Kann KI die Relativitätstheorie neu entdecken?

Zuletzt haben mehrere Teams solche historischen Sprachmodelle entwickelt, darunter auch eines, das Hassabis’ Test angehen soll. Die ersten Ergebnisse zeigen jedoch eher die Grenzen heutiger KI auf als ihre Stärken.

Grundsätzlich sei ein wissenschaftlicher Durchbruch vom Kaliber der Relativitätstheorie durch eine KI nicht ausgeschlossen, sagt Ido Kaminer, Spezialist für Quantenoptik am Technion – Israel Institute of Technology in Haifa. Er gehört zu den Autoren eines im Juli 2026 veröffentlichten Preprints mit dem Titel »Can AI follow in Einstein’s footsteps?«. Allerdings, so argumentieren Kaminer und seine Kollegen darin, müsste man dafür einige grundlegende Prinzipien heutiger KI-Systeme überdenken.

Kreative Sprünge

Hassabis hatte seinen Einstein-Test bereits im Jahr 2025 in Interviews erwähnt. Im Januar griff sein Google-DeepMind-Kollege Tom Zahavy die Idee in einem Positionspapier mit dem Titel »LLMs can’t jump« auf. Seine These: Großen Sprachmodellen fehlt bisher die Fähigkeit zu gedanklichen Sprüngen, wie Einstein sie vollzog.

Wie Zahavy schreibt, unterscheidet die Wissenschaftsphilosophie zwischen zwei verschiedenen Formen des Schlussfolgerns. Induktives Denken leitet aus vielen einzelnen Beobachtungen allgemeine Regeln ab. Wissenschaftliche Durchbrüche verlangen dagegen häufig abduktives Denken: einen kreativen Sprung, durch den eine mögliche Erklärung für eine zunächst rätselhafte Beobachtung entsteht.

Genau das gehört bislang nicht zu den Stärken heutiger KI‑Modelle. Die scheinen eher für die mühsame Detailarbeit der Wissenschaft geeignet zu sein als für revolutionäre Entdeckungen. Sie durchforsten gewaltige Datenmengen nach Mustern und Zusammenhängen, indem sie mit bekannten Beispielen gefüttert werden und daraus die statistisch wahrscheinlichste Antwort auf neue Fragen berechnen.

Das macht sie zu wertvollen Werkzeugen für Vorhersagen und kann insbesondere dann nützlich sein, wenn viele Daten vorliegen. Doch große gedankliche Sprünge – oder das, was der Wissenschaftshistoriker Thomas Kuhn im 20. Jahrhundert als Paradigmenwechsel bezeichnete – entstehen oft gerade dann, wenn nur wenige Datenpunkte verfügbar sind oder wenn einzelne Beobachtungen nicht zum bisherigen Bild passen.

Das Modell schloss nie auf das wahre Gravitationsgesetz, sondern leitete für jedes Planetensystem ein eigenes Gesetz ab, wovon jedes auf eine andere Art falsch war

Wissenschaftler entwickeln in solchen Situationen häufig ein »Weltmodell« – eine Hypothese über zugrunde liegende Prinzipien, abgeleitet aus wenigen Datenpunkten. Ein historisches Beispiel sind die sorgfältigen Beobachtungen der Planetenbewegungen durch den Astronomen Johannes Kepler im 17. Jahrhundert und die mathematischen Gesetzmäßigkeiten, die er darin erkannte. Sie gehörten zu den Grundlagen, auf denen Isaac Newton später seine Bewegungsaxiome und sein Gravitationsgesetz formulierte.

Könnten KI-Systeme ebenso aus ähnlich spärlichen Daten allgemeine Gesetzmäßigkeiten erschließen? Derzeit offenbar nicht, argumentiert Sendhil Mullainathan, Informatiker am Massachusetts Institute of Technology (MIT). Für einen im Juli 2026 veröffentlichten Konferenzbeitrag fütterten er und seine Kollegen ein KI-Basismodell für Himmelsmechanik mit synthetischen Daten verschiedener Planetensysteme, die allesamt den newtonschen Gesetzen folgten.

