Die Verbreitung des Begriffs Vibe Coding

Andrej Karpathy, ein slowakisch-kanadischer Informatiker mit umfassender Erfahrung im Bereich künstliche Intelligenz (KI), war unter anderem ehemaliger KI-Direktor bei Tesla und ist Mitgründer von OpenAI. Im Bereich Deep Learning und Computer Vision verfügt er über umfassende Erfahrung. Dazu zählt auch seine Tätigkeit als Hauptdozent des ersten Deep-Learning-Kurses CS 231n an der Stanford University. Damit gilt er in der KI-Community als angesehene Stimme.

Am 2. Februar 2025 beschrieb Karpathy auf X/Twitter einen neuen Ansatz, den er „Vibe Coding“ nannte. Dabei würden Entwickler „sich ganz den Vibes hingeben, exponentielles Wachstum begrüßen und vergessen, dass der Code überhaupt existiert“. Das war nicht einfach nur eine weitere steile These eines Tech-Leaders. Vielmehr brachte der Begriff etwas auf den Punkt, das viele Entwickler bereits erlebten, aber noch nicht benannt hatten.

Karpathy beschrieb seinen Arbeitsablauf: Er nutzte Sprachbefehle über SuperWhisper, um möglichst wenig auf der Tastatur zu tippen, stellte einfache Anfragen wie Anpassungen an der Benutzeroberfläche, übernahm routinemäßig alle vorgeschlagenen Änderungen, ohne sie zu prüfen, und kopierte Fehlermeldungen einfach zurück in die KI. Er räumte ein, dass der Code dadurch „über [sein] übliches Verständnis hinauswuchs“ und die Fehlerbehebung manchmal bedeutete, „Probleme zu umgehen oder scheinbar willkürliche Änderungen vorzunehmen, bis sie verschwinden“.

Was ist Vibe Coding?

Vibe Coding ist ein bewusst ungezwungener Ansatz der Softwareentwicklung. Entwickler – auch ohne formale Ausbildung, Hintergrund oder Erfahrung – nutzen dabei KI-Assistenten, um Code zu schreiben, ohne genau zu prüfen oder zu verstehen, was generiert wird. Statt jede Änderung sorgfältig zu kontrollieren, vertrauen Vibe Coder der KI, übernehmen Änderungsvorschläge ohne Weiteres und betrachten Fehlermeldungen als Eingabe für die KI, statt die Probleme selbst zu debuggen. Das ist nicht grundsätzlich schlecht. Es ist großartig, wenn mehr Code geschrieben wird und der Prozess auch für weniger technische Anwender zugänglicher wird.

Der Code selbst wird beinahe zur Nebensache. Entscheidend ist, ob die Anwendung den Eindruck macht, zu funktionieren. Statt auf Verständnis basiert das Programmieren auf „Vibes“: Geschwindigkeit und schnelle Iterationen haben Vorrang vor traditionellen Software-Engineering-Praktiken wie Code-Reviews, Tests und einem mentalen Modell der eigenen Codebasis. Im Extremfall bedeutet Vibe Coding, Anwendungen zu entwickeln, bei denen Sie nicht erklären könnten, wie der Großteil des Codes funktioniert, weil Sie ihn weder selbst geschrieben noch wirklich gelesen haben.

Es ist überall

„Vibe Coding“ verbreitete sich in viralem Tempo durchs Internet. Innerhalb weniger Stunden reagierte Amjad Masad, CEO von Replit. Er wies darauf hin, dass etwa 75 % der Replit-Nutzer bereits Code schrieben, ohne selbst Code zu verfassen. Das legte nahe, dass Karpathy keine neue Praxis erfunden, sondern einer bereits weit verbreiteten einen Namen gegeben hatte.

