Vibe Coding professionell E-Book

Addy Osmani

• Herausgeber: O'Reilly
• Kategorie: Wissenschaft und neue Technologien
• Sprache: Deutsch

Veröffentlichungsjahr: 2026

Beschreibung

Die Softwareentwicklung von morgen beginnt heute - Mit KI-Kompetenz die eigene Karriere zukunftssicher gestalten: für Einsteiger und erfahrene Developer. - Für die gesamte Softwareentwicklung von Prototyping und Web-App-Entwicklung bis zu Qualitätssicherung und Sicherheitsfragen - Inklusive Vibe-Coders-Toolkit mit fortgeschrittenen Techniken und Best Practices   KI verändert die Softwareentwicklung von Grund auf: Entwickler schreiben nicht mehr nur Code, sondern arbeiten mit der KI zusammen. Durch Prompting in natürlicher Sprache teilen sie der KI Anforderungen und Absichten mit und das Sprachmodell erzeugt den Code – mit enormer Geschwindigkeit, aber auch potenziellen Qualitätsrisiken. Addy Osmani zeigt, wie KI-Coding-Assistenten wie GitHub Copilot und OpenAI Codex die Art und Weise, wie wir Software entwickeln, neu prägen: von der Automatisierung alltäglicher Programmieraufgaben bis hin zu Architektur und Designentscheidungen. Dieser Leitfaden bietet Entwicklerinnen, technischen Leitern und Unternehmen praktische Strategien, um KI effektiv in ihre Arbeitsabläufe zu integrieren. Sie erfahren, wie Sie klare Ziele und Vorgaben für die KI formulieren, KI-generierten Code kritisch prüfen und einzelne Komponenten zu einem kohärenten Ganzen zusammenfügen. Ob Sie KI-Tools bereits einsetzen oder sich auf die Zukunft der Softwareentwicklung vorbereiten – dieses Buch bietet Ihnen fundierte Einsichten und praktische Beispiele, um auf den neuesten Stand zu kommen. - Verstehen Sie, wie KI-gestütztes Entwickeln die Programmierung verändert. - Eignen Sie sich Techniken an, um KI-generierten Code zu verbessern, zu validieren und zu debuggen. - Erkunden Sie das Potenzial agentischer Coding-Umgebungen und KI-gesteuerter Software-Workflows. - Sichern Sie Ihre berufliche Zukunft, indem Sie die Möglichkeiten der KI ausloten.    

Leseprobe

Hinweise zur Benutzung

Dieses E-Book ist urheberrechtlich geschützt. Mit dem Erwerb des E-Books haben Sie sich verpflichtet, die Urheberrechte anzuerkennen und einzuhalten. Sie sind berechtigt, dieses E-Book für persönliche Zwecke zu nutzen. Sie dürfen es auch ausdrucken und kopieren, aber auch dies nur für den persönlichen Gebrauch. Die Weitergabe einer elektronischen oder gedruckten Kopie an Dritte ist dagegen nicht erlaubt, weder ganz noch in Teilen. Und auch nicht eine Veröffentlichung im Internet oder in einem Firmennetzwerk.

Copyright-Vermerk

Das vorliegende Werk ist in all seinen Teilen urheberrechtlich geschützt. Alle Nutzungs- und Verwertungsrechte liegen bei den Autor*innen und beim Rheinwerk Verlag, insbesondere das Recht der Vervielfältigung und Verbreitung, sei es in gedruckter oder in elektronischer Form.

© Rheinwerk Verlag GmbH, Bonn 2026

Nutzungs- und Verwertungsrechte

Sie sind berechtigt, dieses E-Book ausschließlich für persönliche Zwecke zu nutzen. Insbesondere sind Sie berechtigt, das E-Book für Ihren eigenen Gebrauch auszudrucken oder eine Kopie herzustellen, sofern Sie diese Kopie auf einem von Ihnen alleine und persönlich genutzten Endgerät speichern. Zu anderen oder weitergehenden Nutzungen und Verwertungen sind Sie nicht berechtigt.

So ist es insbesondere unzulässig, eine elektronische oder gedruckte Kopie an Dritte weiterzugeben. Unzulässig und nicht erlaubt ist des Weiteren, das E-Book im Internet, in Intranets oder auf andere Weise zu verbreiten oder Dritten zur Verfügung zu stellen. Eine öffentliche Wiedergabe oder sonstige Weiterveröffentlichung und jegliche den persönlichen Gebrauch übersteigende Vervielfältigung des E-Books ist ausdrücklich untersagt. Das vorstehend Gesagte gilt nicht nur für das E-Book insgesamt, sondern auch für seine Teile (z. B. Grafiken, Fotos, Tabellen, Textabschnitte).

Urheberrechtsvermerke, Markenzeichen und andere Rechtsvorbehalte dürfen aus dem E-Book nicht entfernt werden.

Die automatisierte Analyse des Werkes, um daraus Informationen insbesondere über Muster, Trends und Korrelationen gemäß § 44b UrhG (»Text und Data Mining«) zu gewinnen, ist untersagt.

Markenschutz

Die in diesem Werk wiedergegebenen Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. können auch ohne besondere Kennzeichnung Marken sein und als solche den gesetzlichen Bestimmungen unterliegen.

Haftungsausschluss

Ungeachtet der Sorgfalt, die auf die Erstellung von Text, Abbildungen und Programmen verwendet wurde, können weder Verlag noch Autor*innen, Herausgeber*innen oder Übersetzer*innen für mögliche Fehler und deren Folgen eine juristische Verantwortung oder irgendeine Haftung übernehmen.

Vibe Coding professionell

Produktiv programmieren mit KI

Addy Osmani

Übersetzung von Jens Olaf Koch

Wir hoffen, dass Sie Freude an diesem Buch haben und sich Ihre Erwartungen erfüllen. Falls Sie Anregungen, Wünsche und Kommentare haben, lassen Sie es uns wissen: [email protected].

Informationen zu unserem Verlag und Kontaktmöglichkeiten finden Sie auf unserer Verlagswebsite www.dpunkt.de. Dort können Sie sich auch umfassend über unser aktuelles Programm informieren und unsere Bücher und E-Books bestellen.

Autor: Addy Osmani

Übersetzung: Jens Olaf Koch

Lektorat: Ariane Hesse

Buchmanagement: Friederike Demmig

Copy-Editing: Sibylle Feldmann, www.richtiger-text.de

Satz: III-satz, www.drei-satz.de

Herstellung: Stefanie Weidner

Covergestaltung: José Marzan Jr., Michael Oréal, www.oreal.de

Das vorliegende Werk ist in all seinen Teilen urheberrechtlich geschützt. Alle Rechte vorbehalten, insbesondere das Recht der Übersetzung, des Vortrags, der Reproduktion, der Vervielfältigung auf fotomechanischen oder anderen Wegen und der Speicherung in elektronischen Medien.

Ungeachtet der Sorgfalt, die auf die Erstellung von Text, Abbildungen und Programmen verwendet wurde, können weder Verlag noch Autor*innen, Herausgeber*innen oder Übersetzer*innen für mögliche Fehler und deren Folgen eine juristische Verantwortung oder irgendeine Haftung übernehmen.

Die in diesem Werk wiedergegebenen Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. können auch ohne besondere Kennzeichnung Marken sein und als solche den gesetzlichen Bestimmungen unterliegen.

Die automatisierte Analyse des Werkes, um daraus Informationen insbesondere über Muster, Trends und Korrelationen gemäß §44b UrhG (»Text und Data Mining«) zu gewinnen, ist untersagt.

Bibliografische Information der Deutschen Nationalbibliothek:

Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.dnb.de abrufbar.

ISBN Print: 978-3-96009-284-1

ISBN PDF: 978-3-96010-961-7

ISBN ePub: 978-3-96010-962-4

1. Auflage 2026

Authorized German translation of the English edition of Beyond Vibe Coding, ISBN 9798341634756 © 2025 Addy Osmani. This translation is published and sold by permission of O’Reilly Media, Inc., which owns or controls all rights to publish and sell the same.

Dieses Buch erscheint in Kooperation mit O’Reilly Media, Inc. unter dem Imprint »O’REILLY«. O’REILLY ist ein Markenzeichen und eine eingetragene Marke von O’Reilly Media, Inc. und wird mit Einwilligung des Eigentümers verwendet.

Translation Copyright für die deutschsprachige Ausgabe © Rheinwerk Verlag, Bonn 2026

Rheinwerk Verlag GmbH • Rheinwerkallee 4 • 53227 Bonn

[email protected]

Inhalt

Vorwort

Teil I: Grundlagen

1

Einleitung: Was ist Vibe Coding?

