: nummerierte Aufgabenfolge

Etingof

Zunächst eigene Versuche unternehmen, Hinweise statt fertiger Lösungen erfragen und Übungsaufgaben selbst bearbeiten. KI soll Lernen verstärken.

[37] Pavel Etingof, mit Beiträgen von Andrew Sutherland. Use of AI in mathematical research: A guide for young mathematicians. Mai 2026.Fundstelle: §§3, 4.5

Karamanis

Schwierigkeiten und Fehlersuche gehören zur Ausbildung des Urteils, das später KI beaufsichtigen soll. Methoden und Entscheidungen müssen selbst erklärbar bleiben.

[57] Minas Karamanis. The machines are fine. I’m worried about us. 30.03.2026.Fundstelle: Absätze zur wissenschaftlichen Betreuung

Siktar

Verwendete KI-Argumente sorgfältig auf Papier durcharbeiten. Studierende sollen bei Codekorrekturen Fehlerursache, Wirkung und geeignete Tests selbst erklären können. Gemeinsames Prompten mit der Betreuung schlägt er als von ihm selbst noch nicht erprobte Lehrmethode vor.

[99] Joshua Siktar. How to welcome LLM use into student research mentorship. 09.09.2026.Fundstelle: „Be efficient. . . “; „Don’t autopilot debugging“; „Tag-team. . . “

Tao

Lästige Rechenarbeit kann delegiert werden, sofern ihre Ergebnisse kontrolliert werden können. Begriffliche Schwierigkeiten sind oft selbst Lerngegenstand; auch KI-Erklärungen können diese Lernchance nehmen. Begleitete Nutzung, eigene Fehlversuche und gemeinsames Prüfen von KI-Ausgaben vorsehen.

[104] Terence Tao. How should university students control their AI diet? 10.06.2026.Fundstelle: S.19–25

Srivathsan

Ein Tutor soll am eigenen Versuch ansetzen: Verständnisfragen stellen, bei Bedarf Hinweise geben, Voraussetzungen klären und kleine Beispiele oder einfachere Teilprobleme anbieten. Produktive Fehlversuche erhalten, statt sofort die Lösung zu liefern.

[100] Amruth Srivathsan. Keeping the learner in the loop. 13.08.2026.Fundstelle: Haupttext

Aougab (Grundlagen)

Klassische Grundlagenarbeit mit dem Beobachten neuer Werkzeuge verbinden. Standardtexte lesen und Aufgaben allein sowie in Gruppen bearbeiten; zugleich mit Kolleg:innen diskutieren, welche Probleme KI im eigenen Gebiet tatsächlich bewältigt. Aougab rät weder zu vollständigem Umstieg noch zu pauschalem KI-Verzicht.

[5] Tarik Aougab. Navigating the AI crisis: a humble guide for students. 23.09.2026.Fundstelle: „Divide your time between studying the fundamentals and what may become the new fundamentals“

Cohn

Tiefes Verständnis entsteht durch eigene aktive Untersuchung: Aussagen hinterfragen, Argumente rekonstruieren und Ideen selbst erkunden. Gute Erklärungen und persönliche oder KI-gestützte Anleitung können diesen Prozess unterstützen, ersetzen die eigene aktive Auseinandersetzung aber nicht.

[26] Henry Cohn. The technical debt of AI-generated mathematics. 15.09.2026.Fundstelle: „How do we develop understanding?“

Gowers

Auch vorliegende Beweise aktiv lesen: zunächst eigene Lösungsversuche unternehmen und nur bei Bedarf kleine Hinweise nutzen. Ein KI-Tutor könnte solche Hinweise an das Vorwissen anpassen. Ob dadurch die besondere Tiefe langjähriger eigener Forschung ersetzbar ist, lässt er offen.

[45] Timothy Gowers. Why I didn’t sign the Fields medallists’ letter. 17.09.2026.Fundstelle: Absätze zu individual understanding und active reading

MIT-Bericht

Für das MIT empfiehlt der Bericht mündliche Prüfungen, Semesterportfolios und schriftliche Arbeiten mit anschließenden Gesprächen sowie die Erprobung kompetenzbezogener Bewertung. Jede Abschlussarbeit soll eine Erklärung zur KI-Nutzung enthalten. Auf KI-Detektoren solle man sich nicht verlassen.

[79] MIT Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training. Report on AI Use in Teaching, Learning, and Research Training. 13.08.2026.Fundstelle: §§3.1.2, 3.1.6, 3.1.9, 3.2.6

Thom (Vorschlag für Studienmodule)

Eigenkompetenz ohne KI durch Präsenztests, mündliche Kurzprüfungen, Fehleranalysen und kleine Beweis- oder Gegenbeispielaufgaben prüfen. Werkzeugkompetenz durch dokumentierte Laborprojekte und mündliche Verteidigungen beurteilen; Annahmen, Beweisstatus und unabhängige Kontrolle der Ergebnisse zählen mit.

[113] Andreas Thom. Ein neues Lehrkonzept für das Mathematikstudium: Vorlesung – KI-Tutor – Grundübung – Labor. ohne Datum; 5 Seiten.Fundstelle: §1.4, S.3; §3, S.4Bereitgestellter Beitrag · kein öffentlicher Link in der Sammlung

Su

Gute Fragen, begründete Strategien und Ausdauer auch dann bewerten, wenn noch kein vollständiger Beweis vorliegt.

[103] Francis Su. The Enduring Value of Math, in an Age of AI. 20.08.2026.Fundstelle: „What this means for us“

Etingof

Als praktische Verständnisanforderung: Den verwendeten Gedankengang spontan und im Detail erklären können.

[37] Pavel Etingof, mit Beiträgen von Andrew Sutherland. Use of AI in mathematical research: A guide for young mathematicians. Mai 2026.Fundstelle: §1, S.1

Tao

Den Lösungs- und Prüfprozess bewerten, bei geeigneten Aufgaben auch Prompts und unabhängige Kontrolle verlangen. Iterative Projekte dürfen mit fehlerhaften eigenen Versuchen beginnen; kreative KI-Nutzung nur dosiert einsetzen.

[104] Terence Tao. How should university students control their AI diet? 10.06.2026.Fundstelle: S.24–26

Serraille

Verständnis mit eigenen Beispielen, ungewohnten Aufgaben und Präsenzarbeit prüfen. In Bachelorund Masterarbeiten auf Sprachmodelle verzichten, allenfalls nachträgliche Sprachkorrektur und Bildgenerierung ausnehmen: Eigenständiges Lesen, Scheitern und Nachfragen sind für ihn zentrale Lernziele.

