Yuan Xinyi: Bei der Ausbildung chinesischer Mathematiker hat sich eine qualitative Veränderung eingestellt – doch die wissenschaftlichen Belastungen für junge Lehrkräfte sind zu hoch.

Zusammenfassung der Kerninhalte

Der „Forschungspreis für Zukunftswissenschaften 2026“ in der Kategorie „Mathematik und Informatik“ wurde Professor Yuan Xinyi von der Peking-Universität verliehen, um seine bahnbrechenden Beiträge auf dem Gebiet der arithmetischen Geometrie zu würdigen. In einem Interview sprach er über Themen wie den Aufstieg der chinesischen Mathematik, die Verbindung zwischen Mathematik und Industrie, den Einfluss von KI auf die mathematische Forschung, die Verbesserung der Forschungsbedingungen für junge Wissenschaftler sowie die Nutzung von KI durch junge Menschen und teilte dabei praktische Einsichten mit.

Detaillierte Analyse und Interpretation

1. Warum sagen Ausländer, dass China die Mathematik „übernimmt“? – Von der Ausbildung bis zum internationalen Ansehen

Professor Yuan erklärte, dass der Ausspruch „China is taking over math“ auf internationalen Mathematikkonferenzen auf einen qualitativen Wandel in der chinesischen Mathematik in den letzten 20 Jahren zurückzuführen ist. Dies ist kein plötzlicher Durchbruch, sondern das Ergebnis der Arbeit mehrerer Generationen:

• Vorbereitung durch die vorherige Generation: Nach der Reform und Öffnung gingen viele chinesische Wissenschaftler ins Ausland, um ihr Studium fortzusetzen und kehrten später zurück, um das Bildungssystem zu verbessern, Lehrpläne zu entwickeln und Studenten zum Auslandsstudium zu unterstützen.
• Unsere Generation profitiert davon: Die nach 1980 Geborenen (wie Professor Yuan) wuchsen in diesem System auf, und noch mehr Menschen der Generation nach 1990 kehrten vollzeit ins Land zurück.
• Zusätzliche Ressourcen: Die wirtschaftliche Entwicklung des Landes führte zu mehr Forschungsmöglichkeiten.

Chinesische Mathematiker haben inzwischen mehr Daten als Japan und Russland vorweisen können und liegen nur noch hinter den USA und Europa zurück; die Tatsache, dass zwei der vier Fields-Preisträger Chinesen sind, unterstreicht dies besonders.

2. Mathematik ist keine „nutzlose Disziplin“ – Eine Schlüsselfähigkeit, nach der die Industrie strebt

Viele halten mathematische Hypothesen für überflüssig, doch Professor Yuan verwendete das Beispiel der riemannschen Geometrie: Ursprünglich war sie so abstrakt, dass niemand sie verstand – doch Jahrzehnte später half sie Einstein bei der Entwicklung der allgemeinen Relativitätstheorie. Heute fehlen in der Industrie (Quantenfonds, KI, Chipentwicklung) Mathematiker, weil zwei wichtige Fähigkeiten durch die mathematische Ausbildung erworben werden:

• Logische Stringenz: Die Fähigkeit, Probleme gründlich zu durchdenken und einfache Fehler zu vermeiden.
• Abstraktionsfähigkeit: Die Fähigkeit, komplexe reale Probleme (z. B. Optimierungen bei Chipentwürfen) in mathematische Modelle umzuwandeln, um sie leichter lösen zu können.

Auch die Veränderung der Noten für das Mathematikstudium an der Peking-Universität zeigt dies: Seit 2010 gehört es zu den strengsten Fächern der Naturwissenschaften, was darauf hindeutet, dass Studenten bereit sind, Mathematik zu studieren und wissen, dass sich dieses Wissen in der Industrie besonders gut verwerten lässt.

3. KI kann Mathematiker unterstützen – aber noch nicht die Hauptrolle übernehmen

KI hat in letzter Zeit große Fortschritte in der Mathematik gemacht, doch Professor Yuan betont, dass sie bisher keine wirklich originellen Ergebnisse erzielt hat. Ihre Vorteile liegen darin:

• Weites Wissen: KI versteht viele verschiedene Bereiche und kann vorhandene Ideen integrieren.
• Rechenleistung: Sie kann zahlreiche Versuche durchführen und Beispiele bzw. Gegenbeispiele erstellen (z. B. Gegenbeispiele zur Jacobi-Hypothese in drei Dimensionen).

Allerdings hat KI auch Grenzen: Sie kann nicht beurteilen, ob ein Problem wichtig ist, und stellt keine sinnvollen Fragen; alle Ergebnisse erfordern menschliche Anleitung.

4. Großer Druck auf junge Mathematiker – Das fehlerhafte „Aufstieg oder Ausscheiden“-System

Professor Yuan weist darauf hin, dass der größte Herausforderung für die Forschungsbedingungen in China der hohe Druck auf junge Wissenschaftler liegt. Das Problem liegt im abgewandelten „Aufstieg oder Ausscheiden“-System, das aus dem amerikanischen Modell übernommen wurde:

• Amerikanisches Modell: Ein einziger Bewertungsvorgang mit einer Erfolgsrate von 80–90%; wenn man durchkommt, kann man sich dauerhaft der Forschung widmen.
• Chinesisches Modell: Mehrere Bewertungen, niedrige Erfolgsrate; bei der Rekrutierung werden viele Menschen aufgrund ihrer Publikationen ausgewählt, doch nach sechs Jahren werden viele wieder entlassen.

Dies führt dazu, dass junge Wissenschaftler unter Druck stehen und keine Zeit für langfristige, risikoreiche Forschung haben.

5. Jungen Menschen und die Nutzung von KI: Zuerst die Grundlagen erlernen, dann die Hilfe der Technologie in Anspruch nehmen

Professor Yuan gibt jungen Wissenschaftlern praktische Ratschläge:

• Zu Beginn weniger auf KI verlassen: Versuchen Sie, Ihre erste Veröffentlichung unabhängig zu erstellen und Ihre Forschungsfähigkeiten zu trainieren (z. B., wie man Probleme identifiziert und ableitet).
• Später aktiv nutzen: Wenn Sie die Methoden beherrschen, können Sie KI nutzen, um Informationen zu suchen und Ideen zu integrieren – das verbessert Ihre Effizienz.

Man sollte nicht von Anfang an auf KI angewiesen sein, sonst verpassen Sie die wichtigsten ersten Lernschritte.

Diese Interpretationen wandeln Fachinhalte in verständliche Sprache für Laien um und behalten dabei die Kerninformationen bei, ohne sich auf Fachbegriffe zu beschränken – so können auch Leser ohne finanzielle oder mathematische Vorkenntnisse den Inhalt leicht verstehen.