Früher gab es beim Programmieren einen verlässlichen Punkt, an dem ich irgendwann bei Stack Overflow landete. Wenn die Dokumentation nicht half, Google nur ähnliche Probleme ausspuckte und ich nach längerem Debugging immer noch nicht weiterkam, hatte mit hoher Wahrscheinlichkeit schon jemand genau diesen Fehler gehabt. Irgendwo zwischen einer akzeptierten Antwort, drei Kommentaren und einer Jahre später ergänzten Lösung fand sich meistens der entscheidende Hinweis.
Heute nutze ich die Plattform nicht mehr direkt. Aufgefallen ist mir das erst vor Kurzem, eher beiläufig und mit dem Gefühl: Da war doch mal was. Aus diesem Moment ist dieser Artikel entstanden.
Die Probleme sind nicht verschwunden. Meine Arbeit mit Code auch nicht – aber wie ich sie mache, hat sich grundlegend verändert. Code entsteht bei mir heute vollständig in einem agentischen Workflow rund um mein eigenes Agent Development Kit (ADK). Statt einzelne Lösungen zu suchen und anschließend selbst zusammenzubauen, arbeite ich direkt im Kontext des jeweiligen Projekts mit Modellen, Tools und Tests. Wesentliche Entscheidungen gebe ich weiterhin selbst frei.
Damit hat sich fast nebenbei auch verändert, wo ich nach Lösungen suche. Früher führte mich eine konkrete Frage häufig zu Stack Overflow. Heute beschreibe ich das Problem einem LLM oder gebe dem Coding-Agenten den relevanten Kontext; der nächste Schritt kann eine Rückfrage sein, eine Codeänderung oder direkt ein Test.
Ich habe Stack Overflow nicht bewusst durch etwas anderes ersetzt. Der Arbeitsschritt, in dem ich Stack Overflow brauchte, ist weitgehend verschwunden.
Meine eigene Nutzung sagt zunächst wenig darüber aus, was insgesamt passiert. Die Daten zeigen aber eine sehr ähnliche Bewegung. Deshalb ist der Fall mehr als die Geschichte einer Entwicklerplattform, die unter ChatGPT leidet: Er zeigt, wie sich die Architektur des Internets verändert – und was mit jeder Website passieren kann, deren Inhalte AI-Systeme verarbeiten.
Der Rückgang begann nicht mit ChatGPT
Die einfache Erzählung lautet: ChatGPT kam – Stack Overflow brach ein. So sauber ist die Geschichte nicht. Laut einer 2024 in PNAS Nexus veröffentlichten Studie sank die Zahl der wöchentlichen Beiträge schon zwischen 2016 und 2022 von rund 110.000 auf 60.000. Die Gründe dafür sind vielfältig und in der Entwicklercommunity umstritten.
Mit ChatGPT beschleunigte sich der Rückgang aber deutlich. Die Autoren schätzen, dass die Aktivität sechs Monate nach dem ChatGPT-Launch rund 25 Prozent niedriger lag als auf vergleichbaren Plattformen, auf denen ChatGPT kaum verfügbar war oder schlechter funktionierte. Sie interpretieren diesen Wert als Untergrenze des tatsächlichen Effekts. Am stärksten betroffen waren verbreitete Programmiersprachen – also vermutlich dort, wo Sprachmodelle durch viel Trainingsmaterial besonders leistungsfähig sind. Und es fielen keineswegs nur Anfängerfragen weg: Die Qualität der Beiträge blieb gleich, erfahrene Nutzer schrieben ebenso weniger wie unerfahrene.
Verändert hat sich, wer die Arbeit macht
Bequemer ist ChatGPT sicher. Ein wesentlicher Unterschied liegt aber tiefer: Eine Stack-Overflow-Antwort löst zunächst das Problem eines anderen. Sie auf den eigenen Fall zu übertragen, blieb bei mir – passt die Lösung zu meiner Version, zu meinem Setup, zu meinem Fehler? Diesen Schritt übernimmt jetzt das Modell. Ich nenne meine Library-Version, statt zu prüfen, ob eine Antwort aus 2019 noch passt. Es führt mehrere Lösungswege zusammen, und ich kann nachfragen.
Das Wissen dahinter kann dasselbe sein. Verändert hat sich, wer es auf den konkreten Fall anwendet.
Wofür die Community noch gebraucht wird
Verschwunden ist Stack Overflow deshalb nicht. Eine 2026 im Journal of Systems and Software veröffentlichte Analyse zeigt: Die verbleibenden Fragen werden länger, enthalten mehr Code und behandeln anspruchsvollere Probleme. Das spricht dafür, dass einfachere Probleme häufiger zu ChatGPT wandern, während die Community relativ stärker bei komplexeren Fällen genutzt wird.