Das Spektrum des KI-Coding: vom Vibe Coding zur KI-gestützten Entwicklung

Der Vibe-Coding-Ansatz: Programmieren durch Dialog

Der KI-gestützte Entwicklungsansatz: Struktur mit KI-Partner

Unterschiedliche Denkweisen, unterschiedliche Erwartungshaltungen

Den eigenen Platz im Spektrum bestimmen

Jenseits von Codezeilen: Intent-basiertes Programmieren

Der Aufstieg des Prompts: von Anweisungen zu Beschreibungen

Funktionsweise: Der iterative Zyklus und die Rolle der KI bei der Codegenerierung

Produktivität, niedrigere Hürden und das veränderte Wesen des Programmierens

Ein Blick auf die Tools: das entstehende Ökosystem

VSCode + Copilot: Microsofts integrierte KI-Entwicklungsplattform

VSCode + Cline: der autonome Open-Source-Coding-Agent

Cursor: der KI-gestützte Codeeditor

Windsurf: eine KI-gestützte IDE mit vollständiger Codebasis-Indexierung

KI-Modelle zur Codegenerierung

Modellkategorien verstehen

Auswahl des geeigneten Modells

Praktische Tipps für alle Modelle

Hauptmodelle

Google Gemini: das multimodale Coding-Powerhouse

Claude: der Reasoning-Virtuose

ChatGPT: der vielseitige Coding-Ratgeber

Auswahl des geeigneten Modells

Vorteile und Grenzen von Vibe Coding: Eine differenzierte Betrachtung

Ideale Anwendungsfälle für Vibe Coding

Wo KI weiterhin an ihre Grenzen stößt

Zusammenfassung und Ausblick

2

Die Kunst des Promptings: effektive Kommunikation mit der KI

Grundlagen des Prompt Engineering

Klarheit und Präzision: erfolgreiche Prompts formulieren

Iterative Verfeinerung: die Feedbackschleife

Zwei Prompts im Vergleich

Schwacher Prompt

Besserer Prompt

Prompt-Techniken: ein Werkzeugkasten für effektive Kommunikation

Zero-Shot-Prompting

One-Shot- und Few-Shot-Prompting

Chain-of-Thought-Prompting

Role Prompting

Contextual Prompting

Format-Prompting

Self-Consistency (Selbstkonsistenz) – multiple Outputs und Mehrheitsentscheidung

ReAct-Prompting (Reason + Act)

Fortgeschrittenes Prompting: Techniken kombinieren und Komplexität handhaben

Die Grenzen des Modells kennen

Stateful Conversation vs. One-Shot-Prompting

Häufige Prompt-Antipatterns und wie Sie sie vermeiden

Zusammenfassung und Ausblick

Teil II: KI-gestütztes Programmieren in der Praxis

3

Das 70%-Problem: KI-gestützte Workflows, die wirklich funktionieren

Wie Entwickler KI wirklich nutzen

Häufige Fehlermuster

Was wirklich funktioniert: praktische Workflows

Die goldenen Regeln des Vibe Coding

Zusammenfassung und Ausblick

4

Jenseits der 70%: Maximierung des menschlichen Beitrags

Senior Engineers: Nutzen Sie Ihre Erfahrung im Umgang mit KI

Seien Sie Architekt und Redakteur

Nutzen Sie KI als Beschleuniger für große Initiativen

Mentor sein und Standards setzen

Schärfen Sie kontinuierlich Fachkompetenz und strategische Weitsicht

Vervollkommnen Sie Ihre Soft Skills und Führungsqualitäten

Midlevel Engineers: anpassen und spezialisieren

Lernen Sie, Systemintegration und Schnittstellen zu managen

Erweitern Sie Ihre Expertise

Performanceoptimierung und DevOps meistern

Konzentrieren Sie sich auf Code-Review und Qualitätssicherung

Denken Sie systemisch

Seien Sie anpassungsfähig – und hören Sie nie auf zu lernen

Kommunizieren Sie über Bereichsgrenzen hinweg

Lernen Sie Systemdesign und Architektur

Setzen Sie KI ein!

Wagen Sie sich an UI- und UX-Design

Junior Developers: Erfolg gemeinsam mit KI

Lernen Sie die Grundlagen – und fragen Sie immer nach dem »Warum«

Trainieren Sie Problemlösung und Debugging ohne KI-Sicherheitsnetz

Konzentrieren Sie sich auf Tests und Überprüfung

Entwickeln Sie ein Gespür für Wartbarkeit

Entwickeln Sie Ihr Prompting und Ihre Tool-Skills (umsichtig) weiter

Suchen Sie Feedback und Mentoring

Kommunizieren und kooperieren

Ändern Sie Ihre Denkweise: vom Konsumieren zum Gestalten

Zusammenfassung und Ausblick

5

Generierten Code verstehen: prüfen, verfeinern, verantworten

Von der Vorgabe zur Umsetzung: die Interpretation der KI verstehen

Das »Mehrheitsproblem«: Die gebräuchlichste Lösung ist nicht immer die beste

Lesbarkeit und Struktur von Code: Muster und potenzielle Probleme

Debugging-Strategien: Fehler finden und korrigieren

Refactoring für bessere Wartbarkeit: aus KI-Code eigenen Code machen

Die Bedeutung des Testens: Unit-, Integrations- und End-to-End-Tests

Zusammenfassung und Ausblick

6

KI-getriebenes Prototyping: Tools und Methoden

Schnelles Prototyping mit KI-Assistenten

Prototyping mit KI-Tools

Vom Konzept zum Prototyp: iterative Verfeinerung

Einen Prototyp bis zur Produktionsreife entwickeln

Herausforderungen beim KI-Prototyping

Zusammenfassung und Ausblick

7

Webanwendungen KI-gestützt entwickeln

Projekt einrichten: Grundgerüst mit KI

Frontend-Entwicklungsmuster mit KI

Backend-/API-Entwicklungsmuster mit KI

Datenbanken, Design und Integration

Verwendung eines ORM

Datenbankabfragen

KI-generierte Abfragen überprüfen

Full-Stack-Integration: Frontend und Backend verbinden

Frontend und Backend aufeinander abstimmen

Echtzeitfunktionen mit KI umsetzen

Tests und Validierung für KI-generierte Webanwendungen

Beispiele erfolgreicher, KI-gestützt entwickelter Webprojekte

Zusammenfassung und Ausblick

Teil III: Vertrauen und Autonomie

8

Sicherheit, Wartbarkeit und Zuverlässigkeit

Häufige Sicherheitslücken in KI-generiertem Code

Fehlerhafte Authentifizierung und Autorisierung

Problem beim Paketmanagement

Security-Audits

Automatisierte Security-Scanner

Separate KI als Reviewer einsetzen

Manuellen Code-Review mit Sicherheits-Checkliste durchführen

Penetrationstests und Fuzzing

Sicherheitsorientierte Unit-Tests hinzufügen

Updates bereitstellen, um Trainings-Cut-offs zu kompensieren

Logging-Praktiken optimieren

Aktuelle Modelle oder Tools mit Sicherheitsfokus verwenden

Warnungen und Hinweise in IDEs beachten

Tempo drosseln

Effektive Test-Frameworks für KI-generierte Systeme aufbauen

Performanceoptimierung

Wartbarkeit in KI-erweiterten Codebasen sicherstellen

Beim Prompten

Arbeiten mit Code-Output

Nachbereitung

Strategien für Code-Reviews

Best Practices für zuverlässige Deployments

Vor und während des Deployments

Bewährte Verfahren für den laufenden Betrieb

Zusammenfassung und Ausblick

9

Ethische Implikationen des Vibe Coding

Aspekte des geistigen Eigentums

Vorgehen bei verdächtigen KI-Ausgaben

Grauzonen

Transparenz und Urhebernennung

Bias und Fairness

Goldene Regeln für den verantwortungsvollen KI-Einsatz

Zusammenfassung und Ausblick

10

Autonome Coding-Agenten

Von Copilots zu autonomen Agenten

Wie funktionieren autonome Coding-Agenten?

Planen

Ausführen

Überprüfen

Berichten

Wie unterscheiden sich autonome Coding-Agenten von IDE-integrierten Assistenten?

Kombination mehrerer KI-Modelle und ihrer jeweiligen Stärken

Modelle je nach Aufgabentyp auswählen

Ein Orchestrierungssystem verwenden

Hybride Teams aus Mensch und KI

Wichtige autonome Coding-Agenten

Herausforderungen und Grenzen

Best Practices für den effektiven Einsatz von KI-Coding-Agenten

Wählen Sie strategisch die Aufgaben aus, die autonome Agenten übernehmen sollen

Nutzen Sie spezifische Planungs- und Überwachungsfunktionen der Agenten

Parallele Agentenprozesse steuern

Entwickeln Sie Ihre Teampraktiken weiter, um Agenten zu integrieren

Bauen Sie Feedbackschleifen mit autonomen Systemen auf

Zusammenfassung und Ausblick

11

Weit mehr als Codegenerierung: die Zukunft der KI-augmentierten Entwicklung

KI in Test, Debugging und Wartung

Automatisierte Testgenerierung

Intelligentes Debugging

Vorausschauende Wartung und Refactoring

KI-getriebenes Design und Personalisierung der User Experience

Generative Designtools

KI für UX-Forschung

Personalisierte Nutzererlebnisse

Die Evolution des Projektmanagements mit KI

Wie autonome Agenten die Softwareentwicklung verändern könnten

Die Zukunft der Programmiersprachen: Coding mit natürlicher Sprache?

Wie Vibe Coding die Branche verändert

Zusammenfassung und Ausblick

Index

Vorwort

Wir befinden uns mitten in einem tiefgreifenden Wandel der Softwareentwicklung. Durch professionelles Vibe Coding – die Kunst, Software in Zusammenarbeit mit KI zu entwickeln – verwandeln sich Entwicklerinnen und Entwickler von reinen Code-Handwerkern zu Produktvisionären und Orchestratoren.

