20 Millionen Downloads pro Woche, über 1.000 offene Issues – das Vercel AI SDK war am Limit. Statt mehr Entwickler einzustellen, baute das Team eine KI-gesteuerte "Software Factory", die bereits 25-35 Prozent aller Änderungen selbst schreibt und 70-80 Prozent der Probleme bearbeitet. Ein Modell, das zeigt, wie maschinelles Lernen traditionelle Open-Source-Wartung transformieren könnte.
Das Vercel AI SDK gehört zu den beliebtesten Open-Source-Projekten der Welt. Mit über 26.000 GitHub-Stars und 20 Millionen npm-Downloads pro Woche ist es zum zentralen Werkzeug für Entwickler geworden, die KI-Modelle verschiedener Anbieter in ihre Anwendungen einbauen. Doch diese Popularität wurde zum Problem: Das Projekt musste parallel vier ständig wechselnde Ziele verfolgen – neue KI-Modelle, UI-Frameworks wie React und Vue, Ausführungsumgebungen und Integrationen für Codex und Claude.
Nach mehreren Jahren konstanten Wachstums eskalierte die Situation im Sommer 2024. Bei der Veröffentlichung von Anthropics Opus 4.6 schnellten Pull Requests in die Höhe. Innerhalb weniger Wochen sammelten sich über 1.000 offene Issues und knapp 800 Pull Requests an – ein klassisches Bottleneck-Problem, das Handarbeit nicht lösen konnte.
Statt das Team zu vergrößern, implementierte Vercel eine "Software Factory": ein automatisiertes System, das KI einsetzt, um Code zu generieren, Issues zu triagen und Pull Requests zu erstellen. Nach nur vier Wochen verzeichnete die Fabrik beeindruckende Ergebnisse: Sie verfasst 25-35 Prozent aller gesammelten Pull Requests und schließt 70-80 Prozent der eingereichten Issues automatisiert. Reviewer erhalten eine zentrale Übersicht über die gesamte Pipeline.
Das Experiment deutet auf einen neuen Weg hin, wie Open-Source-Projekte in einer Ära billiger Code-Generierung skalierbar werden – nicht durch mehr Menschen, sondern durch intelligente Automatisierung.