18 Jahre Wandel bei Technologietrends anhand von Hacker-News-Daten
(hackernewstrends.com)- Hacker Trends ist ein Dienst, der rund 45 Millionen auf Hacker News gesammelte Beiträge und Kommentare analysiert und als Zeitreihe zeigt, wie sich die Zahl der Erwähnungen bestimmter Technologien, Produkte, Unternehmen und Personen verändert hat.
- Mehrere Suchbegriffe können in einem Diagramm dargestellt werden, um den Wettbewerb zwischen Technologien, den Generationenwechsel im Markt und sprunghafte Anstiege des Interesses durch bestimmte Ereignisse zu vergleichen.
- Technologietrends steigen meist abrupt rund um konkrete Ereignisse wie Produktneuheiten, Unternehmensübernahmen, Lizenzänderungen, Sicherheitsvorfälle oder Veränderungen im Branchenumfeld.
- Langfristige Daten zeigen, dass Entwicklerwerkzeuge und Plattformen meist nicht auf einmal ersetzt werden, sondern sich so verändern, dass das Interesse an bestehenden Technologien abnimmt und neue Technologien deren Rolle übernehmen.
- Die Zahl der Erwähnungen auf Hacker News zeigt allerdings nur das Interesse der Entwickler-Community und belegt weder direkt Marktanteile noch technische Überlegenheit.
Einleitung
Den Wandel im Entwicklerdiskurs mit Daten nachverfolgen
- Hacker Trends bietet ein monatliches Histogramm dazu, wie häufig bestimmte Begriffe in den vergangenen 18 Jahren auf Hacker News erwähnt wurden.
- Nutzer können mehrere Suchbegriffe gleichzeitig eingeben, um Veränderungen beim Interesse an Technologien und Unternehmen zu vergleichen.
- Wird ein bestimmter Monat oder Zeitraum ausgewählt, lassen sich die tatsächlichen Beiträge und Kommentare aus diesem Zeitpunkt ansehen.
- Für Datensuche und Aggregation wird Upstash Redis Search genutzt; die Grundlage sind rund 45 Millionen Datensätze.
- Es bleibt nicht bei einem einfachen Suchvolumen-Diagramm, sondern ist so aufgebaut, dass sich auch die Beiträge und Ereignisse ansehen lassen, die den Anstieg des Interesses ausgelöst haben.
Hauptteil
Technologien verändern sich durch Generationenwechsel
-
Veränderungen bei Entwicklerwerkzeugen und Plattformen zeigen sich meist nicht dadurch, dass bestehende Technologien sofort verschwinden, sondern dadurch, dass neue Technologien schrittweise Aufmerksamkeit gewinnen.
-
Typische Beispiele sind die folgenden.
- Nachdem das Interesse an CoffeeScript zurückging, stieg TypeScript zur dominierenden JavaScript-Erweiterungssprache auf.
- Eine von Jenkins geprägte CI-Umgebung verlagerte sich seit 2021 hin zu GitHub Actions.
- Eine von Webpack dominierte Build-Umgebung verlagerte sich seit 2022 in Richtung Vite.
- Im editorzentrierten Ökosystem rund um Vim wuchs Neovim seit 2021 schnell.
- Diskussionen über Datenbanken verlagerten sich ungefähr zwischen 2017 und 2020 von MySQL zu PostgreSQL.
-
Diese Veränderungen lassen sich weniger als bloße Mode verstehen, sondern eher als kumuliertes Ergebnis von Entwicklerfreundlichkeit, Performance, Ökosystem-Support und veränderten Bereitstellungsmodellen.
AI-Technologien wuchsen durch eine Kette von Release-Impulsen
-
Im Bereich generativer AI zeigt sich die Eigenschaft, dass die Zahl der Erwähnungen mit jeder Vorstellung neuer Modelle und Dienste stufenweise ansteigt.
-
Zu den wichtigsten Objekten des Interesses gehören ChatGPT, GPT-4, Claude, Gemini, Llama, Mistral und DeepSeek.