Am 12. Februar erhielt ein X-Thread von @rileybrown_ai mit „15 Regeln für Vibe Coding“ über 10.000 Likes. Die Tech-Community legte los und produzierte in rasantem Tempo Memes, Essays und steile Thesen. Ein X-Nutzer namens @IterIntellectus erstellte ein Meme zu Vibe Coding mit Rick Rubin und Kopfhörern, das über 3.000 Likes erhielt. Damit wurde Rick Rubin zum inoffiziellen „Gesicht“ von Vibe Coding – eine passende Wahl angesichts seines legendären, intuitiven und von Vibes geprägten Ansatzes der Musikproduktion.

Am 13. Februar veröffentlichte Business Insider den Artikel „Silicon Valleys nächster Schritt: Vibe Coding in die Welt bringen“ – die erste große Berichterstattung eines Tech-Mediums über das Konzept. Am 27. Februar folgte die New York Times mit Kevin Rooses Artikel „Kein Programmierer? Mit KI kann eine Idee schon reichen“.

Am 24. Februar veröffentlichte Gitpod den Artikel „Vibe Coding ist eine Revolution für optimistische Kreative“. Darin bezeichnete das Unternehmen Vibe Coding als „Symbol des Optimismus und einer bevorstehenden Welle“ und berichtete, eigens für den AI Engineering Summit physische Vibe-Coding-Aufkleber erstellt zu haben.

Vielleicht ist dies der aussagekräftigste Hinweis darauf, dass der Begriff im Mainstream angekommen war: Bis zum 1. März hatte Merriam-Webster „Vibe Coding“ als Slangbegriff aufgenommen und definierte ihn als „das Schreiben von Computercode auf einigermaßen nachlässige Weise mit Unterstützung durch KI“. Vom Tweet zum Wörterbuch in weniger als einem Monat. Das ist nicht nur viral – das ist ein kulturelles Phänomen.

Garry Tan, CEO von Y Combinator, berichtete, dass 25 % der Start-ups seines Winter-Batches 2025 Codebasen hatten, die zu mindestens 95 % KI-generiert waren. Das deutet darauf hin, dass hier nicht nur herumexperimentiert wurde – ganze Unternehmen wurden auf diese Weise aufgebaut.

Doch mit der Begeisterung wuchsen auch die warnenden Beispiele. Mitte Februar holte ein X-Nutzer namens @Brycicle77 einen Reddit-Beitrag wieder hervor, in dem jemand sein „vollständig mit Cursor und Claude entwickeltes Projekt“ beklagte, das unüberschaubar geworden war: „Über 30 Python-Dateien, unorganisierter Code, doppelte Schleifen … Claude vergisst ständig Imports.“ Die Bildunterschrift bemerkte trocken: „Vibe Coding und seine Folgen.“

Funktioniert das Vibe Coding wirklich?

Nicht sicher.

Hier stößt der Vibe an seine Grenzen. Während Entwickler begeistert alle Änderungen übernahmen und Fehlermeldungen per Copy-and-paste weitergaben, häuften sich schwerwiegende Sicherheitslücken in produktiven Codebasen.

In einem berüchtigten, von Sicherheitsforschern dokumentierten Fall nutzte ein Entwickler KI, um eine SaaS-Anwendung aufzusetzen, und legte dabei unwissentlich seinen OpenAI-API-Schlüssel im clientseitigen Code offen. Angreifer entdeckten den geleakten Schlüssel innerhalb weniger Minuten. Der Entwickler „musste mit OpenAI verhandeln, damit das Unternehmen ihm seine Rechnung erlässt“. Die Vibes kamen teuer zu stehen.

Bei mehreren mit Vibe Coding entwickelten Projekten waren Authentifizierungsabläufe fehlerhaft. Eine Prüfung ergab, dass KI-generierter Authentifizierungscode OpenAI-API-Schlüssel im Klartext über das Netzwerk übermittelte – für jeden Nutzer über die Entwicklertools sichtbar.

Besonders beunruhigend war ein KI-generiertes Webspiel, das viral ging und eine schwerwiegende Cross-Site-Scripting-Schwachstelle (XSS) aufwies, durch die Tausende Nutzer gefährdet waren. Der Entwickler hatte die App mit ChatGPT „per Vibe“ erstellt und dessen Ergebnissen vertraut. Sicherheitsforscher warnen, dass KI-Copiloten SQL-Injection-Schwachstellen, XSS-Schwachstellen und Datenlecks verursachen können, wenn Code blind übernommen wird.

