Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-10-21 00:17 UTC

SigmaHQ / pySigma

Python library to parse and convert Sigma rules into queries (and whatever else you could imagine)

PythonLGPL-2.1★ 601 Sterne⑂ 160 Forksseit Juni 2021Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird

SigmaHQ/pySigma erreicht einen Gesundheitsindex von 34 von 100 und liegt damit im Bereich Gefährdet. Am stärksten schneidet es bei Vitality (96/100) ab, am schwächsten bei Security (42/100). Zuletzt vor 2 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

34
gesamt / 100
Gefährdet

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

34
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

Der gewichtete Gesamtwert 74 wird auf der veröffentlichten Indexskala auf 88 kalibriert (Register-Kalibrierung 2026-08-02). Die Richtlinie für Hochrisikojurisdiktionen wendet einen Multiplikator von 75 % auf die gewichtete Gesamtgesundheit an und begrenzt sie auf die Obergrenze Gefährdet von 34.

Eigentümerschaft

SigmaOrganisation
981 Follower31 öffentliche Reposseit März 2021

Dieses Repository wird von einer Organisation getragen — geteilte, rechenschaftspflichtige Trägerschaft, die jeden einzelnen Maintainer überdauern kann.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIpySigma2.0.1385.306104vor 9 Tagen

Metriken nach Kategorie

Vitalität

Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?

96Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

93Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 2 Tagen
29.1/36Commit-Rhythmus — 42/52 Wochen mit Commits
18/18Commit-Volumen — 502 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 5 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year502
human_commit_share0,97
days_since_last_push2
active_weeks_last_year42

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 9 Tagen
27/27Release-Rhythmus — ein Release etwa alle 23,4 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count100
latest_release_tagv2.0.1
releases_from_tagsnein
days_since_latest_release9
mean_days_between_releases23,4
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

69Gut · 17 % des Gesamtindex

Popularität & Verbreitung

71Gut
Wie die Bewertung erfolgt
45.1/60Stars — 601 Stars
18.3/25Forks — 160 Forks
7.2/15Watcher — 21 Watcher
Verwendete Eingangsdaten
forks160
stars601
watchers21
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

50Mittel
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (LGPL-2.1)
0/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges3
has_contributingnein
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesgithub.com, shields.io
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

93Außergewöhnlich
Wie die Bewertung erfolgt
74.5/80Downloads pro Monat — 385.306 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagespySigma
dependents—
ecosystemspypi
total_downloads—
monthly_downloads385.306
unverified_packages_excluded—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Abhängige in der Registry. Die verbleibenden Gewichte wurden renormalisiert.

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

70Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

39Schwach
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
6.7/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 70 % der Commits
13.5/13.5Breite der Beitragenden — 68 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 17 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor1
contributors_sampled68
top_contributor_share0,704

Reaktionsfähigkeit bei Issues & PRs

78Gut
Wie die Bewertung erfolgt
41.4/42Issue-Lösungsquote — 99 % der Issues geschlossen
26.9/30PR-Annahme — 343/383 entschiedene PRs gemergt
8.7/13Newcomer PR acceptance — 4/6 PRs von Erstbeitragenden in 30 Tagen gemergt
1.5/15OpenSSF Scorecard: Code-Review — Found 2/15 approved changesets -- score normalized to 1
Verwendete Eingangsdaten
merged_prs343
open_issues2
closed_issues137
prs_merged_7d0
prs_decided_7d0
prs_merged_30d36
prs_decided_30d40
issue_closed_ratio0,986
closed_unmerged_prs40
first_time_authors_30d6
first_time_prs_merged_30d4
first_time_prs_decided_30d6

Eigentümerschaft & Trägerschaft

74Gut
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
21.5/25Reichweite des Inhabers — 981 Follower von SigmaHQ
22.2/25Kontohistorie — 31 öffentliche Repos, Kontoalter ca. 5 Jahre
Verwendete Eingangsdaten
followers981
owner_typeOrganization
is_verifiednein
owner_loginSigmaHQ
public_repos31
account_age_days2.059

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 9 Tagen
20/20Versionshistorie — 104 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagespySigma
ecosystemspypi
any_deprecatednein
min_days_since_publish9

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

86Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 3 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.black])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 8 out of 8 merged PRs checked by a CI test -- score normalized to 10
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

75Gut
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
0/15Dokumentations-/Homepage-Site
10/10Repository-Beschreibung
0/10Topics
10/10Wiki
Verwendete Eingangsdaten
topics—
has_wikija
homepage—
docs_site—
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?