-
Bei AI-Coding-Tools ist eine Verlagerung des Interesses von Cursor über Claude Code zu Codex zu beobachten.
- Cursor erhielt in der zweiten Hälfte von 2024 viel Aufmerksamkeit.
- Claude Code stieg Mitte 2025 schnell auf.
- Codex gewann seit Anfang 2026 an Interesse.
-
Bei offenen Modellen weitete Llama 2023 den Markt aus; danach bildeten Mistral und Qwen eine Wettbewerbssituation.
-
Das Interesse am AI-Bereich wird nicht nur von Leistungssteigerungen beeinflusst, sondern stark auch von Ereignissen wie Modellveröffentlichungen, Open-Source-Politik, Konkurrenz zwischen Unternehmen sowie Fusionen und Übernahmen.
Bei Infrastrukturtechnologien verlagerte sich die Führungsrolle je nach Aufgabe
-
In Cloud- und Entwicklungsinfrastruktur verschob sich die Führungsrolle kontinuierlich zwischen Technologien mit ähnlicher Funktion.
-
Wichtige Beispiele sind die folgenden.
- Nachdem Docker 2014–2015 Container-Technologie populär gemacht hatte, stieg Kubernetes zum Zentrum der Orchestrierung auf.
- Heroku dominierte zunächst den Markt für einfache Deployments; später wuchsen Netlify und Vercel auf Basis der Ökosysteme rund um JAMstack beziehungsweise Next.js.
- Eine von Apache geprägte Webserver-Umgebung verlagerte sich zu nginx; später erhielt Caddy mit automatischem HTTPS Aufmerksamkeit.
- Der Markt für Server-Konfigurationsmanagement rund um Chef und Puppet verlagerte sich hin zu agentlosem Ansible.
- Im Bereich Observability weiteten Prometheus, Grafana und Datadog ihr Interesse jeweils rund um Datenerfassung, Visualisierung und integrierte SaaS-Rollen aus.
-
Das zeigt, dass sich die Kriterien für Technologieentscheidungen von den Funktionen eines einzelnen Produkts auf Deployment-Automatisierung, einfache Verwaltung, Integration und Cloud-Eignung ausgeweitet haben.
Bestimmte Ereignisse verstärken das Interesse kurzfristig
-
Die Zahl technischer Erwähnungen auf Hacker News zeigt nicht nur langfristiges Wachstum, sondern auch vorübergehende Ausschläge durch bestimmte Ereignisse.
-
Typische Ereignisse sind die folgenden.
- Als Unity 2023 seine Runtime-Gebührenpolitik ankündigte, stiegen nicht nur die Erwähnungen von Unity, sondern gleichzeitig auch die von Unreal und Godot.
- Als Heroku 2022 den kostenlosen Tarif einstellte, nahm die zugehörige Diskussion wieder stark zu.
- Mastodon gewann 2022 im Zuge der Nutzerabwanderung nach der Twitter-Übernahme an Aufmerksamkeit.
- Bluesky stieg 2024–2025 als neue Alternative unter den sozialen Plattformen auf.
- Zoom und Microsoft Teams wurden 2020 mit der Ausbreitung von COVID-19 und dem Wechsel zu Remote-Arbeit sprunghaft häufiger erwähnt.
-
Das wachsende Interesse an konkurrierenden Technologien kann nicht nur aus eigener Innovation entstehen, sondern auch aus politischen Fehlentscheidungen etablierter Anbieter oder aus Markterschütterungen.
Sicherheitsvorfälle zeigen sich als klar datierbare Ausschläge
- Im Sicherheitsbereich konzentrieren sich Erwähnungen weniger auf langfristige Interessensverschiebungen, sondern eher auf Zeitpunkte großer Schwachstellen oder Vorfälle.
- Zu den wichtigsten Analyseobjekten gehören Heartbleed, Log4j, XZ Utils, Spectre, SolarWinds, WannaCry und CrowdStrike.
- Solche Ereignisse erscheinen auch im Diagramm als deutliche Ausschläge, weil der Schadenszeitpunkt klar erkennbar ist, etwa bei der Offenlegung von Schwachstellen, Supply-Chain-Angriffen oder Dienstausfällen.
- Mit sicherheitsbezogenen Daten lässt sich vergleichen, welchen Einfluss bestimmte Ereignisse auf Technologieentscheidungen von Entwicklern und Unternehmen hatten.
Lizenzpolitik ordnet das Open-Source-Ökosystem neu
-
Lizenzänderungen bei Open-Source-Projekten führen zu starken Reaktionen der Entwickler-Community und zur Entstehung neuer Fork-Projekte.
-
Typische Beispiele sind die folgenden.
- MongoDBs Wechsel zur SSPL
- Elastsics Lizenzänderung
- HashiCorps Lizenzänderung bei Terraform und der Aufstieg von OpenTofu
- Redis’ Lizenzänderung und das Auftreten von Valkey
-
Eine Lizenzänderung bleibt nicht bei einer Anpassung rechtlicher Bedingungen, sondern beeinflusst das Vertrauen von Cloud-Anbietern und Entwickler-Community sowie die Nachhaltigkeit eines Projekts.
-
Das Interesse an einer Technologie wird nicht nur durch Funktionen und Performance bestimmt, sondern auch durch die Politik und Governance ihrer Betreiber.
Auch Branchenumfeld und gesellschaftliche Debatten verändern den Technikdiskurs
- Hacker Trends behandelt nicht nur Programmiersprachen und Produkte, sondern auch Veränderungen im Branchenumfeld und in der Entwicklerkultur.
- Zu branchennahen Themen gehören Entlassungen, Rezession, AI-Blase, Rückkehr ins Büro, Burnout, Gewerkschaften und die Vier-Tage-Woche.
- Zu Themen der Entwicklerkultur gehören Technical Debt, Code Review, Agile, Scrum, Microservices, Serverless und Monorepo.
- Diese Themen zeigen, dass Technologietrends nicht nur mit der Entwicklung der Technik selbst verbunden sind, sondern auch mit Arbeitsmarkt, Organisationsformen, Regulierung und gesellschaftlichen Debatten.
Die Interpretation der Suchergebnisse hat Grenzen
- Da der Anteil von Entwicklern, Gründern und Technikbeschäftigten unter den Nutzern von Hacker News höher ist als in der Allgemeinbevölkerung, repräsentieren die Ergebnisse nicht das Interesse der Gesamtgesellschaft.
- Ein Anstieg der Erwähnungen eines Begriffs kann nicht nur durch positive Bewertung entstehen, sondern auch durch Kritik, Ausfälle, Sicherheitsvorfälle oder politische Kontroversen.
- Es besteht zudem die Möglichkeit, dass Technologien mit demselben Namen oder allgemeine Substantive in die Suchergebnisse einfließen.
- Aus Suchvolumen allein lassen sich reale Nutzerzahlen, Umsatz, Marktanteile oder technische Leistung nur schwer ableiten.
- Deshalb eignet sich Hacker Trends eher als ergänzendes Material zur Erkundung von Interessensverschiebungen und wichtigen Ereignissen in der Technologie-Community als als endgültige Grundlage für Marktanalysen.
Fazit
Verlauf und Ursachen technologischer Veränderungen gemeinsam untersuchen
- Hacker Trends ist ein Dienst, der auf langfristigen Daten von Hacker News basiert und Anstieg und Rückgang des Interesses an Technologien und Unternehmen visuell vergleicht.
- Die Analyse zeigt wiederkehrende Generationenwechsel in Bereichen wie Editoren, Programmiersprachen, Cloud-Plattformen, Datenbanken und AI-Modellen.
