Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
cset28. September 2022 · Q005979

GitHub Data: Capturing Open Source Software and Implementation

cset.georgetown.edu · Originalbericht öffnen ↗

Zusammenfassung

Kurz

CSET beschreibt einen monatlich aktualisierten Datensatz mit 291.264 öffentlichen GitHub-Repositorys, ausgewählt anhand von Literaturverweisen oder KI-relevanten Tags. Die wachsende Zahl KI-/ML-markierter Projekte bei sinkenden durchschnittlichen Forks und Commits deutet laut Bericht auf eine Verteilung der Entwicklung auf mehr Repositorys hin; wegen der Auswahlkriterien und des Ausschlusses privater Projekte ist die Abdeckung begrenzt.

Mittel

Der Bericht beschreibt GitHub als zentrale Plattform für gemeinschaftliche Softwareentwicklung und als Quelle von Metadaten, mit denen sich die Entwicklung von Technologien untersuchen lässt. CSET erstellte dafür einen Datensatz mit 291.264 eindeutigen Repositorys, der bis 2008 zurückreicht und monatlich aktualisiert wird. Aufgenommen werden Repositorys, auf die Veröffentlichungen im CSET-Literaturkorpus verweisen oder die manuell kuratierte KI-relevante Themen-Tags tragen. Die Erhebung kombiniert die GitHub-API mit manuellem Auslesen und umfasst nur öffentliche Repositorys.

Als Beispiel betrachtet CSET KI- und ML-markierte Repositorys mit mehr als drei Beitragenden sowie durchschnittliche Forks und Commits je Repository. Die Zahl der erfassten Repositorys sei stark gewachsen; sinkende Durchschnittswerte bei Forks und Commits deuteten laut Bericht zugleich auf weniger Zusammenarbeit innerhalb einzelner Projekte hin. CSET deutet das als Verteilung der Entwicklung auf eine größere Zahl von Projekten. Die Daten könnten außerdem helfen, Verbindungen zwischen Forschung, Softwareentwicklung und Organisationen zu untersuchen. Die Auswahlkriterien und der Ausschluss privater Repositorys begrenzen jedoch die Abdeckung. Die beschriebene Auswertung belegt keine allgemeingültige oder kausale Erklärung des beobachteten Trends.

Ausführlich lesen

Der Bericht von Christian Schoeberl beschreibt GitHub als Plattform für gemeinschaftliche Softwareentwicklung und zugleich für Datenspeicherung, Dokumentation und Diskussion. GitHubs Versionsverwaltung erlaubt Entwicklerinnen und Entwicklern, Änderungen in separaten Entwicklungszweigen oder Projektkopien auszuprobieren. Verantwortliche eines Repositorys entscheiden, ob Änderungen in den Hauptzweig übernommen werden. Da Beiträge, Commits, Probleme, Abhängigkeiten und Eigentumsangaben als Metadaten erfasst werden, können Repositorys Hinweise auf die Entwicklung und Verbreitung von Technologien geben. Der Bericht erwähnt Gitee als 2020 geförderte Alternative für Entwickler in China.

Der Text hebt hervor, dass öffentliche Implementierungen grundlegender Verfahren des maschinellen Lernens auf GitHub nutzbar sind. Dadurch könnten Anwender ML auf Daten anwenden, ohne die Algorithmen selbst programmieren zu müssen; dies könne Entwicklungszeit und Umsetzungskosten senken und zusätzliche Anwendungen ermöglichen. Der Bericht stellt diese Möglichkeiten als Potenzial dar, nicht als quantifizierte Wirkung.

Um solche Entwicklungen zu untersuchen, hat CSET nach eigener Darstellung einen Datensatz mit 291.264 eindeutigen GitHub-Repositorys und zugehörigen Metadaten zusammengestellt. Er reicht vom Zeitpunkt der Veröffentlichung bis zurück ins Jahr 2008 und wird monatlich aktualisiert. Ein Repository wird aufgenommen, wenn entweder eine Veröffentlichung im zusammengeführten wissenschaftlichen Literaturkorpus von CSET darauf verweist oder es ein KI-relevantes Themenetikett trägt. Die Tags wurden von CSET-Forschenden manuell kuratiert; als Beispiele nennt der Text „machine-learning“ und „unsupervised-learning“. Die Erhebung kombiniert die GitHub-API mit manuellem Auslesen. Sie umfasst laut Bericht nur öffentliche Repositorys.

Als mögliche Anwendungen nennt CSET die Beobachtung, wie Forschung in Softwareprojekte und verbreitete Anwendungen übergeht, sowie die Untersuchung organisatorischer Softwareentwicklung und der Zusammenarbeit an Schlüsseltechnologien. Dazu könnten GitHub-Daten mit weiteren CSET-Datensätzen und Informationen zu verifizierten Organisationskonten verbunden werden.

