Vibe Coding: Eine Revolution in der Entwicklung oder nur ein weiterer Trend? 

Beginnen wir mit der Definition der Bedeutung von Vibe Coding. 

Der von Andrej Karpathy vorgestellte Begriff beschreibt den Programmierprozess mit dem Fokus darauf, einen speziellen KI-Assistenten bei der Code-Generierung, -Verfeinerung und -Korrektur anzuleiten. Der Assistent kann diese Aktionen dank der Verwendung von NLP-Technologien ausführen, die es der Maschine ermöglichen, menschliche Befehle wahrzunehmen, zu verarbeiten und Antworten in Form von Code zu generieren. 

Kurz nachdem Andrej Karpathy den Begriff bekannt gegeben hatte, begann sich seine Bedeutung zu wandeln und zu erweitern. Heute wird Vibe Coding als ein vollständiger Softwareentwicklungsansatz beschrieben, der die Beschleunigung von Web- und Mobile-Entwicklung ermöglicht. 

Dabei basiert der Ansatz auf der Entwicklungsphilosophie 'Code zuerst, später verfeinern'. Das bedeutet, dass Entwickler bei der Anwendung von Vibe Coding Experimente, Ideengenerierung und schnelles Prototyping gegenüber dem systematischen und durchdachten Aufbau von Strukturen und der Planung priorisieren. Darüber hinaus definiert der Entwickler auch das KI-Modell und die zukünftige Absicht, Struktur und das Verhalten der geschriebenen Funktionen und Elemente, also definiert die 'Vibe'. 

Ab diesem Punkt wird die weitere Betrachtung kompliziert. Der Grund liegt im unterschiedlichen Verständnis von KI-Unterstützung beim Programmieren.

Zum Beispiel vertritt IBM die Auffassung, dass KI Code generiert und nichts weiter, während die eigentliche Arbeit weiterhin beim Menschen liegt. Menschen sollten Ideen schaffen, Ziele setzen, über Funktionen nachdenken und den von der Maschine geschriebenen Code permanent verfeinern.

Allerdings stößt dieses Verständnis auf Widerstand bei erfahrenen Softwareentwicklern.

Simon Willison, ein weltbekannter britischer Programmierer und Miterschaffer des Django Web-Frameworks, erklärt, dass Vibe Coding 'das Erstellen von Software mit einem LLM bedeutet, ohne den Code, den es schreibt, zu überprüfen'. Er unterstützt diese Aussage mit folgendem Argument:

Laut professionellen Programmierern liegt der Kern des Vibe Coding also darin, dass der Benutzer den geschriebenen Code ohne vollständiges Verständnis annimmt.

Dieser Widerspruch im Verständnis des Prinzips des Ansatzes wird teilweise von Google aufgelöst, das Vibe Coding in zwei Arten unterteilt: 

• Reines Vibe Coding. Die Art und Weise, bei der der 'Coder' der KI vollständig vertraut und 'vergisst, dass der Code überhaupt existiert'.
• Verantwortungsvolles Vibe Coding. Die Art und Weise, bei der das LLM als ein KI-Coding-Assistent verwendet wird, nicht mehr und nicht weniger. Alle Tests und Überprüfungen werden von einem Entwickler durchgeführt, ebenso wie die Anleitung zur Codegenerierung.

Da die Frage dieser Unterscheidungsproblematik später diskutiert werden sollte, kommen wir nun zur technischen Essenz des Ansatzes.

Es gibt mehrere Werkzeuge und Methoden, die Vibe Coding wirklich effektiv machen. 

Erstens ein großes Sprachmodell (LLM), eines der Schlüsselelemente des Prozesses, verantwortlich für das Wahrnehmen und Verarbeiten menschlicher Prompts, kontextbewusste Codegenerierung und Stilanpassung. 

Die Wahl des besten KI-Modells hängt von den Entwicklungsanforderungen ab. Die Frage, wie verschiedene LLMs mit Programmieraufgaben umgehen, wurde in unserem Blogbeitrag zum Vergleich gängiger KI-Modelle behandelt. Es gibt jedoch einige, die speziell für das Programmieren feinabgestimmt wurden, zum Beispiel CodeLlama.

