© skorzewiak / 123rf.com

Seit spätestens Anfang 2025 kursiert ein neues Buzzword durch den KI-Raum: Vibe-Coding. Die Idee verbreitete sich rasch in sozialen Medien und der Community. Doch was verbirgt sich dahinter: Hype oder die Zukunft?

Der Begriff Vibe-Coding geht auf Andrej Karpathy zurück, den früheren Director AI bei Tesla. Im Februar 2025 schrieb Karpathy auf X, es gebe eine neue Art zu programmieren, “wo man sich ganz den Vibes hingibt” [1]. Er benutze dazu den KI-Editor Cursor im Composer-Modus [2] und SuperWhisper [3] zur Spracherkennung. Karpathy definierte, was er sehen wollte, und kopierte Fehlermeldungen zurück in den Chat. Seiner Beschreibung nach genügte das in den meisten Fällen bereits, um funktionalen Code zu erhalten.

Doch kann Programmieren per Vibe die klassische Entwicklungsarbeit ergänzen oder gar ersetzen? Der Begriff Vibe-Coding fasst eine KI-gestützte Art der Entwicklung zusammen, bei der menschliche Entwickler keinen Code mehr schreiben, sondern natürlichsprachliche Anweisungen an ein großes Sprachmodell (Large Language Model, LLM) geben. Das LLM generiert Code, testet und modifiziert ihn, bis die gewünschte Funktionalität [4] erreicht ist. Der Mensch überprüft die Implementierungen nicht wie beim Pair-Programming, sondern vertraut dem Agenten und bewertet nur das Ergebnis.

Simon Willison, ein Entwickler und prominenter Kritiker, unterscheidet deshalb: Wer KI-Code zwar erzeugen lässt, ihn aber versteht und überprüft, nutzt die KI als Schreibassistent. Vibe-Coding [5] bedeutet dagegen eher, den Code ohne Verständnis zu akzeptieren. Es unterscheidet sich somit von klassischen No-Code-Plattformen: Es ist absichtsorientiert (intent-first) und stützt sich auf Schnittstellen auf Basis von Sprache (Conversational Interfaces). Dank leistungsfähiger LLMs wie GPT-4, Claude 3 Sonnet oder Llama lassen sich komplexere Aufgaben abdecken. Dennoch bleibt der Ansatz [6] laut Ars Technica vor allem auf “Throw-away-Projekte” oder einfache Prototypen beschränkt. Je komplexer das Projekt wird, desto eher stößt der Ansatz an Grenzen.

Agenten als Trend

Im Herzen des Vibe-Codings steht noch ein weiterer Trend: KI-Agenten [7], die Code generieren, verändern und ausführen. Der Composer in Cursor, seit Version 0.46 als “Agent” [8] bezeichnet, funktioniert wie ein Pair-Programmer. Er sieht die gesamte Codebasis, kann über ein Terminal Befehle ausführen und schlägt Änderungen in mehreren Dateien vor. In einer früheren Beta-Option, genannt YOLO-Mode, führt der Agent Aktionen sogar ohne Rückfrage durch, solang die Tests grün sind. Zwischenzeitlich wurde dieser Modus in den Auto-run-Mode umbenannt.

Neben positiven Berichten gibt es negative Begegnungen mit diesem Modus, gerade zur Beta-Zeit, wenn Agenten ganze Code-Basen oder gar sich selbst gelöscht haben und anschließend nichts mehr funktionierte. Grundsätzlich können Agenten aber Unterstützung bieten, wenn der Mensch die Architektur und Erfolgskriterien vorgibt, etwa Testfälle oder eine API-Spezifikation, und der Agent die Implementierung erledigt. Diese Autonomie wirkt beeindruckend, bringt aber zusätzliche UX-Herausforderungen: Frühe Versionen zeigten lange Listen von Änderungen. Vielen Nutzern schien das Prüfen dieser Änderungen zu umständlich und sie nahmen schlicht alle Vorschläge an, statt sie zu checken. Das verkörpert die negativen Seiten des Vibe-Coding-Ansatzes – blindes Vertrauen in das Ergebnis, auch wenn der Code sehr komplex und unverständlich ist.

IDEs und Editoren

Entwicklungsumgebungen integrieren zunehmend KI, um den Programmierprozess zu beschleunigen. JetBrains hat seine IDEs wie IntelliJ IDEA oder PyCharm mit einem KI-Assistenten ausgestattet, der Code-Kontext analysiert, sinnvolle Ergänzungen vorschlägt und beim Refactoring hilft. Entwickler können dabei zwischen Cloud-Modellen wie Google Gemini oder lokalen Varianten wählen – je nach Bedarf an Datenschutz oder Rechenleistung.