42Schwach · 16 % des Gesamtindex

Sicherheitslage

34Gefährdet
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — keine Daten
2.5/2.5CI-Tests — 8 out of 8 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0.8/7.5Code-Review — Found 2/15 approved changesets -- score normalized to 1
2.5/2.5Contributors — project has 17 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 30 commit(s) and 5 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — keine Daten
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
6/7.5Vulnerabilities — 2 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate6,3
high_risk_jurisdiction_cap34
high_risk_jurisdiction_multiplier75
security_posture_after_multiplier47
security_posture_before_jurisdiction63
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert. Die Richtlinie für Hochrisikojurisdiktionen wendet einen Multiplikator von 75 % an und begrenzt die Sicherheitslage auf die Obergrenze Gefährdet von 34.

Abhängigkeits-Advisories

74Gut
Wie die Bewertung erfolgt
26.6/35Direkte Abhängigkeiten ohne bekannte Advisories — 1 betroffen: diskcache 5.6.3 (moderate)
10.2/25Indirekte Abhängigkeiten ohne bekannte Advisories — 1 betroffen: certifi 2026.10.18 (high 7.4)
37.2/40Keine offenen Advisories — 1 Paket(e) mit Advisory seit über 90 Tagen unbehandelt; ältestes vor 251 Tagen veröffentlicht
Verwendete Eingangsdaten
sourceosv
advisories4
affected_packages2
assessed_packages16
unassessed_packages0
affected_by_severityhigh 1, moderate 1
direct_affected_packages1
Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:pySigma@2.0.1 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 16 Paketen. Erreichbarkeit wird nicht analysiert.

AI Readiness

Wie gut ist das Repository dafür ausgestattet, mit KI-Coding-Agenten entwickelt und gepflegt zu werden? Trägt ein bewusst kleines Gewicht (4 %): Agenten-Tooling ist ein echtes Pflegesignal, doch ein Repository ohne jedes Signal kann weiterhin 100/100 erreichen.

84Exzellent · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

83Exzellent
Wie die Bewertung erfolgt
45/45Agentenanweisungen — .github/copilot-instructions.md, .github/instructions/docs.md, .github/instructions/sigma.md, .github/instructions/tests.md
0/15Maschinenlesbare Doku (llms.txt)
37.9/40Lesbare Commit-Historie — 69 von 97 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,711
agent_instruction_files.github/copilot-instructions.md, .github/instructions/docs.md, .github/instructions/sigma.md, .github/instructions/tests.md
agent_instruction_max_bytes3.187

AI-Verify-Loop (Build / Test / Typprüfung)

87Exzellent
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — docs/Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.black])
11/11Statische Typprüfung — mypy.ini, sigma/py.typed
10/10Reproduzierbare Umgebung — lockfile
10/10Belegte Agentenpraxis — 27 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
5/8Automatisierte Wartung — Abhängigkeits-Automatisierung konfiguriert, in den erfassten Commits nicht beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilespoetry.lock
has_dockerfilenein
typed_languagenein
bootstrap_filesdocs/Makefile
has_devcontainernein
has_linter_configja
typecheck_configsmypy.ini, sigma/py.typed
agent_commit_share0,27
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

80Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (mypy.ini, sigma/py.typed)
53/55Handhabbare Dateigrößen — 4/108 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes140.470
source_files_sampled108
oversized_source_files4