[96] Baptiste Serraille. Rethinking Maths education: A perspective from Olympiad and higher education. 02.09.2026.Fundstelle: §§1, 2.1–2.2

Sarkar

Sarkar berichtet aus einem Kurs zur Mathematikgeschichte: Präsenztexte mit Hausarbeiten vergleichen und im Gespräch nach dem eigenen Gedankengang fragen; mit fremder Hilfe geschriebene Passagen in eigenen Worten erklären lassen. Dies dient dem Lernen.

[94] Amites Sarkar. Shannon, Orwell, and the Thinking Machine. 24.08.2026.Fundstelle: „Superintelligence“

Litt (Promotion)

Die Promotion als Erwerb tiefer Expertise in einem interessanten Gebiet und als Fähigkeit zu deren Vermittlung gestalten. Eine gründliche Verteidigung soll den Ausschlag geben; die Herkunft der Ergebnisse aus menschlicher oder KI-Arbeit ist dafür nicht entscheidend. Regelmäßige Betreuungsgespräche können prüfen, ob Promovierende unbekannte Beispiele selbst bearbeiten und Methoden auf neue Fälle anwenden.

[68] Daniel Litt. A beginning for mathematics. 14.09.2026.Fundstelle: „Producing high-quality mathematicians“, Absätze 1–4

Sanderson

Schon kleinere Aufgaben in der Promotion könnten mit einem Vortrag vor Mitstudierenden und Lehrenden abschließen. Ziel wäre, eine gegebenenfalls bereits bekannte oder mit KI gefundene Lösung so zu verstehen und zu erklären, dass andere sie ebenfalls verstehen.

[93] Grant Sanderson. If math is more than proof, we need to better celebrate the rest of it. 18.09.2026.Fundstelle: „Practical calls to action“, erster Punkt

F: Anerkennung und Nachwuchs

Thom

Anerkennen, wer erklärt, warum ein Argument funktioniert, Kernideen von Technik trennt, Verbindungen und fruchtbare Fragen findet, Methoden lehrt und andere befähigt. Beiträge erfolgen auch in Vorträgen, Gesprächen, Lehre und Zusammenarbeit, nicht nur in Artikeln.

[114] Andreas Thom. On the existence of non-sofic groups. 11.09.2026.Fundstelle: Schlussteil

Weinreich (Vorschlag für Zeitschriften)

Wissenschaftliche Anerkennung für Ideen auch nach deren Veröffentlichung mit Personen teilen, die das Argument eigenständig beherrschen. Zeitschriften könnten dieses Verständnis durch ausführliche Erklärung vor einem sachkundigen, kritischen Publikum prüfen, gegebenenfalls im Umfang einer Graduiertenveranstaltung. Weinreich nennt dies „co-ownership“.

[123] Max Weinreich. The crisis of AI-generated mathematics. August 2026.Fundstelle: §2: „For journals“

Tao; Mathematical Discourse

Erklärung, Begutachtung und Einordnung stärker anerkennen. Das Videojournal Mathematical Discourse ist ein konkretes Beispiel: Es begutachtet Klarheit, Neuheit und mathematisches Interesse von Vorträgen. Es ersetzt die Prüfung der schriftlichen Beweise ausdrücklich nicht.

[107] Terence Tao. Mathematics in the age of AI. 2026; arXiv:2608.16753v1.Fundstelle: §8; Anhang A
[78] Mathematical Discourse. Aims and Scope; Review Process. Abruf 12.09.2026.Fundstelle: „Aims and Scope“; „Review Process“

Guo (Bewertungsvorschlag)

Mathematischen Resultatwert und persönlichen Beitrag trennen. Anteile, die festgelegte KI-Systeme mit festgelegtem Rechenbudget reproduzieren, vom menschlichen Beitrag abziehen, auch bei rein menschlicher Arbeit. Gescheiterte Reproduktion beweist dabei keine Originalität. Einen empirischen Nachweis der Eignung für Personalentscheidungen liefert der Text nicht.

[48] Qi Guo. Evaluating mathematical merit. 27.08.2026.Fundstelle: „A stable AI-residual evaluation system“; „A practical transition“

Thom

Beiträge zur Integration KI-erzeugter Resultate in die mathematische Kultur bei Einstellungen stärker gewichten; dieselbe Entkopplung von Produkt und Kompetenz betrifft Abschlussarbeiten. Wie solche Beiträge vergleichbar gemessen werden, bleibt ausdrücklich offen.

[115] Andreas Thom. Sechs Fragen zu KI, Mathematik und institutioneller Gestaltung. im Gespräch bereitgestellt.Fundstelle: Punkt 5Bereitgestellter Beitrag · kein öffentlicher Link in der Sammlung

Litt (Anerkennung)

Vorträge, anhaltende mathematische Gespräche und den Aufbau überzeugender Forschungsprogramme stärker gewichten. Auch bei der Aufnahme in Promotionsprogramme empfiehlt Litt Gespräche, weil ein vorgelegter Text allein die mathematische Expertise seiner Einreichenden nicht zuverlässig erkennen lasse.

[68] Daniel Litt. A beginning for mathematics. 14.09.2026.Fundstelle: „Producing high-quality mathematicians“, Absätze 5–9

Doğan

Forderungen nach Verständnis müssen sich in Einstellungskriterien, Förderentscheidungen und Zeitschriftenpraxis niederschlagen. Einflussreiche Mathematiker:innen sollen konkrete Änderungen an Anreizen und Regeln voranbringen; Doğan kritisiert, dass die Gemeinschaft selbst lange Publikationsproduktion belohnt habe und Nachwuchsforschende wenig Einfluss besitzen.

[83] Timothy Nguyen; M. Levent Doğan. Two responses to “A Severe Misalignment of AI in Mathematics”. 18.09.2026.Fundstelle: Zweite unabhängige Stellungnahme, §§2.2–2.4 und 3.2–3.6

Kra

Zeitschriften und Anerkennungssysteme sollen Entdeckung, Beweis, Formalisierung und Erklärung unterscheiden und würdigen. Auch neue Begriffe, passende Fragen, Vorträge und informeller Wissensaustausch schaffen wissenschaftlichen Wert und sollen über ihre Rolle als Begleiterscheinungen hinaus anerkannt werden.

[60] Bryna Kra. Deep theorems were scarce and difficult and so became an effective mechanism to identify deep thought. AI has broken this system. 13.09.2026.Fundstelle: Schlussteil ab „Our incentive structures are misaligned“

Loh

Aus dem Ziel menschlichen Wohlergehens folgt für ihn, Lehre und andere unmittelbar Menschen zugutekommende Arbeit bei Einstellungen und dauerhaften Stellen ernsthaft zu berücksichtigen.