Eine im Bericht beschriebene Auswertung zählt KI- oder ML-markierte Repositorys mit mehr als drei verschiedenen Beitragenden und betrachtet außerdem die durchschnittliche Zahl von Forks und Commits je Repository im Zeitverlauf. Die Zahl solcher Repositorys sei stark gestiegen. Zugleich deuteten sinkende Durchschnittswerte bei Forks und Commits laut CSET darauf hin, dass die Zusammenarbeit innerhalb einzelner Repositorys abnehme. Der Bericht interpretiert dies als Verteilung der Entwicklung auf mehr Projekte: Anfangs hätten Entwickler häufig gemeinsam an relativ wenigen Repositorys gearbeitet, später hätten sich Projekte und Techniken stärker aufgefächert.

Die Reichweite der Aussagen ist begrenzt: Erfasst werden nur öffentliche Repositorys, und die Auswahl beruht auf Literaturverweisen oder den kuratierten KI-Tags. Der Datensatz bildet daher weder sämtliche GitHub-Projekte noch private Software ab. Der Text liefert eine Beschreibung des Datensatzes und eine beispielhafte zeitliche Auswertung; er belegt damit keine allgemeingültige oder kausale Erklärung für den Rückgang durchschnittlicher Forks und Commits.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Kurz- und Mittelfassung wurden gemeinsam bewertet, da die Aufgabe eine einzige Zusammenfassung verlangt; die Mittelfassung ist treuer. Die Einordnung stützt sich nur auf den Bericht, der sich fast ausschließlich mit GitHub-Daten befasst und die gestellten Fragen zu KI-Sicherheit kaum berührt.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Rolle von GitHub als Plattform mit Versionskontrolle, Branches und Forks (im Text nur grob umrissen).
  • Das Argument, dass öffentlich verfügbare ML-Implementierungen Entwicklungszeit und Kosten senken (fehlt in der Kurzfassung).
  • Die Erwähnung Gitees als chinesische Alternative seit 2020.
  • Der Zeitraum des Datensatzes bis 2008 und die Erhebung über API plus manuelles Auslesen fehlen in der Kurzfassung.

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Die Aussage, die Auswertung belege keine allgemeingültige oder kausale Erklärung des Trends, steht so nicht im Bericht und ist eine eigene Schlussfolgerung Lunas.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M3 Wie stellt man fest, ob ein Vorfall gewollt oder versehentlich war, und ob KI oder herkömmliche Mittel dahinterstecken?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 65 %Hintergrund, keine Belege
    • JEV 42 %Hintergrund, keine Belege
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

    • SF-F2-T03 Ein Minister beschreibt Risiken durch Spionage und Datenabfluss, etwa über quelloffene KI-Agentenwerkzeuge, und durch ein Ungleichgewicht in der technologischen Entwicklung, das Monopole und Technologiebeschränkungen verschärfen. Welche veröffentlichten Belege würden diese Risiken an der Fähigkeit eines Modells statt an seiner Herkunft festmachen? Luna: Stufe 3 · 41 % · Hintergrund, keine Belege
  3. SF-F3 Welche Regeln gelten für gefährliche Fähigkeiten jenseits von Cyber, etwa in Biologie, Chemie, bei radioaktiven Stoffen oder in der Nukleartechnik?
    • clef 100 %kein Bezug
    • Luna 46 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

    • SF-F3-T02 Welche Verantwortung sollten KI-Firmen gegenüber der Öffentlichkeit tragen, wenn ihre Modelle grundlegende wissenschaftliche Entdeckungen ermöglichen, die gefährliche Anwendungen finden könnten? Luna: Stufe 3 · 70 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 51 %einzelne zitierbare Belege
    • JEV 31 %Hintergrund, keine Belege
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

  2. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Tempo und Grenzen
  1. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 58 %einzelne zitierbare Belege
    • JEV 49 %Hintergrund, keine Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 61 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 28 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 73 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Agenten und vernetzte Systeme
  1. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 68 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Modelle teilen und schützen
  1. SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
    • clef 100 %kein Bezug
    • Luna 42 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 65 %Hintergrund, keine Belege
    • JEV 48 %Hintergrund, keine Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 56 %gleiches Oberthema, hilft nicht

    • SF-H2-T01 Was unterscheidet das Veröffentlichen von Modellgewichten (den gelernten Parametern) oder von Agentenwerkzeugen mit offenem Quellcode vom Freisetzen einer Waffe: die Absicht des Akteurs, die Selbstständigkeit des Modells, seine Verwendung oder der Schaden, den es von sich aus anrichten kann? Und können Staaten diese Grenze gemeinsam festschreiben, bevor ein offenes Modell im Mittelpunkt eines schweren Vorfalls steht? Luna: Stufe 3 · 51 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • SF-H2-T04 Wie sollen Staaten mit Open-Source-Modellen aus einem Land umgehen, die in einem anderen schädlich genutzt werden könnten, ohne legitime Forschungszusammenarbeit zu verhindern? Luna: Stufe 3 · 50 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  3. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 51 %einzelne zitierbare Belege
    • JEV 36 %einzelne zitierbare Belege
    • amos 29 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 28 %gleiches Oberthema, hilft nicht
    • d3-ultra 40 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege

  4. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 52 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 55 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 58 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

  2. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 73 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 63 %Hintergrund, keine Belege
    • JEV 56 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht

  4. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 31 %Hintergrund, keine Belege
    • amos 53 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 100 %kein Bezug
    • Luna 56 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →