Neuer Vokabel-Cluster dominiert 45 % der menschlichen GitHub-PRs

Neuer Vokabel-Cluster dominiert 45 % der menschlichen GitHub-PRs

Eine Community-Analyse hat in GitHub-Pull-Requests einen Vokabel-Cluster identifiziert, der 2026 erstmals auftrat und im letzten Monat 45 Prozent aller menschlich zugeordneten Pull-Requests ausmachte. Die Analyse basiert auf einem täglichen Scraping von 100 GitHub-Pull-Requests, die seit 2025 gesammelt und anschließend mit einem Clustering-Verfahren in acht Vokabel-Cluster gruppiert wurden. Aus dieser automatischen Gruppierung ging der betreffende Cluster hervor: Er wurde als einer der acht Cluster erkannt, dessen Vokabular sich signifikant von den übrigen unterscheidet und der im Jahr 2026 neu erschien. Die Identifikation erfolgte also nicht durch manuelle Sichtung, sondern durch die algorithmische Einteilung der täglich erfassten PR-Texte anhand ihrer Wortverteilungen. Dadurch lassen sich Veränderungen im Sprachgebrauch der Entwickler-Community quantitativ nachvollziehen.

Die repräsentativsten Wörter dieses Clusters erinnern nach Angaben der Analyse an Coding-Agenten. Diese Beobachtung deutet darauf hin, dass ein erheblicher Teil der Pull-Requests, die formal menschlichen Autorinnen und Autoren zugeschrieben werden, sprachliche Muster aufweist, die für die Nutzung KI-gestützter Coding-Agenten typisch sind. Die Wörter ähneln typischen Formulierungen, die in der Interaktion mit Coding-Agenten wie Claude Code oder ähnlichen Tools auftauchen – etwa Begriffe aus Agenten-Prompts, automatisch generierten Commit-Messages oder Code-Kommentaren, die von solchen Systemen stammen. Da die Wörter für Nutzer solcher Agenten vertraut wirken, liegt die Vermutung nahe, dass sie aus der Interaktion mit diesen Agenten stammen – etwa durch direkte Übernahme von Agenten-generiertem Code oder durch die Übernahme von Formulierungen, die in der Arbeit mit Agenten üblich sind.

Wenn 45 Prozent der menschlich zugeordneten Pull-Requests solche Muster zeigen, spricht das für eine tiefe Integration von Coding-Agenten in den Arbeitsablauf vieler Entwickler, auch dort, wo der Beitrag nicht als automatisiert gekennzeichnet ist. Da dieser Cluster erst 2026 auftrat und nun bereits 45 % der menschlich zugeordneten Pull-Requests ausmacht, deutet der schnelle Anstieg auf eine breite und tiefe Integration hin – ein solcher Anteil wäre ohne eine weit verbreitete Nutzung von Coding-Agenten kaum zu erklären. Die Analyse liefert damit einen quantitativen Hinweis auf die Verbreitung agentenbasierter Code-Erstellung, ohne dass die Urheberschaft im Einzelfall überprüft wird.

Methodik: Tägliches Scraping und Clustering mit KL-Divergenz

Grundlage der Beobachtung ist ein tägliches Scraping von 100 GitHub-Pull-Requests, mit dem Trends im Vokabular analysiert werden. Die seit 2025 erfassten Pull-Requests wurden mittels KL-Divergenz-k-means in acht Vokabel-Cluster geclustert. Die Wahl fiel auf KL-Divergenz-k-means, weil die KL-Divergenz die Unterschiedlichkeit zweier Wahrscheinlichkeitsverteilungen misst und damit besonders geeignet ist, um die Worthäufigkeitsverteilungen verschiedener Pull-Requests zu vergleichen. Im Gegensatz zu reinen Distanzmaßen auf Rohzählungen berücksichtigt sie die relative Verteilung der Wörter, wodurch Pull-Requests mit ähnlichem Sprachstil auch dann gruppiert werden, wenn sie unterschiedliche Längen haben. Dieses Verfahren ist eine bewährte Praxis für Text-Clustering, da es sensitiv auf Verteilungsunterschiede reagiert und so feine sprachliche Muster erkennt.

Einer der so gebildeten Cluster trat 2026 neu auf und erreichte im letzten Monat einen Anteil von 45 Prozent an allen menschlich zugeordneten Pull-Requests. Es handelt sich um eine neue quantitative Beobachtung, die auf kontinuierlich gescrappten PR-Daten basiert und damit Veränderungen im Sprachgebrauch der Entwickler-Community im Zeitverlauf sichtbar macht. Die tägliche Erfassung ermöglicht eine feingranulare Analyse von Trends, die mit einmaligen Stichproben nicht möglich wäre. Im Gegensatz zu einmaligen Stichproben, die nur einen statischen Schnappschuss liefern, erlaubt die tägliche Erfassung eine hohe zeitliche Auflösung: Sie macht kurzfristige Veränderungen und das plötzliche Auftreten neuer Vokabel-Cluster wie im Jahr 2026 sichtbar, die bei einer einmaligen Erhebung leicht übersehen würden.