Rue, eine neue, kurz vor Weihnachten vorgestellte Programmiersprache, kombiniert Speichersicherheit mit guter Performance ohne Garbage Collector. Es handelt sich um eine Weiterentwicklung von Rust, die ein ähnliches Konzept verfolgt. Rue soll jedoch gerade für Einsteiger einfacher zugänglich sein. Eine Besonderheit ist, dass der KI-Assistent Claude den Compiler (x86-64 und ARM64) für Rue entwickelt.

Konzipiert wurde Rue von Steve Klabnik, der bei Ruby on Rails und Rust maßgeblich mitgewirkt hat. Er versucht, das speichersichere Borrowing-Konzept von Rust zu vereinfachen, das vielen Rust-Neulingen schwer zu verstehen fällt.

Rue verwendet affine Typen mit veränderbarer Wertesemantik. Das heißt, Entwicklerinnen und Entwickler können affine Typen nur einmal verwenden. Der Blog zeigt ein Beispiel:

struct FileHandle { fd: i32 }

fn example() {
    let handle = FileHandle { fd: 42 };
    use_handle(handle);     // handle moves here
    use_handle(handle);     // ERROR: value already moved
}

Kopieren ist jedoch möglich, wenn man es ausdrücklich deklariert:

@copy
struct Point { x: i32, y: i32 }

fn example() {
    let p = Point { x: 1, y: 2 };
    use_point(p);   // p is copied
    use_point(p);   // OK, p is still valid
}

Ein Wert, der konsumiert werden muss, lässt sich mit linear markieren:

linear struct DatabaseTransaction { conn_id: i32 }

fn example() {
    let tx = DatabaseTransaction { conn_id: 1 };
    // ERROR: linear value dropped without being consumed
}

Von Zig übernimmt Rue das Konzept von Ausdrücken, die bereits der Compiler auswertet, mit der Eigenschaft comptime. Auch Typen lassen sich so erzeugen:

fn Pair(comptime T: type) -> type {
    struct { first: T, second: T }
}

fn main() -> i32 {
    let IntPair = Pair(i32);
    let p: IntPair = IntPair { first: 20, second: 22 };
    p.first + p.second
}

Klabnik arbeitet für das Umsetzen seiner Ideen mit Claude. Er hatte zwar eine Vorstellung davon, wie Rue aussehen soll, ihm fehlte aber die Erfahrung im Bauen von Compilern. Diese Arbeit übernimmt die künstliche Intelligenz: „And you know what? It worked.“ Der erste Versuch, ein Programm zu kompilieren, funktionierte noch nicht, aber nach einer Debugging-Runde lief es dann.

Die Rue-Website betont, dass es sich um ein Forschungsprojekt in seinen Anfängen handelt, das nicht fertig für echte Projekte ist. Wer mitmachen möchte, findet bei GitHub Gelegenheit.

(who)

Die Monte-Carlo-Simulation hilft in der Produktentwicklung dabei, Prognosen realistischer zu machen. Nicht als harte Zusage, sondern als Blick auf Wahrscheinlichkeiten und damit auf das Risiko, das in komplexer Arbeit fast immer mitschwingt. Zeit also, sich tiefer damit auseinanderzusetzen, weshalb Dominique Winter in dieser Folge mit dem Flight Levels und Kanban Coach Felix Rink aus Köln spricht.

Fundierte Vorhersagen in der Produktentwicklung

Gemeinsam starten sie bei der Frage, wann etwas fertig ist und wie belastbar so eine Aussage eigentlich ist, wenn Teams in unsicheren Umfeldern arbeiten. Von dort geht es zur Idee hinter der Monte-Carlo-Simulation. Sie ist überraschend simpel. Vergangene Ergebnisse geben Hinweise darauf, wie sich Arbeit vermutlich auch künftig verteilen wird. Statt eine einzelne Zahl zu versprechen, entsteht eine Bandbreite. Fertigstellungen aus der Vergangenheit werden in vielen Durchläufen immer wieder neu kombiniert, bis ein Muster sichtbar wird. Manche Ergebnisse tauchen oft auf, andere sind selten.

Genau diese Verteilung ist in der Produktentwicklung hilfreich, weil Schwankungen zum Tagesgeschäft gehören. Schnell wird klar, dass es weniger um exakte Termine geht als um ein besseres Gefühl für Risiko. Die Simulation zeigt, mit welcher Wahrscheinlichkeit ein bestimmter Arbeitsumfang in einem bestimmten Zeitraum wirklich erreichbar ist. Das verändert, wie über Planung gesprochen wird. Zusagen werden zu bewussten Entscheidungen über Risiko und nicht zu Versprechen, die später unter Druck verteidigt werden müssen. Für Product Owner ist das besonders wertvoll, weil Gespräche mit Stakeholdern dadurch sachlicher werden und Erwartungen besser eingeordnet werden können.

Ein weiterer Schwerpunkt liegt auf den Daten. Entscheidend ist nicht, möglichst weit zurückzugehen, sondern eine Vergangenheit zu wählen, die der erwarteten Zukunft ähnelt. Kurze Zeiträume mit ausreichend vielen Datenpunkten liefern oft bessere Prognosen als lange Historien, in denen Sondereffekte alles verzerren. Auch eine feinere Betrachtung auf Tagesbasis kommt zur Sprache, weil sich Forecasts damit schneller aktualisieren lassen und Veränderungen im System früher auffallen.

