Die letzte Welle – Kann KI den Finanzmarkt „lösen“?

Ein Sturm zieht auf

Es gleicht einem Krimi, was sich in den Tagen um den achten September diesen Jahres abgespielt hat. Es war der Tag, an dem OpenAI einen Beitrag auf der Website des Unternehmens veröffentlichte, in dem es bekannt gab, eines der berühmten Millennium-Probleme gelöst zu haben: das Navier-Stokes Problem [1]. Nur zwei Tage zuvor machte ein einfaches Schreiben des jungen Mathematik-Professors Tristan Buckmaster die Runde. Im typischen Mathematiker-Stil, gesetzt in LaTeX, doch ohne Titel, Abstract oder sonstige Ergänzungen fasst das Dokument die Arbeit des Professors und eines Kollegen zusammen, die sich ebenso kurz vor der Lösung des Problems sahen. Auf vier Seiten werden der Austausch mit OpenAI beschrieben, Bedenken geäußert, dass möglicherweise Chats der beiden Mathematiker zur Lösungsfindung benutzt wurden, und die Art und Weise geschildert, durch die der Konzern die Forscher am Weg zur Publikation unter Druck gesetzt hatte [2]. Bereits fünf Tage später hatten 25 der berühmtesten Mathematiker:innen unserer Zeit einen offenen Brief unterzeichnet, der von severe misalignment zwischen den Zielen der KI-Konzerne und der Mathematik spricht und dazu appelliert, offene mathematische Probleme nicht als Benchmarks zu betrachten, gegen die Modelle gemessen werden [3].

Worum geht es also in diesem Problem, das eine gesamte akademische Disziplin so sehr in ihren Grundfesten erschüttern kann? Im Grunde beschreiben die Navier-Stokes-Gleichungen, wie sich Fluide, also Flüssigkeiten und Gase, bewegen. Das gilt von den Turbulenzen, die sich im Wasserglas bilden, wenn wir den Hahn aufdrehen, über die Ausbreitung von Tsunamis bis hin zu den Luftströmungen, die Passagierflugzeuge anheben oder Hurricanes erzeugen. Während diese Gleichungen bereits kurz vor der Thronbesteigung Kaiser Franz-Josephs niedergeschrieben wurden, blieb die Frage, ob sie auch immer eine Lösung haben, bereits hundertfünfzig Jahre lang unbeantwortet, bis schließlich das Clay Mathematics Institute im Jahr 2000 die Lösung dieser Frage als eines der sieben wichtigsten offenen Probleme der Mathematik definiert und für deren Beantwortung ein Preisgeld von einer Million Dollar ausgelobt hat [4].

Mathematik im Strudel

Die nun veröffentlichte Lösung scheint bei genauerer Betrachtung ein eigenes Problem zu sein: So gibt es nicht nur die bereits erwähnten Diskussionen um den Entstehungsprozess, auch die Lösung selbst ist nicht ganz unumstritten und scheint eher ein konstruiertes, theoretisches Beispiel als die Realität widerzuspiegeln, womit das Thema bei weitem nicht abschließend behandelt wäre [5]. Auch war die benötigte Rechenleistung selbst weit weg von dem, was man als praktikabel bezeichnen kann: An die 10.000 Agenten arbeiteten 88 Stunden lang und verbrauchten dabei Rechenkosten, die wohl in die Millionen gingen.

Am Ende bleibt dennoch ein Fakt: Eines der größten Probleme der Mathematik konnte, zumindest teilweise, mithilfe einfacher Prompts autonom durch KI-Agenten gelöst werden. Die Mathematik scheint damit selbst immer mehr automatisierbar zu sein und große Köpfe beginnen das Feld zu räumen, um sich mit den Auswirkungen von KI zu beschäftigen [6]. In anderen Wissenschaften könnte die KI-Revolution noch länger auf sich warten lassen: So lebt beispielsweise die Physik nicht etwa von algorithmisch relativ einfach zu überprüfenden Theoremen, sondern vor allem von den experimentellen Daten, die diese falsifizieren und mit der echten Welt in Verbindung bringen können. Hier haben LLMs, die allein auf statistischer Inferenz von Sprache beruhen, einen großen Nachteil, weil sie nicht unbedingt ein inhärentes Verständnis dieser Welt haben. Doch wo auf dieser Skala sollen wir die Finanzwissenschaft verorten?