Ein Vibe Coder übernahm von der KI empfohlenen Code für ein Community-Plugin, das eine Schwachstelle bei der Eingabesäuberung aufwies. Diese ermöglichte später gespeichertes XSS auf seiner Website – ein Muster, das an „Schwachstellen in schlecht gewarteten WordPress-Plugins“ erinnert.

Und es ging nicht nur um einzelne Projekte. Am 18. März 2025 wurde eine „Rules File Backdoor“-Schwachstelle entdeckt, von der GitHub Copilot und Cursor betroffen waren – zwei der beliebtesten Tools für Vibe Coding. Es handelte sich um eine systemische Schwachstelle in der Infrastruktur, die diese Praxis überhaupt erst ermöglichte.

Das Muster wurde deutlich: Vibe Coding beschleunigt die Entwicklung erheblich, aber auch das Einschleusen von Sicherheitslücken. Eine Studie von Wiz ergab, dass jedes fünfte Unternehmen, das auf Vibe-Coding-Plattformen entwickelt, sich durch häufige Fehlkonfigurationen unbeabsichtigt Risiken aussetzt.

Wie ein Sicherheitsanalyst es formulierte: „Die KI übersah kritische Autorisierungsprüfungen, die einem Menschen aufgefallen wären.“ Gemeint war ein Authentifizierungssystem, das in Tests funktionierte, aber eine wichtige Rollenprüfung vermissen ließ. Dadurch entstand eine ausnutzbare Schwachstelle, die Administratorrechte gewährte.

Das grundlegende Problem? Wenn Sie den Code, den Sie bereitstellen, nicht verstehen, können Sie seine Sicherheitsauswirkungen nicht beurteilen. Die Vibes mögen perfekt sein, aber ein Bedrohungsmodell gibt es nicht.

Vibe Coding zugänglicher machen

Trotz der Sicherheitsbedenken geschieht hier etwas wirklich Revolutionäres: Programmieren wird für Menschen zugänglich, denen es bisher verschlossen war.

Seit Jahren sprechen wir über Low-Code- und No-Code-Plattformen als große Wegbereiter einer Demokratisierung der Softwareentwicklung. Doch sie bringen oft Einschränkungen mit sich – starre Vorlagen, begrenzte Funktionen und eine klare Grenze dessen, was sich umsetzen lässt. Vibe Coding bietet dagegen über natürliche Sprache etwas, das der vollen Leistungsfähigkeit des Programmierens näherkommt.

Sprachgesteuertes Programmieren – also die Sprache statt einer Tastatur zu nutzen – hat parallel zu Vibe Coding deutlich an Bedeutung gewonnen. Möglich gemacht haben das Fortschritte bei der Spracherkennung, etwa OpenAIs Whisper. Diese Verbindung ist besonders wichtig für die Barrierefreiheit.

Die Entwicklung von Tools für sprachgesteuertes Programmieren machte 2024 stetige Fortschritte. Im März 2024 demonstrierte Aqua Voice, ein Start-up von Y Combinator, das wachsende Interesse und brachte einen sprachgesteuerten Texteditor auf den Markt, der mit „7-mal weniger Fehlern als die macOS-Diktierfunktion“ warb. Auch Tools wie Serenade wurden deutlich weiterentwickelt. Die Open-Source-Engine wandelt Sprache in Code um, ermöglicht es Nutzern, Code in natürlicher Sprache zu verfassen, und lässt sich in Editoren wie VS Code integrieren.

Auf der CSUN Assistive Technology Conference 2025 zeigte eine Sitzung zu KI und Programmieren, wie Tools für sprachgesteuertes Programmieren Menschen mit motorischen Behinderungen eine umfassendere Teilhabe an der Softwareentwicklung ermöglichen. Ein Referent demonstrierte, wie er mit Serenade und GPT-4 allein per Sprache eine Web-App entwickelte.

