A Longitudinal Panel of GitHub Engineering Velocity for Venture-Backed Startups: Dataset and Early Observations

In der hochriskanten Welt des Risikokapitals, in der Investoren auf die Zukunft neuer Unternehmen setzen, stützte sich die traditionelle Methode, das nächste große Ding zu finden, lange Zeit auf persönliche Netzwerke. Investoren warten oft darauf, dass ein Gründer eine Vorstellung arrangiert oder ein Unternehmen ankündigt, dass es Geld einsammelt. Doch ein stiller Wandel vollzieht sich. Anstatt auf einen Telefonanruf zu warten, suchen viele Investoren nun nach den digitalen Fußabdrücken, die die Unternehmen selbst hinterlassen. Bevor ein Startup jemals mit einer Bank oder einem potenziellen Investor spricht, ist sein Engineering-Team oft schon bei der Arbeit und schreibt Code sowie entwickelt Software. Diese Arbeit findet in öffentlichen Räumen im Internet statt, speziell auf einer Plattform namens GitHub, auf der Entwickler ihre Projekte teilen. Die Kernidee ist simpel: Die Geschwindigkeit und das Volumen dieser öffentlichen Arbeit können als Frühwarnsystem dienen, das offenlegt, welche Unternehmen schnell wachsen und welche kämpfen – oft noch bevor offizielle Nachrichten veröffentlicht werden.

Eine neue Studie von Maryan Kindrat nimmt dieses Konzept und verwandelt es in ein konkretes, messbares Protokoll. Die Forscherin hat ein detailliertes Logbuch der Engineering-Aktivitäten für 55 durch Risikokapital unterstützte Startups aus 20 verschiedenen Branchen zusammengestellt, die von künstlicher Intelligenz über Gaming bis hin zu Rechtstechnologie reichen. Dieses Logbuch deckt fünf Quartale an Aktivitäten ab, vom zweiten Quartal 2025 bis zum zweiten Quartal 2026. Für jedes Unternehmen in der Gruppe verfolgt die Studie spezifische Aktionen über rollierende Zwei-Wochen-Zeiträume: die Commit-Velocity (die Rate der Code-Aktualisierungen), die Anzahl der einzigartigen Personen, die zum Projekt beigetragen haben, und ob das Unternehmen neue digitale Repositories erstellt hat – das sind im Wesentlichen Ordner, in denen Softwareprojekte existieren. Indem die Forscherin diese Zahlen im Zeitverlauf beobachtet, kann sie deutliche Muster erkennen, die signalisieren, was ein Unternehmen unter der Haube tatsächlich tut.

Die Studie identifiziert vier Hauptarten von Aktivitäten, die darauf hindeuten, dass ein Unternehmen an Fahrt gewinnt. Das häufigste Muster, das bei drei von vier Beobachtungen auftritt, wird als Framework-Migration bezeichnet. Dies geschieht, wenn ein Team eine konzentrierte Phase von Änderungen an den zugrunde liegenden Regeln und Konfigurationen ihrer Software durchführt, ohne neue Leute in das Team aufzunehmen. Es signalisiert oft, dass das Unternehmen sein Produkt umschreibt, um schneller oder skalierbarer zu werden. Ein zweites Muster ist ein Engineering-Hiring-Burst, bei dem die Anzahl der Personen, die zum Code beitragen, schneller wächst als die Menge des geschriebenen Codes, was darauf hindeutet, dass das Team expandiert. Ein drittes Muster ist der Infrastructure-Buildout, der auftritt, wenn ein Unternehmen damit beginnt, neue öffentliche Projektordner zu erstellen, was oft darauf hindeutet, dass sie eine neue Plattform aufbauen oder eine große Enterprise-Einführung vorbereiten. Das letzte Muster ist ein Deploy-Frequency-Spike, bei dem die Geschwindigkeit der Codierung scharf ansteigt, ohne dass es eine proportionale Zunahme der Mitarbeiterzahl gibt, was meist bedeutet, dass ein kleines Team versucht, einen bestimmten Meilenstein schnell abzuschließen.

Als die Forscherin die Daten dieser 55 Unternehmen analysierte, offenbarte sich eine Landschaft intensiver und vielfältiger Aktivitäten. Über die 219 aufgezeichneten Zeiträume hinweg machte das typische Unternehmen etwa 71 Aktualisierungen seines Codes in einem Zwei-Wochen-Fenster, wobei der Durchschnitt durch einige extrem aktive Projekte, die fast 400 Aktualisierungen erreichten, nach oben gezogen wurde. Das Tempo der Veränderung war volatil; von einem Quartal zum nächsten verlangsamten einige Unternehmen ihre Arbeit um fast die Hälfte, während andere ihren Output um mehr als 1.600 Prozent beschleunigten. Fast die Hälfte aller Beobachtungen zeigte ein positives Wachstum in der Codierungsgeschwindigkeit. Die Studie stellte auch fest, dass die Art der Aktivität je nach Standort variierte. In den Vereinigten Staaten zeigten die Daten eher Hiring-Bursts und schnelle Deployment-Spikes, während Unternehmen in Europa eher Anzeichen von Framework-Migrationen aufwiesen. Die Studie weist jedoch vorsichtig darauf hin, dass diese geografischen Unterschiede vorläufig sind, da die Daten vieler Unternehmen nicht einem spezifischen Land zugeordnet werden konnten.

Trotz der Klarheit dieser Muster ist die Studie explizit darüber, was sie noch nicht sagen kann. Die Daten beschreiben die linke Seite der Gleichung: die Engineering-Aktivität. Sie verknüpfen diese Aktivitäten noch nicht mit der rechten Seite: den tatsächlichen finanziellen Ergebnissen. Die Forscherin hat diese Codierungsmuster noch nicht mit spezifischen Finanzierungsankündigungen, Börsennotierungen oder Übernahmen verknüpft. Dies ist eine bewusste Einschränkung der aktuellen Veröffentlichung. Das Ziel ist es, eine saubere, öffentliche Baseline von Engineering-Signalen bereitzustellen, die andere Forscher nutzen können. Indem man diese Daten mit externen Datensätzen kombiniert, die dokumentieren, wann Unternehmen Geld eingeworben haben, könnten zukünftige Studien ermitteln, ob ein Anstieg der Codierungsaktivität tatsächlich eine erfolgreiche Investition vorhersagt. Für den Moment steht das Werk als eine detaillierte Karte der digitalen Baustellen, auf denen die nächste Generation von Unternehmen gebaut wird, und bietet einen seltenen, objektiven Blick auf den Rhythmus der Innovation, noch bevor die Schlagzeilen erscheinen.