Methodik
Entwicklungsökosystem-Umfrage 2025
Die Umfrage wurde von April bis Juni 2025 durchgeführt. Um eine repräsentative Stichprobe zu gewährleisten, haben wir die Daten wie im Folgenden beschrieben bereinigt. Insgesamt basiert der Bericht auf den Antowrten von 24.534 Entwicklern und Entwicklerinnen aus 194 Ländern und Regionen. Die Kriterien für die Datengewichtung sind in den abschließenden Abschnitten dieses Kapitels beschrieben.
Der Bericht zum Stand des Entwicklungsökosystems 2025 ist öffentlich zugänglich. Sein Inhalt darf nur für nicht-kommerzielle Zwecke verwendet werden, wie hier beschrieben.
Wir haben unvollständige Antwortbögen nur dann ausgewertet, wenn die Frage nach der Verwendung von Programmiersprachen beantwortet wurde. Wir haben außerdem 34 Kriterien angewendet, um verdächtige Antwortbögen zu identifizieren und auszuschließen, darunter:
- Antwortbögen, die zu schnell ausgefüllt wurden.
- Antwortbögen von identischen IP-Adressen oder mit weitestgehend ähnlichen Antworten. Wenn zwei Antwortbögen mit derselben IP-Adresse zu mehr als 75% identisch waren, haben wir denjenigen behalten, der vollständiger war.
- Antwortbögen mit widersprüchlichen Angaben, zum Beispiel „18–20 Jahre alt“ kombiniert mit „mehr als 16 Jahre Berufserfahrung“.
- Antwortbögen, in denen bei fast allen Multiple-Choice-Fragen nur eine Antwort gewählt wurde.
- Antwortbögen, die mit der gleichen E-Mail-Adresse eingereicht wurden. In solchen Fällen haben wir den Antwortbogen behalten, der am vollständigsten war.
Begrenzung des Beantwortungsaufwands
In diesem Jahr bestand die Umfrage aus 585 Fragen.
Unser Ziel war es, eine Vielzahl von Forschungsbereichen abzudecken. Daher wurden den einzelnen Befragten auf Grundlage ihrer vorherigen Antworten bestimmte Abschnitte angezeigt, während andere übersprungen wurden. Zum Beispiel wurden Fragen zu Go nur Programmierer*innen gestellt, die Go verwenden. Darüber hinaus haben wir Fragen und Abschnitte randomisiert, um die Belastung der einzelnen Befragten weiter zu reduzieren.
Das Ausfüllen der Umfrage dauerte durchschnittlich 30 Minuten. Wir haben uns bisher schon bemüht, den Prozess zu vereinfachen, und wir wollen ihn im nächsten Jahr noch effizienter gestalten.
Wir haben potenzielle Teilnehmer*innen über Google-Ads, X-Ads, Facebook-Ads, Instagram, Reddit, Quora, BilliBilly, MaiMai, Zhihu, dev.to, Codezine, TLDR, IT Media und die JetBrains-eigenen Kommunikationskanäle angesprochen. Außerdem veröffentlichten wir Links in Benutzergruppen und Tech-Community-Kanälen, und wir baten unsere Befragten, die Umfrage im Kollegenkreis zu teilen.
Wir haben ausreichend große Stichproben aus 19 geografischen Regionen gesammelt. Die 11 Länder mit den meisten Entwickler*innen – Brasilien, Kanada, China, Frankreich, Deutschland, Indien, Japan, Südkorea, Spanien, das Vereinigte Königreich und die Vereinigten Staaten – bildeten ihre eigenen individuellen Regionen. Die restlichen Länder wurden wie folgt in acht weitere Regionen eingeteilt:
- Afrika
- Benelux und Nordeuropa
- Mitteleuropa
- Mittel- und Südamerika (ohne Brasilien)
- Osteuropa, Balkan und Kaukasus
- Naher Osten und Zentralasien
- Nördliches und östliches Mittelmeer (einschließlich Zypern, Israel und Portugal)
- Südostasien und Ozeanien (inkl. Australien und Neuseeland)
Für jede Region haben wir mindestens 300 Antwortbögen aus externen Quellen gesammelt, etwa über Anzeigen oder Empfehlungen von Befragten.
Wir haben die Antworten nach ihrem Ursprungsort gewichtet. Als Basisdatensatz haben wir die von externen Kanälen gesammelten Antworten verwendet, die weniger voreingenommen gegenüber JetBrains-Benutzer*innen sind, wie bezahlte Anzeigen auf X, Facebook, Instagram, Quora und Empfehlungen. Dann haben wir für jede*n Befragte*n ein dreistufiges Gewichtungsverfahren angewendet, um ein ausgewogeneres Bild der weltweiten Entwicklerpopulation zu erhalten.
In der ersten Phase erfassten wir die Antworten, die durch das Länder-Targeting gesammelt wurden. Anschließend wandten wir unsere Schätzungen für die Populationen von Berufsentwickler*innen in den einzelnen Ländern auf diese Daten an.
