Anzahl ist nicht Gewicht: Was 67.000 Repositories über Sprach-Ökosysteme verraten

Sprach-Ökosysteme werden üblicherweise über die Frage verglichen, welche Sprache die meisten Projekte hat. Sie ist leicht zu beantworten und taugt schlecht als Entscheidungsgrundlage: Sie sagt etwas über Anzahl, nicht über Gewicht.

Wir verfolgen mehr als 67.000 GitHub-Repositories mit vielen Sternen und protokollieren täglich, wie sich ihre Sterne bewegen. Schlüsselt man diesen Korpus nach Sprache auf, zeigt sich Nützlicheres als eine Kopfzahl.

Die Rohdaten

Diese Tabelle wird bei jedem Seitenaufruf live aus unserer Datenbank gelesen — sie ist kein Screenshot:

Drei bemerkenswerte Punkte

1. Der Erste nach Anzahl ist nicht der Erste nach Median

Python liegt bei der Zahl der Repositories deutlich vorn, etwa beim 1,4-Fachen des Zweitplatzierten. Betrachtet man aber den Median der Sterne — also die Antwort auf „Wenn ich zufällig ein Projekt dieser Sprache greife, wie beliebt ist es voraussichtlich?" —, liegt Python hinter Go und TypeScript.

Das ist ein Zeichen von Breite. Python deckt wissenschaftliches Rechnen, Scraping, maschinelles Lernen und Automatisierung ab — praktisch alles. Die Kehrseite der Breite ist ein sehr langer Schwanz mit vielen Projekten knapp über der Erfassungsschwelle.

2. Go hat die höchste Trefferquote

Go hat rund ein Drittel der Repositories von Python und dennoch den höchsten Median aller hier gezeigten Sprachen.

Die plausible Erklärung ist Domänenkonzentration. Gos beliebte Projekte ballen sich in Cloud-native-Infrastruktur, DevOps und CLI-Werkzeugen — Feldern, deren Nutzer selbst Entwickler sind und also Sterne vergeben. Ein großer Teil von Pythons Reichweite geht an Zielgruppen, die GitHub nie öffnen.

3. Gesamtsterne und Median erzählen Verschiedenes

JavaScript hat eine hohe Gesamtzahl an Sternen bei vergleichsweise niedrigem Median. Die Summe spiegelt eine Kohorte sehr großer, sehr alter Projekte — das ist angesammelte Geschichte. Der schwache Median deutet darauf hin, dass ein kleinerer Anteil neuerer Projekte durchbricht.

TypeScript kehrt das um: weniger Repositories als JavaScript, aber ein höherer Median — passend dazu, dass neue Projekte von Tag eins an TypeScript wählen.

Die Spitze der Liste

Die Zusammensetzung zählt ebenso viel wie die Anzahl. Dies sind die Repositories mit den meisten Sternen, die wir derzeit verfolgen:

Auffällig ist, wie viele davon Lernressourcen und kuratierte Listen sind statt lauffähiger Software. Sie sammeln enorme Sternzahlen, sagen aber wenig über das Engineering-Ökosystem einer Sprache aus — sie mit Frameworks und Runtimes in einen Topf zu werfen, verzerrt jeden Vergleich.

Was diese Daten nicht sagen können

Jede Analyse sollte ihre eigenen Grenzen benennen:

• Die Stichprobe besteht aus bereits populären Projekten, nicht aus ganz GitHub. Die Mediane hier sind Mediane unter Projekten, die die Hürde schon genommen haben — weit über dem tatsächlichen Wert der gesamten Plattform.
• Sterne sind weder Qualität noch Nutzung. Sie nähern die Sichtbarkeit unter Entwicklern an. Viele geschäftskritische Bibliotheken haben deutlich weniger Sterne, als ihrer Bedeutung entspräche.
• Die Sprachzuordnung folgt GitHubs Erkennung der Hauptsprache. Ein Frontend-Framework kann je nach Byte-Verteilung seiner Dateien unerwartet einsortiert werden.
• Ökosysteme sind unterschiedlich alt. C und Java haben Jahrzehnte an Ansammlung, Rust hatte weit weniger Zeit. Summen direkt zu vergleichen, benachteiligt die jüngeren.

Fazit

Wer einen Stack wählt, fährt mit einer besseren Frage als „welche Sprache hat mehr Projekte": Wie viele ausgereifte Optionen gibt es in genau der Nische, die ich brauche? Globale Zahlen helfen dabei erstaunlich wenig.

Die Tabelle oben aktualisiert sich mit unserem täglichen Crawl. Dieselben Daten lassen sich im Ranking nach Sprache und Kategorie selbst zerlegen.