Öffentliches Register
Software-GesundheitsberichtSchema 0.31.0 · Metriken 2.10.0 · 2026-08-12 21:28 UTC

kedro-org / kedro

Kedro is a toolbox for production-ready data science. It uses software engineering best practices to help you create data engineering and data science pipelines that are reproducible, maintainable, and modular.

PythonApache-2.0★ 10.954 Sterne⑂ 1.066 Forksseit Apr. 2019Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekwie das ermittelt wird
#kedro#hacktoberfest#mlops#python#machine-learning#machine-learning-engineering#agentic-ai#agentic-workflow#data-pipelines

kedro-org/kedro erreicht einen Gesundheitsindex von 99 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Vitality (99/100) ab, am schwächsten bei Security (67/100). Zuletzt heute aktualisiert. 8 Mitwirkende tragen den Großteil der jüngsten Arbeit.

99
gesamt / 100
Außergewöhnlich

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.

99
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 90 wird auf der veröffentlichten Indexskala auf 99 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

KedroOrganisation
316 Follower21 öffentliche Reposseit Okt. 2021

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIkedro1.5.0-71vor 44 Tagenpipelinesmachine-learningdata-pipelinesdata-sciencedata-engineering

Metriken nach Kategorie

Vitalität

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

99Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

99Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
34.6/36Commit-Rhythmus — 50/52 Wochen mit Commits
18/18Commit-Volumen — 248 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 8 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year248
human_commit_share0,89
days_since_last_push0
active_weeks_last_year50

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 71 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 44 Tagen
27/27Release-Rhythmus — ein Release etwa alle 38,1 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count71
latest_release_tag1.5.0
releases_from_tagsnein
days_since_latest_release44
mean_days_between_releases38,1
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?

94Außergewöhnlich · 17 % des Gesamtindex

Popularität & Verbreitung

96Außergewöhnlich
Wie die Bewertung erfolgt
60/60Stars — 10.954 Stars
25/25Forks — 1.066 Forks
11.1/15Watcher — 101 Watcher
Verwendete Eingangsdaten
forks1.066
stars10.954
watchers101
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

92Exzellent
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges11
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesbadge.fury.io, bestpractices.coreinfrastructure.org, readthedocs.org, shields.io
has_pull_request_templateja

Nachhaltigkeit & Governance

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

91Exzellent · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

97Außergewöhnlich
Wie die Bewertung erfolgt
54/54Bus-Faktor — 8 Beitragende decken die Hälfte aller Commits ab
19.6/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 13 % der Commits
13.5/13.5Breite der Beitragenden — 98 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 27 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor8
contributors_sampled98
top_contributor_share0,13

Reaktionsfähigkeit bei Issues & PRs

85Exzellent
Wie die Bewertung erfolgt
39.7/42Issue-Lösungsquote — 95 % der Issues geschlossen
23.4/30PR-Annahme — 2.057/2.634 entschiedene PRs gemergt
6.5/13Newcomer PR acceptance — 7/14 PRs von Erstbeitragenden in 30 Tagen gemergt
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Verwendete Eingangsdaten
merged_prs2.057
open_issues141
closed_issues2.490
prs_merged_7d6
prs_decided_7d7
prs_merged_30d19
prs_decided_30d36
issue_closed_ratio0,946
closed_unmerged_prs577
first_time_authors_30d8
first_time_prs_merged_30d7
first_time_prs_decided_30d14

Eigentümerschaft & Trägerschaft

84Exzellent
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
18/25Reichweite des Inhabers — 316 Follower von kedro-org
19.3/25Kontohistorie — 21 öffentliche Repos, Kontoalter ca. 4 Jahre
Verwendete Eingangsdaten
followers316
owner_typeOrganization
is_verified—
owner_loginkedro-org
public_repos21
account_age_days1.748
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 44 Tagen
20/20Versionshistorie — 71 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packageskedro
ecosystemspypi
any_deprecatednein
min_days_since_publish44

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

96Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 18 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 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

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://kedro.org
10/10Repository-Beschreibung
10/10Topics — 9 Topics
10/10Wiki
Verwendete Eingangsdaten
topicskedro, hacktoberfest, mlops, python, machine-learning, machine-learning-engineering, agentic-ai, agentic-workflow, data-pipelines
has_wikija
homepagehttps://kedro.org
docs_sitehttps://kedro.org
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

67Gut · 16 % des Gesamtindex

Sicherheitslage

59Mittel
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 — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
1.2/2.5CII-Best-Practices — badge detected: Passing
7.5/7.5Code-Review — all changesets reviewed
2.5/2.5Contributors — project has 27 contributing companies or organizations
0/10Dangerous-Workflow — 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 8 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
3/5SAST — SAST tool is not run on all commits -- score normalized to 6
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — keine Daten
1.5/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 14 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate5,9
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Abhängigkeits-Advisories

100Außergewöhnlich
Wie die Bewertung erfolgt
35/35Direkte Abhängigkeiten ohne bekannte Advisories — keine direkte Abhängigkeit trägt ein bekanntes Advisory
25/25Indirekte Abhängigkeiten ohne bekannte Advisories — keine indirekte Abhängigkeit trägt ein bekanntes Advisory
0/40Keine offenen Advisories — kein Advisory trägt ein Veröffentlichungsdatum
Verwendete Eingangsdaten
sourceosv
advisories0
affected_packages0
assessed_packages39
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:kedro@1.5.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 39 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.

71Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

40Schwach
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 89 von 89 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share1
agent_instruction_files—
agent_instruction_max_bytes—

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

80Exzellent
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile, kedro/templates/project/{{ cookiecutter.repo_name }}/docs/Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration
11/11Statische Typprüfung — kedro/py.typed
0/10Reproduzierbare Umgebung
10/10Belegte Agentenpraxis — 7 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 11 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfilenein
typed_languagenein
bootstrap_filesMakefile, kedro/templates/project/{{ cookiecutter.repo_name }}/docs/Makefile
has_devcontainernein
has_linter_configja
typecheck_configskedro/py.typed
agent_commit_share0,07
toolchain_manifests—
dependency_bot_commit_share0,11

AI-Code-Lesbarkeit für Modelle

82Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (kedro/py.typed)
54.8/55Handhabbare Dateigrößen — 1/226 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes64.289
source_files_sampled226
oversized_source_files1

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto) — für diese Art von Software nicht anwendbar
0/20MCP-Server — für diese Art von Software nicht anwendbar
40/40Lauffähige Beispiele — notebooks
Verwendete Eingangsdaten
example_dirsnotebooks
has_mcp_signalnein
api_schema_files—
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): API-Schema (OpenAPI/GraphQL/proto), MCP-Server. Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

10.954GitHub-Sterne
98Mitwirkende
248Commits, letzte 12 Monate
0Tage seit letztem Push
71Releases
8Bus-Faktor
141offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • First-time contributor figures cover 12 of 21 authors (cap 12)

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 1.066 ⇿
0Sterne
1.066Forks
68Releases

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.

Es wird nur die jüngste Historie angezeigt — dieses Repository überschreitet das Erfassungsfenster, sodass die früheste Historie nicht erfasst wird.

02004006008001.0001.2001.066262019-062023-012026-08
Major 1Minor 10Patch 54

Jeder Punkt umfasst 7 Tage.

OpenSSF Scorecard 5.9 / 10
5.9Gesamtwert

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 · 2026-08-12 21:27 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-Tests30 out of 30 merged PRs checked by a CI test -- score normalized to 10
5CII-Best-Practicesbadge detected: Passing
10Code-Reviewall changesets reviewed
10Contributorsproject has 27 contributing companies or organizations
0Dangerous-Workflowdangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 8 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
6SASTSAST tool is not run on all commits -- score normalized to 6
10Security-Policysecurity policy file detected
k. A.Signed-Releasesno releases found
2Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities14 existing vulnerabilities detected
Direkte Abhängigkeiten 17
RegistryPaketVersionsvorgabeManifest
PyPIattrs>=21.3pyproject.toml
PyPIbuild>=0.7.0pyproject.toml
PyPIclick>=8.2pyproject.toml
PyPIcookiecutter>=2.1.1,<3.0pyproject.toml
PyPIdynaconf>=3.1.2,<4.0pyproject.toml
PyPIfsspec>=2021.4pyproject.toml
PyPIgitpython>=3.0pyproject.toml
PyPIkedro-telemetry>=0.5.0pyproject.toml
PyPImore_itertools>=8.14.0pyproject.toml
PyPIomegaconf>=2.1.1pyproject.toml
PyPIparse>=1.19.0pyproject.toml
PyPIpluggy>=1.0pyproject.toml
PyPIPyYAML>=4.2,<7.0pyproject.toml
PyPIrich>=12.0,<16.0pyproject.toml
PyPItomli>=1.1.0pyproject.toml
PyPItomli-w—pyproject.toml
PyPItyping_extensions>=4.0pyproject.toml
Alle Abhängigkeiten 44

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 15 direkte und 29 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIattrs—direkt
PyPIbuild—direkt
PyPIclick—direkt
PyPIcookiecutter—direkt
PyPIdynaconf—direkt
PyPIfsspec—direkt
PyPIgitpython—direkt
PyPIkedro-telemetry—direkt
PyPImore-itertools—direkt
PyPIomegaconf—direkt
PyPIparse—direkt
PyPIpluggy—direkt
PyPIpyyaml—direkt
PyPIrich—direkt
PyPItyping-extensions—direkt
PyPIbehave—indirekt
PyPIdetect-secrets—indirekt
PyPIfastapi—indirekt
PyPIimport-linter—indirekt
PyPIipylab—indirekt
PyPIipython—indirekt
PyPIjupyter—indirekt
PyPIjupyterlab—indirekt
PyPIjupyterlab-server—indirekt
PyPImkdocs—indirekt
PyPImkdocs-autorefs—indirekt
PyPImkdocs-get-deps—indirekt
PyPImkdocs-material—indirekt
PyPImkdocs-material-extensions—indirekt
PyPImkdocs-mermaid2-plugin—indirekt
PyPImkdocstrings—indirekt
PyPImkdocstrings-python—indirekt
PyPImypy—indirekt
PyPInotebook—indirekt
PyPIpandas—indirekt
PyPIpre-commit—indirekt
PyPIpydantic—indirekt
PyPIpytest—indirekt
PyPIpytest-cov—indirekt
PyPIpytest-mock—indirekt
PyPIpytest-xdist—indirekt
PyPIs3fs—indirekt
PyPIsetuptools—indirekt
PyPIuvicorn—indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:kedro@1.5.0 zieht 39 Pakete nach sich, direkt und transitiv: 0 tragen bekannte Advisories, davon 0 direkte Abhängigkeiten.

Keine bekannten Advisories betreffen die bewerteten Abhängigkeiten.

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 kedro-org/kedro teilen. Nebeneinander lesen →

100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsAußergewöhnlich99argoproj/argo-workflowsWorkflow Engine for KubernetesAußergewöhnlich98dagster-io/dagsterAn orchestration platform for the development, production, and observation of data assets.Außergewöhnlich100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Außergewöhnlich100streamlit/streamlitStreamlit — A faster way to build and share data apps.Außergewöhnlich100PrefectHQ/prefectPrefect is a workflow orchestration framework for building resilient data pipelines in Python.Außergewöhnlich

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 v0.31.0 — vollständige Methodik · Metriken-Wiki.

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