Auch Visual Studio (Abbildung 1) und Visual Studio Code zählen zu den Spitzenreitern der KI-Integration. Erweiterungen wie Github Copilot, Tabnine oder Sourcegraph Cody verwandeln sie in leistungsstarke, KI-gestützte Entwicklungsumgebungen, die Code in Echtzeit vervollständigen, erklären und auf Wunsch neue Funktionen oder Tests erzeugen.

Abbildung 1: Screenshot von Visual Studio 2022 in der Community-Edition mit Copilot Chat.

Noch weiter gehen moderne Editoren wie Cursor (Abbildung 2) oder Windsurf, die als “AI-first”-Umgebungen entwickelt wurden. Cursor erlaubt Codeänderungen per natürlicher Sprache, während Windsurf Routineaufgaben automatisiert und Projektstrukturen vorbereitet. Beide verbinden klassische Entwicklungswerkzeuge mit Chat-basierter Interaktion.

Abbildung 2: Screenshot der Cursor-Anwendung mit geöffnetem Projekt unter Windows 10.

Neben diesen Komplettlösungen bieten spezialisierte Assistenten wie Tabnine oder Sourcegraph Cody gezielte Unterstützung – von präziser Codevervollständigung über individuelles Stil-Lernen bis hin zu tiefgehender Codeanalyse und Refactoring-Vorschlägen.

Natürliche Sprache

Eine zentrale Idee hinter Vibe-Coding lautet, dass natürliche Sprache die neue “Programmiersprache” ist. Karpathy betonte bereits 2023: “Die heißeste Programmiersprache ist Englisch” [9]. Im Kontext des Vibe-Codings gehen manche noch weiter: Statt lange Prompts zu tippen, sprechen Entwickler ihre Anforderungen, was Vorteile in Aussicht stellt. Zunächst gehören dazu Geschwindigkeit und Details: Beim Tippen kürzen viele ihre Prompts, um Zeit zu sparen. Gesprochene Anweisungen sind deutlich schneller und erlauben längere, kontextreiche Instruktionen. Entwickler diktieren oft 50 Zeilen komplexer Spezifikationen, die eine KI verarbeiten kann. Der Begriff des “Voice Promptings” ist geboren.

Auch Multi-Tasking und Ergonomie spielen eine Rolle. In einem Erfahrungsbericht [10] beschreibt Greg Detre, wie er mit dem Cursor-Agenten neue UI-Features generieren ließ, während er die Küche aufräumte. Das ist zugegeben ein recht extremes Beispiel, zeigt aber, in welche Richtung diese Möglichkeiten gehen können. Sprachschnittstellen unterstützen darüber hinaus Personen mit motorischen Einschränkungen. Um diese Funktionalität zu erreichen, haben sich in den vergangenen Monaten zahlreiche Tools etabliert. Beispielsweise SuperWhisper, ein Tool, das Sprache offline in Text umwandelt.

Die Nutzung lokal betriebener Modelle bedeutet, dass Audiodaten den Computer nicht verlassen. In der Pro-Version lassen sich außerdem Audio-Dateien transkribieren und Sprachen übersetzen. Wispr Flow [11] ist eine plattformübergreifende Cloud-Lösung für mehr als hundert Sprachen. Sie formatiert Texte automatisch, bietet Integrationen für Cursor und setzt auf Enterprise-Funktionen wie SOC 2 Type-II-Zertifizierung. Die Kehrseite sind Cloud-Abhängigkeit und höherer Ressourcenverbrauch. Willow Voice ist ein hybrides System, das Offline-Privatsphäre mit schneller Erkennung kombiniert. Laut Hersteller speichert das System keine Daten.

Was funktioniert gut?

Zahlreiche Erfolgsgeschichten zeigen, dass Vibe-Coding besonders bei kleinen Projekten beziehungsweise Anwendungen glänzt. Kevin Roose von der New York Times, ein seiner eigenen Aussage nach “Nicht-Coder”, ließ eine KI einen Lunch-Box-Planer schreiben, der seine Kühlschrankinhalte analysiert und Vorschläge für das Schulessen seines Sohns liefert [12]. Er war begeistert, wie einfach er ohne Python-Kenntnisse eine funktionierende App bauen konnte. Andrej Karpathy selbst experimentierte mit MenuGen [13], einem Speiseplangenerator, der Rezepte, Einkaufslisten und eine Weboberfläche automatisch erstellt.

