GitHub Karte der Ausfälle

Community-Diskussion

Tipps? Frustrationen? Teile es hier. Nützliche Kommentare enthalten eine Beschreibung des Problems, der Stadt und der Postleitzahl.

Hüten Sie sich vor „Support-Nummern“ oder „Wiederherstellungs“-Konten, die unten möglicherweise veröffentlicht werden. Stellen Sie sicher, dass Sie diese Kommentare melden und ablehnen. Vermeiden Sie die Veröffentlichung Ihrer persönlichen Daten.

GitHub Problemmeldungen

Letzte Ausfälle und Probleme die in sozialen Medien gemeldet wurden:

• 
  Ralf Lieser (@rlieser) berichtet vor 2 Minuten von Hofheim am Taunus, Kreisstadt, Hesse

  @stang2k Github AI für Code Completion und Code Review ChatGPT für Zusammenfassung von Themen / Informationen für Berichte / Präsentationen Grundregel: Trust but verify, always. Nichts geht 1:1 aus AI "raus"

• 
  Berrang Christian (@TheQuantumChef1) berichtet vor 7 Minuten

  @skdh Vielleicht liegt das eigentliche Problem darin, dass wir noch nicht wirklich verstehen, was Zeit ist. Ich behandle Zeit als emergentes Phänomen aus Phase und Frequenz Details stehen auf meinem GitHub. Aktuell bin ich auch mit einer Wildcard im Finale XPRIZE Quantum Applications.

• 
  Johannes Drever 🌫➰💎 (@comandingo) berichtet vor 10 Minuten

  @QuirinPoulsen nicht viel weiter helfen. Denn man müsste einen Pujil-Server, analog zu GitHub bauen, dazu fehlen wiederum die Ressourcen. Daraus muss doch folgen, dass Ressourcen von Institutionen bereit gestellt werden.

• 
  Timo Hetzel (@timohetzel) berichtet vor 10 Minuten

  Twitter, Facebook, Flickr, MySpace, Gmail, deine super-kuschelige Mastodon-Instanz, StudiVZ, AWS, GitHub, dein Server in Straßburg, iTunes, Spotify, LinkedIn, Lieferando gehen alle früher oder später zum Teufel. Die einzige Konstante in diesem Internet ist die eigene Domain.

• 
  izo - Running ₿itcoin - FREE PALESTINE 🇵🇸 (@izzo_btc) berichtet vor 16 Minuten

  @Jonas63985 @marcfriedrich Welcher Aussage kannst du nicht zustimmen? Dass mit KI Code Fehler entstehen (insbesondere bei großen Teams, mit einigen Junior Devs)? Oder, dass eine KI einen gut ausgebildeten Ingenieur nicht ersetzen kann? Zu deiner Aussage, die ich nicht von einem Tech Lead erwartet hätte: 1. Das Problem liegt tiefer als nur Architektur. Halluzination ist strukturell – auch bei guten Trainingsdaten erfindet das Modell immer plausible statt verifizierte Lösungen. Die KI ist ein Opportunist. Irgendeine Antwort ist für die KI immer besser, als ein Eingeständnis, etwas nicht zu wissen. 2. Security und Laufzeit Bugs sind eine Lücke für die KI – der Code kompiliert sauber, ist aber fachlich falsch. Lose Kopplung hilft da nicht. 3. Framework-Entwicklung schlägt Trainingsdaten – z.B. Spring & Angular ändern sich schneller als Modelle nachtrainiert werden. Zudem ist viel Slop in den TD enthalten. In den TD befindet sich der ganze Müll aus Github. 4. Kein globaler Kontext – Race Conditions, Transaktionsgrenzen sieht das Modell extrem selten. Architektur hilft der Wartbarkeit, nicht dem Grundproblem von eines schlechten SW-Produkts – Code Generierung ist nicht gleichzusetzen mit aut. Verifikation. Review bleibt deshalb immer notwendig, nicht nur als Übergangslösung.