- Starke Anstiege des Interesses hängen meist mit Produktveröffentlichungen, Unternehmensübernahmen, Lizenzänderungen, Sicherheitsvorfällen, politischen Fehlentscheidungen und Veränderungen des gesellschaftlichen Umfelds zusammen.
- Da auch die tatsächlichen Beiträge und Kommentare bereitgestellt werden, lässt sich nicht nur die Zahl der Erwähnungen verfolgen, sondern auch, wie Entwickler die jeweilige Technologie damals bewertet haben.
- Es handelt sich jedoch um Daten zum Interesse innerhalb von Hacker News und sie sollten deshalb zusammen mit Marktanteilen, Nutzerstatistiken und Umsatzdaten interpretiert werden.
3 Kommentare
So betrachtet gab es dieses Jahr im Februar wirklich extrem viele Show-HN-Beiträge. Haben alle das wohl zum Jahresende gebaut und dann im Februar gesammelt veröffentlicht?
Ich glaube, das war ungefähr der Zeitpunkt, als Opus 4.6 erschien und sich mit Claude Code erstellte Dinge verbreiteten, sodass die ersten Ergebnisse herauskamen.
Auch Show GN nimmt tendenziell immer weiter zu. Auch in Korea scheint die Zahl der mit Unterstützung von AI erstellten Dinge nach und nach zuzunehmen.
Hacker-News-Kommentare
Ich betreibe eine öffentliche ClickHouse-Datenbank mit Hacker-News-Daten, die man direkt unter https://play.clickhouse.com/play?user=play#U0VMRUNUICogRlJPT... abfragen kann.
Einen ähnlichen Service kann man nur mit einer SQL-Abfrage und einer HTML-Seite bauen, und ich habe außerdem einen öffentlichen Data Lake geöffnet, den man von überall aus abfragen kann: https://github.com/ClickHouse/ClickHouse/issues/29693#issuec...
Er wird auch in Echtzeit aktualisiert.
Google Trends zeigt das Suchvolumen, das hier zeigt veröffentlichten Text, also ist es etwas anderes.
Es ist eher so, als würde Google Trends Wortvorkommen auf Webseiten zählen, oder als würde Google Ngrams statt Bücher Webseiten zählen.
Menschen suchen jedes Mal nach „burger“, wenn sie Burger-Lieferung wollen, aber über Dinge ohne Nachrichtenwert wird nicht viel geschrieben, daher lassen sich die beiden Datensätze nicht ohne Weiteres gleich verwenden.
Das heißt nicht, dass das Produkt an sich nicht cool ist; man sollte diesen Unterschied bei der Nutzung nur im Hinterkopf behalten.
Ich habe beim Herunterscrollen erst spät gemerkt, warum es sich seltsam anfühlte: Diese Daten zeigen nicht, wonach HN-Leute tatsächlich suchen, sondern worüber sie gerade schreiben.
Dieses Tool aggregiert sowohl Posts als auch Kommentare, daher sind HN-Posts und -Kommentare aus der Perspektive „Worüber wollen die Leute mehr wissen und diskutieren?“ der Suche ziemlich ähnlich.
Beliebte Posts haben viele Kommentare, wodurch zugehörige Begriffe stärker nach oben gehen, während Themen, die nicht zünden, wegen weniger zugehöriger Kommentare niedriger ausfallen.
Wenn man tatsächlich blockchain und OpenAI vergleicht, ergibt sich das vorhersehbare Ergebnis, dass bis in die späten 2010er blockchain hervorsticht und seit dem Start von ChatGPT OpenAI vorne liegt; der Google-Trends-Graph sieht ebenfalls ziemlich ähnlich aus.
Sieht nach einem Hug of death aus.