Am Anfang standen die Umfragedaten von Berufsentwickler*innen und berufstätigen Studierenden, die über Werbeanzeigen in verschiedenen sozialen Netzwerken in den 20 Regionen zu uns weitergeleitet wurden, sowie die Daten von Befragten, die über verschiedene Weiterempfehlungen zur Umfrage kamen. Diese Daten wurden dann entsprechend der geschätzten Entwicklerpopulation in den 19 Regionen gewichtet. Dadurch wurde sichergestellt, dass die Verteilung der Antwortbögen der geschätzten Populationsgröße der Berufsentwickler*innen in den einzelnen Regionen entsprach.
In der zweiten Phase normierten wir den Anteil der Studierenden und Erwerbslosen in jedem Land auf 17%. Diese Vorgehensweise entspricht der Methodik des Vorjahres, da dies die einzige verfügbare Schätzung des entsprechenden Bevölkerungsanteils ist.
An diesem Punkt hatten wir eine Verteilung von Antworten aus externen Quellen, gewichtet nach Region und Erwerbsstatus.
Die dritte Phase war relativ komplex und basierte auf dem Lösen von Gleichungssystemen. Ausgehend von diesen gewichteten Antwortbögen berechneten wir für die Entwickler*innen in jeder Region neben ihrem Erwerbsstatus die Anteile für jede der über 30 Programmiersprachen sowie die Anteile der Antworten „Ich verwende aktuell JetBrains-Produkte“ und „Ich habe noch nie von JetBrains oder den Produkten des Unternehmens gehört“. Diese Anteile übernahmen wir als Konstanten in unsere Gleichungen.
Der nächste Schritt bestand darin, zwei weitere Gruppen von Antwortbögen aus anderen Quellen hinzuzufügen: JetBrains-eigene Kommunikationskanäle, zum Beispiel JetBrains-Accounts in sozialen Medien und unser Marktforschungspanel, sowie Werbekampagnen in sozialen Netzwerken, die sich an die Nutzer*innen bestimmter Programmiersprachen richteten.
Wir haben ein System von mehr als 30 linearen Gleichungen und Ungleichungen zusammengestellt, um Folgendes zu beschreiben:
- Antwortbögen, die zu schnell ausgefüllt wurden.
- Die Gewichtungskoeffizienten der Befragten (als hypothetisches Beispiel repräsentiert Fiona aus unserer Stichprobe durchschnittlich 180 Softwareentwickler*innen aus Frankreich).
- Die konkreten Inhalte ihrer Antworten (zum Beispiel dass Pierre C++ verwendet, voll berufstätig ist und noch nie von JetBrains gehört hat).
- Die erforderlichen Relationen zwischen ihren Antworten (z. B. 27% der Entwickler*innen haben in den letzten 12 Monaten C++ verwendet, usw.).
Um dieses Gleichungssystem mit einer minimalen Varianz der Gewichtungskoeffizienten (ganz wichtig!) zu lösen, verwendeten wir die duale Methode von Goldfarb und Idnani (1982, 1983), mit deren Hilfe wir optimale individuelle Gewichtungskoeffizienten für die insgesamt 24.534 Befragten ermitteln konnten.
Trotz dieser Maßnahmen ist mit gewissen Verzerrungen zu rechnen, da JetBrains-Anwender*innen im Durchschnitt eher bereit sein dürften, die Umfrage zu beantworten. In diesem Jahr haben wir außerdem korrigiert, indem wir ihre Vertretung im Datensatz um 10 % verringert haben, d.h. ihren Anteil der Antworten mit 0,9 multipliziert haben.
So sehr wir uns auch bemühen, die Verbreitung der Umfrage zu kontrollieren und sinnvolle Gewichtungen vorzunehmen, das Entwicklungsökosystem und die Communities entwickeln sich ständig weiter, und die Möglichkeit unerwarteter Datenschwankungen kann nicht vollständig ausgeschlossen werden.
Rohdaten
Sie möchten sich die Ergebnisse selbst ansehen? Laden Sie sich die anonymisierten Antworten herunter und gehen Sie auf Entdeckungsreise!
Dieser Bericht präsentiert nur die wichtigsten Erkenntnisse – die Rohdaten hingegen enthalten alle Fragen (über 500).
Wir werden unsere Methodik auch in Zukunft weiter aktualisieren und verfeinern. Freuen Sie sich auf die Umfrage des Entwicklungsökosystems 2026!
JetBrains Tech Insights Lab
Treffen Sie die Community, die die Zukunft der JetBrains-Produkte gestaltet
Wenn Sie an unserem Labor teilnehmen und Ihre Nutzererfahrung, Rückmeldungen und Meinungen teilen, haben Sie direkten Einfluss auf die Entwicklung unserer Produkte. Ihre Erkenntnisse werden uns helfen, die Entwicklungs-Community besser zu verstehen und letztlich bessere Tools für Sie zu entwickeln.