Beim Vibe Coding geht es darum, die Leistungsfähigkeit von KI zu nutzen, um die mühsamen Aspekte des Programmierens zu delegieren und so den Raum zu bekommen, sich stärker auf Ideen, Design und übergeordnete Problemlösungen zu konzentrieren. Wie Andrej Karpathy treffend bemerkte (https://oreil.ly/7bnWe), ist es so, als würde man »vergessen, dass es Code überhaupt gibt«, und einfach beschreiben, was man braucht, damit die KI die Implementierungsdetails erledigt. Das kann zu Produktivitätssteigerungen um ganze Größenordnungen führen – und den sagenumwobenen 10-fach effektiveren Entwickler zu einem möglicherweise 100-fach effektiveren (https://oreil.ly/8UGID) machen.

Für wen dieses Buch gedacht ist

Dieses Buch richtet sich an drei zentrale Zielgruppen. Die erste Gruppe sind erfahrene Entwicklerinnen und Entwickler sowie Engineering-Leads, die ihre Wirkung potenzieren wollen. Wenn Sie schon seit Langem programmieren, kennen Sie vermutlich die Last repetitiver Aufgaben. In diesem Buch erfahren Sie, wie Sie die Routinearbeit der KI übergeben können, um stärker als Architekt oder Strategin zu agieren. Sie werden lernen, schneller zu arbeiten, ohne die Qualitätsstandards aufzugeben, die Sie im Laufe Ihrer Karriere entwickelt haben.

Daneben richtet sich dieses Buch an produktorientierte Entwicklerinnen und Entwickler, die Code als Mittel zum Zweck und nicht als Selbstzweck betrachten. Vibe Coding kann den bisweilen frustrierenden Weg von einer Vision zu deren Umsetzung drastisch verkürzen. Sie werden erfahren, wie Sie schnelle Prototypen erstellen, iterieren und Produkte veröffentlichen können, deren Umsetzung mit traditionellen Ansätzen Monate gedauert hätte.

Die vielleicht kontraintuitivste Erkenntnis, die ich über KI-Tools gewonnen habe, lautet: Sie helfen erfahrenen Entwicklern mehr als Anfängern. Das wirkt zunächst paradox, oder? Sollte KI das Programmieren nicht demokratisieren?

Tatsächlich verhält sich KI eher wie ein neuer, sehr eifriger Junior Developer, der zwar schnell Code schreiben kann, aber auch ständiger Aufsicht und Korrektur bedarf. Je erfahrener Sie selbst sind, desto besser werden Sie solche KI-Juniors anleiten können.

Das erzeugt das, was ich als Wissensparadoxon bezeichne: Senior Engineers und Developer nutzen KI, um das zu beschleunigen, was sie ohnehin bereits beherrschen, während Juniors damit erst zu lernen versuchen, was zu tun ist – mit dramatisch unterschiedlichen Ergebnissen.

Ich habe gesehen, wie erfahrene Entwicklerinnen und Entwickler KI nutzen, um:

Ideen, die sie bereits verstehen, schnell zu prototypisieren,

Basisimplementierungen zu generieren, die sie anschließend verfeinern,

alternative Ansätze für bekannte Probleme zu erkunden sowie

Routineaufgaben beim Programmieren zu automatisieren.

Junior-Entwicklern passiert es dagegen oft, dass sie:

falsche oder veraltete Lösungen übernehmen,

wesentliche Sicherheits- und Performanceaspekte übersehen,

sich schwertun, KI-generierten Code zu debuggen, sowie

fragile Systeme entwickeln, die sie nicht vollständig verstehen.

Und drittens richtet sich dieses Buch an technische Managerinnen und Manager sowie CTOs, die sich mit den Auswirkungen von KI auf ihre Teams und Prozesse auseinandersetzen wollen. Sie erhalten Einblicke darin, wie Sie Teams strukturieren, Kompetenzen prüfen und die Codequalität sicherstellen können – in einer Ära, in der ein einzelner Entwickler das leisten kann, wofür früher ein ganzes Team nötig war. Die hier vorgestellten Strategien helfen Ihnen, diesen Übergang zu meistern und gleichzeitig Ihre Engineering-Kultur zu bewahren.

Das Buch ist jedoch kein Einsteigerleitfaden für Programmierung. Auch wenn das Programmieren durch KI zugänglicher wird, erfordert der effektive Einsatz ein Urteilsvermögen, das nur aus Erfahrung entsteht. Betrachten Sie dieses Buch als vertiefendes Training für alle, die über traditionelle Programmierung hinauswachsen und sich auf ein neues Paradigma der Softwareentwicklung einlassen wollen.

Was Sie erwartet

Dieses Buch zeigt, wie sich die Rolle des Entwicklers verändert – von der direkten Programmierung an der Tastatur hin zur Produktentwicklung. Das bedeutet, menschliche Beurteilungsfähigkeiten einzusetzen, um KI anzuleiten und sicherzustellen, dass Qualität und Architektur stimmen und die Bedürfnisse der Nutzerinnen und Nutzer erfüllt werden. Wir Menschen bringen weiterhin Kreativität, systemisches Denken und Empathie ein, die aus einem funktionalen Programm erst ein herausragendes Produkt machen. KI ersetzt uns nicht, sie erweitert uns – wenn wir sie klug einsetzen.

In Teil I identifiziere ich die Bereiche, in denen Vibe Coding seine Stärken ausspielt: überall dort, wo es darum geht, neue Produkte zu entwickeln, Features zu prototypisieren und Standard-CRUD-Apps oder Integrationscode zu erzeugen. All das sind Felder, in denen Geschwindigkeit und Mustererkennung wichtiger sind als Originalität. Ich werde aber auch auf die Bereiche eingehen, in denen wir beim Einsatz von KI vorsichtig bleiben sollten: bei wirklich komplexen, Low-Level- oder neuartigen Algorithmen, bei denen sie in Straucheln geraten könnte. Die aktuellen Grenzen von KI zu kennen, verhindert Frustration und Fehlschläge. Und es gibt nach wie vor vieles, was nur menschliche Kreativität leisten kann.

Das menschliche Element bleibt Dreh- und Angelpunkt. Wir sorgen dafür, dass die Architektur solide ist, beheben die kniffligen Bugs und beurteilen die Codequalität jenseits eines bloßen »Es läuft«. Vor allem bringen wir nutzerzentriertes Denken in die Entwicklung ein – etwas, das eine KI nicht leisten kann. Es liegt an uns, sicherzustellen, dass Software nicht nur funktioniert, sondern den Nutzern auch in sinnvoller Weise dient. Kurz gesagt: Entwicklerinnen und Entwickler werden als Kuratoren und Redakteure den KI-Output stets an reale Bedürfnisse und hohe Standards anpassen müssen.

Teil II widmet sich den praktischen Aspekten des Vibe Coding. Neue Workflows anzunehmen, ist entscheidend. Techniken wie »roll, not fix« erinnern uns daran, uns nicht festzufahren – manchmal ist es schneller, Code neu zu generieren, als ihn zu debuggen. Paralleles Prompting ermöglicht uns, Probleme gleichzeitig aus mehreren Richtungen anzugehen. Wir müssen schnelle Iterationen mit anschließender Veredlung in Einklang bringen, um kein untragbares Chaos anzurichten. Best Practices wie die Modularisierung von KI-Code, gründliches Testen und iterative Verfeinerung helfen, die Codebasis trotz hoher Entwicklungsgeschwindigkeit sauber und robust zu halten.

Mit zunehmender Projektgröße müssen wir den beschleunigten Zustrom an Code und potenzielle technische Schulden beherrschen. KI kann Ihr Repository mit Code fluten; nur Disziplin und solide Entwicklungsdisziplin (gegebenenfalls auch KI-gestütztes Refactoring) halten es wartbar. Auf der Personalseite werden wir Entwicklerinnen und Entwickler einstellen und schulen, die den Umgang mit KI-Tools beherrschen und sowohl Anpassungsfähigkeit als auch Systemdesignkompetenz mitbringen. Und wir werden wissen, wann wir zu traditionellen Arbeitsweisen zurückkehren sollten – etwa wenn ein Produkt für die langfristige Wartung stabilisiert werden muss oder wenn kritische Systeme mehr Vorsicht als Geschwindigkeit erfordern.

Teil III behandelt Sicherheit und Zuverlässigkeit, Ethik sowie ein Arsenal an Tools, die Vibe Coding heute möglich machen: KI-gestützte IDEs wie Cursor und Windsurf, die mit Modellen von Anthropic, Google und OpenAI arbeiten, um Ihr gesamtes Code-Repository zu verstehen und Sie bei jedem Schritt zu unterstützen. Zu wissen, welche Tools und Modelle wann eingesetzt werden sollten (Claude-Varianten für unterschiedliche Aufgaben, ChatGPT für allgemeine Q&A), gehört zum neuen Kompetenzprofil eines Entwicklers. Jedes Tool hat seine Stärken: Cursor eignet sich besonders für interaktives Bearbeiten, Windsurf für kontextintensive Aufgaben, Chatbots für Brainstorming und Fehlersuche etc.