Dazu passt der Stack Overflow Developer Survey 2025: 82 Prozent der Befragten besuchen die Seite mindestens einige Male pro Monat, 68 Prozent beteiligen sich aber kaum oder gar nicht aktiv. Rund 35 Prozent kommen zumindest teilweise wegen Problemen mit AI-Antworten. Weil die Umfrage vor allem das eigene, engagierte Publikum erreicht, sind das keine Werte für alle Entwickler. Die Plattform wird also weiter intensiv genutzt, während ein Großteil der Befragten kaum aktiv beiträgt. Zusammen mit dem Rückgang neuer Beiträge könnte Stack Overflow so stärker zur Eskalations- und Verifikationsschicht werden – für Fälle, in denen die AI-Antwort nicht reicht.
Vom Ziel der Journey zur Quelle im Hintergrund
Normalerweise messen wir den Wert einer Website über sichtbare Interaktionen: Jemand sucht, sieht einen Treffer, klickt, besucht die Website, konvertiert. Quelle und Nutzerkontakt liegen in diesem Modell nah beieinander.
Bei AI-Systemen können diese Ebenen auseinanderfallen. Früher führte der Weg von der Suchmaschine zu Stack Overflow und dort zur Antwort. Heute liefert zunehmend das AI-System die Antwort direkt. Darunter können weiterhin zahlreiche Quellen liegen – Dokumentationen, Websites, Fachartikel, GitHub, Datenbanken, APIs und eben auch große Q&A-Bestände. Der Nutzer muss sie nicht besuchen, damit ihre Informationen in eine Antwort einfließen können.
An Stack Overflow selbst lässt sich diese Verschiebung besonders gut beobachten.
Von der Anlaufstelle zur Infrastruktur
2024 vereinbarten OpenAI und Stack Overflow eine Partnerschaft, über die OpenAI Zugriff auf Stack-Overflow-Inhalte erhielt. Inzwischen vermarktet Stack Overflow seinen Bestand von über 83 Millionen Fragen und Antworten ausdrücklich als Data-Licensing-Produkt für Sprachmodelle, Agenten und RAG-Systeme, inklusive Echtzeitzugriff per API.
Eine Plattform kann also als Anlaufstelle an Bedeutung verlieren und gleichzeitig als Infrastruktur wertvoll bleiben.
Seit Juni 2026 geht Stack Overflow noch weiter: Stack Overflow for Agents soll Lösungen, die Coding-Agenten in einzelnen Sessions finden, dauerhaft für andere Agenten verfügbar machen. Das Unternehmen spricht vom „Ephemeral Intelligence Gap“. Das alte Prinzip kehrt zurück: Einer löst ein Problem, andere müssen es nicht noch einmal lösen. Nur ist der nächste Nutzer nicht mehr zwingend ein Mensch.
Traffic und Einfluss sind nicht dasselbe
Für Web Analytics und Marketing steckt darin eine unbequeme Konsequenz: Tritt ein AI-System zwischen Quelle und Nutzer, verliert das klassische Messmodell einen Teil seiner Beobachtbarkeit.
Ein Unternehmen veröffentlicht zum Beispiel einen fundierten Fachartikel zu einer Frage, die viele potenzielle Kunden haben. Ein AI-System verarbeitet Informationen daraus, der Nutzer bekommt auf dieser Basis eine Antwort – und besucht die Website nicht. Aus Sicht des Analytics-Systems ist nichts passiert: kein Referral, keine Session, kein Klick.
Der Inhalt kann trotzdem gewirkt haben.
Referral-Traffic misst beobachtbaren AI-Traffic. Er misst nicht den gesamten AI-Einfluss.
Traffic bleibt wichtig – besonders dort, wo Nutzer verifizieren, vergleichen, sich beraten lassen oder etwas abschließen wollen. Aber der Besuch ist womöglich nicht mehr der Anfang der Entscheidung. Die Discovery kann vorher stattfinden, teilweise außerhalb unserer Messsysteme.
Für die Messung folgt daraus vor allem eines: Keine einzelne Kennzahl bildet diesen Einfluss ab. Aussagekräftiger ist es, mehrere Signale gemeinsam und über längere Zeiträume zu beobachten – Erwähnungen und Zitationen in AI-Antworten, die Entwicklung von Suchen nach der eigenen Marke, AI-Referrals und Veränderungen bei den Einstiegsseiten. Keines davon beweist für sich einen Zusammenhang. Zusammen ergeben sie ein realistischeres Bild als der Referral-Traffic allein.
Die eigene Website wird damit nicht weniger wichtig
Man könnte daraus schließen, dass die eigene Website an Bedeutung verliert, wenn AI-Systeme die Antworten liefern. Es gibt allerdings Hinweise in die andere Richtung.
Nach Daten des Analyseanbieters Promptwatch stieg am 8. August 2026 der Anteil der Suchanfragen, die ChatGPT intern auf eine einzelne Domain beschränkt, praktisch über Nacht von rund 0,4 auf fast 17 Prozent. Typische Ziele solcher Suchen sind offizielle Websites, Dokumentationen und institutionelle Seiten.