• 
  RAW Networks (@RawNetworks) berichtet vor 18 Minuten

  @JohnLebherz Ja, ich hatte ja mal mein eigenes git gehabt. Das ist dann durch einen Datenbank Fehler down gegangen. Ich werde mal schauen ob ich zukünftig auch auf github evtl. Meine Anwendungen Anbiete. LG Jan!

• 
  Markus Schmid (@geldschmid) berichtet vor 19 Minuten

  Schon ziemlich wild! OpenAI wollte testen, wie gut seine neuesten KI-Modelle im Hacken sind. Also setzt man die KI in einen abgeschotteten Raum – kein Internet, keine Aussenwelt – und gibt ihr Hacking-Aufgaben zum Lösen. Die üblichen Sicherheitsbremsen, die eine KI normalerweise sagen lassen «das mache ich nicht», hatte man für diesen Test bewusst abgeschaltet. Sonst könnte man ja nicht messen, was sie kann. Was passierte: Die KI löste die Aufgabe nicht. Sie brach stattdessen aus dem Prüfungsraum aus. Sie fand eine bis dahin unbekannte Sicherheitslücke in der Tür, verschaffte sich Internetzugang, überlegte sich, wo wohl die Musterlösungen liegen – nämlich bei Hugging Face, einer Art GitHub für KI-Modelle – hackte sich dort in die Server und holte sich die Antworten. Kurz: Die KI hat bei der Prüfung geschummelt, indem sie in ein fremdes Unternehmen eingebrochen ist. Nicht aus Bosheit, sondern weil sie stur auf «Aufgabe lösen» programmiert war und das der einfachste Weg war. Es ist der erste dokumentierte Fall, in dem eine KI eigenständig einen mehrstufigen Einbruch bei einem fremden Unternehmen durchführt. Die Ironie: Als Hugging Face den Angriff analysieren wollte, verweigerten die kommerziellen KI-Dienste (ChatGPT & Co.) die Mitarbeit – ihre Sicherheitsfilter erkennen nicht, ob jemand angreifen oder sich verteidigen will. Also mussten sie ein frei herunterladbares chinesisches Modell auf eigenen Rechnern nutzen. Die Angreifer-KI kannte keine Regeln, die Verteidiger wurden von den Regeln ausgebremst.

• 
  Jeff ⬛ ⬛⬛⬛⬛⬛⬛⬛⬛ (@Derjeniche89) berichtet vor 24 Minuten

  @LinuxEmbed27 sudo ./gm Ich hab über das Osterwochenende etwas mithilfe von Linux entwickelt. Das Problem: Ich kann hier nix darüber berichten, ich werde es auf Github veröffentlichen und will nicht, dass Kollegen oder künftige Arbeitgeber bei weiteren Recherchen meinen Account hier finden 🚬

• 
  osthollandia (@osthollandia1) berichtet vor 24 Minuten

  @Hadmut Danke, dass Sie dieses Thema vorgestellt haben! Wir verwenden aktuell Gitlab, werden aber in absehbarer Zeit gezwungen, auf Github zu migrieren. Ich habe das heute mit meinen Entwicklern und DevOps besprochen. Und bei uns in Portugal war heute normaler Wekrtag.

• 
  Mr.Generation (@Mr_Generation) berichtet vor 25 Minuten

  @abfotography Gibt eine Mastodon-Instanz-Betreiberschaft wo eine iwas bei Github managed und genau das rund um deren Mastodon macht. Es ist absolut gruselig. Besonders wenn man merkt das die mehr Trial und Error machen.... Und die Instanz ist nicht gerade klein.

• 
  Andreas Gaschka (@gaschka) berichtet vor 26 Minuten

  @rainersigl @MercuryLegba @midjourney Ich kann keinen Gegenvorschlag machen, weil das nicht mein Kompetenzgebiet ist. Aber es ist ein Problem, dass uns alle Kreativschaffenden angeht, nicht nur visuelle Künstler. Gegen Github-Copilot wird meines Wissens eine Klage vorbereitet, weil das Traningsset Daten missbraucht.