Dieses Open-Source-LLM, das von Meta unterstützt wird, wurde speziell für die hochpräzise Codegenerierung in den gängigsten Programmiersprachen optimiert. Die Schlüsselelemente dieser Optimierung sind: 

• Programmierorientierte Basis. Code Llama wurde auf großen Mengen codebezogener Daten trainiert, einschließlich öffentlicher Codebasen und Datensätze (GitHub, Stack Overflow, etc.) und sprachspezifischer technischer Dokumentation. 
• Mehrsprachige Unterstützung. Das LLM deckt die meisten gängigen Programmiersprachen ab, einschließlich Python, C++, Java, Rust, SQL und vieler weiterer.
• Erweitertes Kontextverständnis. Es kann ziemlich große Codebasen verarbeiten (bis zu 100.000 Tokens) und dabei kohärent bleiben. Darüber hinaus kann es sogar fehlende Codezeilen vorhersagen, indem es den kontextuellen Rahmen analysiert. 

Dennoch können selbst nicht spezifisch angepasste Modelle wie ChatGPT, Gemini oder DeepSeek ausreichende Unterstützung im Programmierprozess bieten. Dabei verlassen sie sich auf die RAG (Retrieval-Augmented Generation)-Technologie.

Sie wurde gründlich untersucht und analysiert in einem unserer Blogbeiträge über die Nutzung von ChatGPT im Geschäftsumfeld.

Zur Erinnerung: RAG bedeutet die Verstärkung der Standardfähigkeiten eines LLM mit zusätzlichem Kontext. Das Modell extrahiert die Daten für diesen Kontext aus verschiedenen externen Wissensdatenbanken. Im Bereich der Codegenerierung sind diese Datenbanken durch Open-Source- oder interne unternehmenseigene Codebasen oder aufgabenspezifische Dokumentationen vertreten. Dadurch wird die Codegenauigkeit durch relevante Beispiele und Entwicklungstechniken verbessert.

Die nächste Technologie, die Vibe Coding effizient macht, ist Reinforcement Learning (verstärkendes Lernen). Dabei überwacht der menschliche Entwickler die Vorschläge und Codefragmente und nimmt sie entweder an oder lehnt sie ab. Sowohl Annahme- als auch Ablehnungsdaten, als auch Kommentare der Entwickler dienen als Quelle für zusätzliches Training des Modells. Mit der Zeit kann die KI die Präferenzen des Entwicklers verstehen lernen.

Im Wesentlichen sieht der Standard-Vibe-Coding-Prozess folgendermaßen aus: 

• Spezifikation von Kontext und Absicht. Der Entwickler gibt eine Eingabe ein, die alle notwendigen Spezifikationen enthält (Beschreibung der Funktionalität, Programmiersprache, Struktur etc.). In dieser Phase kann der KI-Agent den Entwickler auch um weitere Klärung bitten.
• Eingabeverarbeitung. Wenn alle Spezifikationen gemacht sind, ruft die KI das damit verbundene Wissen ab. Zum Beispiel kann sie ähnliche Endpunkte aus der Open-Source- oder internen Codebasis finden und verwenden.
• Generierung der Code-Ausgabe. Das KI-Modell liefert den statischen Code für die benötigte Funktion.
• Überarbeitung und Verfeinerung. Eine der wichtigsten Phasen. Sie bedeutet, dass der Entwickler das initiale Ergebnis sieht und weitere Spezifikationen für das Modell liefert. Das kann eine Anfrage für eine neue Funktion oder neue Einschränkungen für die aktuelle sein (wie unzulässige Symbole für ein Benutzernamen-Formular) oder einfach die Feststellung, dass der Code falsch ist und umgeschrieben werden sollte. Dies ist auch die Phase, in der die KI selbst Bearbeitungen und weitere Operationen vorschlagen kann.

