Der Rückgang, mit echten Zahlen#
Stack Overflows Fall ist gut dokumentiert. Hier die verifizierten Zahlen.
Traffic: von rund 110 Millionen monatlichen Visits 2022 auf rund 55 Millionen bis 2024, laut SimilarWebs Analyse. Im April 2023 verzeichnete SimilarWeb einen 14%igen Ein-Monats-Rückgang. Der Rückgang begann tatsächlich Mitte 2021, beschleunigte sich aber scharf nach ChatGPTs Launch im November 2022.
Frage-Volumen: Aggregierte Analysen der öffentlichen Stack-Exchange-Daten (Gist von hopeseekr; Blog-Analyse von Tomaz Weiss) zeigen den Kollaps bei monatlichen neuen Fragen:
- März 2023: 87.000 → März 2024: 58.800 (−32,5%)
- Juni 2023: 63.752 → Juni 2024: 41.616 (−34,8%)
- Dezember 2023: 42.716 → Dezember 2024: 25.566 (−40,2%)
- Peak war über 200.000 pro Monat 2014. Bis Ende 2025 lag das monatliche Frage-Volumen unter 50.000. Seit ChatGPTs Launch beträgt der Gesamt-Rückgang rund 76%.
Entlassungen: Stack Overflow entließ rund 10% der Belegschaft im Mai 2023, dann weitere 28% am 17. Oktober 2023. CEO Prashanth Chandrasekar kündigte die zweite Runde direkt an. Zusammen verlor die Firma 2023 über 38% ihrer Belegschaft.
OpenAI-Deal: Stack Overflow kündigte eine Content-Lizenzpartnerschaft mit OpenAI am 6. Mai 2024 an. TechCrunch deckte die finanziellen Implikationen ab. Der Deal ist nicht-exklusiv — Stack Overflow hat auch einen parallelen Google-Deal — und finanzielle Bedingungen wurden nicht offengelegt. Die Partnerschaft war in der Community umstritten, gegeben dass ChatGPT einer der Haupttreiber von Stack Overflows Rückgang war.
Warum die Antwort-Schleife brach#
Den Großteil seiner Geschichte lief Stack Overflow auf einem Austausch. Jemand mit einem Problem schrieb eine Frage. Jemand mit Expertise schrieb eine Antwort. Der Fragende bekam Hilfe. Der Antwortende bekam Reputationspunkte, ein Signal, das er im Lebenslauf zeigen konnte, und wichtig: die Genugtuung, einer spezifischen Person bei einem spezifischen Problem geholfen zu haben, das tausende andere später über Suche finden würden.
Zwei Dinge änderten sich.
Die Sichtbarkeit des Fragenden kollabierte. Eine Antwort auf Stack Overflow 2014 wurde vom Fragenden und von tausenden gelesen, die später auf dasselbe Problem stießen. 2026 wird dieselbe Antwort meist von Crawlern gelesen, die Modelle trainieren, nicht von Menschen, die die Seite treffen. Der Fragende ist wahrscheinlich nicht mehr auf Stack Overflow, weil er zuerst Claude oder ChatGPT fragte. Die nachgelagerten Leser reden mit Modellen, nicht mit den Suchergebnissen. Die Feedback-Schleife, die das Schreiben einer Antwort lohnend fühlen ließ, ist weitgehend verstummt.
Die Asker-Norm erodierte. Stack Overflows Kultur hatte immer eine Norm: Du solltest vor dem Fragen etwas versucht haben. Die Docs gelesen. Ein Minimal-Beispiel geschrieben. Nach existierenden Antworten gesucht. 2026 debuggen die Fragenden, die 2015 eine scharfe, spezifische Frage geschrieben hätten, privat mit einem Modell und posten nie. Die Fragen, die es noch auf die Seite schaffen, sind überproportional die kontextfreien, faulen, die immer am wenigsten Spaß zu beantworten waren. Das tötet Motivation.
Die Kombination — weniger Leser pro Antwort, schlechtere Fragen im Schnitt — hat Stack Overflow nicht über Nacht getötet, aber das Schwungrad getötet. Sobald das Schwungrad langsamer wurde, folgten die Entlassungen und der Traffic-Rückgang.
Wie Developer-Lernen jetzt aussieht#
Hier ist, wo das für Praktiker 2026 wirklich zählt.
Wenn du 2015 ein Problem hattest und es suchtest, wurdest du zu einem Stack-Overflow-Thread gebracht, in dem jemand anderes dasselbe Jahre zuvor gefragt hatte, mit Antworten, die über die Zeit diskutiert, korrigiert und hochgewählt worden waren. Du bekamst die Antwort, aber auch den Kontext: welche anderen Ansätze probiert worden waren, warum dieser als bester galt, welche Edge Cases zu beachten waren, und oft einen Kommentar-Thread, in dem Leute über Feinheiten stritten. Du lerntest über den Problemraum, nicht nur den Fix.
Wenn du 2026 dasselbe Problem hast und Claude fragst, bekommst du die Antwort direkt, selbstbewusst, schnell. Die Antwort ist meist richtig. Was du nicht bekommst, ist der Kontext. Du siehst nicht die drei falschen Ansätze, die zuerst probiert wurden. Du siehst nicht die Maintainer-Notiz "tu das nicht, nimm die andere API". Du siehst nicht die Edge Cases, über die Leute stritten.
Das ist ein echter Verlust. Über die Zeit ist der Effekt, dass einzelne Probleme schneller gelöst werden, während tiefes Verständnis des Ökosystems langsamer akkumuliert. Die Textur von Community-Disput war Teil dessen, was Stack Overflow bildend machte, und diese Textur ist nicht in Modell-Output.