Monte-Carlo-Simulation als laufendes Werkzeug

Spannend wird es dort, wo die Monte-Carlo-Simulation nicht als einmaliger Schritt verstanden wird, sondern als laufendes Werkzeug. Neue Erkenntnisse, zusätzliche Arbeit oder geänderte Rahmenbedingungen fließen direkt in den nächsten Forecast ein. So entsteht ein kontinuierlicher Abgleich zwischen Realität und Erwartung. Das unterstützt aktives Risikomanagement und hilft Teams, Prioritäten immer wieder neu auszurichten, ohne jedes Mal bei null anfangen zu müssen.

Am Ende geht der Blick über die klassische Fertigstellungsfrage hinaus. Überall dort, wo vergangenes Verhalten brauchbare Hinweise auf die Zukunft gibt, kann Monte Carlo helfen, Unsicherheit greifbar zu machen. In der Produktentwicklung ist das oft genau die Art von Pragmatismus, die fehlt. Nicht kompliziert, aber deutlich verlässlicher als Bauchgefühl.

Die aktuelle Ausgabe des Podcasts steht auch im Blog der Produktwerker bereit: „Forecasting mit der Monte-Carlo-Simulation“.

(mai)

Die aktuelle Studie JavaScript Rising Stars 2025 ist erschienen. Sie misst die beliebtesten JavaScript-Projekte anhand der innerhalb des letzten Jahres neu hinzugekommenen Sterne auf GitHub. Mit großem Abstand führt diesmal n8n als Gesamtsieger, gefolgt von shadcn/ui und react-bits. In der Kategorie Frontend-Frameworks gewinnt React, während bei der Backend- und Full-Stack-Entwicklung Motia einen Paradigmenwechsel ankündigt.

n8n fährt herausragenden Sieg ein

In der Vorjahresstudie noch auf Platz 5, macht n8n einen deutlichen Satz auf Platz 1 und fährt mit 112.400 neuen GitHub-Sternen den bisher deutlichsten Sieg ein: Wie die Studienmacher betonen, hat bisher kein anderes Projekt innerhalb eines Jahres eine so hohe Anzahl von Sternen erhalten – und in diesem Jahr handelt es sich bereits um die 10. Ausgabe der JavaScript Rising Stars.

n8n dient der Automatisierung von Geschäftsprozessen mithilfe von KI-Agenten, bietet eine Drag-and-Drop-Oberfläche und ermöglicht die Anbindung an KI-Modelle unterschiedlicher Hersteller. Es entspringt dem im Jahr 2019 gegründeten Berliner Start-up n8n GmbH. Im Oktober 2025 wurde bekannt, dass das Unternehmen dank Nvidia als Investor eine Bewertung von 2,5 Milliarden US-Dollar erreicht hat.

Den zweiten Platz in der Gesamtwertung heimst shadcn/ui ein, der Gewinner der beiden vorherigen Ausgaben: 2025 erhielt dieses Set von UI-Komponenten, die in React geschrieben sind, 26.300 neue GitHub-Sterne. Der dritte Platz steht ebenfalls im Zeichen von React: react-bits, eine Sammlung animierter Komponenten für Hintergrundeffekte, Textanimationen und mehr erreichte 26.200 neue Sterne. react-bits ist ein shadcn/ui-Projekt und lässt sich aus dessen Registry beziehen.

Auf den vierten und fünften Plätzen finden sich Excalidraw, ein virtuelles Whiteboard für das Skizzieren von Diagrammen in handgezeichneter Optik, und die Postgres-Entwicklungsplattform Supabase als quelloffene Alternative zu Googles proprietärem Firebase.

Die beliebtesten Front- und Backend-Frameworks

React ist mit 11.000 neuen GitHub-Sternen wieder das beliebteste Frontend-Framework und stößt damit htmx vom Thron, das in der letzten Ausgabe den ersten Platz ergattert hatte. Dieses liegt nun abschlagen auf Platz 4, hinter Ripple und Svelte. Vue.js komplettiert die Top 5.

Unter den Backend- und Full-Stack-Frameworks tritt ein Newcomer als Sieger hervor: Motia. Mit 13.800 neuen Sternen auf Platz 1 in dieser Kategorie, steht Motia laut den Studienmachern für einen Paradigmenwechsel. Wo im Backend-Engineering traditionell separate Frameworks erforderlich waren – etwa für APIs, Queues, Workflows und KI-Agenten –, soll Motia nun das Backend in einem einzigen Framework vereinheitlichen. Die weiteren Ränge der beliebtesten Backend- und Full-Stack-Frameworks nehmen Payload, Next.js, Astro und Hono ein.

Datengrundlage: Ausgewählte JS-Projekte

Die in diesem Jahr bereits zum zehnten Mal durchgeführte Studie JavaScript Rising Stars misst die Anzahl der Sterne, die JavaScript-Projekte auf GitHub im Verlauf eines Jahres erhalten haben. Dabei fließen allerdings lediglich die Projekte in die Bewertung ein, die in der kuratierten Liste Best of JS zu finden sind. Dort sind derzeit 2145 Projekte gelistet. Interessierte können ein neues Projekt vorschlagen.

(mai)