Das ist von enormer Bedeutung. Programmieren war lange eine ausgesprochen körperliche Tätigkeit: stundenlanges Tippen, präzise Motorik und die Bedienung komplexer Tastenkombinationen. Sprachschnittstellen in Verbindung mit KI-Unterstützung eröffnen Menschen mit RSI, motorischen Behinderungen oder anderen Einschränkungen, die herkömmliches Programmieren erschweren oder unmöglich machen, neue Möglichkeiten.

Barrierefreiheit geht jedoch über körperliche Fähigkeiten hinaus. Dazu gehört auch die kognitive Zugänglichkeit – die Möglichkeit, auszudrücken, was Sie möchten, ohne Syntax, Bibliotheken oder Programmiermuster kennen zu müssen. Für Menschen, die ihr Fachgebiet sehr gut verstehen, aber keine Programmierkenntnisse haben, kann Vibe Coding eine Brücke schlagen.

Die Herausforderung für Produktdesigner und UX-Forscher besteht darin, diese Schnittstellen für nicht-technische Nutzer sicher und effektiv zu gestalten. Mit dem Copilot der Microsoft Power Platform können Nutzer Apps in natürlicher Sprache erstellen. Administratoren können dabei festlegen, was der Copilot tun darf, und so verhindern, dass Citizen Developer unwissentlich sensible Daten offenlegen.

Salesforce stellte einen KI-Copiloten vor, der Administratoren dabei unterstützt, Automatisierungsabläufe mit textbasierten Anweisungen zu erstellen. Ein Salesforce-Administrator kann zum Beispiel eingeben: „Wenn ein potenzieller Kunde mit hohem Umsatzpotenzial angelegt wird, weisen Sie ihn einem erfahrenen Vertriebsmitarbeiter zu und senden Sie eine E-Mail-Benachrichtigung.“ Die KI erstellt dann einen Flow, der diese Funktion umsetzt.

Diese Plattformen ringen mit einer grundlegenden Frage: Wie lässt sich nicht-technischen Nutzern die Möglichkeit geben, Software zu erstellen, ohne sie den Gefahren auszusetzen, von denen sie nichts wissen?

Und diesmal ist es persönlich

Vibe Coding hat noch eine weitere Dimension, die Beachtung verdient: Personalisierung.

Traditionell zielte die Softwareentwicklung darauf ab, Anwendungen für andere zu entwickeln – ob Unternehmenssoftware, Verbraucher-Apps oder Open-Source-Tools. Doch was, wenn der schnellste Weg zu einem personalisierten Erlebnis darin besteht, es selbst und direkt im Gespräch zu entwickeln?

Karpathy berichtete, dass er jeweils in etwa einer Stunde ein „Battleship“-Spiel und eine „LLM Text Reader“-App entwickelte – alle Anweisungen gab er per Sprache. Diese Produkte waren nicht zur Weitergabe gedacht, sondern persönliche Tools, die er für den eigenen Gebrauch und nach seinen Vorlieben entwickelte.

Das weist auf eine Zukunft hin, in der Software eher wie selbst gekochtes Essen als wie Fertiggerichte funktioniert. Statt aus einem Menü bestehender Apps auszuwählen und diese über Einstellungen und Anpassungsoptionen an Ihre Bedürfnisse anzupassen, könnten Sie einfach beschreiben, was Sie möchten, und es für sich entwickeln lassen.

Bei der neuesten Generation von KI-Modellen sehen wir erste Ansätze dafür. Google Gemini experimentiert damit, den Suchverlauf zu nutzen, um Antworten zu personalisieren. Die Modelle verstehen den Kontext immer besser, behalten im Gedächtnis, was Ihnen wichtig ist, und passen sich Ihren konkreten Bedürfnissen an.

