In einem am 8. Oktober 2026 veröffentlichten Essay befasst sich Sasha Rakhlin, Direktor des MIT Statistics and Data Science Center, mit den Folgen leistungsfähiger KI für Hochschulen. Im Mittelpunkt stehen Mathematik, Statistik, Machine Learning und Ingenieurwissenschaften sowie vor allem Forschung und Ausbildung auf Graduate-Ebene. Rakhlin verweist auf die rasche Entwicklung in der Mathematik: Ein Modell erreichte im Vorjahr Goldmedaillenniveau bei der International Mathematical Olympiad. Ein Jahr später erzeugten Modelle laut ihm bereits neue Forschungsergebnisse, darunter einen vorgeschlagenen Lösungsweg für eines der Millennium Prize Problems.
Wie schnell KI in einem Fachgebiet vorankommt, hängt Rakhlin zufolge auch davon ab, wie gut sich Ergebnisse überprüfen lassen. Formalisierte Beweise können automatisch kontrolliert, Programme ausgeführt und getestet werden. Wo Rückmeldungen schnell und verlässlich sind, können Systeme Vorschläge erzeugen und anhand der Ergebnisse verbessern. Auch die KI-Entwicklung selbst könne davon profitieren, wenn Modelle an besseren Trainingsverfahren und Werkzeugen mitarbeiten. Für Forschende eröffnet das laut Rakhlin die Möglichkeit, technisch anspruchsvolle Fragen anzugehen. Zugleich werde wichtiger, nicht nur Lösungen zu finden, sondern zu verstehen, warum sie funktionieren und welche Erkenntnisse sich verallgemeinern lassen.
Rakhlin hält eine veröffentlichte, ausgearbeitete Arbeit zunehmend für ein weniger aussagekräftiges Maß individueller Expertise. Hochschulen sollten deshalb überdenken, welche Beiträge sie bei Einstellung, Beförderung und Förderentscheidungen anerkennen. Dazu könnten gute Fragestellungen, Replikationen, die Verbindung von Ideen, aussagekräftige negative Ergebnisse und gemeinsam genutzte Datensätze gehören. Für jede Forschungsarbeit sollte außerdem klar sein, welchen Anteil eine Person geleistet hat und wofür sie die intellektuelle Verantwortung übernimmt – auch wenn KI wesentliche Teile der Arbeit erledigt hat. Solche Erwartungen sollten laut Rakhlin auch für Promotionsstudierende ausdrücklich festgehalten werden.
In der Ausbildung sieht Rakhlin ein Spannungsfeld: Routineaufgaben, Programmierarbeit und gescheiterte Versuche können dazu beitragen, fachliches Urteilsvermögen und Intuition aufzubauen. Werden sie an KI abgegeben, können solche Lerngelegenheiten wegfallen, auch wenn Studierende dadurch größere Projekte angehen können. Sie sollten daher lernen, Probleme zu formulieren, KI-Ausgaben zu prüfen, Ergebnisse zu reproduzieren und ihre Entscheidungen zu begründen. Für Hochschulen fordert Rakhlin zudem eine gewisse technologische Unabhängigkeit. Kooperationen mit Unternehmen seien wichtig, sollten aber nicht allein bestimmen, welche Forschungsfragen bearbeitet werden.