Neue Strömungen

Klar ist, dass sich durch die rasanten Fortschritte auch in dieser Disziplin schon viel getan hat. Längst werden Aktien-Faktoren nicht mehr händisch gesucht, sondern in großem Stil aus Daten gewonnen, Machine-Learning-Modelle extrahieren daraus tausende interpretierbare Gleichungen, nach denen investiert werden kann, oder lernen direkt die Preiszeitreihe, um im Hochfrequenzbereich subtilste Muster auszunutzen. Andere Anwendungen konzentrieren sich darauf, die allgemeine Marktmeinung – das Sentiment – aus Abermillionen Social-Media-Postings und Mikro-Nachrichten zu extrahieren oder nutzen das Aufkommen der prediction markets wie Kalshi oder Polymarket, um durch Wortvorhersage, Wettermodellierung oder ähnliches alternative Erträge zu generieren.

In praktisch allen relevanten Märkten sorgt KI für weitreichende Umbrüche. Doch die grundlegende Frage bleibt offen: Kann eine ausreichend intelligente KI den Markt „lösen“? Und was hieße das überhaupt? Was passiert, wenn die Preiserkennung nur noch durch hocheffiziente autonome Agenten erfolgt, oder wenn alle Marktteilnehmer auf ein einziges Modell setzen, um ihre Ziele zu erreichen? Wird der Markt in seiner Funktion, Güter zu verteilen, gehemmt, bestärkt oder gänzlich obsolet?

Gegen den Strom

Während viele dieser Fragen wohl erst in Zukunft restlos beantwortet werden können, gibt es aus aktueller Sicht eindeutige Hürden für KI, die wohl nicht so schnell verschwinden werden. Denn wo sich die Mathematik durch klare Definitionen und feste Wahrheiten auszeichnet, da gilt in der Finanzwelt häufig das Gegenteil. Solange diese Diskrepanz besteht, wird wohl auch die intelligenteste KI nicht gegen dieses menschengemachte System ankommen, und solange Menschen Teil dieses Systems sind, wird der Markt wohl zu einem gewissen Grad ineffizient bleiben. Schon im Jahr 1980 wurde diese Tatsache von Sanford Grossman und Joseph Stiglitz in ihrem berühmten Paradoxon formuliert: Vollständig effiziente Märkte seien unmöglich, denn wenn Preise die verfügbare Information widerspiegeln, gebe es keinen Anreiz mehr, diese Information zu sammeln, sobald die Märkte effizient wären [7]. Das erzeugt wiederum einen menschlichen Anreiz, das System durch immer bessere Information „schlagen“ zu wollen, was letztlich weiter zur Preisfindung beiträgt.

Wie so oft in der Geschichte werden wir gerade Zeugen einer unfassbaren Beschleunigung, die durch einen Sprung in der verfügbaren Technologie erzeugt wird. Obwohl diese Welle, mit der KI den Markt überrollt, noch ungeahnte Ausmaße annehmen kann, bleibt doch fraglich, ob es die letzte auf dem Ozean des Kapitals gewesen sein wird. Denn während in der Mathematik gerade ein elementarer Antrieb der Disziplin – das Problemlösen – verloren zu gehen droht, so bleibt im Markt bei aller Effizienzsteigerung im Kern eine Kraft, die die Kapitalströme stets weiter bewegt: Der Wunsch, den Markt zu schlagen.

[1] https://openai.com/de-DE/index/navier-stokes-solution/, 28.09.2026.

[2] https://cims.nyu.edu/~tristanb/statement.pdf, 28.09.2026.

[3] https://mathandai.org/, 28.09.2026.

[4] https://www.claymath.org/millennium/navier-stokes-equation/, 28.09.2026.

[5] https://www.scientificamerican.com/article/did-openai-solve-the-wrong-navier-stokes-problem/, 28.09.2026.

[6] https://www.quantamagazine.org/jacob-tsimerman-wins-2026-fields-medal-for-andre-oort-conjecture-proof-20260723/, 28.09.2026.

[7] https://www.jstor.org/stable/1805228?origin=JSTOR-pdf, 30.09.2026.