Nun müssen wir uns die potenziellen Vorteile dieser Art des Programmierens ansehen.

Schnelles Prototyping 

Die Verwendung eines KI-Code-Assistenten kann die Zeit, die Ihre Entwickler für die Ideenverifizierung benötigen, auf nur wenige Stunden verkürzen.

Die Tatsache, dass das Entwicklungsteam weniger Zeit damit verbringt, die notwendigen Codebasen, Bibliotheken oder andere Entitäten zu suchen, und sich stattdessen auf Architektur und Geschäftslogik konzentrieren kann, macht Vibe Coding für Unternehmen attraktiv.

Verbessertes Ideenspiel 

Das Merkmal des Vibe Coding, das Entwickler als das vorteilhafteste ansehen, ist die Möglichkeit, verschiedene Ideen schnell zu testen.

Dieser Vorteil ist nicht nur für Programmierer entscheidend, sondern für gesamte Produktteams, die viele Spezifikationen für das zukünftige Produkt eingeben können. Beispielsweise können Sie mit einem KI-Code-Assistenten an der passendsten Struktur und Geschäftslogik der zukünftigen App arbeiten. Sie können die Anzahl der Funktionen und deren Darstellung, die Seitenhierarchie und vieles mehr planen.

Es ist ein Vorteil, von dem auch Marketingfachleute, Webdesigner und Content-Ersteller profitieren können.

Der Vorteil, der Unternehmen jedoch wirklich interessiert, ist die gesteigerte Produktivität der Softwareentwicklung und die Optimierung der Entwicklungskosten. Von diesem Standpunkt aus betrachtet sieht die Situation nicht so rosig aus.

Im Juli 2025 veröffentlichte das METR-Forschungsinstitut eine Studie über den Einfluss von KI auf die Entwicklungsproduktivität. Die Forschung basiert auf 16 Softwareentwicklern mit mehr als 5 Jahren Berufserfahrung auf verschiedenen Projekten. Die Forschungsdaten waren ihre Leistungen bei insgesamt 246 Aufgaben mit KI-Nutzung.

Das Ergebnis zeigte, dass die durchschnittliche Leistungsrate eine Verlangsamung um 19 % erfuhr. Diese Zahl war umso schockierender, da alle Seiten (nicht nur die Entwickler) einen deutlichen Produktivitätsanstieg erwartet hatten. Wirtschaftsexperten prognostizierten eine Geschwindigkeitssteigerung von fast 40 %, ebenso wie ML-Experten, und selbst Softwareentwickler erwarteten eine Produktivitätssteigerung von nicht weniger als 20 %.

Quelle: https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/

Diese Studie kann zwar keinen Schlusspunkt unter die Frage setzen, da wir mehrere Nebenfaktoren berücksichtigen müssen:

• Die Anzahl der Befragten ist eher gering, um das Gesamtbild zu liefern.
• Die Arten der Softwareentwicklungsaufgaben wurden nicht spezifiziert.
• KI-Modelle zeigten Verlangsamungen bei Programmieraufgaben, die typischerweise nicht mehr als 4 Stunden Arbeitszeit der Entwickler in Anspruch nehmen.

Benchmarks wie SWE-Bench, Verified und RE-Bench zeigen, dass KI-Modelle häufig bei Aufgaben mit hohem Schwierigkeitsgrad erfolgreich sind, die viel Wissen und Entwicklungserfahrung erfordern.

Nun müssen wir uns einen weiteren Begriff ansehen, der fast unmittelbar nach Vibe Coding auftauchte.

VibeOps ist eine Entwicklungsmethodik, die den Entwickler und seinen Komfort in den Mittelpunkt stellt. Sie bedeutet, dass der Entwickler seine Arbeit nicht unterbrechen oder sogar seine integrierte Entwicklungsumgebung (IDE) verlassen sollte, um operative Aufgaben zu betrachten oder mit operationellen Spezifika zu kollaborieren (wie im traditionellen, altmodischen DevOps).