Für die Zukunft erwarte ich noch abstraktere Formen der Softwareentwicklung (»Vibe Designing« über GUIs und höherstufige Vorgaben), eine abnehmende Abhängigkeit von generischen Bibliotheken, da KI zunehmend maßgeschneiderten Code erzeugt, und sogar Software, die sich selbst weiterentwickelt – basierend auf KI-Feedback-Loops. In dieser Zukunft wird Erfolg in der Softwareentwicklung stark von menschlicher Kreativität, kluger Distributionsstrategie und der Fähigkeit abhängen, Netzwerkeffekte zu nutzen, da das reine Programmieren keine große Hürde mehr darstellen wird. Es könnten neue Paradigmen der Nutzererfahrung entstehen, getrieben von der Allgegenwart von KI – von dialogbasierten Interfaces bis hin zu adaptiven UIs und darüber hinaus.

Bei all dem sticht ein Thema besonders hervor: die Verschmelzung von menschlichen und KI-Stärken. Keine der beiden Seiten ist allein so mächtig wie beide zusammen. KI bietet Geschwindigkeit, breites Wissen und unermüdliche Ausführung. Menschen bringen Richtung, tiefgehendes Verständnis und Werte ein. Der optimale Workflow der Zukunft ist eine Symbiose – stellen Sie es sich als Zusammenarbeit eines Meisterhandwerkers mit einem Gehilfen mit Superkräften vor, der sofort jedes Werkzeug und jede Information bereitstellt. Die Expertise des Meisters bleibt dabei unverzichtbar, um hervorragende Ergebnisse zu liefern.

Für Entwicklerinnen und Entwickler, die dies lesen: Es ist an der Zeit, sich auf die Tools und Paradigmen einzulassen und sie zu begrüßen. Dieses Buch wird Sie ermutigen, bei Ihrem nächsten Projekt mit einem KI-Coding-Assistenten zu experimentieren, Probleme in Teilaufgaben für die KI herunterzubrechen und die Fähigkeit zu entwickeln, Prompts zu gestalten und Ergebnisse zu kuratieren. Es wird Sie aber auch dazu anhalten, das zu verstärken, was Sie einzigartig und wertvoll macht – Ihre Fähigkeit, Systeme zu entwerfen, Nutzer zu verstehen und Entscheidungen zu treffen, die Software mit der Realität in Einklang bringen.

In diesem Buch verwendete Konventionen

In diesem Buch werden die folgenden typografischen Konventionen verwendet:

Kursiv

Zeigt neue Begriffe, URLs, E-Mail-Adressen, Dateinamen und Dateierweiterungen an.

nichtproportional

Wird für Programmlistings und innerhalb von Absätzen verwendet, um auf Programmelemente wie Variablen- oder Funktionsnamen, Datenbanken, Datentypen, Umgebungsvariablen, Anweisungen und Schlüsselwörter zu verweisen.

Dieses Element kennzeichnet einen allgemeinen Hinweis.

Dieses Element kennzeichnet eine Warnung.

Teil IGrundlagen

Kapitel1Einleitung: Was ist Vibe Coding?

KI verändert die Art und Weise, wie wir Software entwickeln, und bringt neue Programmierparadigmen mit sich, die von freiem Prompting bis zu strukturierter Unterstützung reichen. Stellen Sie sich vor, Sie entwickeln Software, indem Sie einfach beschreiben, was die Anwendung tun soll – ungefähr so, als würden Sie es einem Teamkollegen schildern –, und daraufhin übersetzt eine KI diese Ideen in Code. Das ist der Kern des Vibe Coding: Es ist ein Prompt-first-Ansatz, bei dem Sie Ihre Ziele in natürlicher Sprache formulieren und ein Sprachmodell daraufhin die fehlenden Teile liefert. Für diese neue Art des Programmierens, bei der sich Entwickler ganz den »Vibes« der KI-Unterstützung hingeben, hat der KI-Pionier Andrej Karpathy den Begriff »Vibe Coding« geprägt (https://oreil.ly/Ot6CR).

In diesem Buch werden wir uns anschauen, was Vibe Coding für professionelle Entwicklerinnen und Entwickler bedeutet, wie es sich mit einem formelleren, augmentierten Prozess, den ich als KI-gestützte Entwicklung bezeichne, vergleichen lässt – und wie es diesen ergänzt. Wir werden untersuchen, wie sich die Rolle des Entwicklers in dieser AI-first-Ära verändert, mit welchen Werkzeugen und Workflows Sie Ihre Effektivität maximieren und wie Sie die besonderen Herausforderungen meistern können, die auftauchen, wenn man eine KI auf eine vorhandene Codebasis ansetzt. Es wird darum gehen, wo Vibe Coding seine Stärken hat, wo es an Grenzen stößt und wie man die Geschwindigkeit der KI-Generierung mit menschlicher Erfahrung und Kontrolle in Einklang bringt. Am Ende werden Sie ein klares Bild davon gewonnen haben, wie Sie diese »Vibes« in Ihrer eigenen Programmierpraxis verantwortungsvoll und effektiv nutzen können – um nicht nur schneller programmieren zu können, sondern im Zeitalter der KI auch als kreativer und wirkungsvoller Softwareentwickler zu agieren.

In diesem Kapitel untersuchen wir, wie sich die Rolle des Entwicklers weiterentwickelt: fort von der Formulierung detaillierter Maschinenanweisungen hin zur Zusammenarbeit mit KI durch die Beschreibung von Intentionen (siehe Abbildung 1.1). Wir werden sehen, warum dieser »Vibe Shift« im Programmieren so bedeutsam ist, wie er auf einer übergeordneten Ebene funktioniert und welche Chancen und Herausforderungen er mit sich bringt.

Abbildung

1.1

: Eine konzeptionelle Darstellung des Intent-basierten Programmierens. Der Entwickler liefert eine abstrakte Spezifikation (die Intention), und die KI übersetzt sie in Code. Das verdeutlicht den Wandel von einer zeilenweisen Programmerstellung hin zur Steuerung der Codegenerierung auf höherer Ebene.

Das Spektrum des KI-Coding: vom Vibe Coding zur KI-gestützten Entwicklung

Im vergangenen Jahr habe ich eine faszinierende Entwicklung beobachtet: wie Entwicklerinnen und Entwickler – insbesondere fortgeschrittene und erfahrene Webentwickler – KI in ihre Arbeitsabläufe integrieren. Am einen Ende des Spektrums steht Vibe Coding, am anderen Ende befindet sich das, was ich KI-gestützte Entwicklung nenne: eine disziplinierte Methode, KI in jede Phase der Softwareentwicklung – von der Konzeption bis zum Testen – unter klaren Vorgaben einzubinden. Beide Ansätze nutzen leistungsstarke KI, unterscheiden sich jedoch deutlich in ihren Zielen, Zielgruppen und Erwartungen. In diesem Buch werde ich diese beiden Pole und ihre Bedeutung für die moderne Webentwicklung näher beleuchten.

Der Vibe-Coding-Ansatz: Programmieren durch Dialog

Beim Vibe Coding nutzen Sie leistungsstarke LLMs als Partner, die die Hauptarbeit der Codegenerierung übernehmen, sodass Sie sich auf übergeordnete Ziele konzentrieren können. Wie in einem Artikel in Business Insider (https://oreil.ly/nvcFW) zu lesen ist, bedeutet Vibe Coding, »KI-Tools für die Hauptarbeit beim Programmieren einzusetzen, um schnell Software zu entwickeln.«

Laut Jensen Huang, CEO von NVIDIA, sei dank KI die »heißeste neue Programmiersprache« plötzlich Englisch (oder Deutsch oder Niederländisch …), nicht Java oder Python. Anstatt jede Funktion und jeden Bugfix manuell einzugeben, interagieren Sie mit der KI in natürlicher Sprache – skizzieren Features, prüfen Vorschläge und iterieren basierend auf dem Output der KI.

Dieser Ansatz markiert einen grundlegenden Wandel des traditionellen Programmierens hin zur KI-gestützten Entwicklung. Herkömmliches Coding erfordert sorgfältige Planung, präzise Syntax und oft mühsames Debugging. Vibe Coding kehrt dieses Prinzip um: »Es ist nicht wirklich Programmieren: Ich sehe etwas, sage etwas, führe etwas aus, kopiere etwas und füge es wieder ein – und meistens funktioniert es«, witzelte Karpathy gegenüber Business Insider und verdeutlichte damit, wie KI übergeordnete Anweisungen mit minimalem manuellem Aufwand in funktionierenden Code verwandeln kann.

Entwickler gehen vom Schreiben detaillierter Anweisungen dazu über, mithilfe von KI Ergebnisse zu orchestrieren. Als Beispiel beschreibt Karpathy (https://oreil.ly/Ki6iJ) den Bau einer Web-App, indem er kontinuierlich die Vorschläge der KI übernimmt: »Ich klicke immer auf ›Alles akzeptieren‹, ich lese die Diffs nicht mehr … Wenn ich Fehlermeldungen bekomme, füge ich sie einfach ein … Manchmal können die LLMs einen Fehler nicht beheben, also umgehe ich ihn oder bitte um zufällige Änderungen, bis er verschwindet.« Der Code wächst über das hinaus, was er normalerweise selbst schreiben würde, doch das Projekt fügt sich durch iteratives Prompting und Korrigieren schnell zusammen. Beim Vibe Coding ist Programmieren im Wesentlichen ein interaktiver Dialog mit einem KI-Paarprogrammierer und kein einsamer Marsch durch Syntax und Stacktraces. Das Ziel ist Geschwindigkeit und Exploration, um mit minimaler Reibung eine funktionierende Lösung zu erreichen.

