Can $π$ generate itself? A Monte Carlo analysis of 314 trillion digits

Stellen Sie sich vor, Sie versuchen, die Form eines Kreises zu erraten, aber Sie haben weder ein Lineal, noch einen Zirkel, noch auch nur ein Stück Papier. Alles, was Sie haben, ist eine Tüte voller Murmeln und eine quadratische Box. Dies ist das Wesen eines berühmten Tricks in der Mathematik, einer sogenannten „Monte-Carlo“-Simulation. Die Idee ist simpel: Wenn Sie tausende von Murmeln zufällig in eine quadratische Box werfen, in der sich ein Viertelkreis befindet, wird das Verhältnis der Murmeln, die innerhalb der Kurve landen, zur Gesamtzahl der Murmeln den Wert von $\pi$ (der Zahl, die den Durchmesser eines Kreises mit seinem Umfang in Beziehung setzt) verraten. Je mehr Murmeln Sie werfen, desto näher kommen Sie der richtigen Antwort. Normalerweise benötigt man dafür eine Maschine, die echte Zufallszahlen generiert, um zu entscheiden, wo jede Murmel landet. Aber was, wenn Sie keinen Zufallszahlengenerator haben? Was, wenn Sie selbst die Ziffern von $\pi$ verwenden würden – eben jene Zahl, die Sie eigentlich zu finden versuchen – als Quelle Ihrer „zufälligen“ Murmeln? Es klingt nach einem Paradoxon, so als würde man versuchen, sich an den eigenen Stiefeln hochzuziehen, aber genau diese seltsame Frage wollten Wissenschaftler testen.

Dieses Paper, geschrieben von Forschern der Gran Sasso National Laboratories in Italien, untersucht eine faszinierende Idee unter Verwendung eines massiven Datensatzes: der ersten 314 Billionen Dezimalstellen von $\pi$. Um die Tragweite zu verstehen, müssen wir etwas über die Natur von $\pi$ wissen. Es handelt sich um eine deterministische Zahl, was bedeutet, dass ihre Ziffern keineswegs zufällig sind; sie sind durch eine strikte mathematische Regel festgelegt und berechnet. Dennoch vermuten Mathematiker schon seit Jahrhunderten, dass diese Ziffern aussehen wie Zufall. Sie scheinen „normal“ zu sein, ein Fachbegriff dafür, dass jede mögliche Kombination von Ziffern (wie „123“ oder „999“) mit der gleichen Häufigkeit auftritt, so als würde man ewig einen fairen Würfel werfen. Wenn $\pi$ wirklich normal ist, sollten seine Ziffern gut genug sein, um als Quelle für Zufallszahlen in Computersimulationen zu dienen. Die Forscher wollten sehen, ob sie die Ziffern von $\pi$ nutzen könnten, um eine Monte-Carlo-Simulation durchzuführen, die $\pi$ erfolgreich „wiederentdeckt“, ohne externe Zufallszahlen zu verwenden.

Das Team nahm den rekordverdächtigen Datensatz von 314 Billionen Ziffern, der Ende 2025 berechnet wurde, und behandelte ihn wie einen riesigen Zahlenstrom. Sie zerlegten diesen Strom in winzige Blöcke von jeweils 14 Ziffern. Die ersten 7 Ziffern eines Blocks wurden als „x“-Koordinate eines Punktes verwendet, und die nächsten 7 Ziffern wurden zur „y“-Koordinate. Stellen Sie sich diese Koordinaten als Landestelle eines Dartpfeils vor, der auf eine quadratische Zielscheibe geworfen wird. Durch dieses Vorgehen für jeden möglichen Block erzeugten sie etwa 22,4 Billionen „Dartpfeile“ (oder Datenpunkte), die sie auf ihr virtuelles Ziel warfen. Anschließend zählten sie, wie viele dieser Punkte innerhalb des imaginären Viertelkreises landeten.

Das Ergebnis war ein überwältigender Erfolg. Als sie die Zahlen auswerteten, lieferte die Simulation eine Schätzung für $\pi$ von 3,141593. Dies entspricht exakt den ersten sieben Dezimalstellen des tatsächlichen Wertes von $\pi, genau innerhalb der bei einer Simulation dieser Größenordnung erwarteten Fehlermarge. Die Autoren merken an, dass dies nicht beweist, dass$\pi$ mathematisch „normal“ ist oder dass seine Ziffern wirklich unabhängig voneinander sind (da sie durch eine feste Regel erzeugt werden, können sie nicht wahrhaft unabhängig sein). Das Experiment liefert jedoch starke empirische Belege dafür, dass die Ziffern von $\pi$ für alle praktischen Zwecke so sehr wie Zufallszahlen agieren, dass sie eine Monte-Carlo-Simulation erfolgreich durchführen können, die die Zahl selbst wiederherstellt.

Einfacher ausgedrückt zeigt das Paper, dass $\pi$ auf eine gewisse Weise „sich selbst generieren“ kann. Es ist, als würde man ein Wörterbuch nehmen, jeden Buchstaben ausschneiden und mit diesen Buchstaben ein neues Buch schreiben, das irgendwie exakt dasselbe Wörterbuch enthält, mit dem man begonnen hat. Die Forscher fanden heraus, dass die Ziffern von $\pi$ so statistisch chaotisch und gut verteilt sind, dass sie als ihre eigene Quelle für Zufälligkeit dienen können. Das bedeutet nicht, dass die Ziffern magisch sind oder neue Informationen erschaffen; vielmehr deutet es darauf hin, dass die Komplexität von $\pi$ so hoch ist, dass sie ihre eigene deterministische Natur verbirgt und so als perfektes zufälliges Umfeld für sich selbst fungiert. Die Studie bestätigt, dass die Ziffern von $\pi$, obwohl es eine feste, berechnete Zahl ist, ein zuverlässiges Werkzeug zur Simulation von Zufälligkeit sind, zumindest in dem Maßstab von 314 Billionen Ziffern.