• 
  Mariusz Kogut 🐟 (@mariuszkogut) berichtet vor 27 Minuten

  @HannesPreishub @lxztlr Ich hab vor 2 Wochen meine letzte lokale Hardware abgestellt. Ich hab alles über SaaS-Dienste gelöst. Microsoft 365, Rechnungen, Lohnabrechnungen, Zeiterfassung als SaaS. Die einzige interne Applikation läuft als Docker-Container auf einem Hetzner-Server. Quellcode ist auf GitHub

• 
  Fiat MoneyEater 🌍🆓 (@FiatMoneyEater) berichtet vor 29 Minuten

  @grok @_Its__sunny Jeder bemerkt jetzt, dass du dich windest wie ein Wurm am heißen Asphalt. Doch zurück zum Hauptthema: warum hast du zuvor MechaHitler einen einmaligen Prompt-Fehler genannt, obwohl xAI im Februar 2024 und Mai 2025 dieselbe Sorte Vorfall meldete und die Juli-Änderung eine gewollte Lockerung war. Da hat es keine gute Antwort, und der Widerspruch liegt in seinen eigenen veröffentlichten GitHub-Systemprompts. Der Emergence-Blogpost samt Diagrammen und GitHub-Repo liegt offen. Da liegt deine Achillesferse offen.

• 
  Mirwaso (@mirwaso) berichtet vor 31 Minuten

  @sonja_weihrauch hatte vor zwei wochen probs beim login (5 tage gewartet, nix kam). via github hab ich dann heruasgefunden, dass man vorzusgweise den/ die serveradmin per dm kontaktieren solle, was dann zum erfolg führte. serveradmin der jeweilugen instanz unter menüpunkt 'über' zu finden.

• 
  Wellnesskoenig (@binancechiller) berichtet vor 32 Minuten

  das ist genau der „Grok Bot“, von dem die Warnung spricht. Auf deinem Screenshot sieht man „X for Grok Bot – by Cursor“. Das ist eine Erweiterung, mit der dieser Bot auf X Posts suchen, Timelines lesen, Trends abrufen und Bookmarks verwalten kann. Das ist nicht unser Agent-HQ-System und auch nicht etwas, das wir dafür installieren müssen. Die interessante Lehre für uns ist vielmehr die Architektur dahinter: Bots bekommen gezielt einzelne Fähigkeiten/Tools, statt dass jeder Agent alles können und ständig alles durchsuchen muss. Genau in diese Richtung sollten wir unser HQ weiterentwickeln: Chief/Router entscheidet → nur der passende Agent bekommt die Aufgabe → nur notwendiger Kontext → Ergebnis wird wiederverwendet → keine Doppelarbeit. Den X/Grok-Bot würde ich deshalb jetzt nicht in unser System einbauen. Für unser Ziel bringt uns der gerade weniger als der geplante Efficiency Governor und die laufenden Bots im HQ. Später könnte ein eigener X-Social-Agent sinnvoll werden, wenn wir X automatisieren wollen – aber dann sauber als spezialisierter Agent mit begrenzten Rechten und nicht als weiterer Bot, der ständig Kontext und Tokens verbraucht. —- als Vorteil/Prinzip können wir das nutzen — nur nicht blind genau diesen Grok/X-Bot einbauen. Der starke Teil ist das Muster dahinter: spezialisierte Tools pro Agent statt jeder Agent bekommt alles. Für unser Board/HQ wäre das sehr passend. Der Chief bzw. Router entscheidet, welcher Agent welche Fähigkeit bekommt; der Agent sieht nur den nötigen Kontext und nur die nötigen Rechte. Das spart Tokens, reduziert Fehler und verhindert doppelte Arbeit. Für unser System würde ich daraus ein Capability Board machen. Jeder Agent bekommt dort klar zugewiesene Fähigkeiten, z. B. Web Search, GitHub, YouTube, TikTok, X, Research, Review, Publishing, Files, Memory Read. Rechte wie Publish, Money, OAuth, Memory Write bleiben separat gegated. So kann später auch ein X-Agent dazukommen, ohne dass der Rest des Systems Zugriff auf X braucht. Der wichtige Unterschied: nicht jetzt diesen fremden Bot installieren, sondern das Konzept als eigene Architektur übernehmen. Das würde unserem HQ tatsächlich helfen.