[71] Po-Shen Loh. Why Do We Need Human Mathematicians Anymore? 19.09.2026.Fundstelle: „3. Other consequences“

Sanderson

Neue, tragfähige Erklärungen als akademische Leistung aufwerten: entsprechende Zeitschriften, Bewertungskriterien und Anerkennung von Lehrbüchern und Darstellungen bei Einstellungen und dauerhaften Stellen schaffen, auch für frühe Karrierephasen.

[93] Grant Sanderson. If math is more than proof, we need to better celebrate the rest of it. 18.09.2026.Fundstelle: „Practical calls to action“

Marcolli

Originalität, Zusammenarbeit und Verbindungen zwischen Gebieten stärker würdigen, statt Prestige überwiegend an der Lösung berühmter Probleme auszurichten. Welche Beiträge zählen, ist für Marcolli eine veränderbare Entscheidung der Gemeinschaft.

[77] Matilde Marcolli. Duet for the End of Math. Manuskript 10.09.2026; Newsfeed 13.09.2026.Fundstelle: S. 2–3

MIT-Bericht

Forschungspraktika und betreute Mitarbeit ausbauen. Werden Studierende aus Effizienzgründen durch KI-Agenten ersetzt, könnten ihnen Lerngelegenheiten und der Zugang zu Forschungsgemeinschaften verloren gehen. Der Bericht fordert deshalb, Mentoring und persönliche Zusammenarbeit gezielt zu erhalten.

[79] MIT Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training. Report on AI Use in Teaching, Learning, and Research Training. 13.08.2026.Fundstelle: §§2.3, 3.1.5

Duminil-Copin

Offene Probleme können Zusammenarbeit, Methoden und Nachwuchsausbildung tragen. Ihre schnelle Erledigung kann diese Entwicklung unterbrechen, auch bei einem kurzen und eleganten Beweis. Er erkennt den Nutzen beschleunigter Lösungen in anwendungsnahen Bereichen an.

[35] Hugo Duminil-Copin. Care for a little more AI? 30.08.2026.Fundstelle: „A profound misalignment. . . “; „What should we do?“

Mathathon-Organisatoren

Für den geplanten KI-Mathematikwettbewerb Mathathon eine Bildungssparte mit Skripten, Erklärvideos und eleganteren Beweisen bekannter Sätze vorsehen. Erklärung, Motivation und Methoden sollen neben Ergebnissen belohnt werden.

[6] Arulandu, Rodrothu, Moreno-Earle, Garg und Zhao. A response from Mathathon. 10.09.2026.Fundstelle: „Who are we. . . “; „Against the Slopification. . . “

Hayward

Anspruchsvolle Ausbildung und Solidarität mit Kolleg:innen erhalten, die Nutzungsdruck widerstehen. Er warnt vor einer Verlagerung von Personalbudgets zu Abonnements und einer Arbeit, die sich auf Outputkontrolle reduziert.

[53] Simon Hayward. On The Brutal Mathematics of Slop. 13.08.2026.Fundstelle: „The Likely Trajectory“; „Why Even be Human?“; „Academics and Solidarity“

Lozano-Robledo

Gezielt in Menschen investieren und Betreuung, Vorbilder sowie begeisternde Erklärungen würdigen. Gemeinschaft entsteht durch Menschen, die Resultate verstehen, verbessern und anderen zugänglich machen.

[73] Álvaro Lozano-Robledo. Invest in Human Mathematicians! 31.08.2026.Fundstelle: Haupttext, Schlussabsätze

Valentini (Promotion)

Als mögliches Promotionsmodell zunächst KI-Resultate gewinnen, diese verstehen und gebietsübergreifend verbinden sowie den Forschungsstand gründlich erarbeiten. Ergänzende Projekte mehrerer Promovierender könnten zusammengeführt werden. Valentini kennzeichnet dies als vorläufigen Vorschlag für eine breitere, stärker gemeinschaftliche Ausbildung.

[118] Lisa Valentini. When inventing is not enough. 15.09.2026.Fundstelle: „2. Training“

Schwartz

Nicht nur außergewöhnliche Spitzenleistungen, sondern eine hinreichend große Gemeinschaft mit unterschiedlichen Fähigkeiten erhalten. Auch Forschende mit besonders originellen Ideen benötigen Lehrende, Mentoring, Kolleg:innen und Zeit. Schwartz warnt als mögliches Szenario davor, dass automatisierte Problemlösung diese Voraussetzungen schwächt, selbst wenn keineswegs alle mathematischen Fragen gelöst werden.

[95] Richard Evan Schwartz. The Fate of the Riemann Hypothesis: Revisited. 17.09.2026.Fundstelle: Haupttext, letzte fünf Absätze

Antieau

KI nicht gezielt zum Überholen bekannter fremder Projekte einsetzen und solche Erfolge nicht belohnen. Bei der Veröffentlichung beiläufig erzeugter Lösungen Zurückhaltung üben, weil einfache Probleme auch Ausbildungszwecken dienen; Eigentumsrechte an Problemen fordert er nicht.

[4] Ben Antieau. Fast math/slow math. 15.09.2026.Fundstelle: „Collective standards“, Punkte 4–6

Gowers

Betreuende sollen gemeinsam mit Promovierenden neue sinnvolle Arbeitsformen entwickeln. Er befürchtet, dass der Verlust der Aussicht auf eigene Entdeckungen Nachwuchs abschreckt, und hält die Sicherung mathematischer Expertise und ihrer gesellschaftlichen Förderung für dringlich.

[45] Timothy Gowers. Why I didn’t sign the Fields medallists’ letter. 17.09.2026.Fundstelle: Schlussabsätze zu Nachwuchs, Motivation und Förderung

G: Infrastruktur, Zugang und Forschungsschutz

Thom

Fortgeschrittene KI als gesellschaftliche Grundversorgung wie Wasser oder Strom behandeln: zuverlässig, breit verfügbar, mit öffentlichen Pflichten, starkem Datenschutz, unabhängiger Aufsicht und Schutz vor diskriminierender oder eigennütziger Nutzung. Das betrifft auch Bildung, Verwaltung, Wirtschaft und Alltag.

[114] Andreas Thom. On the existence of non-sofic groups. 11.09.2026.Fundstelle: letzte zwei Absätze

Leiden-Erklärung

Öffentliche Recheninfrastruktur auf Hochschul-, nationaler und internationaler Ebene sowie administrativ und finanziell industrieunabhängige Forschungslabore fördern.