Im Vibe Coding wirken mehrere konvergierende Entwicklungen zusammen. Erstens sind moderne KI-Coding-Assistenten (wie OpenAIs Codex, ChatGPT, Anthropics Claude usw.) erstaunlich gut darin geworden, Code zu generieren und zu korrigieren. Im zitierten Artikel merkt Karpathy an, dass dies »möglich ist, weil die LLMs … zu gut werden« – weil sie auf riesigen Mengen an GitHub-Code trainiert werden und deshalb für viele Aufgaben plausible Lösungen erzeugen können.

Zweitens sind neue Entwicklertools entstanden, die diese Modelle nahtlos in den Coding-Workflow integrieren (dazu gleich mehr). Und schließlich vertraut die Entwicklergemeinschaft der KI-Unterstützung bei immer größeren Arbeitsanteilen. Es geht nicht mehr nur um Autocomplete auf Steroiden. Die Generierung ganzer Funktionen oder Dateien wird an die KI übergeben. Praktisch fühlt sich Vibe Coding oft so an, als hätte man eine unbegrenzte Zahl eifriger Junior-Entwickler zur Verfügung, die alles umsetzen, was man verlangt – mit dem Unterschied, dass sie die Arbeit mit der Geschwindigkeit von Cloud-Computing erledigen.

Eines der spektakulärsten Versprechen von Vibe Coding ist ein deutlicher Produktivitätsschub. Erste Anwender berichteten, dass sie Softwarefeatures oder Prototypen 10- bis 100-mal schneller als zuvor erstellen konnten. So fragt sich Windsurf-Entwickler John Hoestje (https://oreil.ly/_nfZn): »Warum als Entwickler nur 10-mal so produktiv sein, wenn man auch 100-mal so produktiv sein kann?« Das deutet darauf hin, dass mit einer geeigneten KI-gestützten IDE außergewöhnliche Produktivität erreichbar ist. Tools wie Windsurf, eine KI-erweiterte IDE, »können die Entwicklungszeit drastisch verkürzen und ermöglichen Ihnen, diese 100-fache Produktivität zu erreichen.« Auch wenn eine Verhundertfachung der Produktivität ein extremes Szenario sein mag, zeigen selbst konservativere Studien enorme Produktivitätsgewinne.

Entwickler können Boilerplate-Code in Sekundenschnelle generieren, Bugs im Handumdrehen beheben und die KI sogar Tests oder Dokumentationen schreiben lassen, wodurch Workflows, die früher Tage dauerten, nur noch wenige Stunden beanspruchen. Nicht mehr durch Tippgeschwindigkeit oder Speicher begrenzt, kann eine einzelne Entwicklerin mit KI-Unterstützung oft an einem Wochenende eine Full-Stack-Anwendung prototypisieren – etwas, wofür früher ein kleines Team Wochen gebraucht hätte. Das ist nicht nur Hype: Wie ich in einem Blogpost für Pragmatic Engineer im Januar 2025 (https://oreil.ly/khEfs) schrieb, zeigen Umfragen, dass bereits 75% der Entwickler irgendeine Form von KI in ihre Workflows integriert haben. Und viele Unternehmen berichten von zwei- bis dreistelligen prozentualen Steigerungen der Entwicklungsgeschwindigkeit. KI-Paarprogrammierer können, kurz gesagt, den mythischen »10-fach-Entwickler« in einen sehr realen – und erreichbaren – »100- fach-Entwickler« verwandeln.

Betrachten wir, um zu verstehen, wie revolutionär das ist, ein konkretes Beispiel. Ein Entwickler möchte eine einfache Web-App erstellen, die Wörter in einem Podcast-Skript zählt und die Lesezeit schätzt. Anstatt von Grund auf neu zu beginnen, öffnet er eine KI-gestützte Programmierumgebung und beschreibt der KI seine Idee. Innerhalb weniger Minuten erstellt die KI einen funktionierenden Prototyp. Der Entwickler konkretisiert dann: »Stelle die statistischen Angaben in hellen Farben dar und füge einen PDF-Export hinzu«, und die KI aktualisiert den Code entsprechend. Das Ergebnis ist ein funktionales Tool, das mit einem Klick bereitgestellt wird – und all das in weniger als zehn Minuten. Dieses reale Szenario, berichtet von einem Creator, der Replits KI nutzt (https://oreil.ly/guqFZ), zeigt, wie Vibe Coding eine extrem schnelle, iterative Entwicklung ermöglicht, die durch hochrangige Anweisungen gesteuert wird. Auch Nichtentwickler springen auf diesen Zug auf: Der gleiche Artikel berichtet von einem entlassenen Marketingfachmann ohne Programmierkenntnisse, der einen KI-Coding-Assistenten nutzte, um 100 einfache Webtools zu erstellen, die als Paket die Spitze bei Product Hunt erreichten. Wenn die Hürde zur Softwareerstellung plötzlich so niedrig ist, steigert das nicht nur die Produktivität erfahrener Entwicklerinnen und Entwickler – den Kreis derer, die überhaupt Software entwickeln können, erweitert sich grundlegend.

Allerdings hat Vibe Coding auch ernsthafte Nachteile. Wenn man viel an die KI delegiert, kann dabei Code entstehen, der zwar im Idealfall (auf dem »Happy Path«) funktioniert, aber tatsächlich ein Minenfeld voller Bugs oder schlechten Designentscheidungen ist. Ohne soliden Plan und klare Vorgaben können LLMs Lösungen generieren, die weder eine angemessene Fehlerbehandlung noch Sicherheitsprüfungen enthalten und schlecht skalierbar sind. Tatsächlich ist KI-generierter Code manchmal auf Sand gebaut: Er wirkt solide, birgt aber Probleme, die erst unter realen Bedingungen zutage treten. Mir sind Fälle begegnet, in denen sich ein Entwickler im Rekordtempo ein vollständiges Feature »zusammengevibt« hat, nur um später festzustellen, dass der Code ineffizient und schwer wartbar ist. Diese Art von »Kartenhauscode« kann unter Druck schnell zusammenbrechen.

Stellen Sie sich zum Beispiel vor, Sie bitten eine KI, ein User-Log-in-System zu entwickeln. Vielleicht produziert die KI schnell einen funktionierenden Authentifizierungs-Flow, verwendet dabei aber eine zu simple Verschlüsselungsmethode oder eine anfällige Bibliothek. Wenn Sie das Ergebnis ohne gründlichere Überprüfung einsetzen, vertrauen Sie blind darauf, dass alles in Ordnung ist. Erfahrene Entwickler wissen, dass das riskant ist: Code, der in Produktionsumgebungen laufen soll, muss verstanden werden und vertrauenswürdig sein. Wie ein Experte (https://oreil.ly/ppXCf) es ausdrückte: »Mit Vibe Coding zu einer produktionsreifen Codebasis zu gelangen, ist eindeutig riskant.« Der Großteil unserer Arbeit als Softwareentwickler besteht darin, bestehende Systeme weiterzuentwickeln – dabei sind Qualität und Verständlichkeit des zugrunde liegenden Codes entscheidend. Vibe Coding kann diese Qualitätskontrollen im Extremfall umgehen.

Eine weitere Herausforderung besteht darin, dass beim Vibe Coding oft die Planung im Vorfeld vernachlässigt wird. Traditionelle Softwareentwicklung legt Wert auf Klarheit und ein Denken in Einschränkungen – etwa durch Datenmodelle, die Wahl geeigneter Muster und das Erstellen zumindest einer Minimalspezifikation. Vibe Coding kehrt dies um: Man beginnt ohne konzeptionelles Fundament und springt direkt über Prompts in die Implementierung. Das kann zu einem mäandernden Entwicklungsprozess führen. Sie könnten sich mit Prompts in eine Sackgasse manövrieren – etwa wenn die KI eine Methodik für das State-Management oder eine Bibliothek auswählt, die Sie nicht vorgesehen hatten. Sie müssen solche Entscheidungen dann entweder akzeptieren oder ihnen entgegensteuern. Ohne eine anfängliche Vorgabe kann die endgültige Architektur beliebig ausfallen. Für einen schnellen Proof of Concept ist das in Ordnung, aber in einer größeren Codebasis, in der Konsistenz zählt, wird das zum Problem.

Vibe Coding ist nicht per se schlecht. Sein Aufkommen ist vielmehr Teil der fortschreitenden Demokratisierung der Programmierung. Es senkt die Einstiegshürden für die Softwareentwicklung – ähnlich wie es frühe Low-Code-Plattformen oder Skriptsprachen getan haben. Mit Vibe Coding kann auch ein motivierter Nichtprogrammierer mit einer klaren Vorstellung eine einfache Anwendung entwickeln. Erfahrenen Entwicklern wiederum kann Vibe Coding als mächtiges Brainstorming-Werkzeug dienen – es ähnelt dem Pseudocoding, liefert aber sofort lauffähige Ergebnisse. Entscheidend ist, seine Grenzen zu erkennen. Geschwindigkeit ohne Disziplin kann zu fragiler Software führen, daher erfordert Vibe Coding eine aufmerksame menschliche Überwachung. Ich erinnere Entwicklerinnen und Entwickler (auch mich selbst) oft daran: Vibe Coding ist keine Ausrede für minderwertige Arbeit. Es sollte der Anfang einer Lösung sein, nicht deren Ende.