Sie stellten fest, dass das Modell nie auf das wahre Gravitationsgesetz, das die Kraft zwischen zwei Körpern mit deren Massen und Abstand verknüpft, schloss. Stattdessen leitete es für jedes Planetensystem ein eigenes Gesetz ab, und jedes davon war auf eine andere Art falsch.

In der Mathematik dagegen haben LLMs zuletzt bemerkenswerte Fortschritte erzielt. Das deutet darauf hin, dass sie manchmal tatsächlich logische Strukturen in ihren Trainingsdaten erfassen können. So widerlegte im Mai 2026 ein von OpenAI entwickelter KI-Chatbot eine 80 Jahre alte Vermutung des ungarischen Mathematikers Paul Erdős. Mullainathan spricht von einem »echten konzeptuellen Fortschritt«.

Die KI habe die Lösung nicht einfach durch Ausprobieren gefunden, sagt er, sondern musste auf dem Weg dorthin kleinere neue Abstraktionen entwickeln. Allerdings verknüpfte der Beweis bereits vorhandene Ideen aus der mathematischen Fachliteratur miteinander – es war also kein einsteinartiger Geistesblitz aus dem Nichts.

Eine Frage des Zeitpunkts

Nachdem Hassabis den Test mit dem Jahr 1911 vorgeschlagen hatte, wagte der unabhängige KI-Forscher Michael Hla aus San Francisco ein ähnliches Experiment. Auf seiner Website berichtete er im März 2026, dass er ein LLM namens Machina Mirabilis mit Daten aus der Zeit vor 1900 trainiert habe. Hla wollte herausfinden, ob das Modell selbstständig auf Quantenmechanik, Einsteins spezielle Relativitätstheorie von 1905 und schließlich die allgemeine Relativitätstheorie kommen würde.

KI-Modelle produzieren nur Worte, die plausibel klingen, »ohne eine starke innere Vorstellung der Welt, von der aus sie argumentieren könnten«Michael Hla, unabhängiger KI-Forscher

Ganz allein ließ er das Modell allerdings nicht. Hla versorgte es mit ein paar Hinweisen. So konfrontierte er die KI etwa mit Beobachtungen zum fotoelektrischen Effekt, bei dem Licht Elektronen aus einer Metallplatte herausschlägt – ein Phänomen, das Einstein später mit Lichtquanten erklärte. In einem anderen Versuch präsentierte er dem Modell die Grundzüge jenes berühmten Aufzug-Gedankenexperiments, das Einstein auf dem Weg zur allgemeinen Relativitätstheorie beschäftigte.

Gelegentlich zeigte das Modell laut Hla tatsächlich »Ansätze von Intuition«. Beim fotoelektrischen Effekt etwa vermutete es, das Licht zerfalle »in eine Vielzahl einzelner Impulse«. Das erinnert bereits an die Vorstellung von Lichtquanten. Doch in den meisten Fällen scheiterte das LLM; offenbar fehlte ihm ein tieferes Verständnis der Physik. Stattdessen produzierte es oft nur Worte, die plausibel klingen, »ohne eine starke innere Vorstellung der Welt, von der aus es argumentieren könnte«, schrieb Hla.

Er stieß außerdem noch auf ein ganz praktisches Problem historischer KI-Modelle: Die alten Trainingsdaten sind oft durchsetzt von fehlerhaftem, gebrochenem Englisch und Artefakten, die beim Digitalisieren gedruckter Bücher und Zeitschriften entstanden sind.

Eine ähnliche Erfahrung machten der unabhängige Informatiker Nick Levine und seine Kollegen. Sie entwickelten ein KI-Modell, dessen Wissen auf den Stand von 1930 begrenzt sein sollte. Das Jahr wählten sie unter anderem deshalb, weil Werke aus diesem Jahr in den USA ab Anfang 2026 gemeinfrei wurden.

