# deepnote-jupyter-successor-ai-first-github-2025-11-07

## Veille

Deepnote – Jupyter-Nachfolger mit nativem KI-Agenten – .deepnote-YAML-Format – VS Code/Cursor/Windsurf-Erweiterungen – Open Source – GitHub 1,5k Stars

## Titre Article

Deepnote: the data notebook for the AI era

## Date

2025-11-07

## URL

https://github.com/deepnote/deepnote

## Keywords

Deepnote, Jupyter, Notebooks, Data Science, KI-Agent, format .deepnote, YAML, Open Source, VS Code-Erweiterung, Cursor, Windsurf, JupyterLab, blockbasierte Architektur, reaktive Ausführung, Versionskontrolle, Echtzeit-Zusammenarbeit, Python, R, SQL, Datenvisualisierung, @deepnote/blocks, @deepnote/convert

## Authors

Deepnote Team (Johnny Carrot et contributeurs)

## Ton

**Profil:** Open-Source-Produkt | Organisatorische Wir-Perspektive | Informativ-werblich | Fortgeschritten

Das Deepnote-Team verwendet eine Open-Source-Produktmarketing-Stimme und positioniert die Lösung als „Jupyter-Nachfolger" im KI-Zeitalter. Die Struktur aus Vergleichstabelle und Wertversprechen (menschenlesbares Format, blockbasierte Architektur, „work wherever") spiegelt eine Produktpositionierungsstrategie wider. Die Fachsprache für Data-Science-Praktiker (Notebooks, reaktive Ausführung, Kernel-Kompatibilität) richtet sich an Data-Professionals und Forschungsteams. Der Ton ist informativ-werblich, typisch für Open-Source-Projekte, und balanciert technische Tiefe mit Zugänglichkeit. Die Betonung von Zusammenarbeit und KI-nativem Design spiegelt die Prioritäten moderner Data-Science-Workflows wider. Der Danksagungsabschnitt an die Jupyter-Community bettet die Innovation in eine respektvolle Erzählung ein. Typisch für von Risikokapital finanzierte Open-Source-Startups (Observable, Hex, Mode), die Datentools der nächsten Generation für Teams entwickeln, die ein modernes, kollaboratives Notebook-Erlebnis suchen.

## Pense-betes

- **Jupyter-Nachfolger** mit KI-first-Design und kompatiblem Kernel
- **500.000+ Data-Professionals** als Nutzer (Estée Lauder, SoundCloud, Statsig, Gusto)
- **.deepnote-YAML-Format** ersetzt .ipynb-JSON – menschenlesbar, versionskontrollfreundlich
- **Blockbasierte Architektur**: SQL, Eingaben, Diagramme über klassische Codezellen hinaus
- **Reaktive Notebook-Ausführung**: automatische erneute Ausführung abhängiger Blöcke
- **Verfügbare Erweiterungen**: VS Code, Cursor, Windsurf, JupyterLab
- **@deepnote/blocks**: TypeScript-Typen für Blöcke (Code, SQL, Text, Markdown, Input, Viz, Button, Big Number, Image)
- **@deepnote/convert**: CLI-Tool für die Konvertierung .ipynb ↔ .deepnote
- **Deepnote Cloud**: Skalierung für Teams mit Cloud-Rechenleistung, Echtzeit-Zusammenarbeit, KI-Agent
- **Deepnote Open Source**: lokales Arbeiten vor der Skalierung in die Cloud
- **1,5k GitHub Stars** – Apache-2.0-Lizenz – 14 Contributors
- **Kostenlos für Akademiker**: unbegrenzter Zugang für Studierende und Lehrende
- **Roadmap**: lokale UI, lokaler KI-Agent, Bring your own Keys, Run your own Compute
- **Unterstützung mehrerer Sprachen**: Python, R, SQL
- **Basiert auf Jupyter-Kernel**: volle Kompatibilität mit bestehenden Notebooks
- **Native Integrationen**: integrierte Datenbank- und API-Verbindungen

## RésuméDe400mots

Deepnote ist ein Open-Source-Projekt, das als moderner Nachfolger von Jupyter positioniert ist und für das Zeitalter der künstlichen Intelligenz konzipiert wurde. Deepnote wird von mehr als 500.000 Data-Professionals in Unternehmen wie Estée Lauder, SoundCloud und Statsig eingesetzt und verbindet Jupyter-Kompatibilität mit KI-nativer Funktionalität sowie einer weiterentwickelten kollaborativen Erfahrung.

**Innovation beim Format**

Das Format `.deepnote` ersetzt das umständliche JSON von `.ipynb` durch eine menschenlesbare YAML-Struktur, die für die Versionskontrolle optimiert ist. Dieses Format organisiert mehrere Notebooks, Integrationen und Einstellungen innerhalb eines einzigen .deepnote-Projekts und erleichtert so Struktur und Zusammenarbeit. Das CLI-Tool `@deepnote/convert` ermöglicht eine nahtlose bidirektionale Konvertierung zwischen den Formaten Jupyter und Deepnote.