Der KI-gestützte Entwicklungsansatz: Struktur mit KI-Partner

Am entgegengesetzten Ende unseres Spektrums steht die KI-gestützte Entwicklung – ein stärker strukturierter methodischer Ansatz der Softwareentwicklung, bei dem KI bei jedem Schritt als Co-Pilot fungiert. Hier sitzt der Entwickler klar am Steuer. KI-gestützte Entwicklung umfasst den Einsatz von KI über den gesamten traditionellen Software Development Lifecycle (SDLC) hinweg: durch KI-gestütztes Autocomplete, in Chats, bei Codemigrationen, Bug-Erkennung, Testgenerierung sowie granularer (Funktion, Modul, Komponente) und vollständiger Codegenerierung (siehe Abbildung 1.2).

Man beginnt mit einem Plan (selbst wenn er einfach ist), skizziert, was entwickelt werden soll, und definiert von vornherein Vorgaben und spätere Abnahmekriterien. Anschließend setzt man KI-Werkzeuge ein, um Teile dieses Plans zu beschleunigen oder zu optimieren. Im Gegensatz zum Prompt-first-Ansatz könnte man dies als KI-gestützte Plan-first-Entwicklung bezeichnen. Der Plan kann aus einem sehr kurzen, formalen Produktanforderungsdokument (beispielsweise ein kurzes PRD – Product Requirements Document – für ein einzelnes Feature) oder einer simplen Aufgabenliste bestehen. Der entscheidende Unterschied zum Prompt-first-Ansatz liegt darin, dass man klare Zielvorgaben und Rahmenbedingungen festlegt, bevor man die KI agieren lässt.

Abbildung

1.2

: Der KI-gestützte Plan-first-Workflow: Entwickler erstellen Spezifikationen, formulieren gezielte Prompts für KI-Systeme, prüfen generierte Code-Snippets und integrieren die überprüften Lösungen in ihre Projekte.

Betrachten wir einen React-Entwickler, der die Aufgabe hat, eine neue interaktive Dashboard-Komponente zu erstellen. In einem KI-gestützten Entwicklungsansatz könnte er damit beginnen, die Verantwortlichkeiten der Komponente und ihrer API zu beschreiben:

Die Dashboard-Komponente zeigt eine Reihe von UI-Elementen mit Kennzahlen, unterstützt die Filterung nach Datumsbereichen und verfügt über Schaltflächen zum Aktualisieren und Exportieren. Sie soll Daten von unserer API abrufen (mit korrektem Fehlerhandling) und dem Styling unseres Designsystems folgen.

Diese Skizze ist im Grunde eine Spezifikation. Der Entwickler könnte sogar ein einfaches Datenmodell beschreiben oder vorhandene Utility-Funktionen nennen, die verwendet werden können. Erst dann wird eine KI-fähige IDE oder ein Coding-Assistent eingesetzt, um auf dieser Basis das Gerüst der Komponente zu generieren. Die KI würde eine erste Implementierung der React-Komponente bereitstellen mit Platzhaltern für den Datenabruf und Event-Handler-Stubs. Da der Entwickler klare Vorgaben gemacht hat, ist es wahrscheinlicher, dass der generierte Code den Projektanforderungen entspricht (etwa durch die Verwendung der richtigen Klassen des Designsystems und der geeigneten APIEndpunkte). Der Code wird keine totale Überraschung sein, sondern das Ergebnis einer wohlgeformten Anfrage.

KI-gestützte Entwicklung endet nicht bei der Codegenerierung für eine einzelne Komponente. Sie durchdringt in kontrollierter Form den gesamten Entwicklungszyklus. Bei routinemäßigen Programmieraufgaben kann ein KI-Autocompletion-Tool wie GitHub Copilot die nächsten Zeilen vorschlagen, während Sie tippen, und Ihnen bei der Eingabe bekannter Muster ein paar Tastenanschläge ersparen. Beim Schreiben eines Unit-Tests könnte ein KI-Helfer beispielsweise automatisch Assertions auf Basis des Funktionsnamens vorschlagen. Apropos Tests: Sie könnten KI einsetzen, um Testfälle zu generieren, sobald ein Feature beendet ist, indem Sie die Spezifikation oder den Code der Komponente in einen Prompt kopieren, mit dem Sie nach Vorschlägen für zu überprüfende Grenzfälle fragen. Es geht darum, die Arbeit von Entwicklerinnen und Entwicklern zu unterstützen, nicht, sie zu ersetzen. Sie sind weiterhin für die Prüfung der Logik und der Korrektheit des Codes verantwortlich – die KI übernimmt lediglich einen Teil der Fleißarbeit.

Wenn es um Codemigration oder Refactoring geht, kann KI ein wahrer Segen sein. Stellen Sie sich vor, Sie müssten eine klassenbasierte React-Komponente in eine moderne Funktionskomponente mit Hooks umwandeln. Anstatt das manuell zu erledigen, könnten Sie einen KI-Assistenten bitten, den Code zu transformieren oder zumindest die nötigen Schritte zu skizzieren. Mit einem guten Verständnis der alten und neuen Muster kann ein LLM einen Entwurf des refaktorierten Codes erstellen, den Sie dann überprüfen und glätten. Bei diesem strukturierten KI-Einsatz werden klar definierte Aufgaben (wie »migriere diesen Code von Redux zur React Context API«) nacheinander und einzeln ausgeführt, statt der KI einen unbestimmten Auftrag nach dem Motto »Baue irgendetwas zusammen« zu erteilen.

Die vielleicht drastischste Form von KI-gestützter Entwicklung ist der Einsatz von KI zur Generierung einer vollständigen Mini-Applikation oder eines Features auf Basis einer detaillierten Spezifikation. Mehrere Tools ermöglichen es inzwischen, eine Beschreibung einer Anwendung – vergleichbar mit einem Mini-PRD – einzugeben und eine lauffähige Codebasis oder einen Prototyp zurückzubekommen. Eine Entwicklerin könnte beispielsweise eine Spezifikation bereitstellen für

eine To-do-App mit React-Frontend und Node.js-Backend, die eine Benutzerauthentifizierung und Echtzeit-Updates unterstützt.

Das KI-Tool würde das Projektgerüst anlegen, die zentralen Komponenten erstellen und das Datenbankschema einrichten.

Das ist keine Magie; es ist eine beschleunigte Version dessen, was ein gewissenhafter Entwickler zu Beginn eines neuen Projekts tun würde (Verzeichnisse anlegen, Bibliotheken auswählen, Boilerplate-Code schreiben). Wichtig ist, dass die Kreativität der KI durch die in der Spezifikation gesetzten Restriktionen begrenzt ist. Das Ergebnis ist ein Minimum Viable Product (MVP), das die vorgegebenen Anforderungen erfüllt. Ein erfahrener Entwickler wird korrekterweise nicht davon ausgehen, dass der generierte Code der ersten Iteration produktionsreif ist. Stattdessen wird er ihn als ersten Entwurf betrachten. Er wird die App ausführen, Tests schreiben oder regenerieren, um alle Features zu validieren, den Code auf Inkonsistenzen oder unsichere Konfigurationen prüfen und bei Bedarf verbessern. Kurz gesagt: Er wird die normale Sorgfalt eines Entwicklers walten lassen – nur beschleunigt durch die Fähigkeit der KI, massenhaft Code nach einer ausformulierten Vorgabe zu erzeugen.

Die Ziele der KI-gestützten Entwicklung unterscheiden sich von denen des Vibe Coding. Hier geht es nicht nur darum, schnell funktionierenden Code zu erhalten, sondern effizient hochwertigen Code zu erzeugen. Es geht darum, die Produktivität zu steigern, ohne an Zuverlässigkeit einzubüßen (oder diese im Idealfall sogar im Vergleich zum traditionellen Vorgehen zu verbessern). Ein Team, das KI-gestützte Entwicklung praktiziert, könnte als Anspruch formulieren: »Wir wollen dieses Feature doppelt so schnell ausliefern, aber ohne Kompromisse bei unseren Standards.«

Zielgruppe dieses Ansatzes sind in der Regel professionelle Entwickler und Teams mit etablierten Prozessen (Code-Review, Tests, Deployment-Pipelines), auf die sie nicht verzichten wollen. Es sind Entwicklerinnen und Entwickler mit mittlerer bis hoher Berufserfahrung, die KI als ein mächtiges neues Werkzeug betrachten, nicht als Ersatz für den gesamten Werkzeugkasten. Sie wissen wahrscheinlich, was für Folgen es hat, wenn man Abkürzungen nimmt, und schätzen Praktiken, die die Software wartbar halten. (Zum Vergleich: Die Zielgruppe von Vibe Coding umfasst Einzelentwickler, die Demos zusammenhacken, produktorientierte Personen mit eher geringen Programmierkenntnissen bis hin zu Einsteigern, die KI einsetzen, um Lücken in ihrem Wissen auszugleichen.)

