Google DeepMinds AI for Math Initiative setzt auf Tools, nicht nur auf Modelle

Was Google konkret zugesagt hat

Am 29. Oktober 2025 kündigten Google DeepMind und Google.org die AI for Math Initiative an, eine Partnerschaft mit fünf Institutionen: Imperial College London, dem Institute for Advanced Study, IHES, dem Simons Institute for the Theory of Computing der UC Berkeley und dem Tata Institute of Fundamental Research.

Die Zusage besteht aus zwei Teilen: Fördermittel von Google.org und Zugang zu bestimmten Systemen — einem erweiterten Reasoning-Modus namens Gemini Deep Think, dem Algorithmus-Entdeckungsagenten AlphaEvolve und dem System AlphaProof zur Vervollständigung formaler Beweise. Erklärte Ziele sind, Probleme zu identifizieren, die für KI-gestützte Erkenntnisse reif sind, passende Infrastruktur und Tools dafür aufzubauen und den Erkenntnisgewinn zu beschleunigen.

Bemerkenswert ist, dass die Ankündigung Tooling als gleichrangiges Ergebnis darstellt, nicht als Nebensache. Neben der Identifikation von Problemen sollen die Partner "die Infrastruktur und Tools aufbauen, die diese Fortschritte ermöglichen". Das ist eine andere Haltung, als lediglich Modellzugang bereitzustellen.

Die angeführten Ergebnisse sind konkret, und sie sind das eigentliche Verkaufsargument

Google untermauert die Initiative mit konkreten, aktuellen Ergebnissen statt mit Versprechen. 2024 erreichten AlphaGeometry und AlphaProof bei der Internationalen Mathematik-Olympiade Silbermedaillen-Niveau. Dieses Jahr erreichte Gemini mit Deep Think Goldmedaillen-Niveau, löste fünf von sechs Aufgaben und erzielte 35 Punkte.

AlphaEvolve wurde auf über 50 offene Probleme aus Analysis, Geometrie, Kombinatorik und Zahlentheorie angewendet und verbesserte bei 20 % davon die beste bekannte Lösung. Der konkreteste Erfolg: ein Algorithmus zur Multiplikation von 4x4-Matrizen mit nur 48 skalaren Multiplikationen, der laut Google den seit 1969 bestehenden Rekord von Strassens Algorithmus bricht.

Das sind die Werbeträger für die Initiative. Eine Entwicklung von Silber zu Gold bei der IMO und ein gebrochener, 50 Jahre alter Rekord in der Matrixmultiplikation sind die Belege, mit denen Google zeigen will, dass seine Systeme mehr können, als bekannte Mathematik nur zu wiederholen.

Die eigentliche Frage betrifft die Schnittstelle zwischen Mathematiker und Agent

Die drei genannten Systeme lösen unterschiedliche Arten von Problemen. AlphaProof vervollständigt formale Beweise, was einen Workflow mit formaler Verifikation impliziert. AlphaEvolve entdeckt Algorithmen und Strukturen. Gemini Deep Think betreibt offenes Reasoning. Ein arbeitender Mathematiker möchte keine drei getrennten Konsolen bedienen; er möchte eine Vermutung zwischen diesen Modi bewegen können.

Deshalb ist die Betonung des Aufbaus von "Infrastruktur und Tools" in der Ankündigung wichtiger als die reine Liste der Modelle. Der Flaschenhals bei einer solchen Zusammenarbeit liegt selten in der reinen Leistungsfähigkeit — entscheidend ist, wie ein Forscher ein Problem formuliert, Zwischenschritte des Reasonings prüft und einem Vorschlag vertraut oder ihn verwirft. Google beschreibt eine "starke Rückkopplungsschleife zwischen Grundlagenforschung und angewandter KI", die aber nur funktioniert, wenn das Tooling diese Schleife eng genug macht.

Indem wir die tiefgreifende Intuition weltweit führender Mathematiker mit den neuartigen Fähigkeiten von KI verbinden, glauben wir, dass sich neue Forschungswege eröffnen können.Montana Labs

Diese Formulierung — Intuition plus Leistungsfähigkeit — ist eine Aussage über Kollaborationsflächen, nicht nur über Modell-Scores. Ob die Initiative tatsächlich etwas liefert, hängt davon ab, ob die Partnerinstitutionen am Ende Schnittstellen bauen, die auch andere wiederverwenden können.

Was diese Initiative für angewandte Teams testet

Für alle, die Tools auf Basis von Reasoning-Modellen entwickeln, ist die AI for Math Initiative ein Live-Experiment einer besonders anspruchsvollen Variante des Problems: Nutzer, die Fachexperten sind, Ergebnisse, die nachweislich korrekt sein müssen, und drei spezialisierte Systeme, die sich wie eine einzige Werkbank anfühlen sollen.

Die Ankündigung liefert keine Details dazu, wie diese Tools entwickelt, geteilt oder über Wettbewerbs-ähnliche Scores hinaus bewertet werden sollen. Entscheidend ist nicht das nächste IMO-Ergebnis — sondern ob die von den fünf Institutionen entwickelte Infrastruktur zu etwas wird, das auch ein Mathematiker außerhalb der Partnerschaft nutzen kann. Das, mehr als jeder einzelne Rekord, würde zeigen, dass sich der Modellzugang in ein nutzbares Produkt übersetzt hat.