Stattdessen konzentriert sich der Entwickler auf Kreativität, Feature-, Struktur- und Logikplanung, während die KI alle Implementierungsdetails übernimmt.  

In VibeOps gibt es mehrere mögliche Eigenschaften, die es attraktiv machen: 

• KI-gestützte Infrastrukturdefinition. Der Entwickler kann die Infrastrukturanforderungen des Projekts beschreiben, und das KI-Modell kann verschiedene Code-Konfigurationsoptionen vorschlagen. Der Entwickler nimmt die Vorschläge einfach an oder lehnt sie ab und macht mit dem Projekt weiter.  
• KI-basierte Lösung von Systemproblemen. KI kann Systemprotokolle und Metriken untersuchen, wenn der Entwickler dies anfordert. Sie kann mögliche Softwareinfrastrukturbedürfnisse finden (wie mehr Server oder Datenbank-Durchsatzoptimierung), anormales Systemverhalten verfolgen (übermäßige CPU-, Speicher- oder Traffic-Raten) oder Sicherheitsbedrohungen erkennen, indem sie bösartige Aktivitäten identifiziert. Sie kann das Problem selbst lösen oder Empfehlungen oder eine vollständige 'To-Do'-Liste für einen Menschen liefern.
• KI-unterstützte Entwicklungskonsistenz. KI kann Code-Building, Environment-Konfiguration und Testing (vor allem Performance-, Wartungs- und Integrationstests) bereitstellen, ohne dass sich Entwickler um die Details all dieser Prozesse kümmern müssen. Das bedeutet keine Kontextwechsel und erhöhte Produktivität.

Dieses Konzept ist noch rudimentär, aber einige Entwickler sehen darin große Perspektiven. Sie sind sicher, dass die Fähigkeiten der KI-Nutzung im Entwicklungsprozess in naher Zukunft um ein Vielfaches größer sein werden.

Zum Beispiel könnte KI die vom Entwickler definierte endgültige Infrastruktur implementieren und speichern, sodass sie in verwandten Projekten verwendet werden könnte. Darüber hinaus könnte die KI sowohl das technische Problem als auch dessen Lösungsmuster erfassen, was die Wahrscheinlichkeit zukünftiger Probleme verringern würde. Zusammen könnten diese Innovationen die Produktivität von Entwicklungsteams positiv beeinflussen und erhebliche Wettbewerbsvorteile bringen.

Obwohl es kaum Vibe-Coding-Systeme gibt, die einen solch breiten Funktionsumfang bieten können, sind einige dennoch recht populär und effizient: 

• Cursor. Eines der beliebtesten Werkzeuge für Vibe Coding, erstmals 2023 veröffentlicht. In den vergangenen Jahren erhielt das Entwicklungsunternehmen große Finanzierungsmittel von OpenAI und Andreessen Horowitz, was ihm zu Popularität verhalf. Benutzer können Teile ihres Codes generieren oder aktualisieren, indem sie Prompts eingeben, während das Tool die gesamte Codebasis indexieren kann, die in natürlicher Sprache abgefragt werden kann. Darüber hinaus bietet der Editor intelligente Umschreibfähigkeiten und sagt nachfolgende Code-Bearbeitungen vorher , sodass der Benutzer mit Tabulatoren zu ihnen springen und sie anwenden kann.

  

• Loveable.dev. Ein weiteres KI-Entwicklungswerkzeug mit intuitiver Oberfläche und Arbeitsweise. Der Benutzer gibt einfach die Abfrage zu der benötigten Code-Entität ein und erhält das Ergebnis. Ein gutes Werkzeug für diejenigen, die schnell ein Codeskelett ihres digitalen Projekts aufbauen müssen.

  

• Replit. Replit ist ein US-amerikanisches Technologieunternehmen, das 2016 gegründet wurde und sich hauptsächlich auf die Bereitstellung seiner eigenen benutzerdefinierten Online-IDE spezialisiert hat. Inzwischen zeigt Replit jedoch eine stärkere Fokusverschiebung auf KI-gestützte Software- und App-Entwicklung. Zu den Vorteilen des Tools gehört, dass Replit automatisch die relevanten Technologien zur Integration auswählen kann , ohne dass eine spezifische Anleitung erforderlich ist. Dennoch benötigt man für die Arbeit mit Replit ein gewisses Maß an technischem Wissen.

