OpenAIs Astra löst jahrzehntealte Mathematikprobleme, während Microsoft sein Framework für das Training von KI-Agenten als Open Source veröffentlicht

Einführung

Zwei Geschichten aus der ersten Augustwoche 2026 erzählen eine größere Geschichte darüber, wohin sich KI entwickelt. OpenAI ließ eine interne Version seines nächsten Modells, Astra, auf zehn Probleme der Mathematik und theoretischen Informatik los, die seit einem Jahrzehnt oder länger ungelöst waren — und produzierte für alle zehn maschinell überprüfbare Beweise, für rund 2.000 Dollar an Rechenleistung. Wenige Tage später veröffentlichte Microsoft Research Orchard als Open Source, ein Framework, das das Training eines kompetenten KI-Agenten dramatisch günstiger macht, indem es trennt, wie ein Agent lernt, von der Art, wie er später in der Produktion läuft. Keine der beiden Geschichten handelt davon, dass ein Chatbot einen neuen Anstrich bekommt. Beide drehen sich um die zugrunde liegende Kosten- und Fähigkeitskurve beim Bau von KI-Systemen, die denken und handeln — genau das bestimmt, wie gut und wie erschwinglich die nächste Generation von KI-Agenten sein wird.

OpenAIs Astra löst zehn Probleme, an denen Mathematiker gescheitert waren

Am 1. August veröffentlichte OpenAI eine bemerkenswerte Behauptung: Eine interne Version von Astra habe neue Ergebnisse für zehn offene Probleme der reinen Mathematik und theoretischen Informatik geliefert, von denen mehrere seit über zwei Jahrzehnten ungelöst waren. Das Hauptergebnis ist eine explizite Konstruktion einer nicht-sofischen Gruppe — eine Frage, die offen blieb, seit Mikhail Gromov 1999 das Konzept der Sofizität einführte. Astra widerlegte zudem Connes’s Rigiditätsvermutung, indem es unendlich viele nicht-isomorphe Gruppen konstruierte, die dieselbe von-Neumann-Algebra teilen, und es bewies Ehrharts Volumenvermutung. Die Ergebnisse erstrecken sich über Gruppentheorie, hochdimensionale Geometrie, Quantenkomplexität, Gitterkryptografie und extremale Kombinatorik — Felder, die man normalerweise nicht im selben Satz wie ein Sprachmodell erwähnt.

Was das von einer typischen “KI löst schweres Problem”-Schlagzeile unterscheidet, ist die Verifikation. OpenAI veröffentlichte nicht nur Behauptungen — es publizierte für alle zehn Ergebnisse maschinell überprüfbare Lean-4-Beweiszertifikate auf GitHub unter einer Apache-2.0-Lizenz, zusammen mit einem 249-seitigen technischen Manuskript. Die “sorry”-Zahl des Repositorys liegt bei null, das heißt, kein Schritt in einem der formalisierten Beweise blieb unbewiesen oder wurde mit einer Handbewegung übersprungen. Das ist ein deutlich anderer Maßstab als eine bloße Behauptung des Modells, etwas gelöst zu haben: Ein Lean-Beweis wird entweder vom Typchecker akzeptiert oder nicht — unabhängig davon, ob man dem Modell vertraut, das ihn produziert hat. Fields-Medaillengewinner Timothy Gowers soll erklärt haben, er würde einen der Beweise ohne Zögern für eine Spitzenzeitschrift empfehlen — wobei man präzise festhalten sollte, dass keines der zehn Ergebnisse bisher ein Peer-Review tatsächlich abgeschlossen hat.

Bereit, Ihr Geschäft zu erweitern?

Starten Sie heute Ihre kostenlose Testversion und sehen Sie innerhalb weniger Tage Ergebnisse.

Demo anfragen Anmelden

Warum ein Mathematik-Durchbruch für KI-Agenten wichtig ist

Es ist verlockend, das unter “beeindruckend, aber irrelevant für mein Geschäft” abzulegen. Das wäre ein Fehler. Die Fähigkeit, die Astra demonstriert hat — anhaltendes, mehrstufiges formales Denken, bei dem ein einziger falscher Schritt das gesamte Ergebnis ungültig macht —, ist strukturell dieselbe Fähigkeit, die einen KI-Agenten bei einem langen Geschäftsworkflow zuverlässig macht. Ein Agent, der einen Versicherungsschaden bearbeitet, eine Reihe von Rechnungen abgleicht oder ein juristisches Dokument entwirft, macht eine kleinere, weniger glamouröse Version desselben Vorgangs: Er folgt einer langen Kette von Schritten, bei der ein früher Fehler sich fortpflanzt — dasselbe Muster, das Sie aus jeder Liste von realen KI-Agent-Beispielen kennen, die für den produktiven Einsatz gebaut wurden. Modelle, die messbar besser darin werden, ihre eigenen Fehler in einem 249-seitigen Mathematikbeweis zu erkennen, werden tendenziell auch besser darin, Fehler in einer zwölfstufigen Automatisierung zu erkennen. Das mathematische Ergebnis ist der extreme, überprüfbare Grenzfall, der vorwegnimmt, wohin sich die Reasoning-Obergrenze für jeden nachgelagerten Agenten bewegt.