[66] Leiden Declaration working group. Leiden Declaration on Artificial Intelligence and Mathematics. 02.06.2026.Fundstelle: „Support public research laboratories“; „Invest in public computational infrastructure“

Commelin et al.

Offene akademische Infrastruktur mit transparenten Entscheidungen und Gemeinschaftskontrolle aufbauen; Abhängigkeit von einzelnen Unternehmen vermindern.

[28] Commelin, Jamnik, Ochigame, Taelman und Venkatesh. Shaping the Future of Mathematics in the Age of AI. 26.03.2026.Fundstelle: S.3

Klowden und Tao

Gemeinschaftlich gepflegte kleinere Modelle und eine nationale oder multinationale, öffentlich finanzierte und zugängliche KI-Ressource fördern. Die Autoren warnen zudem: Wenn Hochschulen Forschende an einen Anbieter binden, können je nach Fach unterschiedlich leistungsfähige Modelle neue Ungleichheiten schaffen.

[58] Tanya Klowden und Terence Tao. Mathematical methods and human thought in the age of AI. 27.03.2026.Fundstelle: §5.3

Thom

Eine nationale oder europaweite KI-Infrastruktur wie eine grundlegende Versorgung organisieren: in öffentlicher Hand oder unter starker Kontrolle. Intelligenz als allgemein verfügbare Ressource behandeln, deren Nutzung und Bereitstellung nicht missbräuchlich gestaltet werden dürfen.

[115] Andreas Thom. Sechs Fragen zu KI, Mathematik und institutioneller Gestaltung. im Gespräch bereitgestellt.Fundstelle: Punkt 3Bereitgestellter Beitrag · kein öffentlicher Link in der Sammlung

Valentini (Infrastruktur)

Internationale Institutionen könnten öffentliche und private Beiträge auf neutraler Grundlage mit gemeinsam festgelegten Zielen koordinieren. Als Anregung nennt Valentini die Organisation großer Experimente am CERN.

[118] Lisa Valentini. When inventing is not enough. 15.09.2026.Fundstelle: „1. Research“, Institutions

Guillen

Sprachmodelle als Technik von den Geschäftsmodellen großer Anbieter unterscheiden. Offene Modelle und kleinere, auf sorgfältig ausgewählten mathematischen Daten beruhende Systeme als unabhängige Infrastruktur untersuchen; öffentliche Förderung und wirksame Aufsicht ausbauen.

[47] Nestor Guillen. Happy, those able to know the causes of things. 13.09.2026.Fundstelle: „Reclaiming our mathematical heritage, and the future of mathematics“

Koukoulopoulos

Eine öffentlich kontrollierte Forschungsinfrastruktur mit leistungsfähigen Modellen, Rechenkapazität und einfach zugänglichen Chat- und Agentenoberflächen schaffen. Grundzugang soll kostenlos sein; große Vorhaben beantragen zusätzliche Kapazität. Governance, Finanzierung, technische Konkurrenzfähigkeit und Schutz vor Vereinnahmung bleiben ausdrücklich zu klären.

[59] Dimitris Koukoulopoulos. A CERN for AI-assisted science? 17.09.2026.Fundstelle: Absätze zum „CERN for AI-assisted science“, insbesondere Schlussabsätze

Tao und SAIR Foundation

Gemeinschaftlich gesteuerte Modelle mit offen lizenzierten Gewichten und Code, veröffentlichten Trainingsmethoden und reproduzierbaren Auswertungen entwickeln. Zunächst sollen alltägliche Forschungsaufgaben unterstützt werden. Öffentliche Entscheidungsregeln und wissenschaftliche Unabhängigkeit gegenüber Industriepartnern gehören zu den angekündigten Prinzipien; die Umsetzung befindet sich noch in Planung.

[109] Terence Tao; SAIR Foundation. SAIR’s Open Math Model initiative. 18.09.2026.Fundstelle: „Models Shaped by the Community“, „Open Development“, „Open Community and Governance“

Contucci, Parisi und Mitinitiator:innen

Ein europäisches KI-Forschungszentrum mit langfristiger Grundlagenforschung, interdisziplinären Teams und gemeinsam nutzbarer Recheninfrastruktur schaffen. Gemeinnützige Rechtsform, transparente Leitung, Regeln gegen Interessenkonflikte, Publikationsfreiheit und mehrere Finanzierungsquellen sollen wissenschaftliche Unabhängigkeit sichern. Offene Modelle werden befürwortet, soweit ihre Freigabe die Öffentlichkeit nicht gefährdet.

[29] Pierluigi Contucci, Giorgio Parisi, Francesco Camilli, Federica Gerace und Gabriele Sicuro. A Manifesto for the creation of a European Center for AI. Oktober 2025; aktuelle Fassung abgerufen 23.09.2026.Fundstelle: Manifest, Punkte 1–6, 9 und 11

Collas

Dauerhafte Strukturen für Ausbildung, unabhängige Bewertung, verständliche Aufarbeitung und gemeinsame mathematische Bibliotheken finanzieren. Kostenloser Modellzugang allein schafft nach Collas keine tragfähige Partnerschaft; eine Gemeinschaft muss die Fähigkeit erhalten, Ergebnisse selbst zu verstehen und zu integrieren.

[27] Benjamin Collas. Fundamental Mathematics in the Age of AI — The Residue, the Journey, and the Ecology. 13.08.2026; arXiv:2608.12816v1.Fundstelle: §§2.3.1–2.3.2; §3.2.1

Harris

Öffentlich geförderte und kleinere gemeinschaftliche Projekte als Alternativen zu kommerziellen KI-Angeboten stärken. Für Harris hängt mathematisches Verständnis von einer Kultur frei teilbarer Ideen und selbstbestimmter Arbeit ab; technischer Fortschritt allein sichert diese Kultur nicht.

[51] Michael Harris. Knowledge Collapse. 10.06.2026.Fundstelle: Schlussabsätze, nach der Darstellung der Leiden Declaration

Thom

Kolleg:innen in finanziell schwachen Ländern berücksichtigen, die kommerzielle KI-Angebote nicht bezahlen können. Thom verbindet diese Sorge mit der Forderung nach gleichem Zugang zu KI als öffentlicher oder streng kontrollierter Grundversorgung. Wie der internationale Zugang finanziert werden soll, lässt er offen.