  

Nun kommen wir zu einer der herausforderndsten Fragen dieses Blogbeitrags – den Einschränkungen und möglichen Gefahren von Vibe Coding und KI-unterstütztem Programmieren im Allgemeinen.

Einige der Probleme haben wir im vorherigen Abschnitt angeschnitten, während die von METR durchgeführte Studie zu noch größeren Bedenken führen kann.

Die Hauptkontroverse um die Effizienz von Vibe Coding ist der Grad der KI-Autonomie. Wie Simon Willison richtig bemerkte, wenn man jede Zeile des von der KI geschriebenen Codes überprüfen, testen und bearbeiten muss, ist das LLM ein Schreibassistent und kein Code-Assistent. Simon Willison zitiert auch einen Tweet von Andrej Karpathy, dem Mann, der den Begriff 'Vibe Coding' erfunden hat:

Er unterstützt diese Position, indem er sagt, dass Vibe Coding 'eine unterhaltsame Art ist, neue Ideen auszuprobieren', während die Geschwindigkeit der Programmierfähigkeit von LLMs selbst von den erfahrensten Entwicklern unübertroffen ist.

Allerdings ist das Schreiben von Code nicht gleichzusetzen mit Softwareentwicklung, Webentwicklung, Mobile-Entwicklung oder KI-Entwicklung.

Das sagt Willison: 

In diesem Zusammenhang fügt er hinzu:

Diese Position wird von vielen in der Softwareentwicklungs-Community unterstützt, da viele Entwickler zu Recht anmerken, dass es keinen Code gibt, der gänzlich ohne menschliches Zutun entstanden ist. Darüber hinaus weisen sie auch darauf hin, dass 'kluge professionelle Entwickler nur dann neuen Code schreiben, wenn es absolut notwendig ist (da es viele gebrauchsfertige Bibliotheken und Copy/Paste-Funktionen gibt, die lange vor KI existierten und genutzt wurden)'.

Es gibt auch mehrere Fälle, in denen es normal ist, Vibe Coding anzuwenden, insbesondere reines Vibe Coding: 

• Private 'Wochenend'-Projekte. Dies sind Projekte, die wahrscheinlich nicht für kommerzielle Zwecke und von einer großen Anzahl von Menschen genutzt werden. Entwickler sind frei, in ihrem beruflichen Hobby alle Werkzeuge und Methoden zu verwenden, die sie möchten.
• Kreativitätsfindungsprojekte. Benutzerdefinierte Projekte, die einem Zweck dienen – verschiedene Ideen, neue Wege des Programmierens, Strukturaufbaus etc. praktisch zu testen. Auch hier bedeutet das keine kommerzielle Nutzung. Solche kreativen Projekte können jedoch Teil der PoC- oder sogar MVP-Entwicklung sein, und die Ergebnisse können in der Zukunft genutzt werden. Dennoch werden diese Projekte kaum reine Vibe-Coding-Projekte sein, da sie einen erfahrenen menschlichen Entwickler (oder sogar ein Team) benötigen, der darauf achtet.
• Projekte mit geringem Risiko. Das sind Projekte, bei denen der Code, den Sie schreiben, nicht viele Probleme verursachen kann, wenn er Fehler oder Sicherheitslücken aufweist.

Darüber hinaus gibt es viele Meinungen, die die Aussagen von Tech-Startups, die Vibe Coding verwenden, für falsch und sogar schädlich halten. Eine dieser Aussagen ist die Idee von Y Combinator, dass 'man zurückbleiben wird, wenn man es nicht nutzt'. Für einige ist diese Position nichts weiter als ein Marketing-Schachzug und ein Versuch der öffentlichen Manipulation.