Eckdaten

601GitHub-Sterne
68Mitwirkende
502Commits, letzte 12 Monate
2Tage seit letztem Push
100Releases
1Bus-Faktor
2offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 160 ⇿
0Sterne
160Forks
100Releases

Wann jeder Stern und Fork hinzugefügt wurde, von GitHub erfasst und nach Tagen gruppiert. Das kumulierte Wachstum steht direkt über den täglichen Zugängen, aus denen es besteht, sodass beide gegeneinander lesbar sind: stetiger organischer Zuwachs sieht ganz anders aus als ein abrupter, kurzlebiger Ausschlag. Wo dieser Unterschied messbar ist, wird er als Wachstumsauthentizität ausgewiesen.

0408012016015942021-062024-022026-10
Major 2Minor 13Patch 83

Jeder Punkt umfasst 5 Tage.

OpenSSF Scorecard 6.3 / 10
6.3Gesamtwert

Unabhängige, werkzeugneutrale Sicherheitsbewertung durch das quelloffene OpenSSF Scorecard. Jede Prüfung honoriert eine Sicherheits-Praxis, nicht das Werkzeug eines bestimmten Anbieters. Prüfungen, die Scorecard nicht ermitteln konnte, sind mit k. A. markiert und vom Sicherheitswert ausgeschlossen (nie als null gezählt).Scorecard v5.5.0 · 2026-10-21 00:16 UTC

10Binary-Artifactsno binaries found in the repo
k. A.Branch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
10CI-Tests8 out of 8 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
1Code-ReviewFound 2/15 approved changesets -- score normalized to 1
10Contributorsproject has 17 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 5 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTSAST tool is not run on all commits -- score normalized to 0
10Security-Policysecurity policy file detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
8Vulnerabilities2 existing vulnerabilities detected
Direkte Abhängigkeiten 10
RegistryPaketVersionsvorgabeManifest
PyPIpackaging^26.3pyproject.toml
PyPIpyparsing^3.2.5pyproject.toml
PyPIpyyaml^6.0.3pyproject.toml
PyPIrequests^2.32.5pyproject.toml
PyPIjinja2^3.1.6pyproject.toml
PyPItypes-pyyaml^6.0.12.20260815pyproject.toml
PyPIdiskcache^5.6.3pyproject.toml
PyPIdiskcache-stubs>=5.6.3pyproject.toml
PyPIjq^1.12pyproject.toml
PyPIgoogle-re2>=1.0pyproject.toml
Alle Abhängigkeiten 64