[115] Andreas Thom. Sechs Fragen zu KI, Mathematik und institutioneller Gestaltung. im Gespräch bereitgestellt.Fundstelle: Punkte 3–4Bereitgestellter Beitrag · kein öffentlicher Link in der Sammlung

MIT-Bericht

Institutionell finanzierten, anbieterübergreifenden Zugang bereitstellen und bei höherem Lehrbedarf erweitern; auch Rechenressourcen für eigene Modelle berücksichtigen.

[79] MIT Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training. Report on AI Use in Teaching, Learning, and Research Training. 13.08.2026.Fundstelle: §§3.3.7–3.3.8

Mathathon-Organisatoren; offener Brief

Die Organisatoren wollen mit Rechenguthaben für ihren KI-Mathematikwettbewerb besonders jungen Forschenden besseren Zugang eröffnen. Der offene Brief bezweifelt hingegen, dass ein Forschungsmodell mit 20.000 US-Dollar Rechenguthaben pro Ergebnis allgemein finanzierbar wäre.

[6] Arulandu, Rodrothu, Moreno-Earle, Garg und Zhao. A response from Mathathon. 10.09.2026.Fundstelle: „Care for Young Mathematicians“
[19] Caltech-Mathematiker:innen, aktuell und ehemals. Open Letter about the Mathathon. 10.09.2026.Fundstelle: Haupttext

Tao im Interview

Öffentliche und philanthropische Förderung stärker auf offene, lokal betreibbare und günstigere Modelle sowie die Übertragung leistungsfähiger Verfahren auf sparsamere Modelle ausrichten.

[105] Terence Tao. Interview: Terence Tao on AI. Juli 2026.Fundstelle: Frage 3b

Koukoulopoulos

Ungleichheit besteht auch dann, wenn private Labore stärkere, unveröffentlichte Modelle nur ausgewählten Forschenden zugänglich machen. Öffentliche Infrastruktur soll deshalb eine leistungsfähige unabhängige Alternative bieten; die bloße Finanzierung kommerzieller Abonnements genügt diesem Ziel nicht.

[59] Dimitris Koukoulopoulos. A CERN for AI-assisted science? 17.09.2026.Fundstelle: Dritter und vierter Einwand gegen die Konzentration privater Infrastruktur

Thom

Bei Zusicherungen zu unveröffentlichten Forschungschats zwischen Trainingsnutzung und direktem Zugriff unterscheiden; ihre Grundlage in Einstellungen, Datensätzen und Modellständen offenlegen. Anonymisierung beseitigt nicht den geistigen Inhalt.

[114] Andreas Thom. On the existence of non-sofic groups. 11.09.2026.Fundstelle: Absätze zur Datennutzung

Leiden-Erklärung

Zustimmung zu Trainingsnutzung und Ausstiegsmöglichkeiten in Publikationsverträgen sichern; Autor:innenrechte stärken.

[66] Leiden Declaration working group. Leiden Declaration on Artificial Intelligence and Mathematics. 02.06.2026.Fundstelle: „Protect the rights of authors“

Bereitgestellter Positionspapierentwurf

Institutionelle Zugänge standardmäßig auf die angeforderte Dienstleistung beschränken; weitere Nutzung von Eingaben, Ausgaben und abgeleiteten Informationen nur mit informierter Zustimmung. Speicherung und Zugriff begrenzen und überprüfbar machen.

[16] Bereitgestellter Grundsatzentwurf. KI in der mathematischen Forschung. ohne Datum; 3 Seiten.Fundstelle: G3, S.1

SAIR Foundation

Nutzungsdaten nur mit ausdrücklicher Zustimmung und zuvor vereinbarten Bedingungen zum Training oder zur Verbesserung von Modellen einsetzen. Herkunft und zulässige Verwendung der Trainingsdaten dokumentieren und Rechte an eigenständigen Vorarbeiten bei den Forschenden belassen.

[109] Terence Tao; SAIR Foundation. SAIR’s Open Math Model initiative. 18.09.2026.Fundstelle: „Open Development“, „The Mathematical Community Owns the Data“, „Shared Intellectual Property“

Initiative „Give Authors Control“

Autor:innen sollen bei arXiv wählen können, ob automatisierte Systeme Volltext und Quelldateien oder nur Titel, Abstract und Zitationsdaten abrufen dürfen. Die Petition trennt menschlichen offenen Zugang von der Zustimmung zur automatisierten Datennutzung.

[43] Initiative „Give Authors Control“. Give Authors Control: Let Us Decide If AI Bots Can Read Our arXiv Papers. ohne Datum; bei Tao mit 09.09.2026 angegeben.Fundstelle: Petitionstext und die Optionen „Full Access“ / „Metadata Only“

doomslide

Die Weiterverwendung privater Forschungskommunikation zur Modellverbesserung untersagen, technisch überprüfbar absichern und durch akademische Nutzungsregeln ergänzen. Als mögliche Schutzwege nennt der Autor lokal betriebene Modelle mit offen zugänglichen Gewichten mit dokumentierter Trainingsgeschichte oder glaubwürdige Zusagen, Nutzungsdaten nicht zu speichern.

[33] doomslide (Pseudonym). Mathematics is effectively dead. 17.09.2026.Fundstelle: What can be done?

Hofer

Laufende Forschung und private Kooperationsprotokolle standardmäßig vertraulich halten. Forschende sollen die genaue, gegebenenfalls abstrahierte Information sehen und gesondert freigeben, bevor sie geteilt wird. Hochschulen sollten private Kooperationsprotokolle nicht verlangen und Arbeitsprofile nicht als Personalbewertungsmaßstab verwenden.

[55] Helmut H. W. Hofer. The Mathematician Leads: Building a Research Profile in the Age of Frontier AI. 28.08.2026; arXiv:2608.28369v1.Fundstelle: §7

H: Zusammenarbeit und gesellschaftliche Verantwortung

Hairer; Leiden-Erklärung

Redliche Gründe für Nutzung und Verzicht anerkennen. Die Entscheidung, ob und welche Werkzeuge eingesetzt werden, bleibt eine verantwortliche Wahl.

[50] Martin Hairer. Writing mathematics in the age of AI. 07.08.2026.Fundstelle: „Conclusion and disclaimer“
[66] Leiden Declaration working group. Leiden Declaration on Artificial Intelligence and Mathematics. 02.06.2026.Fundstelle: Präambel

Lazić

Für die eigene Forschung auf KI verzichten. Keine maschinenverfassten Artikel begutachten und nicht bei Zeitschriften einreichen, die maschinelle Gutachten zulassen. Keine Betreuung von Promovierenden oder Postdocs und keine Unterstützung bei Einstellungen, wenn KI die eigene Arbeit ersetzt.