Doch genau hier wird es interessant – und auch etwas heikel: LLMs erzeugen mitunter fehlerhaften oder veralteten Code für die APIs dieser Modelle. Dabei geht es nicht darum, dass die Modelle ihre eigenen Gewichte oder ihre Architektur kennen müssten – das wäre ein anderes Problem. Es ist einfacher und frustrierender: Modelle wie ChatGPT werden mit riesigen Datensätzen trainiert, die Dokumentation nur bis zu einem bestimmten Stichtag enthalten. Ändert sich die API oder das SDK danach, weiß das Modell nichts davon, sofern es nicht später ausdrücklich nachtrainiert wird.

Das habe ich selbst erlebt. Wenn ich ChatGPT zum Schreiben von Code für die OpenAI-API verwendet habe, bekam ich oft veraltete Syntax oder veraltete Methoden. Im Entwicklerforum von OpenAI beschwerte sich im November 2024 ein Nutzer: „GPT-4 erzeugt für seine eigene API in Node.js durchweg veralteten Code. Selbst wenn ich einen Link zur neuesten Dokumentation sende, ignoriert es ihn und gibt immer wieder denselben alten Code zurück.“

Die Ironie ist kaum zu übersehen: KI-Unternehmen versuchen, Programmieren über dialogbasierte Schnittstellen zugänglicher zu machen, doch ihre eigenen Modelle haben Mühe, mit den sich rasant weiterentwickelnden APIs der Unternehmen Schritt zu halten. Ein Nutzer merkte an, dass ChatGPT weiterhin Beispiele mit einer älteren Version der openai-Node-Bibliothek und Callbacks oder älteren Parameternamen ausgab. Teilweise verwendete es auch veraltete Endpunkte wie Completions.create statt des neueren ChatCompletion.create.

Interessanterweise erzeugt Claude (von Anthropic) für die OpenAI-API oft besseren Code als ChatGPT selbst. Vielleicht liegt es daran, dass Claude mit vielfältigeren Quellen trainiert wurde und ältere OpenAI-Dokumentation dabei weniger stark gewichtet wurde.

Das macht eine grundlegende Herausforderung deutlich, wenn Modelle versuchen, sich zu personalisieren und anzupassen: Sie arbeiten stets mit leicht veralteten Informationen. Zwar haben sich die Wissensstichtage erheblich verbessert (von mehr als 18 Monaten auf etwa sechs bis acht Monate), doch diese Verzögerung führt bei der Codegenerierung für sich rasant weiterentwickelnde Frameworks und APIs weiterhin zu erheblichen blinden Flecken.

Am Ende haben wir nur einander

Betrachten wir das Ganze einmal aus größerer Entfernung.

Als ChatGPT Ende 2022 aufkam, konnten viele kaum glauben, dass KI überhaupt programmieren kann. Die Vorstellung, ein Programm auf Englisch zu beschreiben und funktionierenden Code zu erhalten, klang nach Science-Fiction. Jetzt, weniger als drei Jahre später, diskutieren wir darüber, ob es sinnvoll ist, ganze Anwendungen per „Vibe Coding“ zu erstellen und den Code kaum zu lesen.

Das Tempo dieses Wandels ist wirklich desorientierend. Und es ist leicht, sich auf die Risiken zu konzentrieren – Sicherheitslücken, technische Altlasten und Albträume bei der Wartung. Diese Bedenken sind berechtigt und ernst zu nehmen.

Doch hier geschieht noch etwas, das es zu feiern gilt: Mehr Menschen entwickeln eigene Lösungen.

Y-Combinator-CEO Garry Tan lobte Vibe Coding, weil kleine Teams damit mehr erreichen können. KI-Programmierwerkzeuge ermöglichten es „10 Engineers, die Arbeit von 100 zu erledigen“. Künstlerinnen und Künstler, Designerinnen und Designer sowie Fachleute, die nie herkömmliches Programmieren gelernt hätten, entwickeln jetzt funktionsfähige Software. Auch Menschen mit Behinderungen, denen das Programmieren bisher verwehrt blieb, finden neue Wege in diesem Bereich.