**Erweiterbare Architektur**

Deepnote führt eine blockbasierte Architektur ein, die über traditionelle Codezellen hinausgeht. Über das Paket `@deepnote/blocks` erhalten Nutzer Zugriff auf Blöcke für SQL-Abfragen, interaktive Eingaben, Visualisierungen, Buttons, Big Numbers, Bilder und Trennzeichen. Diese Blöcke werden in TypeScript definiert und validiert, was Typsicherheit und Erweiterbarkeit gewährleistet. Die reaktive Notebook-Ausführung sorgt dafür, dass abhängige Blöcke automatisch neu ausgeführt werden, wenn sich Eingaben oder Daten ändern, wodurch Konsistenz und Reproduzierbarkeit erhalten bleiben.

**Multi-IDE-Ökosystem**

Das Open-Source-Projekt bietet offizielle Erweiterungen für moderne KI-native Editoren: VS Code, Cursor, Windsurf und JupyterLab. Diese „Work wherever"-Strategie erlaubt es Data Scientists, lokal in ihrer bevorzugten IDE zu entwickeln und anschließend für Echtzeit-Zusammenarbeit mit leistungsfähiger Cloud-Rechenleistung zu Deepnote Cloud zu skalieren.

**Hybride Cloud-Local-Strategie**

Deepnote Open Source ermöglicht eine vollständig lokale Entwicklung, während Deepnote Cloud verwaltete Rechenleistung, einen nativen KI-Agenten, linkbasiertes Teilen, native Datenbank-/API-Integrationen und synchrone Zusammenarbeit bietet. Dieser hybride Ansatz erfüllt sowohl die Bedürfnisse einzelner Data Scientists (lokal, kostenlos, volle Kontrolle) als auch die von Teams (Zusammenarbeit, skalierbare Rechenleistung, Governance).

**Roadmap und Vision**

Die Roadmap umfasst die lokale Deepnote-Cloud-Benutzeroberfläche, einen lokalen KI-Agenten, Unterstützung für „Bring your own Keys" bei KI-Diensten sowie die Möglichkeit, eigene Rechenressourcen zu nutzen („run your own compute"). Diese Entwicklungen zielen darauf ab, das vollständige Deepnote-Cloud-Erlebnis lokal anzubieten für Nutzer, die Datensouveränität benötigen oder mit sensiblen Daten arbeiten.

**Positionierung gegenüber Jupyter**

Die Vergleichstabelle hebt folgende Punkte hervor: kein Setup erforderlich (Cloud oder lokal vs. lokale Installation), native KI-Funktionen (Agent und Code-Vervollständigung vs. Drittanbieter-Erweiterungen), integrierte Versionskontrolle (natives Git vs. manueller Workflow), vereinfachtes Teilen (Link vs. manueller Export), verwaltete Rechenleistung (Cloud vs. ausschließlich lokale Ressourcen) und native Integrationen (Datenbanken/APIs vs. manuelle Konfiguration).

**Akademische Community**

Deepnote Cloud ist für Studierende und Lehrende kostenlos, mit unbegrenztem Zugang zu Kernfunktionen, Cloud-Rechenleistung und Echtzeit-Zusammenarbeit. Das Projekt fördert akademische Zitationen und trägt zum Open-Source-Ökosystem im Bereich Data Science bei.

**Jupyter-Erbe**

Die Danksagungen würdigen die Jupyter-Community und ihren Einfluss seit 2013 und positionieren Deepnote als natürliche Fortführung dieses Erbes hin zu einer KI-nativen, kollaborativen Zukunft, während aktiv zum selben offenen Ökosystem beigetragen wird.

## GrapheDeConnaissance

- Deepnote —remplace→ Jupyter (TECHNOLOGIE, 0.95)
- Deepnote —utilise→ format .deepnote (TECHNOLOGIE, 0.98)
- format .deepnote —remplace→ format .ipynb (TECHNOLOGIE, 0.97)
- Deepnote —est_basé_sur→ Jupyter (TECHNOLOGIE, 0.97)
- Deepnote —utilise→ AI agent natif (TECHNOLOGIE, 0.95)
- Deepnote —mesure→ 500 000 utilisateurs (MESURE, 0.92)
- Deepnote —s_applique_à→ VS Code (TECHNOLOGIE, 0.98)
- Deepnote —s_applique_à→ Cursor (TECHNOLOGIE, 0.98)
- Deepnote —s_applique_à→ Windsurf (TECHNOLOGIE, 0.98)
- @deepnote/blocks —permet→ types de blocs notebooks (CONCEPT, 0.93)
- @deepnote/convert —permet→ conversion bidirectionnelle de notebooks (CONCEPT, 0.95)
- Deepnote —utilise→ exécution réactive (CONCEPT, 0.9)
- Johnny Carrot —collabore_avec→ Deepnote (ORGANISATION, 0.85)
- Deepnote Cloud —permet→ collaboration temps réel (CONCEPT, 0.97)
- Deepnote —utilise→ licence Apache 2.0 (CONCEPT, 0.99)

---
Canonical: https://www.thekb.eu/de/fiches/deepnote-jupyter-successor-ai-first-github-2025-11-07/