Vibe Coding

Was ist Vibe Coding?

Vibe Coding ist das Bauen von Software, indem man in natürlicher Sprache beschreibt, was man will, und den KI-generierten Code akzeptiert, ohne ihn zu reviewen oder vollständig zu verstehen. Man beurteilt das Ergebnis danach, ob es zu funktionieren scheint, und tauscht Sorgfalt und Verständnis gegen Geschwindigkeit. Der Begriff kommt von einer Beobachtung Andrej Karpathys aus 2025, dass Entwickelnde jetzt "vergessen können, dass der Code überhaupt existiert."

Die wichtigsten Punkte

• Der bestimmende Zug ist, Code zu akzeptieren, den man nicht gelesen hat. Einen Agenten zu prompten und dann den Diff sorgfältig zu reviewen ist Agentisches Coding, nicht Vibe Coding.
• Es ist ein legitimer Modus für Prototypen, Wegwerf-Skripte, und persönliche Tools, wo die Kosten eines versteckten Bugs nahe null sind.
• Die Schuld ist unsichtbar, bis sie es nicht mehr ist. Jeder ungelesene Merge fügt Verständnisschuld hinzu, und die Rechnung kommt beim ersten ernsten Vorfall, wenn niemand im Team das System versteht, das es betreibt.
• Sicherheit ist die schärfste Kante. Ungereviewter generierter Code liefert mit unvalidierten Inputs, geleakten Geheimnissen, und halluzinierten Abhängigkeiten, die niemand auf Slopsquatting geprüft hat.

So funktioniert es

Der Workflow ist eine enge konversationelle Schleife. Sie beschreiben ein Feature, das Modell oder ein KI-Coding-Agent produziert den Code, Sie führen die App aus, und Sie reagieren auf das, was Sie sehen. Wenn etwas bricht, fügen Sie den Fehler zurück ein und bitten um einen Fix. Sie steuern ausschließlich durch beobachtetes Verhalten: Lädt die Seite, funktioniert der Button, sieht der Output richtig aus. Der Quellcode wird als Artefakt behandelt, das die Maschine verwaltet, ungefähr so, wie die meisten Entwickelnden Compiler-Output behandeln.

Das funktioniert überraschend gut für Greenfield-Projekte mit sichtbarem Verhalten, weshalb Vibe Coding mit Landingpages, Dashboards, Spielen, und internen Tools abhob. Das Feedback, das Sie brauchen, ist auf dem Bildschirm. Es verschlechtert sich schnell, wenn Korrektheit unsichtbar ist: Nebenläufigkeit, Sicherheit, Abrechnungslogik, Datenmigrationen. Dort kann Code richtig aussehen, richtig demonstrieren, und trotzdem falsch sein, und per Definition liest niemand genau genug hin, um es zu fangen. Entwickelnde kennen die Form dieses Problems bereits: In der Stack-Overflow-Umfrage 2025 nannten 66 % KI-Lösungen, die fast richtig, aber nicht ganz sind, als ihre größte Frustration, und 45,2 % sagten, das Debuggen KI-generierten Codes dauere länger [1].

Der Fehlermodus summiert sich über die Zeit. Weil niemand ein mentales Modell der Codebasis hält, gibt jeder neue Prompt dem Modell weniger kohärentes Material, auf dem es aufbauen kann. Generierte Fixes patchen Symptome, duplizierte Logik häuft sich an, und schließlich erreicht das Projekt einen Zustand, in dem weder der Mensch noch das Modell es ohne einen Rewrite vorantreiben können.

Beispiel

Ein Gründer vibe-codet an einem Wochenende eine Warteliste-App: Anmeldeformular, Empfehlungslinks, eine Admin-Seite. Sie funktioniert, und sie geht live. Drei Wochen später entdeckt ein Nutzer, dass die Admin-Seite ohne Authentifizierung erreichbar ist, weil ein früher Prompt die Route gerüstet hat, bevor Auth existierte, und kein späterer Prompt sie je wieder besuchte. Nichts "brach" im Testing, weil Testen bedeutete, sich durch den Happy Path zu klicken. Die Lücke saß in Code, den niemand gelesen hatte. Der Fix dauerte zehn Minuten; zu wissen, dass die Schwachstelle existierte, war der Teil, den Vibe Coding nicht liefern konnte.