Mit einem solchen Modell, sagt Levine, der in San Francisco arbeitet, ließe sich theoretisch testen, ob es »Entwicklungen aus den 1930er-Jahren vorwegnehmen kann«, etwa Turingmaschinen (ein zentrales Konzept der theoretischen Informatik), Gödels Unvollständigkeitssatz oder die im Jahr 1934 postulierten Neutrinos.

Levine und sein Team stellten jedoch fest, dass es außerordentlich schwierig ist, ein Vintage-Modell ausschließlich mit Wissen bis 1930 zu füttern. Die Trainingsdaten seien extrem unzuverlässig. »Wenn man es nach Ereignissen der 1950er-Jahre fragt, rät es meist einfach – und liegt erstaunlich oft richtig«, sagt Levine. So konnte das vermeintlich auf den Wissensstand von 1930 beschränkte Modell etwa Fragen zur Präsidentschaft Franklin D. Roosevelts beantworten, obwohl dieser erst 1933 sein Amt antrat. Informationen nach einem bestimmten Datum aus den Datensätzen herauszufiltern, ist schwierig, wenn diese nicht genau datiert sind.

Dennoch glaubt Levine, dass es eines Tages möglich sein sollte, ein solches »1930er-Gehirn« für Prognosen zu nutzen, ähnlich wie es auf ökonomischen Vorhersagemärkten gemacht wird.

»Ich würde denken, dass ein solches Modell durchaus zu einer neuen Erkenntnis kommen könnte, allein aufgrund der riesigen Datenmengen und Rechenressourcen, die ihm zur Verfügung stehen«Nick Levine, Informatiker

Auch für die Vorhersage wissenschaftlicher Errungenschaften könnten solche Modelle funktionieren; davon ist Levine überzeugt. So will er beispielsweise untersuchen, ob ein KI-Modell, das nur Daten bis etwa Januar eines Jahres kennt, eine Entdeckung vorhersagen kann, die erst im Juni bekannt wurde. »Ich würde denken, dass ein solches Modell durchaus zu einer neuen Erkenntnis kommen könnte, allein aufgrund der riesigen Datenmengen und Rechenressourcen, die ihm zur Verfügung stehen.«

Forscherinnen und Forscher der Universität Zürich verfolgen mit dem Projekt Ranke-4B einen recht ähnlichen Ansatz. Sie haben eine ganze Reihe historischer Sprachmodelle gebaut, die mit exakt datierten Texten und den Wissensständen von 1913, 1929, 1933, 1939 und 1946 trainiert wurden. Daniel Göttlich, Ökonom und Mitglied des Teams, der inzwischen an die ETH Zürich gewechselt ist, weist allerdings auf eine entscheidende Einschränkung hin: Es gebe weder genügend historische Daten noch genügend Rechenkapazitäten, um solche Systeme so leistungsfähig zu machen wie moderne LLMs. Deshalb will das Team vor allem testen, ob ein historisches LLM Ideen hervorbringen kann, die Spuren zukünftiger Fortschritte erkennen lassen. »Wir testen also eher nicht auf Genialität, sondern auf Funken von Genialität«, sagt er.

Zu viele Theorien

Grundsätzlich könnte ein Sprachmodell durchaus die allgemeine Relativitätstheorie hervorbringen, meint der Informatiker Jacob Andreas vom MIT. Womöglich würde es sie aber lediglich als eine unter Tausenden Theorien ausspucken, von denen die allermeisten falsch wären. Die eigentliche Herausforderung bestehe deshalb darin, die eine richtige, oder zumindest die überprüfenswerten Theorien, von all den falschen zu unterscheiden. Dieses Problem zeigte sich etwa bei den verschiedenen (fehlerhaften) »Gravitationsgesetzen«, die das Himmelsmechanik-Modell von Mullainathan und Kollegen hervorbrachte. In der Mathematik ist die Lage einfacher: Hier lässt sich prinzipiell für jeden Schritt überprüfen, ob er logisch korrekt ist.

