PyPI-Daten: Mythos des Produktivitätswachstums durch AI

PyPI-Daten zeigen: Künstliche Intelligenz hat nur geringen Einfluss auf die Produktivität von Entwicklern

Die PyPI-Daten stützen nicht die Behauptung, dass KI einen revolutionären Sprung in der Entwicklungseffizienz ermöglicht. Während die Gesamtanzahl an Paketen exponentiell wächst, bleibt die monatliche Zahl neuer Uploads stabil zwischen 5.000 und 15.000. Der Launch von ChatGPT Ende 2022 löste keinen spürbaren Anstieg aus – weder im oberen kumulativen Wachstum noch im unteren Diagramm, wo lediglich Spam-Schübe aus dem Jahr 2020 sichtbar sind.

Dies widerspricht den Erwartungen: Wenn KI die Entwicklung sogar verdoppeln würde, müssten wir doppelte Softwareproduktion sehen. Stattdessen bleibt die Kennzahl flach.

Aktualisierungshäufigkeit beliebter Pakete

Um echte Aktivität zu messen, analysierten wir die 15.000 am häufigsten heruntergeladenen Pakete zum Dezember 2025. Wir gruppierten sie nach Erstellungsjahr und ermittelten die Median-Veröffentlichungshäufigkeit.

Pakete, die nach ChatGPT erschienen, erreichten durchschnittlich 13 Releases im ersten Jahr – doppelt so viel wie die Pakete aus dem Jahr 2014 mit 6 Releases pro Jahr. Doch dieser Beschleunigungstrend begann bereits 2019 (10 Releases/Jahr) und wurde durch CI/CD-Tools wie GitHub Actions getrieben, nicht durch KI.

Die Veröffentlichungshäufigkeit sinkt über die Zeit bei allen Gruppen – auch für ältere Pakete hat KI diesen Trend nicht verändert.

KI vs. Nicht-KI-Pakete: Eine klare Spaltung

Themenbasierte Kategorisierung zeigt deutlich: Nicht-KI-Pakete folgen einer langsamen Entwicklung, während KI-fokussierte Pakete einen steilen Anstieg aufweisen.

• KI-Themenpakete 2023: 20 Releases im ersten Jahr.
• Nicht-KI-Pakete aus 2023: Nur die Hälfte davon.

Dies gilt für jüngere Veröffentlichungen, deren Thema anhand der Beschreibung bestimmt wird.

Beliebtheit zählt

Wenn man die Beliebtheit kontrolliert (Top 7.500 vs. Rest), zeigt sich die Abweichung: Nach ChatGPT veröffentlichte, beliebte KI-Pakete erreichen 21–26 Releases pro Jahr – gegenüber nur 10 bei beliebten Nicht-KI-Paketen.

Die 2×2-Matrix macht deutlich: Die Wirkung konzentriert sich auf eine Nische.

Wichtige Erkenntnisse aus den Daten

• Kein Anstieg bei neuen Paketen oder Updates nach ChatGPT.
• Die Beschleunigung der Veröffentlichungen geht vor der KI-Ära zurück.
• Mehr als zweifache Steigerung tritt nur bei beliebten KI-Paketen auf.

KI macht durchschnittliche Entwickler nicht 10 bis 100 Mal produktiver – insgesamt bleibt der Effekt minimal.

Mögliche Gründe für den Anstieg bei KI-Paketen:

• Entwicklerkompetenz: KI-Tool-Ersteller nutzen generative Modelle besser, doch der Vorteil beschränkt sich auf Top-Entwickler.
• Finanzierung und Hype: Der Anteil an KI-Paketen ist gestiegen (von 6:1 im Jahr 2021 auf 2:1 im Jahr 2024), was Investitionstrends widerspiegelt, nicht reine Produktivitätssteigerung.

Die Daten können diese Hypothesen nicht unterscheiden.

Was wirklich zählt

• Die Gesamtanzahl an PyPI-Veröffentlichungen ist nach ChatGPT nicht gestiegen, trotz behaupteter Produktivitätssteigerungen um das 2- bis 100-fache.
• Schnellere Release-Zyklen für neue Pakete begannen vor der KI-Ära, bedingt durch die Einführung von CI/CD.
• Die mehr als zweifache Steigerung beschränkt sich auf beliebte KI-Pakete – ein klarer Nischen-Effekt.
• Wahrscheinliche Treiber: Exzellenz von Entwicklern oder externe Finanzierung.
• Kein Software-Cambrian-Ausbruch – nur ein enger Schub bei KI-Projekten.

— Editorial Team