Programmiertechnologien entwickeln sich rasant weiter, doch die Faktoren, die zu ihrem Aufstieg und Niedergang beitragen, sind noch nicht bekannt. In einer neuen Studie untersuchen Fabian Braesemann, assoziierter Wissenschaftler am ECDF und Dozent für „AI & Work” am Oxford Internet Institute, und Conrad Borchers, Doktorand am Human-Computer Interaction Institute (HCII) der Carnegie Mellon University in den USA, Online-Trace-Daten aus über einem Jahrzehnt, um die Innovationsdynamik der Softwarewelt zu verstehen. Die Ergebnisse bieten einen empirischen Einblick in die Funktionsweise von Innovation und zeigen, dass die „kreative Zerstörung” (eine der bekanntesten Theorien in der Wirtschaftswissenschaft) offenbar die Entwicklung digitaler Technologien ebenso bestimmt wie die Erneuerung von Volkswirtschaften.

Mithilfe von Korrelationsnetzwerken, die dynamische Tag-Nutzungsmuster kodieren, konnten die Wissenschaftler zwei robuste Technologiecluster identifizieren.

• Core-Computing-Einrichtungen, die Betriebssysteme, Datenbanken und Server umfassen, und
• Anwendungsentwicklungstechnologien, die Frameworks für die Webentwicklung und maschinelles Lernen enthalten.

Die Wissenschaftler untersuchten nicht nur die Popularität bestimmter Programmiertechnologien wie Python oder React im Laufe der Zeit, stattdessen wollten sie herausfinden, welche Technologien „gemeinsam auf- und absteigen”: Wenn zwei Technologien gleichzeitig einen konstanten Anstieg in der Nutzung verzeichneten, so besteht eine positive Verbindung zwischen ihnen. Gewann eine Technologie an Popularität, während eine andere an Popularität verlor, so bestand eine negative Verbindung zwischen ihnen – ein Zeichen für Konkurrenz zwischen den Technologien.

Die spannendste Erkenntnis war nicht nur, was beliebt war, sondern auch, wie es beliebt wurde. Die Daten der Studie stützen Joseph Schumpeters berühmte Theorie der „kreativen Zerstörung“. Schumpeter argumentierte, dass Innovation nicht nur darin besteht, neue Dinge hinzuzufügen, sondern dass es sich um einen „Prozess der industriellen Mutation handelt, der unaufhörlich das Alte zerstört und unaufhörlich Neues schafft“. Das Modell von Braesemann und Borchers enthüllte eine Erfolgsformel in der Welt der Programmierung. Die Technologien, die zu „Gewinnern“ wurden (die 100 meistgenutzten Tags), wiesen ein bestimmtes Verbindungsmuster auf.

• Sie funktionieren gut im Zusammenspiel mit anderen Newcomern: Erfolgreiche neue Technologien hatten starke positive Verbindungen zu anderen aufstrebenden Technologien. Sie wuchsen nicht isoliert, sondern als Teil eines neuen Ökosystems.
• Sie konkurrieren mit den Giganten: Entscheidend ist, dass erfolgreiche neue Technologien oft starke negative Verbindungen zu etablierten, beliebten Technologien aufwiesen. Sie ergänzten die alte Garde nicht nur, sondern ersetzten sie.

Diese Erkenntnisse haben mehrere Implikationen, die in direktem Zusammenhang mit aktuellen Debatten über Programmierung und digitale Technologien stehen.

1. Frühwarnsignale für technologische Veränderungen

Da Stack Overflow das Verhalten von Millionen von Entwickler*innen erfasst, könnten Veränderungen in diesen Korrelationsnetzwerken Frühindikatoren für größere Veränderungen in den Programmierparadigmen sein – viel früher als offizielle Statistiken oder Daten zur Unternehmensakzeptanz.

2. Arbeitsmärkte und Fähigkeiten

Jüngste Arbeiten zeigen, dass aus Online-Plattformen abgeleitete Aufgabenprofile von Entwickler*innen die in Stellenanzeigen geforderten Fähigkeiten und sogar Gehälter vorhersagen können. Unsere Ergebnisse deuten darauf hin, dass wir noch einen Schritt weitergehen und identifizieren können, welche Fähigkeiten im Zuge des Wettbewerbs und der Neukombination von Technologien an Relevanz gewinnen oder verlieren werden.

3. KI-gestützte Programmierung und die nächste Welle der kreativen Zerstörung

Die Studie stellt fest, dass die rasche Verbreitung generativer KI-Tools wie ChatGPT und Copilot bereits jetzt die Art und Weise verändert, wie Entwickler*innen Hilfe suchen und Wissen austauschen, wodurch die Aktivität auf Q&A-Plattformen wie Stack Overflow zurückgeht. Wenn KI das Experimentieren beschleunigt und die Wechselkosten zwischen Tools senkt, könnten wir schnellere und volatilere Zyklen des technologischen Aufstiegs und Niedergangs erleben. Dies hätte erhebliche Folgen für die Ausbildung, die Produktivität und die Ungleichheit zwischen Regionen und Unternehmen, die möglicherweise Schwierigkeiten haben, sich schnell genug anzupassen.

4. Wirtschaftliche Komplexität und nationale Fähigkeiten

Programmiertechnologien sind Teil der „Software-Komplexität” von Ländern – der Vielfalt ihrer digitalen Fähigkeiten. Das Verständnis der Entwicklung digitaler Tools kann politischen Entscheidungsträgern dabei helfen, vorherzusagen, welche Regionen gut positioniert sind, um von neuen Technologieclustern zu profitieren, und welche Gefahr laufen, mit rückläufigen Stapeln zurückzubleiben.

Von digitalen Spurdaten zur Innovationspolitik

Die Studie zeigt, dass eine Plattform, die ursprünglich für die Fehlerbehebung von Code entwickelt wurde, zu einem unschätzbaren Datensatz geworden ist, um zu verstehen, wie sich digitale Innovationen tatsächlich entwickeln. Für Forscher*innen bieten Korrelationsnetzwerke der Entwickleraktivitäten eine skalierbare Möglichkeit, technologische Neukombinationen und Wettbewerb zu modellieren, und ergänzen damit traditionelle Patent- und Handelsdaten. Für Journalist*innen und politische Entscheidungsträger*innen bieten sie eine Möglichkeit, die kreative Zerstörung der Softwarewelt nahezu in Echtzeit zu beobachten – und dabei nicht nur zu erkennen, welche Technologien beliebt sind, sondern auch, wie die nächste Generation von Tools still und leise die Grundlagen darunter neu gestaltet.

Zum vollständigen Artikel: „The innovation dynamics of programming technologies“ im Journal of the Royal Society Interface.