Bei der KI-gestützten Entwicklung wird erwartet, dass Menschen die Entscheidungsgewalt behalten, während die KI Vorschläge liefert und als Beschleuniger dient. Codequalität, Performance und Sicherheit bleiben oberstes Gebot; jedes KI-generierte Artefakt wird mit der gleichen Sorgfalt geprüft, als hätte es ein Junior-Entwickler geschrieben. Behandeln Sie die KI wie einen Praktikanten, nicht als Ihren Ersatz. Sie können ihr Aufgaben übertragen, müssen die Ergebnisse jedoch überprüfen. So wie Sie niemals Code eines menschlichen Praktikanten ohne Code-Review bereitstellen würden, sollten Sie auch keinen KI-generierten Code deployen, ohne ihn verstanden zu haben. Diese Denkweise stellt die Entwicklerdisziplin in den Mittelpunkt.

Unterschiedliche Denkweisen, unterschiedliche Erwartungshaltungen

Vibe Coding und KI-gestützte Entwicklung sind zwei unterschiedliche Denkweisen. Vibe-Coding ist top-down und explorativ: Man beginnt mit einer groben Idee, und die Implementierung entsteht durch Interaktion mit der KI. Es ist ein wenig wie bei einer Jazz-Improvisation mit minimaler Struktur und viel Raum für kreative Riffs, bei der man die Gestalt des Stücks erst beim Spielen entdeckt. KI-gestützte Entwicklung ist systematisch und iterativ und ähnelt damit eher einer klassischen Komposition, bei der man mit einem Thema oder Motiv (den Anforderungen) beginnt und es methodisch weiterentwickelt, vielleicht mit ein wenig Improvisation (durch KI-Vorschläge) innerhalb der Takte einer Partitur. Bei beiden Ansätzen entsteht Musik, aber Prozess und Ergebnis unterscheiden sich.

Für einen Webentwickler auf mittlerem oder fortgeschrittenem Niveau sind die Erwartungen bei den jeweiligen Herangehensweisen entscheidend. Wenn Sie Vibe Coding betreiben, erwarten Sie, überrascht zu werden. Die KI könnte einen Ansatz vorschlagen, den Sie selbst nicht gewählt hätten – vielleicht verwendet sie eine andere Bibliothek oder ein Programmieridiom, mit dem Sie wenig vertraut sind. Ein Teil des Reizes besteht darin, aus diesen Überraschungen zu lernen oder lästige Arbeitsschritte schnell hinter sich zu lassen. Aber Sie müssen auch mit Stolpersteinen rechnen. Vibe-Coding-Enthusiasten sollten sich bewusst sein, dass sie für die kniffligen letzten Meter selbst verantwortlich sind. Die Magie ist real, aber sie ist nicht allumfassend.

Wenn Sie KI-gestützte Entwicklung betreiben, sind Ihre Erwartungen nüchterner und für langfristige Projekte wohl auch realistischer. Sie erwarten, dass die KI Ihnen Zeit spart und Sie vielleicht zu einer oder zwei Lösungen inspiriert, aber nicht, dass sie Ihre gesamte Arbeit erledigt. Ein guter KI-gestützter Entwickler könnte allerdings Vibe-Style-Prompting in Mikrodosen innerhalb eines größeren Rahmens einsetzen. Zum Beispiel könnten Sie beim Implementieren eines klar spezifizierten Moduls kurz in den Vibe-Modus wechseln und fragen: »Hey KI, generiere eine Hilfsfunktion zum Formatieren dieser Datumswerte«, um danach sofort wieder in den Entwicklermodus zurückzukehren, die Funktion zu integrieren und zu prüfen. Dahinter steht das Mindset, dass die KI eine Mitarbeiterin ist, die unter Ihrer Führung arbeitet. Sie geben ihr Aufgaben, bei denen sie stark ist (etwa bei Boilerplate- oder sich wiederholendem Code oder bei ersten Implementierungen), und den Rest erledigen Sie selbst (kritische Logik, Integration, abschließender Review).

Durch KI-gestützte Entwicklung erwartet man eine höhere Produktivität, weniger Flüchtigkeitsfehler (eine KI vertippt sich seltener bei einem Variablennamen) und eine größere Bandbreite bei der Suche nach Lösungen (die KI könnte einen Algorithmus vorschlagen, an den Sie nicht gedacht haben). Aber Sie rechnen auch damit, Zeit in die Validierung investieren zu müssen. Debugging von KI-gestützt erzeugtem Code bleibt Debugging: Sie führen Tests aus und gehen den Code bei Bedarf schrittweise im Debugger durch. Der Unterschied besteht darin, dass Sie möglicherweise Code debuggen, den die KI für Sie erstellt hat – eine neue Erfahrung, die mit einer Lernkurve verbunden ist. In Kapitel 5 werden wir diesen Prozess ausführlich behandeln.

Die Ziele der beiden Ansätze verdeutlichen einen grundlegenden Unterschied: Vibe Coding optimiert für kurzfristige Geschwindigkeit, während KI-gestützte Entwicklung auf nachhaltige Geschwindigkeit und Zuverlässigkeit abzielt. Ein Vibe Coder könnte sagen: »Ich will diese App bis heute Abend lauffähig bekommen, damit ich weiß, ob die Idee überhaupt funktioniert.« Eine KI-assistierte Entwicklerin würde eher formulieren: »Ich will dieses Feature schnell umsetzen, aber es sollte robust genug sein, um viele Jahre in unserer Codebase zu überstehen.« Der eine ist zufrieden, wenn der Code grundsätzlich funktioniert; dem anderen ist wichtig, dass der Code so sauber ist, dass andere darauf aufbauen können.

Aufgrund ihrer Unterschiede sprechen die beiden Ansätze natürlich verschiedene Zielgruppen an. Weniger erfahrene Entwickler oder Personen außerhalb des Engineering-Bereichs neigen möglicherweise zu Vibe Coding, da es die Einstiegshürden senkt und sofortige Ergebnisse liefert. Ich habe Produktmanagerinnen und Designer getroffen, die mithilfe von Vibe-Prompts mit Code experimentieren und die KI fast wie einen Stack Overflow mit Superkräften betrachten, der ihnen vollständige Lösungen liefert. Umgekehrt bevorzugen erfahrene Entwickler und Engineering-Teams tendenziell die KI-gestützte Entwicklung. Meist haben sie schon schlechte Erfahrungen mit fragilem Code gemacht und bevorzugen daher den Ansatz: »Lass es uns nachhaltig angehen, auch wenn wir, um schneller zu sein, neuartige Werkzeuge einsetzen.« Sie investieren anfangs etwas mehr Arbeit (indem sie ein Mini-PRD schreiben und die Projektstruktur aufsetzen) im Tausch für langfristige Vorteile.

Den eigenen Platz im Spektrum bestimmen

Es ist verlockend, zu fragen: Welche Vorgehensweise ist besser? Tatsächlich schließen sich Vibe Coding und KI-gestützte Entwicklung gegenseitig nicht aus: Sie stehen für die beiden Enden eines Spektrums, und in realen Workflows werden oft Elemente beider Ansätze miteinander kombiniert. Ein Entwickler mag ein neues Projekt mit einem Schub Vibe Coding aufsetzen und dann in den Entwicklungsmodus wechseln, um es genauer auszuarbeiten. Vielleicht bevorzugt er aber auch eine KI-gestützte Vorgehensweise, nutzt Vibe Coding aber gelegentlich für ein triviales Skript oder einen Wegwerfprototyp und schaut einfach, was dabei herauskommt. Wichtig ist nur, die jeweiligen Vor- und Nachteile zu kennen und den geeigneten Ansatz im richtigen Kontext einzusetzen.

Vibe Coding ist eine Art Hochgeschwindigkeits-Expeditionsfahrzeug, das sich hervorragend für Entdeckungsreisen abseits der ausgetretenen Pfade eignet. KI-gestützte Entwicklung ist eher wie ein ICE, für den Sie aber vorher noch selbst die Schienen legen (einen Plan entwickeln). Dafür ist er aber auch das sicherere Verkehrsmittel, das Sie mit größerer Wahrscheinlichkeit zum Ziel bringt, ohne zu entgleisen. Entwickler auf mittlerem und fortgeschrittenem Niveau sollten beide Fahrzeuge steuern und je nach Aufgabe das geeignete Vehikel auswählen können. Wenn es darum geht, schnell zu innovieren oder Ideen zu entwickeln (zum Beispiel bei einem Hackathon oder als Machbarkeitsstudie), bietet Vibe Coding das nötige Momentum. Aber vergessen Sie nicht, den Code nachzuschärfen, wenn Sie ihn wieder- oder weiterverwenden wollen. Geht es dagegen um ein wartbares Produktfeature in einem professionellen Umfeld, sorgt eine KI-gestützte Entwicklung dafür, dass Sie keine Blackbox in Ihrem Code versenken, deren Inhalt niemand wirklich versteht.

Ich habe die interessante Beobachtung gemacht, dass sich bei zunehmender Erfahrung mit KI-Tools der Fokus von Entwicklern oft ganz natürlich vom Vibe-Coding-Pol zum Engineering-Pol verschiebt. Anfangs ist es ausgesprochen verlockend, dass eine KI auf Basis eines einzigen Prompts ganze Codeblöcke generiert – wer würde nicht gern versuchen, eine App ins Leben zu »beschwören«?