OpenAI hat diese Änderung nicht bestätigt, und solche Muster sind instabil. Eine Analyse von Goodie zählte in sieben Monaten 16 Veränderungen darin, welche Social-Media-Plattformen verschiedene AI-Systeme als Quellen nutzen; fünf davon wurden später wieder zurückgenommen.
Der Promptwatch-Befund lässt sich deshalb nicht auf alle Systeme übertragen. Er zeigt aber, dass offizielle Websites direkt als Suchraum angesteuert werden können. Für Unternehmen macht das die eigene Website nicht automatisch zur bevorzugten AI-Quelle. Sie bleibt aber die zentrale öffentlich zugängliche Informationsbasis, deren Inhalte, Struktur und technische Zugänglichkeit Unternehmen selbst kontrollieren.
Wenn ein System die eigene Website gezielt als Quelle durchsucht, kann es nur berücksichtigen, was dort tatsächlich veröffentlicht ist.
Ein Unterschied zum Stack-Overflow-Beispiel gehört dazu: Dort existieren kommerzielle Zugangswege über Lizenzverträge, APIs und Partnerschaften. Eine normale Unternehmenswebsite hat das meist nicht. Ihre Inhalte können je nach System über Websuche, Crawling, Retrieval oder andere Datenpfade einfließen, ohne dass das Unternehmen darauf direkten Einfluss hat.
Gerade deshalb wird die Qualität der eigenen Inhalte wichtiger. Neben der Frage, ob eine Seite zum Klick einlädt, zählt dann, ob ihre Informationen zugänglich, verständlich, eindeutig, aktuell, konsistent und verifizierbar sind.
Die Website ist dann mehr als eine Landingpage hinter einer Suchmaschine. Sie wird zunehmend zur Informationsinfrastruktur: Ihre Inhalte bestimmen, was Systeme über ein Unternehmen erfahren können. Ihre Struktur beeinflusst, ob Themen und Zusammenhänge verständlich sind. Ihre Technik entscheidet mit darüber, ob Inhalte verarbeitet werden können. Und ihre Experience bleibt dort entscheidend, wo aus Information Vertrauen, Beratung oder ein Abschluss wird.
AI ersetzt diese Funktionen nicht. Aber sie verändert den Weg dorthin.
Mehr als der Niedergang einer Plattform
Man kann die Entwicklung als Warnung lesen: AI nimmt Websites Traffic weg. Die Sorge ist nachvollziehbar, beschreibt aber nur die sichtbarste Ebene. Die Plattform verliert Beiträge und einen Teil ihrer direkten Rolle als Problemlösungsweg, ihr Wissen wird aber weiter genutzt – nur an anderer Stelle im System.
Der Fall zeigt vor allem eines: Die Position einer Quelle innerhalb der Journey kann sich ändern, ohne dass ihr Wert im gleichen Maß verschwindet.
Aber daraus entsteht ein größeres Problem
Der Wert solcher Q&A-Plattformen lag nie nur im Archiv. Entscheidend war, dass ständig neues Wissen hinzukam: Jemand hatte ein Problem und stellte eine Frage. Ein anderer fand eine Lösung. Weitere Nutzer testeten, korrigierten und bewerteten sie, später wurden neue Versionen ergänzt. Aus individueller Problemlösung entstand ein öffentliches Wissensgut.
Wenn Entwickler ihre Probleme zunehmend direkt mit AI-Systemen lösen, wird dieser Kreislauf schwächer. Darauf weisen auch die PNAS-Autoren hin: Wenn LLMs menschlich erzeugte Wissensressourcen ersetzen, kann gleichzeitig die Produktion jener öffentlichen Daten zurückgehen, von denen künftige Systeme lernen.
Wenn immer weniger Menschen neue Lösungen öffentlich dokumentieren – woher kommt dann das neue Wissen für künftige AI-Systeme?
Stack Overflow for Agents deutet eine mögliche Antwort an: Vielleicht dokumentieren künftig auch Maschinen ihre Lösungen füreinander. Dann stellt sich sofort die nächste Frage – woher wissen wir, dass diese Lösungen richtig sind?
Vielleicht führt diese Frage noch weiter. Bisher gehen wir meist stillschweigend davon aus, dass Maschinen neues Wissen vor allem dadurch bekommen, dass Menschen es zuerst entdecken, verstehen und dokumentieren. Was aber, wenn Maschinen nicht nur vorhandene Antworten synthetisieren, sondern selbst mögliche Lösungen erzeugen, ausprobieren und gegen eine überprüfbare Realität testen?
Dann reden wir nicht mehr nur über einen neuen Zugang zu menschlichem Wissen. Dann reden wir darüber, wie Wissen überhaupt entsteht.
Darum geht es im nächsten Artikel.