[63] Vladimir Lazić. Where I stand on AI. ohne Datum; Abruf 12.09.2026.Fundstelle: Grundsätze 1, 2 und 4

Weinreich

Verzicht institutionell schützen: dafür reservierte Stellen und stärkere Anerkennung KI-freier Arbeit bei Beförderungen vorsehen.

[123] Max Weinreich. The crisis of AI-generated mathematics. August 2026.Fundstelle: §2: „For departments“

Karamanis (zur wissenschaftlichen Ausbildung)

Am Beispiel der Astrophysik pauschale KI-Verbote und unbeschränkte Delegation gleichermaßen zurückweisen. Ausbildung soll selbstständiges Denken und die Fähigkeit aufbauen, wissenschaftliche Arbeit kompetent zu betreuen und zu kontrollieren.

[57] Minas Karamanis. The machines are fine. I’m worried about us. 30.03.2026.Fundstelle: Schlussteil

Tao im Interview

Die Debatte breit öffnen, besonders für die jüngere Generation. Regeln für verständliche mathematische Darstellung gemeinsam entwickeln und alternative Bewertungsrahmen zulassen; einzelne prominente Stimmen sollen nicht für das ganze Fach sprechen.

[105] Terence Tao. Interview: Terence Tao on AI. Juli 2026.Fundstelle: Fragen 1 und 6

Wildon

KI für Zusammenarbeit und Lernen einsetzen; vielfältige Beiträge und gute Lehre würdigen. Nachwuchsforschende dürfen auf KI verzichten. Eigene Abhängigkeit beobachten, Vorarbeiten würdigen und Forschende mit verwandten Projekten frühzeitig informieren. Wildon formuliert diese Empfehlungen unter der Annahme, dass aktuelle KI-Fähigkeiten nahe einem vorläufigen Plateau liegen.

[124] Mark Wildon. The reverse-centaur problem: LLMs and the choices ahead. 25.08.2026.Fundstelle: „Advice“; „Where will it end?“

Thom

Thom hält die entschiedene KI-Ablehnung Einzelner oder ganzer Gruppen inhaltlich für aussichtslos, erwartet aber anhaltende Konflikte. Er fragt nach dem Umgang damit, ohne ein Verfahren vorzuschlagen.

[115] Andreas Thom. Sechs Fragen zu KI, Mathematik und institutioneller Gestaltung. im Gespräch bereitgestellt.Fundstelle: Punkt 6Bereitgestellter Beitrag · kein öffentlicher Link in der Sammlung

Drohmann

Die eigene KI-Nutzung an drei Fragen ausrichten: Fördert sie die Suche nach Wahrheit, unterstützt sie das Lernen, oder wäre das eigene Nachdenken freudvoller? Drohmann lässt unterschiedliche Entscheidungen gelten und versteht Mathematik weiterhin als menschliche Suche nach begründeter, vermittelbarer Wahrheit.

[34] Martin Drohmann. Nothing changed. 14.09.2026.Fundstelle: „Morale“, Schlussfragen

Antieau

Langsame und schnelle mathematische Arbeit als unterschiedliche Arbeitsweisen anerkennen, ohne Forschende in gegnerische Lager einzuteilen. Über gemeinsame Regeln streiten, aber Personen nicht allein wegen ihrer KI-Nutzung verurteilen.

[4] Ben Antieau. Fast math/slow math. 15.09.2026.Fundstelle: „Mathematics and society“; „Collective standards“, Punkt 2

Mathathon-Brief

Den geplanten KI-Mathematikwettbewerb Mathathon aussetzen beziehungsweise aufgeben. Der Brief befürchtet kommerzielle Vereinnahmung, übereilte und unzureichend verstandene Resultate sowie auf andere abgewälzte Prüfarbeit. Seine Kritik bezieht sich auf die Ankündigung vor der Antwort der Organisatoren.

[19] Caltech-Mathematiker:innen, aktuell und ehemals. Open Letter about the Mathathon. 10.09.2026.Fundstelle: Haupttext

Mathathon-Organisatoren

Mathathon als verändertes Experiment fortführen. Für ausgewählte Teams planen die Organisatoren eine sechsmonatige zweite Runde mit arXiv-Preprint, Video und automatisierter Formalisierung. Skeptische Stimmen sollen einbezogen werden; die Organisatoren versprechen keine durchgängig ausreichende Qualität.

[6] Arulandu, Rodrothu, Moreno-Earle, Garg und Zhao. A response from Mathathon. 10.09.2026.Fundstelle: „Who are we. . . “; „Receiving Feedback“

First Proof

First Proof verbindet die Bewertung mathematischer KI-Leistungen mit getrennter wissenschaftlicher Aufsicht und Stiftungsleitung. Laut eigener Ethikerklärung dürfen Gremienmitglieder während ihrer Amtszeit keine bezahlten KI-Firmentätigkeiten übernehmen; Finanzen einschließlich Unternehmensgeldern werden jährlich offengelegt.

[40] First Proof. Ethics Statement. Abruf 12.09.2026.Fundstelle: Ethics Statement

Tao, September-Stellungnahme

Verantwortliche Zusammenarbeit bleibt sein Ziel. Er beschreibt jedoch eine zunehmende Abweichung zwischen Unternehmenszielen und mathematischer Kultur und fordert die Gemeinschaft auf, nicht nachhaltige Nutzungen zurückzuweisen. Seine Kontakte und begünstigten Zugänge legt er offen.

[110] Terence Tao. Stellungnahme zu KI und seinen Kontakten zur KI-Industrie. 09.09.2026.Fundstelle: Kommentar vom 09.09.2026

Livshyts

Den Mathathon als einmaligen KI-Mathematikwettbewerb mit Zugang zu großer Rechenleistung zulassen. Teilnahme verpflichtet für Livshyts nicht dazu, konventionelle Forschung aufzugeben. Ihr Nachtrag betont, dass die Veranstaltung traditionelle Forschung nicht ersetzt; daraus folgt für sie aber kein Grund, den einzelnen Versuch abzulehnen.

[70] Galyna V. Livshyts. Protesting the protests. 11.09.2026; Nachtrag 12.09.2026.Fundstelle: Schlussabsatz; Nachtrag vom 12.09.2026

AHM

Die Association for Human Mathematics bittet Mitglieder um zwei öffentliche Selbstverpflichtungen: nicht für KI-Firmen zu arbeiten und keine KI-generierten Texte zu veröffentlichen. Der Verzicht auf KI bei mathematischen Kernaktivitäten ist eine zusätzliche, freiwillige Verpflichtung. Die Ankündigung unterscheidet damit allgemeine Organisationsregeln von weitergehenden individuellen Entscheidungen.

