Vor einem Monat tat Donald Knuth etwas, das das Internet in zwei Hälften spalten sollte. Der 87-jährige Autor von The Art of Computer Programming — einer mehrbändigen algorithmischen Bibel, vor der Informatiker seit den 1960er Jahren nicht genug Respekt haben können — veröffentlichte ein Mathematikpapier mit dem Titel "Claude's Cycles." Benannt nach einem AI-Modell. Weil dieses Modell fand, was er nicht finden konnte.

Das Internet war vorhersehbar zu beschäftigt damit, Chatbots an Codierpuzzles zu messen, um Notiz davon zu nehmen.

Hier ist der Grund, warum das wichtiger ist als der Ranglisten-Krieg, dem du diese Woche folgst.

Knuth steckte seit Wochen an einem Problem fest, das Hamiltonsche Zerlegungen von gerichteten Graphen betraf. Übersetzung für Menschen: Stell dir ein Netzwerk von Einbahnstraßen vor. Ein Hamiltonkreis ist eine Route, die jede Kreuzung genau einmal besucht und zum Startpunkt zurückkehrt — der effizienteste Pub-Crawl der Welt, ohne Wiederholungen, Ende wo du begonnen hast. Knuth brauchte eine allgemeine Konstruktion, die für jeden ungeraden dimensionalen Würfel dieser Verbindungen größer als 2×2×2 funktioniert. Die kleinen Fälle hatte er von Hand geknackt. Computer hatten Lösungen bis 16×16×16 verifiziert. Die elegante allgemeine Regel? Wochen des Grübelns. Nichts.

Am 28. Februar fütterte Filip Stappers — ein Kollege — das Problem an Claude Opus 4.6. Über 31 geführte Gespräche, die ungefähr eine Stunde dauerten, griff Claude die Vermutung aus jedem Blickwinkel an. Lineare Formeln. Brute-Force-Suchen. Geometrische Rahmen. Simulated Annealing — eine Technik, die aus der Metallurgie stammt, bei der man eine Lösung "erhitzt" und "kühlt", um lokale Sackgassen zu vermeiden. Es stieß auf Mauern. Pivotierte. Ging weiter.

Dann knackte es das. Claude identifizierte unabhängig die zugrunde liegende Struktur als Cayley-Graph — einem spezifischen Netzwerktype, der aus mathematischen Gruppenoperationen gebaut ist — und reformulierte das Problem entsprechend. Das resultierende "serpentinenartige" Muster erwies sich als zur klassischen Gray-Code zugehörig, einer kombinatorischen Sequenz, bei der aufeinanderfolgende Einträge sich um genau eine Ziffer unterscheiden. Claude leitete dies von Grund auf ab, ohne zu wissen, dass die klassische Version existierte. Eine AI stellte eine bekannte mathematische Struktur neu her, während sie ein Problem löste, dem eine lebende Legende nicht habhaft wurde.

Die rohen Zahlen für die Pedanten: 11.502 Hamiltonsche Kreise für den 3×3×3-Fall. Davon verallgemeinern sich 1.012 auf 5×5×5, und 996 funktionieren sowohl für 5×5×5 als auch für 7×7×7. Genau 760 "Claude-ähnliche" Zerlegungen gelten für alle ungeraden Dimensionen größer als 1.

Jetzt zu dem Teil, wo ich die Feier verderbe.

Claude tat das nicht alleine. Nicht einmal annähernd. Stappers leitete jedes dieser 31 Gespräche. Knuth schrieb den formalen Beweis selbst. Der Fall der geraden Dimensionen — buchstäblich die andere Hälfte des Problems — bleibt ungelöst, und Claude machte dabei exakt null nützlichen Fortschritt. Also sprechen wir von einem Modell, das mit einem erfahrenen Menschen am Steuer die Hälfte eines Problems in einem hochstrukturierten Bereich löste. Nicht gerade Skynet.

Aber hier ist, womit sich die Skeptiker beschäftigen müssen: der "erfahrene Mensch am Steuer" hatte es bereits versucht. Und versagt. Das Tool machte den Unterschied. Nicht einen marginalen Unterschied — einen qualitativen. Wochen der Mühe eines der besten algorithmischen Köpfe der Geschichte, in einer Stunde geknackt von einem Modell, das nicht versteht, was ein Graph ist.

Knuth nannte es "eine Freude zu entdecken, dass meine Vermutung nicht nur eine schöne Lösung hat, sondern auch diesen dramatischen Fortschritt in der automatischen Deduktion zu feiern." Und in der überarbeiteten Version (16. März) ließ er das hier fallen: "Es scheint, dass ich eines Tages meine Meinung über 'generative AI' revidieren muss."

Von einem Mann, der mehr über Algorithmen vergessen hat als die meisten Informatik-Abteilungen kollektiv wissen — dieser Satz detoniert leise. Das ist nicht irgendein LinkedIn-Influencer, der den Sieg für künstliche Intelligenz erklärt. Das ist die Person, die die Standards der Berechnungskomplexität definiert hat und in einem veröffentlichten wissenschaftlichen Papier zugibt, dass seine Vorurteile über AI falsch waren.

Und wir haben kollektiv darauf reagiert, indem wir vorbeiscrollten, um darüber zu streiten, ob das Kontextfenster von Gemini wirklich 2 Millionen Tokens ist.

Die Lektion ist nicht, dass AI Mathematikern Konkurrenz macht. Es ist düsterer und einfacher als das. Die Menschen, die am besten positioniert sind, diese Werkzeuge zu nutzen — Domain-Experten mit harten, gut definierten Problemen — erzielen Ergebnisse, die wie Magie aussehen. Alle anderen nutzen die gleichen Modelle, um LinkedIn-Posts zu generieren und über Benchmarks zu streiten. Die Kluft zwischen "AI als scharfes Werkzeug in Expertenhänden" und "AI als Partytrick" schließt sich nicht. Sie wird größer.

Knuth benannte ein Papier nicht nach einem Chatbot, weil er mit 87 weich geworden ist. Er nannte es so, weil intellektuelle Ehrlichkeit es verlangte. Die AI fand die Antwort. Er hatte die Integrität, es zuzugeben.

Die meisten von uns werden es nicht. Wir werden weiter so tun, als ob die Werkzeuge entweder nutzlos oder allmächtig sind, weil die unbequeme Wahrheit — dass sie mächtig sind, aber nur in kompetenten Händen — in niemandes Narrativ passt.