Was die KI mit Stack Overflow gemacht hat, in einem einzigen Diagramm

Ein Beitragender hat die öffentlichen Statistiken von Stack Overflow extrahiert und ein Diagramm erstellt. Das Ergebnis spricht für sich: ChatGPT hat den Platz leer gemacht.

Der konkrete Fall

Ein Benutzer hat auf data.stackexchange.com (die öffentliche SQL-Abfrageschnittstelle für Stack Overflow-Daten) eine Abfrage veröffentlicht, die die Anzahl der pro Monat gestellten Fragen auf der Website von ihrer Gründung bis Mitte 2026 verfolgt. Das Diagramm wurde am 18. Juli 2026 auf Hacker News verlinkt und zeigt, was nur wenige Meinungsartikel schaffen: Es zeigt ohne Umschweife, was KI verändert hat.

Die Kurve steigt sanft von 2008 bis 2013 an, platzt um 2013-2020 mit einem bereits beginnenden leichten Rückgang, ein brutaler Absturz ab Ende 2022 - genau als ChatGPT veröffentlicht wurde (30. November 2022) - und der Rückgang setzt sich ohne Erholung fort. Im Jahr 2026 ist das monatliche Fragevolumen auf ein Niveau gesunken, das man seit den ersten Jahren der Website nicht mehr gesehen hat.

Der Code hinter dem Diagramm

Für die Neugierigen ist die veröffentlichte Abfrage von der Art:

SELECT
 DATEFROMPARTS(YEAR(CreationDate), MONTH(CreationDate), 1) AS Month,
 COUNT(*) AS Questions
FROM Posts
WHERE PostTypeId = 1
GROUP BY YEAR(CreationDate), MONTH(CreationDate)
ORDER BY Month;

PostTypeId = 1 filtert nach Fragen (Antworten haben PostTypeId = 2). Das Tool data.stackexchange.com ermöglicht es jedem, das Ergebnis in dreißig Sekunden zu überprüfen, ohne etwas installieren zu müssen - ein Modell der Offenheit von Daten, das nur wenige Plattformen noch bieten.

Der Grund

Für einen Senior-Entwickler ist die Frage "Warum ein solcher Rückgang?" offensichtlich: Wenn Sie in einem Bug oder einer Syntax stecken bleiben, suchen Sie nicht mehr nach "python typeerror int str" bei Google und öffnen nicht mehr die erste Stack Overflow-Antwort eines Threads aus dem Jahr 2014, der als Duplikat markiert ist. Sie öffnen Claude, ChatGPT oder Copilot und stellen die Frage direkt, mit Ihrem Kontext, Ihrem Code-Snippet, Ihrem Stack Trace. Die Antwort kommt personalisiert, auf Französisch, wenn Sie möchten, ohne die Moderatorenkriege über das Schließen als Duplikat.

Es ist schneller, es ist angenehmer (niemand beschuldigt Sie, RTFM zu lesen), und es funktioniert oft genug - außer wenn das Modell halluziniert. Auch hier weiß der erfahrene Benutzer das und überprüft noch einmal; der Junior tut das oft nicht. Das ist eine der aktuellen Debatten in den Teams.

Was wir auf dem Weg verlieren

Die wahre Kosten dieses Wechsels sind nicht sofort sichtbar. Stack Overflow war nicht nur ein Antwortmotor: Es war ein Korpus, den Google indexierte, den Rekrutierer konsultierten (um ein Profil einzuschätzen), den Neueinsteiger lasen, um zu lernen, wie man eine technische Frage ordnungsgemäß formuliert. Dieser Korpus schrumpft jetzt, während die KI-Modelle, die darauf trainiert wurden, weiterhin davon profitieren, ohne etwas zurückzugeben. Potenziell problematische Rückkopplungsschleife: Worauf werden die Modelle von 2028 trainiert werden?

Es gibt auch den Aspekt der Nachverfolgbarkeit. Eine Stack Overflow-Antwort, Sie wissen, wer sie geschrieben hat, wann, mit welchem Community-Score. Eine Antwort eines LLM ist eine undurchsichtige Aggregation. Für Produktionscode ist diese Nachverfolgbarkeit wertvoll.

Zu beachten

Das Diagramm ist nur ein Datenpunkt unter vielen: Stack Overflow hat seit 2023 mehrere Entlassungswellen angekündigt, die unter anderem durch den Rückgang des Verkehrs motiviert wurden (siehe insbesondere den Blogbeitrag seines CEO Prashanth Chandrasekar im Oktober 2023, der die erste Welle ankündigte). Aber das Bild fasst drei Jahre der Entwicklung der Gewohnheiten von Entwicklern zusammen. Die Frage, die man sich 2026 im Team stellen muss, lautet nicht mehr "Sollte man LLM verwenden". Es lautet: Wie lässt man die Gemeingüter (Dokumentation, öffentliche Q&A, Tutorials) nicht sterben, die unseren Beruf möglich gemacht haben?