Häufige Missverständnisse

Der Fehler geht in beide Richtungen. Kritiker behandeln Vibe Coding als Schimpfwort für jede KI-unterstützte Entwicklung, was übersieht, dass gereviewter, verifizierter Agenten-Output eine andere Praxis mit einem anderen Risikoprofil ist. Enthusiasten machen den gegenteiligen Fehler und tragen den Vibe-Workflow in Produktionssysteme, in der Annahme, dass "es hat bisher funktioniert" Evidenz für Korrektheit sei. Das Geschwindigkeitsgefühl verdient besondere Skepsis: In METRs randomisierter Studie von 2025 brauchten erfahrene Entwickler, die KI-Tools nutzten, 19 % länger für echte Coding-Aufgaben, glaubten aber danach weiterhin, die KI habe sie um 20 % beschleunigt [2]. Die ehrliche Einordnung ist umfangsbasiert: Vibe Coding ist ein schneller, billiger Modus für Code, dessen Scheitern egal ist, und eine unbepreiste Haftung überall sonst.

FAQ

Woher kommt die Bedeutung von Vibe Coding? Andrej Karpathy prägte die Phrase Anfang 2025, um zu beschreiben, sich dem Modell hinzugeben, seinen Output vollständig zu akzeptieren, und nach Ergebnissen zu steuern statt nach Lesen von Code. Sie verbreitete sich schnell, weil sie etwas benannte, das viele Menschen bereits still taten.

Ist Vibe Coding schlecht? Es hängt vollständig vom Schadensradius ab. Für Prototypen, Experimente, und persönliche Tools ist es ein rationaler Tausch. Für alles, das Geld, Nutzerdaten, oder Uptime-Verpflichtungen handhabt, ist ungereviewter Code unverwaltetes Risiko, egal was ihn generiert hat. Praktiker selbst sind vorsichtig: Die DORA-Umfrage 2025 fand, dass 30 % der Technologie-Fachkräfte wenig oder kein Vertrauen in KI-generierten Code berichten, selbst während 90 % KI bei der Arbeit nutzen [3].

Wie verhindern Teams, dass Prototypen zu vibe-gecodeten Produktionssystemen werden? Mit einem expliziten Beförderungs-Gate. Bevor ein Prototyp echten Traffic bekommt, bekommt er echtes Review: einen Sicherheitsdurchgang, Tests um die kritischen Pfade, und einen Menschen, der erklären kann, wie er funktioniert. Manche Teams regenerieren das System aus einer richtigen Spezifikation, statt den Prototyp zu härten, was oft günstiger ist, als Code zu auditieren, den niemand versteht.

Quellen

1. Stack Overflow Developer Survey 2025. "66 % der Entwickler nennen KI-Lösungen, die fast richtig sind, als ihre größte Frustration; 45,2 % sagen, das Debuggen KI-generierten Codes sei zeitaufwendiger." https://survey.stackoverflow.co/2025/ai. Abgerufen im August 2026.
2. METR. "Entwickler, die KI-Tools nutzten, brauchten 19 % länger bei echten Aufgaben, glaubten aber, KI habe sie um 20 % beschleunigt." https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/. Abgerufen im August 2026.
3. Google Cloud / DORA 2025 State of AI-assisted Software Development. "30 % der Technologie-Fachkräfte berichten wenig oder kein Vertrauen in KI-generierten Code; 90 % nutzen KI bei der Arbeit." https://cloud.google.com/blog/products/ai-machine-learning/announcing-the-2025-dora-report. Abgerufen im August 2026.