Darin zeigt sich auch ein fundamentaler Unterschied zwischen Menschen und heutigen LLMs. Forschende erzeugen normalerweise nicht wahllos eine große Zahl möglicher Theorien und testen anschließend, welche davon zufällig mit den Beobachtungen übereinstimmt. Man denke etwa an den Physiker Erwin Schrödinger, der vor rund 100 Jahren seine Gleichung zur Quantenmechanik formulierte – bis heute rätseln Wissenschaftshistoriker, wie genau er auf sie kam. »Sein geistiger Prozess sah mit großer Wahrscheinlichkeit nicht so aus, dass er zufällig eine Reihe von theoretisch möglichen Aussagen generierte und dann prüfte, welche mit den Beobachtungen übereinstimmen«, sagt Andreas.

Große wissenschaftliche Durchbrüche beginnen meist mit kleinen Abweichungen, mit Ausreißern in den Daten, kuriosen Messwerten oder Phänomenen, die nicht ins bestehende Weltbild passen

Hinzu kommt die Frage, ob eine Idee es wert ist, weiterverfolgt zu werden. LLMs hätten zum Beispiel »kein gutes Verständnis dafür, was ein interessantes mathematisches Theorem ist«, sagt Andreas. Die Fähigkeit zu erkennen, was wichtig ist, sei »tatsächlich der Bereich, in dem sie den menschlichen Experten am weitesten hinterherhinken«.

Auf der Suche nach einem neuen Paradigma

Große wissenschaftliche Durchbrüche beginnen meist mit kleinen Abweichungen, mit Ausreißern in den Daten, kuriosen Messwerten oder Phänomenen, die nicht ins bestehende Weltbild passen. KI-Systeme dagegen neigen dazu, solche Abweichungen statistisch herauszumitteln. »Menschliche Entdeckungen in der Physik beruhten historisch oft auf einer Fähigkeit zur beharrlichen ›Besessenheit‹ – einem Denkstil, der es Forschern erlaubte, jahrelang an einer Außenseiteridee festzuhalten«, schreiben Kaminer und Kollegen.

Ein Beispiel ist der Physiker Max Planck. Um die Schwarzkörperstrahlung zu erklären, begnügte er sich nicht mit einer bloß näherungsweise passenden Formel. Diese Hartnäckigkeit führte ihn schließlich zur Postulierung der Energiequantisierung, die etwas später zu einem Grundpfeiler der Quantenphysik werden sollte. Für Einsteins spezielle Relativitätstheorie gab es wohl noch weniger empirische Anhaltspunkte. Anders als oft dargestellt, bereitete es Einstein kein allzu großes Kopfzerbrechen, dass sein Experiment zum Nachweis eines hypothetischen »Äthers«, durch den sich das Licht ausbreiten sollte, gescheitert war.

Generell entstehen wissenschaftliche Durchbrüche selten einfach dadurch, dass jemand aus einem riesigen Datenberg die richtige Antwort herausliest. Forschung besteht vielmehr aus einem ständigen feinen Wechselspiel von Theorien, Experimenten und neuen experimentellen Methoden. Das gilt besonders für Disziplinen wie die Molekularbiologie, die im Gegensatz zur Physik nicht von wenigen klar definierten Grundgesetzen bestimmt wird.

Vor diesem Hintergrund entwickeln manche Forschende bereits automatisierte Systeme, die Experimente auswählen, planen, autonom durchführen und aus den Ergebnissen neue Hypothesen ableiten können.