[8] Association for Human Mathematics, Kommunikationsgruppe. The Association for Human Mathematics. 12.09.2026.Fundstelle: Haupttext, Absätze 2–4

Evans

Auch bei Nutzung von KI-Werkzeugen kann man Werbung für Anbieter, die Lieferung von Problemen als Leistungsnachweis und die Übernahme ihrer Wettbewerbslogik ablehnen. Evans hält Benchmarks für Firmen für fehlgeleitet, weil sie vor allem deren Werbung um Investitionen stützten; die Gemeinschaft solle ihre Ziele selbst vertreten.

[38] Jonny Evans. Many choices lie ahead. 21.09.2026.Fundstelle: Haupttext, Absätze 4 und 8–9

Ringer

Werkzeuge mit akademischen Partnern und kleineren Firmen gemeinsam gestalten, damit mathematische Arbeitsweisen und Werte die Entwicklung prägen. Erwartungen zur Anerkennung von Beiträgen früh klären; sie nennt auch gewerkschaftliche Organisation als erwägenswerte Form gemeinsamen Handelns.

[89] Talia Ringer. Becoming a benchmark. 17.09.2026.Fundstelle: Schlussabsätze zur Zusammenarbeit und kollektiven Organisation

Collas

Bei angekündigten Resultaten nach dem vollständigen Argument, der Auswahl und Formulierung der Aufgabe, einer unabhängigen Prüfung und einer benannten fachlichen Ansprechperson fragen. Entscheidend ist auch, ob andere das Ergebnis hinterfragen, zuordnen und weiterverwenden können.

[27] Benjamin Collas. Fundamental Mathematics in the Age of AI — The Residue, the Journey, and the Ecology. 13.08.2026; arXiv:2608.12816v1.Fundstelle: §2.2

Leiden-Erklärung

Stärkere öffentliche Aufsicht verlangen; schädliche Kooperationen verlassen und kleinere, sparsamere oder offene Werkzeuge erwägen. Fachorganisationen sollen gemeinsame Regeln entwickeln.

[66] Leiden Declaration working group. Leiden Declaration on Artificial Intelligence and Mathematics. 02.06.2026.Fundstelle: Empfehlungen an Individuen, Organisationen und Politik

MIT-Bericht

Finanzielle und ökologische Nutzungskosten sichtbar machen, den eigenen Fußabdruck prüfen und sparsamere Verfahren fördern; ein dauerhaftes Gremium soll Erfahrungen auswerten.

[79] MIT Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training. Report on AI Use in Teaching, Learning, and Research Training. 13.08.2026.Fundstelle: §§3.3.1, 3.3.10

Association for Human Mathematics

Arbeitsgruppen für Bildungs- und Publikationspolitik organisieren und gemeinsam auf institutionelle Unabhängigkeit von Firmeninteressen hinwirken.

[7] Association for Human Mathematics. Selbstverständnis und Arbeitsprogramm. Abruf 12.09.2026.Fundstelle: Arbeitsprogramm

Klowden und Tao

Soziale Verdrängung, ungleiche Chancen sowie Energie- und Wasserverbrauch in die Nutzenbewertung einbeziehen. Konzentrierter Gewinn rechtfertigt nicht beliebige Schäden für andere.

[58] Tanya Klowden und Terence Tao. Mathematical methods and human thought in the age of AI. 27.03.2026.Fundstelle: §§5.1–5.4

Lebovici

Insbesondere Forschende mit festen Stellen sollen Zeit und Expertise auf gesellschaftliche und ökologische Aufgaben richten. Er lehnt zusätzliche generative KI-Nutzung und die Bereitstellung von Unternehmensbenchmarks aus diesen Gründen ab.

[64] Vadim Lebovici. How dare you? 17.08.2026.Fundstelle: „Main result“; „Conclusion“

Marchand

Ressourcen- und Klimafolgen gemeinsam diskutieren, LLMs öffentlich erklären und deren Vermarktung nicht unterstützen. Solange die gegenwärtige, aus seiner Sicht schädliche Entwicklungsphilosophie fortbesteht, verzichtet Marchand auf LLM-Nutzung, entsprechende Zusammenarbeit und Begutachtung. Er verlangt nicht, dass alle seine persönliche Regel übernehmen.

[76] Alexis Marchand. Mathematicians, machines, and the Earth. 14.08.2026.Fundstelle: „Acting as a community. . . “; „Acting as individual. . . “

Chatterji (Zukunftsbild)

Mathematische Leistungssteigerung an ökologischen und menschlichen Zielen messen. Chatterji entwirft das ausdrücklich utopische Bild lokal und nachhaltig betriebener KI, die gemeinsame mathematische Gespräche unterstützt. Zugleich kritisiert sie Konkurrenz und Mengenanreize und betont den Wert der Zusammenarbeit mit menschlichen Kolleg:innen.

[22] Indira Chatterji. Thoughts on death and a beautiful future. 20.09.2026.Fundstelle: Haupttext, Absätze zur „beautiful future“ und Schluss

Aougab (gesellschaftlicher Bezug)

Die Auswirkungen von KI-Infrastruktur auf benachbarte Gemeinschaften kennenlernen und mit Betroffenen sprechen. Die abstrakte Möglichkeit hilfreicher KI soll vom konkreten Verhalten kommerzieller Anbieter unterschieden werden; Aougab befürwortet gemeinschaftlich entwickelte, frei zugängliche offene Modelle.

[5] Tarik Aougab. Navigating the AI crisis: a humble guide for students. 23.09.2026.Fundstelle: „Take the time to learn about the place where you are“; Schlussabschnitt

Ben Ali / FO INV

Von anderen durch Plattformen veränderten Berufen lernen: Zugängliche Nutzungsdaten und Spuren gemeinsam auswerten, undurchsichtige Abläufe untersuchen und gemeinsam auf Transparenz und berufliche Selbstbestimmung hinwirken. Die Gewerkschaft bietet den Austausch solcher Erfahrungen an; ein Beruf kann seine Autonomie schon vor einer vollständigen Automatisierung verlieren.

[15] Brahim Ben Ali für FO INV. FO INV soutient les mathématiciens face aux pratiques extractives des entreprises d’IA. 14.09.2026.Fundstelle: Absätze zu Datenauskunft, When gig workers regain control und Schlussabsatz

Fields Institute

Allgemeine Grundsätze anhand konkreter Fälle gemeinsam ausarbeiten. Die Veranstaltungsreihe behandelt Empfehlungen der Leiden Declaration als offene Umsetzungsfragen und lädt ausdrücklich auch zu abweichenden Einschätzungen ein.

[39] Fields Institute. Engaging with the Leiden Declaration. Veranstaltungsankündigung; erste Diskussion 22.09.2026.Fundstelle: Description

Redaktion von Proofs and Prompts

Diskussionsräume gezielt für Nachwuchs, Frauen und Menschen außerhalb Westeuropas und Nordamerikas öffnen; auch Fachleute für Entwicklung und Bewertung von Sprachmodellen einbeziehen. Öffentlich anonyme Beiträge sind bei gegenüber der Redaktion bestätigter Identität möglich. Meinungsverschiedenheiten allein sind kein Ausschlussgrund. Die Redaktion verbindet breite Beteiligung mit der Entwicklung gemeinsamer Initiativen.

[86] Redaktion von Proofs and Prompts. One month of Proofs and Prompts. 16.09.2026.Fundstelle: „A platform for everyone“; „Moderation“; „Anonymous posts“
[87] Redaktion von Proofs and Prompts. Proofs, Prompts and Posts. 16.09.2026.Fundstelle: Absätze zur Zusammensetzung und Einladung zu Beiträgen

Hairer: Grenzen von AGMAI

Auch unter Misstrauen gegenüber Firmenmotiven einen unabhängigen Beratungskanal erproben und Rückmeldungen aus der Gemeinschaft sammeln. Hairer beschreibt die Beratungsgruppe AGMAI als unbezahlt und von KI-Firmen unabhängig. Zugleich räumt er fehlende Repräsentativität, rein beratende Befugnisse und das Risiko werblicher Vereinnahmung ein; Firmen können die Ratschläge ignorieren.

[49] Martin Hairer. Why I agreed to join AGMAI. 22.09.2026.Fundstelle: Haupttext, Absätze 2–6 und Schluss

Aougab (Mitbestimmung)

Promovierende sollen über Vergütung, Arbeitsanforderungen und universitäre Mittelverteilung sprechen, sich über Fachgrenzen hinweg zusammenschließen und bestehende Gewerkschaften nutzen oder entsprechende Organisation aufbauen. Aougab versteht die Sicherung von Zeit, Betreuung und Ressourcen zum mathematischen Denken als gemeinsame institutionelle Aufgabe.

[5] Tarik Aougab. Navigating the AI crisis: a humble guide for students. 23.09.2026.Fundstelle: „Talk to your fellow students about working conditions“; „That last point generalizes even further“

Advisory Group on Mathematics and Artificial Intelligence (AGMAI)

Eine unabhängige, unentgeltlich arbeitende Beratungsgruppe bietet KI-Firmen Empfehlungen an, will diese veröffentlichen und Beiträge der Gemeinschaft einholen. Zunächst geht es um die koordinierte Veröffentlichung zahlreicher von OpenAI gemeldeter Ergebnisse. Konkrete Veröffentlichungsregeln sind noch nicht festgelegt. Die Gruppe hat keine Entscheidungsbefugnis in den Unternehmen; deren Verantwortung bleibt bestehen.

[3] Advisory Group on Mathematics and Artificial Intelligence. Purpose; Independence, Transparency, and Accountability; Current Task. angekündigt 21.09.2026; Abruf 23.09.2026.Fundstelle: „Purpose“; „Independence, Transparency, and Accountability“; „Current Task“

36 Fragen und mögliche Antworten

A: Ziele, Fortschritt und Verständnis

A1Was ist das Ziel der Mathematik, wenn KI immer mehr Sätze beweist?8 Antwortansätze

Avila et al.

Bessis

Kunnawalkam Elayavalli

Wegner: andere Wertbegründung

Andrew Ng (Bonn)

Bader

Gowers: Einwand gegen eine einheitliche Zielhierarchie

Marcolli

A2Welchen Fortschritt wollen wir: möglichst schnelle Resultate oder Fortschritt unter selbstbestimmten Bedingungen?5 Antwortansätze

Tao

Barak

Chu

Stankyavichyus

Nigam

A3Bleibt menschliche Forschung wichtig, oder sollten wir eine neue Arbeitsteilung abwarten?8 Antwortansätze

Litt

Narayanan

Bessis

Castillo-Ramirez

Rivera

Litt (Zukunftsszenario)

Doğan

Loh

A4Was heißt mathematisches Verständnis, und wie viel davon müssen Autor:innen selbst besitzen?8 Antwortansätze

Thurston

Tao

Tao zur Arbeitsteilung

Stankyavichyus: Gegenposition

Shalit

Rivera: strenger Ausbildungsmaßstab

Nguyen

Antieau

A5Wie gehen wir mit Verunsicherung, Verlustgefühlen und veränderter beruflicher Identität um?4 Antwortansätze

Evans (Motivation)

Guillen

Strogatz: Erfahrungsbericht

Friedman: Deutungsansatz

B: Autorschaft, Transparenz und Anreize

B1Wer darf ein weitgehend KI-erzeugtes Ergebnis als eigene Publikation beanspruchen?9 Antwortansätze

Etingof

Weinreich

Lazić

Thom

Thom

Valentini

Craven

Kra

Tao: autorisierte Zusammenfassung

B2Wie würdigen wir Vorarbeiten und die kollektive Arbeit hinter einem Resultat?5 Antwortansätze

Leiden-Erklärung

Ochigame

Avigad

Trombetti (Beitragsrollen)

Guillen

B3Welche KI-Nutzung muss in einer Publikation offengelegt werden?2 Antwortansätze

Hairer

LMS

B4Wie ermöglichen wir ehrliche Offenlegung, wenn KI-Nutzung oder KI-Verzicht berufliche Nachteile auslösen können?3 Antwortansätze

Klowden und Tao

Stankyavichyus

Ruodu Wang

B5Müssen Prompts, Denkprotokolle und Rechenaufwand zugänglich sein?3 Antwortansätze

Boldt

Hairer

Gonen Cohen

B6Wie können unfertige Ideen, Beweisversuche und Teilresultate geteilt werden, ohne ihre Urheber:innen zu benachteiligen?4 Antwortansätze

Trombetti (ProofForum)

Auffinger

Cheung

doomslide: verbleibender Konflikt

C: Korrektheit, Begutachtung und Vermittlung

C1Wie sichern wir Korrektheit, und was leistet ein formaler Beweis?8 Antwortansätze

Ringer

Etingof und Sutherland

Boldt

Klowden und Tao

Weinberger