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
cset9. November 2022 · Q006001

Global GitHub: Mapping the Utilization of Open Source Software by Organizations

cset.georgetown.edu · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht stellt mögliche Vorteile von GitHub für Organisationen dar und wertet die geografische Verteilung verifizierter Organisationen mit öffentlichen Projekten in einem begrenzten CSET-Datensatz aus. Die USA führen bei der Gesamtzahl, während seit 2019 mehr Organisationen außerhalb der USA hinzukamen; die Daten erfassen jedoch nicht alle GitHub-Nutzer oder -Projekte und der Text nennt keine konkreten Prozentwerte.

Mittel

Der Bericht beschreibt, wie Organisationen GitHub für öffentliche Open-Source-Projekte nutzen und welche möglichen Vorteile daraus entstehen. GitHub erleichtert laut Text die Zusammenarbeit zwischen Entwicklerteams und Nutzern: Teams können Änderungen und Fehler verfolgen, Dokumentation bereitstellen und über Problemlisten sowie Pull Requests Rückmeldungen erhalten. Open-Source-Projekte könnten außerdem kostenpflichtige Angebote bewerben und Organisationen bei der Ansprache von Beschäftigten helfen.

Die geografische Auswertung betrachtet verifizierte Organisationen mit öffentlichen Repositorien in einem CSET-Datensatz. Dieser erfasst Projekte mit bestimmten KI-Themen oder Erwähnungen in einem zusammengestellten Korpus wissenschaftlicher Literatur. Organisationen wurden für die Standortzuordnung mit Crunchbase, LinkedIn oder ITJuzi abgeglichen. Die USA haben laut Bericht die meisten erfassten verifizierten Organisationen. Zugleich kamen zwischen 2019 und dem Veröffentlichungszeitpunkt vermehrt Organisationen außerhalb der USA hinzu, darunter aus Nigeria, Saudi-Arabien und Indien. Der Bericht deutet dies als wachsendes internationales Interesse; als mögliche Erklärung für das langsamere US-Wachstum nennt er die bereits früh etablierte Nutzung. Die Daten bilden weder alle Organisationen noch alle GitHub-Repositorien ab, und die Textfassung liefert keine konkreten Prozentwerte aus den Abbildungen.

Ausführlich lesen

Der Bericht von Christian Schoeberl untersucht, wie Organisationen weltweit öffentliche GitHub-Projekte nutzen und wie sich ihre Präsenz auf der Plattform verändert. Er erläutert zunächst, welche Vorteile Open-Source-Projekte Organisationen bieten können: GitHub bündelt die Zusammenarbeit zwischen Entwicklerteams und späteren Nutzern. Teams können Änderungen nachverfolgen, Softwareprobleme koordinieren und Dokumentation wie häufige Fragen, Einstiegshilfen und bekannte Fehler bereitstellen. Über öffentliche Problemlisten und Pull Requests können Nutzer Rückmeldungen geben und an Projekten mitarbeiten. Laut Bericht kann das Organisationen helfen, Fehler schneller zu erkennen und Nutzern Einblick in die Funktionsweise der eingesetzten Software geben. Diese Vorteile sind Möglichkeiten, keine Garantie für bessere oder sicherere Software.

Der Text nennt außerdem mögliche Vorteile jenseits der Entwicklung. Open-Source-Werkzeuge könnten kostenpflichtige Angebote bekannt machen und als Marketing für potenzielle Beschäftigte dienen, indem Organisationen und Kandidaten ihre Projekte und Fähigkeiten präsentieren. GitHub unterscheidet persönliche, Organisations- und Unternehmenskonten. Das untersuchte Datenset enthält laut Fußnote jedoch nur persönliche Konten und Organisationskonten. Der Bericht beschreibt Organisationskonten als hilfreich für Teams und erwähnt, dass Organisationen ihre Konten verifizieren lassen können.

Die geografische Auswertung beruht auf verifizierten Organisationen mit öffentlichen Repositorien im CSET-GitHub-Datensatz. Dieser umfasst Repositorien mit von CSET kuratierten KI-Themen sowie solche, die im zusammengeführten Korpus wissenschaftlicher Literatur von CSET erwähnt werden. Um Standortangaben zuverlässiger zuzuordnen, wurden verifizierte Organisationen mit Einträgen bei Crunchbase, LinkedIn oder ITJuzi abgeglichen. Der Bericht stellt fest, dass die USA bei der Gesamtzahl der erfassten verifizierten Organisationen führen. Er hält zugleich fest, dass die Datengrundlage weder alle Organisationen noch alle GitHub-Repositorien abbildet. Standortangaben in GitHub-Profilen seien oft uneinheitlich und unzuverlässig. Zudem könnten regionale Alternativen wie das chinesische Gitee in ihren jeweiligen Märkten stärker verbreitet sein.

Für die Entwicklung von 2019 bis zum Zeitpunkt der Veröffentlichung vergleicht der Bericht die Zahl verifizierter Organisationen, deren Konten ab 2019 angelegt wurden, mit der Zahl der vor 2019 angelegten Konten. Danach traten Organisationen außerhalb der USA in den letzten drei Jahren verstärkt hinzu, während die USA bei der Gesamtzahl weiter vorn lagen. Als mögliche Erklärung für den geringeren Zuwachs bei US-Organisationen nennt der Bericht deren bereits langjährige Nutzung von GitHub. Zuwächse in Nigeria, Saudi-Arabien und Indien werden als Hinweise auf wachsendes internationales Interesse gedeutet. Die vorliegende Textfassung nennt keine konkreten Prozentwerte aus den Abbildungen; auch die Ergebnisse gelten nur für die beschriebene, begrenzte Datenauswahl.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas beide Zusammenfassungen sind weitgehend treu; die Auslassungen betreffen Kontext wie Herkunft von GitHub und Gitee, nicht Kernaussagen. Die Sammelfragen sind thematisch weit vom Bericht entfernt, daher fallen die Einordnungen niedrig aus. Teilfragen wurden nicht angegeben.

Im Bericht, aber nicht in der Zusammenfassung

  • GitHub wurde 2007 im Silicon Valley entwickelt, was die US-Dominanz laut Bericht erklärt
  • Alternativen wie Gitee (China, 2013) können in anderen Regionen dominanter sein
  • Die drei GitHub-Kontotypen (individual, organization, enterprise) und die Verifizierung von Organisationen
  • Die Auswertung ist nicht repräsentativ und bezieht sich nur auf Repositorien mit KI-Bezug bzw. Erwähnung im Literaturkorpus

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-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 58 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 28 %nur am Rande erwähnt
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 53 %Hintergrund, keine Belege
    • JEV 45 %gleiches Oberthema, hilft nicht
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • 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 57 %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
    • Haiku-Prüfung nur am Rande erwähnt
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 50 %Hintergrund, keine Belege
    • JEV 40 %Hintergrund, keine Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 45 %gleiches Oberthema, hilft nicht
  3. 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 35 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 48 %gleiches Oberthema, hilft nicht
    • 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 →