Sicherlich sind beide Projekte spannende Beispiele, doch sie verfehlen die Richtung, die sich viele Entwickler und vor allem Unternehmen wünschen. Bei Hobby-Projekten oder sogenannter “Software-for-One”, also kleinen Programmen, die nur eine Person nutzt, ist der Ansatz in zahlreichen Fällen sehr effizient. In einem Ars-Technica-Bericht [14] beschreibt Benj Edwards, wie die Redaktion mithilfe von Vibe-Coding kleine Spiele, Utilities und Skripte erstellte, beispielsweise ein Q-Basic-Programm, das 200 ZIP-Dateien entpackt.

Vibe-Coding kann helfen, neue Technologien zu erlernen. Ingenieure berichteten gegenüber IEEE Spectrum [15], dass sie ungewohnte Programmiersprachen oder Frameworks ausprobieren können, ohne sie vorher im Detail kennenlernen zu müssen. Man formuliert eine Aufgabe, zum Beispiel “Erstelle eine REST-API in Go”, erhält Code und lernt durch Ausprobieren, wie die Lösung funktioniert. Der Prozess dient also als interaktive Dokumentation.

Bei Routineaufgaben wie dem Aktualisieren von Abhängigkeiten, dem Schreiben von CRUD-Funktionen oder dem Entfernen einer Bibliothek funktioniert der Cursor-Agent erstaunlich gut. Ein Vergleich [16] zwischen dem Cursor-Agent und Anthropics Claude Code ergab, dass beide drei strukturelle Änderungen in einer Rails-App problemlos erledigten. Bei Abhängigkeiten mit Warnungen führten sie systematisch Tests aus, behoben Warnungen und konnten das Gemfile aktualisieren. Der Agent findet zudem Dokumentationen im Web, wenn er Befehle nicht kennt. Das sind spannende Ansatzpunkte für das agentenbasierte Vibe-Coding, die in der Praxis gute Ergebnisse erzielen können.

Wo liegen die Grenzen?

Harry Law von der Universität Cambridge warnt, dass Anfänger mit Vibe Coding zwar schnellen Erfolg erzielen, aber architektonisches Wissen und Verständnis für Performance fehlen. Wer nur die KI durch Prompts ansteuert, lernt die Grundlagen von Algorithmen und Debugging nicht und verlässt sich vollständig auf die Maschine.

Viele Entwickler spotten, dass Vibe-Coding lustig ist, bis jemand Vibe-debuggen muss. Die Fehlersuche in nicht-funktionalem Vibe-Code hängt nämlich allzu häufig an Personen, die Software entwickeln können und nicht an denen, die sich übers Vibe-Coding darin versuchen, Software zu erstellen.

Obendrein hält sich KI-generierter Code oft nicht an Best Practices. Karpathy selbst räumt ein, dass der Code in seinem Menügenerator “über seine normale Verständnisgrenze hinauswächst” [13]. Ohne Refactoring kann der Code unübersichtlich ausfallen und Sicherheitslücken enthalten. Bei der schwedischen Vibe-Coding-App Lovable [17] wiesen 170 von 1645 Webapplikationen eine Sicherheitslücke auf, die persönliche Daten offenlegte. Fehlende Tests und blind akzeptierte Änderungen bauen technische Schulden auf, die gerade unbedarfte Anwender weder erkennen noch vorhersehen können. Und wenn wirklich niemand mehr Code liest, abseits der KI-Agenten, dann bleiben Schwachstellen unentdeckt.

Darüber hinaus scheitern LLM-Agenten nicht selten bei großen Codebasen oder iterativen Änderungen. Oft ist von einem “Überhype” im Kontext von Vibe-Coding die Rede. Modelle drohen bei der Wartung oder Erweiterung bestehender Projekte die Anforderungen aus dem Blick zu verlieren und viel Unsinn zu generieren. Eine häufige Beobachtung ist, dass KI-Tools die ersten 75 Prozent einer Funktion guten Code liefern, doch bei nachfolgenden Änderungen die Sache schnell enorm frustrierend ist.

Und ein weiteres Problem entsteht: Beim Vibe-Coding ist unklar, wer für Fehler verantwortlich ist. Wenn ein LLM durch Halluzinationen Fehler einbaut oder Bibliotheken erfindet, ist der Code nicht zu gebrauchen. Unter Umständen liefert das Modell auf Basis dieser Halluzinationen weitere Fehler und fehlerhafte Vorschläge. Ein sich selbst verschlimmernder Prozess. Simon Willison betont, dass man als Entwickler die Verantwortung für den Code trägt. Wenn jemand seinen Namen unter Code setzt, dann muss die Person begreifen, wie und warum er funktioniert [5].