Microsoft veröffentlicht Orchard als Open Source: Agenten trainieren ohne Spitzenforschungsbudget

Wenn es bei Astra darum geht, wie weit Reasoning gehen kann, geht es bei Microsofts Orchard-Release darum, wie günstig ein kompetenter Agent gebaut werden kann. Orchard ist ein Open-Source-Framework von Microsoft Research, das bewusst das Training eines Agenten von dessen Ausführung trennt — statt ein immer größeres Basismodell auf eine Aufgabe zu werfen, nutzen Entwickler Orchard Env, einen wiederverwendbaren Umgebungsdienst, um kleinere Agenten in realistischen Aufgabensimulationen zu trainieren, bevor sie je ein Produktivsystem berühren. Dieselbe Infrastruktur unterstützt Softwareentwicklungs-Agenten, Web-Navigations-Agenten und persönliche Assistenz-Agenten und lässt sich nach Abschluss des Trainings direkt an reale Ausführungsumgebungen wie Codex, OpenClaw und ZeroClaw anbinden.

Die Effizienzzahlen sind der Teil, dem man Aufmerksamkeit schenken sollte, und sie sind aus demselben Grund relevant, aus dem Kosteneffizienz-Vergleiche zwischen KI-Agent-Frameworks wichtig sind, wenn Sie einen Stack für Ihren Aufbau wählen. Orchard-SWE, ein mit dem Framework trainierter Coding-Agent, erreicht 69,7 % auf SWE-bench Verified — einem weit verbreiteten Benchmark für reale Softwareentwicklungsaufgaben — und steigt auf 73,0 % mit Value-Model-Reranking, bei nur etwa 3 Milliarden aktiven Parametern. Das ist nur ein Bruchteil der Größe der Spitzenmodelle für Coding, deren Leistung es sich annähert. Microsofts Team baute dies, indem es rund 107.000 Aufgabentrajektorien aus größeren Modellen destillierte und dann eine Methode anwandte, die sie Credit-Assignment Supervised Fine-Tuning nennen — also nützliches Signal auch aus Trajektorien zu lernen, die nicht vollständig erfolgreich waren —, gefolgt von Reinforcement Learning.

Abonnieren Sie unseren Newsletter

Erhalten Sie die neuesten Tipps, Trends und Angebote kostenlos.

E-Mail-Adresse

Abonnieren

Die Trennung von Training und Ausführung ist der Teil, der für Sie zählen sollte

Die architektonische Entscheidung hinter Orchard — das Training der Fähigkeiten eines Agenten getrennt von seinem Betrieb in der Produktion — spiegelt eine Unterscheidung wider, die für jeden relevant ist, der Automatisierung baut, nicht nur für ML-Forscher. Ein vertikaler KI-Agent, der für eine bestimmte Branchenaufgabe gebaut wird, braucht kein durchgängig größeres Gehirn; er braucht gezieltes Üben in dem schmalen Ausschnitt von Entscheidungen, denen er tatsächlich begegnen wird — genau das liefert eine Orchard-artige Trainingsumgebung günstiger, als ein allgemeines Modell hochzuskalieren. Dieselbe Logik gilt, egal ob Sie ein Modell von Grund auf trainieren oder einen No-Code-Agenten konfigurieren: schmales, klar definiertes Training auf realistischen Aufgaben schlägt durchgängig das Draufwerfen allgemeinerer Fähigkeiten auf ein Problem, für das sie nicht gebaut wurden.

Das erklärt auch, warum die Veröffentlichung des Frameworks als Open Source — statt nur Benchmark-Zahlen zu publizieren — der folgenreichere Teil von Microsofts Release ist. Ein Framework, das jeder nutzen kann, um intelligente Agenten auf eigenen Aufgabenumgebungen zu trainieren, verstärkt sich selbst: Jedes Team, das es übernimmt und Verbesserungen teilt, macht den Agenten des nächsten Teams günstiger im Bau — dieselbe Dynamik, die Open-Source-Software in den letzten zwei Jahrzehnten den Infrastruktur-Stack erobern ließ.