Aber nach der anfänglichen Begeisterung setzt Pragmatismus ein: Entwicklerinnen und Entwickler beginnen zu erkennen, wo die KI ihre Stärken ausspielt und wo sie ins Straucheln gerät. Sie lernen, Probleme zu zerlegen und sie der KI nur schrittweise zu übergeben, anstatt auf einen Schlag eine komplette Lösung zu verlangen. Im Ergebnis entwickeln sie sich von »Prompt-Künstlern« zu »KI-Dirigenten«: Sie nutzen weiterhin die kreative Kraft der KI, lenken sie jedoch mit erfahrener Hand und folgen einer klaren Partitur. In meiner eigenen Praxis gehe ich zunehmend bewusster mit Prompts um und schreibe häufig kleine Pseudocode-Schnipsel oder Kommentare und bitte die KI dann, diese zu vervollständigen, anstatt offene Fragen zu stellen. Auf diese Weise nutze ich die Vorteile der Vibe-Flexibilität, aber innerhalb einer von mir kontrollierten Struktur.

Interessanterweise entwickeln sich die Tools in eine Richtung, bei der zunehmend das gesamte Spektrum abgedeckt wird. Auf der einen Seite gibt es dialogbasierte Schnittstellen und in natürlicher Sprache gesteuerte Programmierumgebungen, die explizit für Vibe Coding entwickelt wurden, bei denen Sie den Code möglicherweise nur zu sehen bekommen, wenn Sie explizit danach fragen. Auf der anderen Seite werden IDEs zunehmend mit KI-Funktionen ausgestattet, die sich nahtlos in das traditionelle Coding einfügen, beispielsweise KI-Linters, die Verbesserungen vorschlagen, Dokumentationsgeneratoren, die Code erklären, und Bots zur Versionskontrolle, die automatische Pull Requests erstellen und Änderungen zur Überprüfung vorschlagen. Diese Tools fördern die Engineering-Denkweise, indem sie sich in den üblichen Entwicklungsworkflow (Bearbeiten, Review, Testen usw.) einfügen und gleichzeitig KI nutzen.

Wenn sich Best Practices herausbilden, könnten die Unterschiede zwischen Vibe Coding und KI-gestützter Entwicklung im Laufe der Zeit verschwimmen. Möglicherweise wird das Vibe Coding stärken eingehegt, während die strukturierte Entwicklung flexibler wird. Ich würde mir wünschen, dass wir uns in diesem Spektrum künftig mühelos hin- und herbewegen können, indem wir einerseits jederzeit mit KI kreative Lösungen erkunden können, aber andererseits stets die Zügel anziehen, wenn es darum geht, mit soliden Engineering-Praktiken die Software zu härten und auszuliefern.

Während wir aktuell unsere Methoden der Zusammenarbeit mit KI verfeinern – sei es durch schnelles Vibe Coding oder strukturierte Engineering-Workflows –, vollzieht sich eine noch grundlegendere Transformation: Das Wesen der Programmierung selbst verändert sich. Wir bewegen uns weg vom traditionellen Paradigma, bei dem Entwickler ihre Ideen in explizite Anweisungen – also Code – übersetzen müssen, hin zu einem Prozess, bei dem wir unsere Absichten sprachlich beschreiben können und die KI die Übersetzung in Code übernimmt.

Dieser Wandel stellt unsere grundlegenden Annahmen darüber infrage, was es bedeutet, Programmiererin oder Programmierer zu sein. Seit Generationen war unser Wert als Entwickler mit unserer Fähigkeit verknüpft, maschinenartig zu denken und Probleme in diskrete, logische Schritte zu zerlegen, die von Computern ausgeführt werden. Aber was passiert, wenn Maschinen zu verstehen beginnen, was wir wollen, und nicht nur das, was wir ihnen explizit zu tun vorschreiben? Hier kommt das Intent-basierte Programmieren (Programming with Intent) ins Spiel, das nicht nur ein neues Werkzeug oder eine neue Technik darstellt, sondern eine grundlegende Neubestimmung der Rolle von Entwicklerinnen und Entwicklern bedeutet.

Jenseits von Codezeilen: Intent-basiertes Programmieren

Seit Jahrzehnten bestand Programmierung daraus, Zeile für Zeile Anweisungen zu schreiben, die dem Computer mitteilen, was er wie tun soll. Jede Funktion, Schleife und jede Bedingung musste sorgfältig von einem Menschen erstellt werden. Intent-basiertes Programmieren kehrt dieses Paradigma um. Statt sich auf die Details der Implementierung zu konzentrieren, richtet der Entwickler den Fokus auf das Ergebnis oder Ziel: darauf, was das Programm erreichen soll. Diese Intention wird auf einer höheren Ebene ausgedrückt (oft in natürlicher Sprache), und das KI-System generiert dazu den passenden Code.

Bildhaft könnte man sagen, dass traditionelles Programmieren etwa so ist, als gäbe man einer Person, die nach dem Weg fragt, ganz genaue Anweisungen, wo in welche Richtung abgebogen werden muss, während Intent-basiertes Programmieren eher dem reinen Nennen eines Ziels ähnelt, zu dem der Weg selbst gefunden werden muss. Indem sich Entwickler auf das Was statt auf das Wie konzentrieren, können sie auf einer höheren Abstraktionsebene arbeiten. Dieser Ansatz ist nicht völlig neu: Tools für visuelle Programmierung, Low-Code-Plattformen und Codegeneratoren versprechen seit Langem, das Abstraktionsniveau zu erhöhen. Doch erst die heutigen Fortschritte in der KI machen es praktisch möglich, komplexe Verhaltensweisen in Alltagssprache zu beschreiben und im Gegenzug funktionierenden Code zu erhalten.

Der Aufstieg des Prompts: von Anweisungen zu Beschreibungen

Im Kern dieses Wandels steht der Prompt: die Eingabe in bzw. die Frage an ein KI-System. Im Wesentlichen ist es eine Beschreibung dessen, was das zu generierende Programm tun soll, keine Anweisung, wie es dies tun soll. Das unterscheidet sich deutlich vom eigentlichen Programmieren. Zum Beispiel könnten Sie, statt selbst eine Schleife zu schreiben, um eine Datei zu parsen, einen Prompt verwenden:

Lies diese CSV-Datei und extrahiere die E-Mail-Adressen aller Nutzer, die älter als 18 Jahre sind.

Die KI wird versuchen, Code zu erzeugen, der dieser Beschreibung entspricht.

Warum findet diese Veränderung gerade jetzt statt? Der rasante Fortschritt von LLMs beim Verstehen und Generieren von Text, einschließlich Programmiersprachen, war ein Gamechanger. Diese KI-Modelle werden mit gewaltigen Mengen an Code und Text in natürlicher Sprache trainiert. Sie können einen Prompt interpretieren, der ein gewünschtes Verhalten der Software beschreibt, und ihn in funktionierenden Code übersetzen, der es implementiert. Mit anderen Worten: Die Modelle haben gelernt, wie Menschen Aufgaben beschreiben und wie diese in Code übersetzt werden.

Der Aufstieg der Prompt-basierten Entwicklung bedeutet, dass Entwickler Funktionsbeschreibungen und Logik zunehmend in natürlicher Sprache oder in Pseudocode formulieren und der KI die anstrengende Arbeit überlassen, syntaktisch korrekten Code zu schreiben. Der Prompt wird zum Zentrum des Denkens. Er ist der prägnante Ausdruck Ihrer Ziele. Wir schreiben dem Computer nicht mehr vor: »Mach X, dann Y, dann Z«, sondern verlangen stattdessen: »Bitte erledige X, Y und Z« und vertrauen der KI, den dazu nötigen Code zu generieren.

Auf die wichtige Fähigkeit, einen guten Prompt schreiben zu können, gehen wir in Kapitel 3 näher ein. Ein vager Prompt kann zu fehlerhaftem oder ineffizientem Code führen, genauso wie ein unklarer Auftrag einen menschlichen Programmierer verwirren würde. Je genauer Sie Ihre Intention im Prompt formulieren, desto besser wird das generierte Ergebnis ausfallen. Deshalb betrachten viele das Schreiben von Prompts als die entscheidende neue Programmierkompetenz.

Funktionsweise: Der iterative Zyklus und die Rolle der KI bei der Codegenerierung

Wie gelangt eine KI von Ihrem natürlichsprachigen Beschreibungstext zu tatsächlich funktionierendem Code? Das Besondere liegt in der Fähigkeit von LLMs, Kontext zu interpretieren und Text zu erzeugen. Das »Large« in Large Language Model bezieht sich auf die Anzahl der Parameter des Modells (oft Milliarden oder mehr), die die interne Konfiguration darstellen und es befähigen, die Komplexität von natürlichen und Programmiersprachen zu erfassen. Diese Modelle wurden anhand öffentlicher Code-Repositories, Foren, Dokumentationen und FAQ-Seiten trainiert und verstehen nicht nur die Syntax von Programmiersprachen, sondern auch, wie Code zur Lösung von Problemen eingesetzt wird. Wenn Sie mit einem KI-Coding-Assistenten interagieren, greifen Sie auf dieses umfangreiche Wissen zu. Lassen Sie uns das in einfachen Worten aufschlüsseln:

Den Prompt verstehen