Ja, einige dieser Projekte werden Fehler enthalten. Ja, manche werden Sicherheitsprobleme haben. Ja, der Code wird manchmal ein Durcheinander sein. Aber wissen Sie was? Das galt auch für das frühe Web, für mobile Apps und für jede neue Welle der Softwareentwicklung. Wir haben daraus gelernt. Wir haben bessere Vorgehensweisen entwickelt. Wir haben bessere Werkzeuge gebaut.

Der aufkommende Konsens lautete, dass sich Vibe Coding „wie ein Cheatcode anfühlt … aber sobald man über Spielzeugprojekte hinausgeht, holt einen die Realität schnell ein“. Das ist wahrscheinlich gesund. Vibe Coding hat seinen Platz gefunden: schnelles Prototyping, persönliche Tools, Wochenendprojekte und zum Ausprobieren. Für Produktivsysteme, die sensible Daten oder kritische Funktionen verarbeiten, brauchen wir strengere Maßstäbe.

Entwicklerinnen und Entwickler sowie Sicherheitsexpertinnen und -experten legen Best Practices für KI-generierten Code fest. Dazu gehört, KI wie einen Junior-Entwickler zu behandeln, dessen Code überprüft werden muss, statische Analysen und Linter auszuführen, Tools wie Snyks DCAIF zu verwenden, um Sicherheitslücken automatisch zu beheben, und der KI vor dem Programmieren ausdrücklich Sicherheitsanforderungen vorzugeben.

Namanyay Goel veröffentlichte am 27. März den Artikel „Karpathy’s ‘Vibe Coding’ Movement Considered Harmful“ und bezeichnete blindes Vertrauen in die Codegenerierung als „grundlegendes Versagen technischer Verantwortung“. Damit hat er recht. Zugleich räumte er ein, dass KI-Copiloten bei verantwortungsvollem Einsatz leistungsstarke Werkzeuge sind.

Die Zukunft der Softwareentwicklung wird wahrscheinlich von einer Zusammenarbeit zwischen menschlichen Entwicklerinnen und Entwicklern und KI-Tools geprägt sein. Vibe Coding ist eine frühe, etwas chaotische Phase dieser Zusammenarbeit. Es ist unordentlich. Es ist aufregend. Es ist gelegentlich leichtsinnig. Und es ermöglicht Menschen, Dinge zu erschaffen, die sie zuvor nicht hätten erschaffen können.

Simon Willison stellte hilfreicherweise klar, dass „nicht jedes KI-gestützte Programmieren Vibe Coding ist“. Er unterschied die routinemäßige Nutzung von Tools wie Copilot von Karpathys extremem Ansatz „der KI vertrauen“. Hier gibt es ein ganzes Spektrum, und die meisten von uns werden wahrscheinlich irgendwo in der Mitte landen: Wir nutzen KI, um unsere Arbeit zu beschleunigen, und behalten dabei den Überblick und unser Verständnis.

Vielleicht geht es bei der eigentlichen Lehre aus Vibe Coding gar nicht um den Code. Es geht ums Experimentieren, darum, Hürden abzubauen und Menschen dazu zu ermutigen, Dinge auszuprobieren, auch wenn sie sie nicht vollständig verstehen. So lernen Menschen schon immer programmieren: indem sie Beispiele kopieren, durch Versuch und Irrtum sowie dadurch, dass sie Dinge kaputtmachen und reparieren.

KI beschleunigt diesen Kreislauf einfach.

Probieren Sie Vibe Coding also ruhig aus, aber behalten Sie vielleicht ein Auge offen. Lesen Sie zumindest einige der Diffs. Lassen Sie die Sicherheitsscanner laufen. Stellen Sie Fragen. Lernen Sie dazu. Und wenn Ihr per Vibe Coding entwickeltes Projekt zwangsläufig Probleme hat, denken Sie daran: Beim Debugging findet ohnehin das eigentliche Lernen statt.

Am Ende haben wir nur einander. Menschen und KI, von Menschen und für Menschen entwickelt, die gemeinsam versuchen, das alles zu verstehen.