/api/hn -> 504 An error occurred with your deployment FUNCTION_INVOCATION_TIMEOUT cle1::c8vgv-1782399959042-aeba3cae05ff/api/hn -> 502 {"error":"Your database has been temporarily rate-limited, please contact support@upstash.com for further details."}/api/hn -> 502 {"error":"Search entry should have an initialized schema, command was: [\"SEARCH.AGGREGATE\",\"hn\",\"{\\\"$or\\\":[{\\\"title\\\":{\\\"$eq\\\":\\\"anthropic\\\",\\\"$boost\\\":5}},{\\\"text\\\":{\\\"$eq\\\":\\\"anthropic\\\"}}]}\",\"{\\\"by_month\\\":{\\\"$dateHistogram\\\":{\\\"field\\\":\\\"time\\\",\\\"fixedInterval\\\":\\\"30d\\\"}},\\\"top_authors\\\":{\\\"$terms\\\":{\\\"field\\\":\\\"by\\\",\\\"size\\\":6}},\\\"by_type\\\":{\\\"$terms\\\":{\\\"field\\\":\\\"type\\\",\\\"size\\\":4}}}\"]"}/api/hn -> 504 An error occurred with your deployment FUNCTION_INVOCATION_TIMEOUT cle1::48fnt-1782412720840-4855b2b75b5a.Ich bekomme
/api/hn -> 502 {"error":"Your database has been temporarily rate-limited, please contact support@upstash.com for further details."}.Cool. Hier scheint es einen Bug zu geben: https://hackernewstrends.com/?q=vim&q=emacs&q=zed
Aus irgendeinem Grund enden die Ergebnisse bei 2018-10, aber in der Vorschau unter „Popular Comparisons“ wird auch die Zeit danach angezeigt.
Das erinnert mich an ein Side-Projekt, an dem ich arbeite.
https://gitlab/here_forawhile/torum
Ein HN-Klon, der mit HN synchronisiert wird, damit man in einer kleineren privaten Community auf Basis der Inhalte diskutieren kann, die auf HN gepostet wurden, ohne direkt auf HN sein zu müssen.
Es indiziert außerdem die Datenbank und unterstützt die Suche, was ziemlich nützlich ist, um Posts zu finden, die mein Interesse wecken.
„peak“ bezeichnet normalerweise den Gipfel oder höchsten Punkt von etwas, etwa bei einem Berg.
Es wäre nützlich, nach Gesamtvolumen zu normalisieren, damit man statt des bloßen Wachstums der Website die Veränderung einzelner Begriffe selbst sehen kann.
Momentan muss man einen allgemeinen Begriff mit in denselben Graphen aufnehmen, und wenn man den falschen wählt, kann die Interpretation noch verwirrender werden.
Sonst würden die Suchergebnisse für den Großteil der Wachstumsphase der Website im Grunde wie eine Variante von https://xkcd.com/1138/ aussehen.
Im Bereich Wissenschaft und Frontier-Tech ist es interessant, wie stark lk-99 ausgeschlagen hat.
Cooles Konzept, und es wäre gut, wenn für jeden Kommentar, der einen bestimmten Begriff erwähnt, positive bzw. negative Stimmung berechnet würde.
So könnte man zum Beispiel die Trends für
cloudflare (positive)undcloudflare (negative)getrennt betrachten, indem man beim ersten nur Kommentare mit einer Sentiment-Konfidenz über 0,6 zählt und beim zweiten nur Kommentare mit einem Sentiment-Score unter 0,4.Interessantes Projekt und gut umgesetzt. Eine Option zur Anpassung auf relative Größenordnung wäre schön.
Wenn die Suchergebnisse für „iPhone“ zum Beispiel um 2025 herum sinken, ist schwer zu sagen, ob das tatsächliches nachlassendes Interesse ist oder ob in diesem Jahr einfach die Zahl der Hacker-News-Kommentare gesunken ist.
Wenn man nach allgemeinen Wörtern wie „the“ oder „is“ sucht, scheint Letzteres wahrscheinlicher zu sein.
Bei nicht alphanumerischen Zeichen sollte man vorsichtig sein.
Zum Beispiel scheint C# im Graphen tatsächlich mit C gematcht zu werden, während in den Beispiel-Artikeltiteln nur C# hervorgehoben wird.