Doch selbst dann entsteht Fortschritt mitunter weniger durch neue Daten als durch einen Wechsel der Perspektive. Intrinsisch ungeordnete Proteine etwa galten lange als problematisch, weil sie sich schlecht kristallisieren und damit schwer per Röntgenstrukturanalyse untersuchen ließen. Erst allmählich setzte sich die Erkenntnis durch, dass ihre Unordnung kein Makel, sondern eine biologisch bedeutsame Eigenschaft ist. Ähnlich verhielt es sich mit tröpfchenartigen Strukturen in Zellen, die heute als biomolekulare Kondensate bekannt sind. Man hatte solche Gebilde bereits jahrzehntelang beobachtet, ihnen aber kaum Beachtung geschenkt, bevor Forschende ihre Bedeutung erkannten und ein entsprechendes Konzept entwickelten.

Kann eine KI solche Sprünge im Denken oder in der Wahrnehmung eines Tages ebenfalls vollziehen? Andreas sieht die eigentliche Herausforderung darin, herauszufinden, »wie man diese unbewussten, schwer fassbaren Intuitionssprünge automatisieren kann«. Das sei etwas anderes als ein klassisches Suchverfahren, das Informatiker längst beherrschen.

Für eine solche Aufgabe, meint Mullainathan, »reichen LLMs allein nicht aus«. Nötig seien Modelle, die nicht nur mit Textsammlungen trainiert werden, sondern auch mit Informationen darüber, wie die reale Welt beschaffen ist. Hinzukommen müsse ein Verständnis des »mathematischen Raums«, also davon, wie sich mathematische Objekte und Strukturen manipulieren lassen. Beides werde in der gegenwärtigen KI-Entwicklung noch vernachlässigt.

»Der Versuch, Maschinen ausdrücklich menschliche Denkweisen einzuprogrammieren, funktioniert bislang nicht«Rich Sutton, Informatiker

Zudem bräuchten wissenschaftliche KI-Systeme andere Erfolgsmaßstäbe. Gute statistische Vorhersagen allein genügen womöglich nicht. Entdeckungen vom Kaliber der Relativitätstheorie könnten nur entstehen, meint Kaminer, wenn die Modelle nicht ausschließlich auf Vorhersagegenauigkeit optimiert würden. »Es müssen auch Kriterien wie Einfachheit und Erklärungskraft einer Theorie belohnt werden.«

Derzeit gibt es kaum Anreize, KI-Modelle zu entwickeln, die verstärkt wie Menschen denken. Der Informatiker Rich Sutton von der University of Alberta in Edmonton bezeichnet diese Erfahrung als die »bittere Lektion« der KI-Forschung: »Der Versuch, Maschinen ausdrücklich menschliche Denkweisen einzuprogrammieren, funktioniert bislang nicht.« Entscheidend für die Leistungsfähigkeit eines Algorithmus waren zuletzt mehr Rechenleistung und größere Datenmengen. Entsprechend werden KI-Systeme heute meist daran gemessen, ob sie gute, schnelle und genaue Vorhersagen liefern. Inwiefern sie die physikalischen Prozesse »verstehen«, die einem Phänomen zugrunde liegen, sei nachrangig. Das Proteinstruktur-Tool AlphaFold von Google DeepMind hat nicht verstanden, wie sich Proteine falten, sondern umgeht diese Wissenslücke, indem es deren gefaltete Form vorhersagt.

Jacob Andreas vermutet, dass LLMs zumindest anfangs wohl eher bescheidene Entdeckungen machen werden, und zwar bei Fragen, »bei denen wir bereits wissen, worin das entscheidende Problem besteht« und die Antwort sich finden lässt, indem »ein bekannter Lösungsansatz übertragen oder eine Analogie zu einem anderen Forschungsbereich hergestellt wird«.

Menschliche Forscher könnten dann denken: »Verdammt, hätte ich doch noch in einem anderen Fach promoviert. Dann hätte ich vielleicht selbst darauf kommen können.« Bei der allgemeinen Relativitätstheorie hingegen habe niemand so reagiert. »Da dachten alle nur: Wie kommt man bloß auf so etwas?«