Was das für Gartners Unternehmensagenten-Prognose bedeutet

Zoomt man weiter heraus, bekräftigen beide Geschichten eine Prognose, die Gartner zum Tempo der Unternehmensadoption gemacht hat: dass bis Ende 2026 40 % der Unternehmensanwendungen aufgabenspezifische KI-Agenten enthalten werden, gegenüber unter 5 % im Jahr 2025. Ein achtfacher Anstieg in einem einzigen Jahr ist eine aggressive Prognose, und Ergebnisse wie die von Astra und Frameworks wie Orchard sind genau die Art von zugrunde liegender Verschiebung bei Fähigkeit und Kosten, die geschehen müsste, damit sie plausibel wird — günstigeres Training macht es wirtschaftlich, Agenten für schmalere Aufgaben zu bauen, und besseres Reasoning macht diese schmaleren Agenten vertrauenswürdiger für den tatsächlichen Einsatz.

Gartners Definition ist konkret und es lohnt sich, sie im Kopf zu behalten: Ein aufgabenspezifischer Agent ist einer, der für eine definierte, durchgängige Aufgabe gebaut wird — ihr Beispiel ist ein Cybersicherheits-Agent, der Netzwerkverkehr, Systemprotokolle und Nutzerverhalten in Echtzeit überwacht und selbstständig eine Reaktion einleitet. Das ist ein anderer Maßstab als “die App hat einen Chatbot”. Es ist der Unterschied zwischen einer KI-Funktion und einer KI-Arbeitskraft, und es ist dieselbe Unterscheidung, die einen generischen Assistenten von einem echten Recherche-Assistenten trennt, der gebaut wurde, um eine Aufgabe zuverlässig von Anfang bis Ende zu erledigen.

Was das für Teams bedeutet, die heute Automatisierung bauen

Weder Astra noch Orchard sind etwas, das die meisten Unternehmen direkt anfassen werden — Sie werden kein Modell auf Lean-Beweisen feinabstimmen oder Ihre eigene Orchard-Trainingspipeline aufbauen. Was zählt, ist das, was durchsickert. Fortschritte im Spitzen-Reasoning heben letztlich die Obergrenze dessen an, was jedes nachgelagerte Modell zuverlässig leisten kann — einschließlich der Modelle, die bereits No-Code-Automatisierungsplattformen antreiben. Günstigere, effizientere Trainingstechniken senken letztlich die Kosten der spezialisierten Agenten, die auf diesen Modellen aufbauen. Keine dieser beiden Geschichten ändert, was Sie in diesem Quartal bauen sollten — aber sie sind ein einigermaßen verlässliches Signal dafür, was im nächsten möglich und erschwinglich sein wird. Der praktische Schritt besteht nicht darin, der Forschung hinterherzujagen; es geht darum, Automatisierung auf einer KI-Agenten-Plattform aufzubauen, die flexibel genug ist, um die zugrunde liegenden Modellverbesserungen automatisch aufzunehmen — derselbe Instinkt, der schon zählte, als wir vor wenigen Wochen darüber berichteten, wie Claude Cowork und seine Konkurrenten die Agentenlandschaft neu geformt haben.

Entscheiden, worauf Sie sich zuerst konzentrieren

Wenn Sie entscheiden, was Sie zuerst automatisieren sollen, während sich die zugrunde liegenden Modelle unter Ihnen ständig weiterentwickeln, sind die sichersten Ausgangspunkte Aufgaben, die eng umrissen, klar definiert und leicht zu überprüfen sind — dieselben Eigenschaften, die Orchards Trainingsansatz wirksam gemacht haben. Keyword-Recherche, Dokumentenzusammenfassung und strukturierte Datenextraktion sind gängige Ausgangspunkte, gerade weil Erfolg leicht zu prüfen und Scheitern billig ist. Mit besserem Reasoning und effizienterem Training skaliert dasselbe Prinzip auf ambitioniertere, länger laufende Workflows — aber es beginnt damit, eine Aufgabe zu wählen, bei der Sie schnell und günstig erkennen können, ob der Agent sie tatsächlich richtig gemacht hat.

Fazit

Der August 2026 begann mit zwei Veröffentlichungen, die auf den ersten Blick nichts miteinander zu tun haben — ein Modell, das jahrzehntealte Mathematikprobleme löst, und ein Trainings-Framework für Coding-Agenten. Im Kern geht es bei beiden um dieselben Kräfte: wie weit sich Reasoning treiben lässt und wie günstig sich dieses Reasoning in einen funktionierenden Agenten verwandeln lässt. Astra zeigt, dass die Obergrenze weiter steigt. Orchard zeigt, dass die Kosten, um einen nutzbaren Anteil dieser Obergrenze zu erreichen, schnell sinken. Zusammengenommen sind sie ein guter Grund zu glauben, dass Gartners aggressive Adoptionsprognose plausibler ist, als sie auf den ersten Blick wirkt — und ein guter Grund für jedes Team, das Automatisierung baut, sicherzustellen, dass sein Tooling flexibel genug ist, um weiter von beiden Trends zu profitieren.