In der Praxis müssen aktuell dennoch Menschen eingreifen, um Bugs zu verstehen und zu beheben – nicht in allen Fällen, aber insbesondere in komplexeren Szenarien, oder wenn der Vibe-Coder selbst kein technisches Verständnis besitzt. Die Begründung, dass der Code läuft und das als Kriterium ausreicht, können nur nicht technisch affine Personen gelten lassen. Denn diese Begründung genügt nicht, um subtile Fehler, Sicherheitsprobleme oder unerwünschte Nebenwirkungen zu erkennen.

Bei Spracherkennungs-Tools kommen zudem Stolpersteine beim Datenschutz hinzu. Wispr Flow verarbeitet Daten in der Cloud und sammelt Kontextinformationen aus der gerade genutzten App. Zwar verspricht das Unternehmen, Daten nach 30 Tagen zu löschen, trotzdem lässt sich der Verbleib nicht klären. SuperWhisper dagegen arbeitet lokal und gibt an, dass die Daten niemals den Computer verlassen. Für Unternehmen mit hohen Datenschutzanforderungen spielt die Wahl des Werkzeugs eine entscheidende Rolle.

Hype oder Zukunft?

Vibe-Coding polarisiert. Befürworter sehen darin eine Revolution. KI-Assistenten könnten das Programmieren so sehr vereinfachen, dass jeder kreative Mensch eine App bauen kann. Entwickler würden sich auf Architektur und Produktvision konzentrieren. Tools wie Cursor, Replit Agent, Github Copilot und Claude Code beschleunigen die Entwicklung und senken die Einstiegshürden. SuperWhisper, Wispr Flow und Willow machen das Schreiben von Prompts per Stimme möglich – im Test von Wispr Flow erreichen Entwickler viermal höhere Schreibgeschwindigkeiten als beim Tippen.

Gleichzeitig warnen Skeptiker vor dem “Überhype”. Andrew Ng [18] kritisiert, dass der Begriff suggeriere, Softwareentwicklung bestehe nur aus “Vibes” und man müsse sich um Tests, Architektur und Qualität nicht kümmern. Professionelle Entwickler betonen, dass LLM-Agenten im produktiven Umfeld bisher lediglich begrenzte Aufgaben übernehmen sollten. Selbst Karpathy bezeichnet seine Methode als geeignet für Wochenendprojekte und räumt ein, dass es mühsam wird, wenn die AI einen Fehler nicht selbst behebt.

Gesetzliche Fragen, etwa wer für fehlerhaften, von AI generierten Code haftet, sind weiterhin unbeantwortet. Zudem besteht die Gefahr, dass Entwickler-Know-how verloren geht und AI-Modelle Black-Box-Software erzeugen, deren inneren Aufbau niemand mehr kennt. Für die kommenden Jahre zeichnen sich mehrere Entwicklungsszenarien [19] ab. Im optimistischen Fall etabliert sich Vibe-Coding als Standard in der Unternehmenswelt und senkt Entwicklungszeiten und -kosten drastisch. Ein konservativer Verlauf würde die Methode auf Prototypen und interne Anwendungen beschränken, während komplexe Systeme weiterhin klassisch entwickelt werden. Am wahrscheinlichsten erscheint ein Mittelweg: KI-Assistenz wird zum selbstverständlichen Bestandteil jeder Entwicklungsumgebung – so selbstverständlich wie heute Syntaxhervorhebung oder Versionskontrolle.

Ein Werkzeug, kein Ersatz

Vibe-Coding ist weder Magie noch Unsinn, sondern ein Werkzeug zur schnellen Umsetzung von Ideen, Prototypen und Lernprojekten. Es senkt Einstiegshürden und erlaubt Experimente ohne tiefes Programmierwissen. Für erfahrene Entwickler eröffnet der Ansatz neue Arbeitsweisen: Routineaufgaben lassen sich an KI-Agenten wie Cursor oder Replit abgeben, während der Fokus auf Architektur und Qualität bleibt.

Verantwortungsvolles Vibe-Coding erfordert dennoch technisches Verständnis – Tests, Code-Reviews und Sicherheitsprüfungen bleiben unverzichtbar. Die Tool-Wahl entscheidet über Datenschutz und Praxistauglichkeit. Ob sich Vibe-Coding etabliert, hängt von der Weiterentwicklung der LLMs und der Akzeptanz in Unternehmen ab. Wahrscheinlich ist ein hybrider Weg: KI-Assistenten übernehmen Routinearbeiten, Menschen sichern Qualität und Verantwortung. Die Zukunft der Softwareentwicklung wird nicht nur von Vibes, sondern von einer klugen Verbindung aus KI und menschlicher Expertise geprägt sein. (csi)