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 10 direkte und 54 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIdiskcache5.6.3direkt
PyPIdiskcache-stubs5.6.3.6.20240818direkt
PyPIgoogle-re21.1.20251105direkt
PyPIjinja23.1.6direkt
PyPIjq1.12.0direkt
PyPIpackaging26.3direkt
PyPIpyparsing3.3.3direkt
PyPIpyyaml6.0.3direkt
PyPIrequests2.34.2direkt
PyPItypes-pyyaml6.0.12.20260906direkt
PyPIalabaster1.0.0indirekt
PyPIast-serialize0.12.1indirekt
PyPIastroid4.3.3indirekt
PyPIbabel2.18.0indirekt
PyPIblack26.5.1indirekt
PyPIcertifi2026.7.22indirekt
PyPIcfgv3.5.0indirekt
PyPIcharset-normalizer3.5.2indirekt
PyPIclick8.5.0indirekt
PyPIcolorama0.4.6indirekt
PyPIcoverage7.16.2indirekt
PyPIdefusedxml0.7.1indirekt
PyPIdill0.4.1indirekt
PyPIdistlib0.4.3indirekt
PyPIdocutils0.21.2indirekt
PyPIfilelock4.0.10indirekt
PyPIidentify2.6.20indirekt
PyPIidna3.20indirekt
PyPIimagesize2.0.1indirekt
PyPIiniconfig2.3.0indirekt
PyPIisort9.0.2indirekt
PyPIlibrt0.16.0indirekt
PyPImarkupsafe3.0.4indirekt
PyPImccabe0.7.0indirekt
PyPImypy2.4.0indirekt
PyPImypy-extensions1.1.0indirekt
PyPInodeenv1.11.0indirekt
PyPIpathspec1.1.1indirekt
PyPIpip26.2.1indirekt
PyPIplatformdirs4.12.3indirekt
PyPIpluggy1.6.0indirekt
PyPIpre-commit4.6.2indirekt
PyPIpygments2.21.0indirekt
PyPIpylint4.1.2indirekt
PyPIpytest9.1.1indirekt
PyPIpytest-cov7.1.0indirekt
PyPIpytest-mypy1.0.1indirekt
PyPIpython-discovery1.6.1indirekt
PyPIpytokens0.4.1indirekt
PyPIroman-numerals4.1.0indirekt
PyPIroman-numerals-py4.1.0indirekt
PyPIsnowballstemmer3.1.1indirekt
PyPIsphinx8.2.3indirekt
PyPIsphinxcontrib-applehelp2.0.0indirekt
PyPIsphinxcontrib-devhelp2.0.0indirekt
PyPIsphinxcontrib-htmlhelp2.1.0indirekt
PyPIsphinxcontrib-jsmath1.0.1indirekt
PyPIsphinxcontrib-qthelp2.0.0indirekt
PyPIsphinxcontrib-serializinghtml2.0.0indirekt
PyPItomlkit0.15.1indirekt
PyPItypes-requests2.33.0.20260906indirekt
PyPItyping-extensions4.16.0indirekt
PyPIurllib32.8.0indirekt
PyPIvirtualenv21.14.5indirekt
Abhängigkeits-Advisories 2

Die Installation von pypi:pySigma@2.0.1 zieht 16 Pakete nach sich, direkt und transitiv: 2 tragen bekannte Advisories, davon 1 direkte Abhängigkeiten.

PaketVersionBeziehungSchweregradAdvisoriesBehoben in
certifi2026.10.18indirekthoch22026.10.19
diskcache5.6.3direktmittel2—

Ein Advisory bedeutet, dass die im Abhängigkeitsgraphen erfasste Version in den betroffenen Bereich eines Advisories fällt. Erreichbarkeit wird nicht analysiert, und der Graph enthält Entwicklungs- und Test-Pins — ein Fund kann das Werkzeug betreffen und nicht die ausgelieferte Software.

JSON-Rohbericht maschinenlesbar

Feedback

Stimmt etwas in diesem Bericht nicht, oder gibt es Gedanken dazu? Falsche Messungen, übersehene Tools, Ideen, Fragen — alles ist willkommen. Jede Nachricht wird gelesen und beantwortet.

Die Nachricht bleibt bei der Anmeldung erhalten.

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit SigmaHQ/pySigma teilen. Nebeneinander lesen →

100aws/aws-sam-cliCLI tool to build, test, debug, and deploy Serverless applications using AWS SAMAußergewöhnlich100matplotlib/matplotlibmatplotlib: plotting with PythonAußergewöhnlich100deepset-ai/haystackOpen-source AI orchestration framework for building context-engineered, production-ready LLM applications. Design modular pipelines and agent workflows with explicit control over retrieval, routing, memory, and generation. Built for scalable agents, RAG, multimodal applications, semantic search, and conversational systems.Außergewöhnlich100huggingface/transformers🤗 Transformers: the model-definition framework for state-of-the-art machine learning models in text, vision, audio, and multimodal models, for both inference and training. Außergewöhnlich100risingwavelabs/risingwaveEvent streaming platform for agentic AI. Continuously ingest, transform, and serve event streams in real time, at scale.Außergewöhnlich100home-assistant/frontend:lollipop: Frontend for Home AssistantAußergewöhnlich

Bewertungen sind Signale, keine Garantien. Sie spiegeln öffentlich sichtbare Praxis auf GitHub wider — kein Code-Audit und keine Sicherheitsgarantie.

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.10.0, Schema v0.34.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken — PyPI.