Die Praktiker, die das erkennen und kompensieren — durch Lesen von GitHub Discussions, RFCs und tatsächlichem Source-Code — bauen die Art Wissen, das ihre Peers verlieren. Das ist keine theoretische Sorge. Es zeigt sich in Debugging-Sessions, wenn jemand nicht herausfinden kann, warum sein Code falsch ist, weil er nie das Gegenargument für den kopierten Ansatz lernte.
Kann Stack Overflow sich erholen#
Meine ehrliche Einschätzung mit moderater Sicherheit: nein.
Stack Overflow versuchte OverflowAI, ein KI-Assistenten-Produkt für Enterprises. Es versuchte den OpenAI-Lizenzdeal. Es versuchte Enterprise-Knowledge-Base-Positionierung. Keines davon hat die Kernzahlen bewegt. Frage-Volumen fällt weiter. Traffic sinkt weiter. Entlassungen wurden nicht von dramatischen Turnaround-Ankündigungen gefolgt.
Das Problem ist, dass Stack Overflows Wert immer Netzwerkeffekt-Wert war. Eine Seite mit 10.000 Fragen und einer großen aktiven Community ist wertvoller als eine mit 100.000 Fragen und einer sterbenden. Sobald das Schwungrad langsamer wird, kumuliert es abwärts wie es aufwärts kumulierte. Neue Fragende gehen woanders hin, weniger neue Fragen, schwächerer Grund für Experten dort zu hängen, weniger Antworten, neue Fragende sollten wirklich woanders hingehen.
Das einzige Szenario, in dem Stack Overflow sich sinnvoll erholt, ist, dass Modelle eine Decke treffen, die community-geschriebenen Content wieder deutlich wertvoll macht, während die Seite lebendig genug ist, um zu profitieren. Ich würde nicht darauf wetten. Modelle treffen manchmal Decken, aber ich sehe die Evidenz nicht, dass sie eine treffen, die Wert an Community-Q&A-Seiten zurückgibt.
Was es ersetzt#
Keine einzelne Nachfolger-Seite. Der Ersatz ist fragmentierter: GitHub Discussions, Discord-Server für spezifische Frameworks, Substack-Newsletter mit Kommentar-Threads, Reddit-Subreddits für spezifische Stacks. Der gemeinsame Faden ist, dass diese Venues genug Signal-zu-Rauschen haben, dass Modelle nicht voll substituieren, oft weil sie neu genug sind, dass Modelle noch nicht auf ihnen trainiert wurden.
Der praktische Rat für Entwickler 2026:
- Frag Claude oder ChatGPT nach der Antwort auf das unmittelbare Problem. Sie bringen dich schneller dorthin als Suche.
- Lies GitHub Discussions und RFCs für die Ökosysteme, die du am meisten nutzt. Hier lebt jetzt Maintainer-Level-Wissen, und wo die Subtilität, die Stack Overflow früher bot, noch erscheint.
- Tritt kleineren Community-Räumen bei für Frameworks, die dir wichtig sind. Discord oder Äquivalent.
- Lies den Source. Immer ein hochwirksamer Zug. Mehr wahr jetzt, dass die Abstraktionsschicht über dem Source weniger Signale hat.
Der Second-Order-Effekt#
Stack Overflow ist das erste große Stück Internet-Infrastruktur, das sichtbar von Sprachmodellen abgebaut wird. Es wird nicht das letzte sein. Wikipedias Traffic-Muster werden studiert. Tutorial-Seiten, Dokumentationsprojekte, Reddit — alle spüren dieselbe Dynamik. Das Playbook ist konsistent: KI gibt eine schnellere, persönlichere Antwort; die vermittelnde Seite verliert Visits; die Feedback-Schleife, die sie am Leben hielt, verhungert.
Was diese Vermittler ersetzt, wird kleiner, spezifischer und fragmentierter sein. Ob das gut oder schlecht ist, hängt davon ab, was du an ihnen geschätzt hast. Für den spezifischen Use Case "find die Antwort schnell" ist der Ersatz klar besser. Für den Use Case "bau Ambient-Verständnis deines Felds" ist der Ersatz schlechter. Viel stille Developer-Wissensaneignung passierte über den zweiten Use Case, und wir beginnen gerade, den Effekt zu sehen, dass es verschwindet.
Weiterlesen#
- Vibe Coding ist eine Lüge zu den Daten, die zeigen, dass Senior-Entwickler nicht so beschleunigen, wie Hype suggeriert.
- Das Ende der KI-Directory-Seiten für einen weiteren Fall eines Internet-Genres, das von denselben Kräften umgeformt wird.
- Context Window vs Memory warum Modell-Output noch Lücken hat, die Community-Wissen füllte.
Quellen#
- SimilarWeb zu Stack Overflow Rückgang: https://www.similarweb.com/blog/insights/ai-news/stack-overflow-chatgpt/
- Pragmatic-Engineer-Analyse: https://blog.pragmaticengineer.com/are-reports-of-stackoverflows-fall-exaggerated/
- Frage-Volumen-Daten (Gist): https://gist.github.com/hopeseekr/f522e380e35745bd5bdc3269a9f0b132
- Tomaz-Weiss-Blog-Analyse: https://tomazweiss.github.io/blog/stackoverflow_decline/
- TechCrunch zu 28% Entlassung, Oktober 2023: https://techcrunch.com/2023/10/17/stack-overflow-cuts-28-of-its-staff/
- OpenAI-Stack-Overflow-Partnerschafts-Ankündigung: https://openai.com/index/api-partnership-with-stack-overflow/
- TechCrunch zu OpenAI-Deal, Mai 2024: https://techcrunch.com/2024/05/06/stack-overflow-signs-deal-with-openai-to-supply-data-to-its-models/
