Vibe Coding: Warum KI ohne Expertise Probleme schafft

Was Vibe Coding ist und woher der Hype kommt

Der Begriff Vibe Coding wurde Anfang 2025 von Andrej Karpathy geprägt — einem der bekanntesten KI-Forscher weltweit, ehemals bei Tesla und OpenAI. Seine Beschreibung war so simpel wie verlockend: Man beschreibt, was man will, und die KI schreibt den Code. Man „gibt sich dem Vibe hin", lässt die KI arbeiten und akzeptiert das Ergebnis, ohne es im Detail zu prüfen.

Das klang revolutionär. Und es funktionierte — zumindest in seinen Demos. Karpathy baute kleine Anwendungen in Minuten, die vorher Stunden oder Tage gebraucht hätten. Die Tech-Welt war begeistert. Medien griffen das Thema auf. Plötzlich schien klar: Programmieren kann jetzt jeder.

Was dabei oft unterging: Karpathy selbst ist einer der erfahrensten Softwareentwickler und KI-Experten der Welt. Er weiß, was guter Code ist. Er erkennt, wenn die KI Unsinn vorschlägt. Er kann einschätzen, wo er nachbessern muss. Die meisten Menschen, die Vibe Coding ausprobieren, können das nicht.

Und genau hier beginnt das Missverständnis. Die Werkzeuge sind tatsächlich beeindruckend. Tools wie ChatGPT, GitHub Copilot oder Cursor können Code generieren, der auf den ersten Blick professionell aussieht. Für einen Laien ist das Ergebnis kaum von der Arbeit eines erfahrenen Entwicklers zu unterscheiden. Auf den ersten Blick.

Warum der Hype so gut funktioniert

Die Faszination ist nachvollziehbar. Als Geschäftsführer stehen Sie unter Druck: Software ist teuer, Entwickler sind schwer zu finden, und Projekte dauern länger als geplant. Wenn Ihnen jemand sagt, dass eine KI in einer Stunde erledigen kann, wofür ein Entwickler eine Woche braucht, ist das ein attraktives Angebot.

Dazu kommt: Die ersten Ergebnisse bestätigen das Versprechen. Sie beschreiben, was Sie brauchen, die KI liefert, und es funktioniert. Zumindest im Test. Zumindest mit wenigen Daten. Zumindest solange niemand etwas Unerwartetes tut.

Das Problem ist nicht, dass KI-generierter Code immer schlecht ist. Das Problem ist, dass Sie ohne Fachwissen nicht erkennen können, ob er gut ist. Und dieses Nicht-Erkennen-Können ist das eigentliche Risiko.

Das Grundproblem: KI versteht Code nicht, sie imitiert ihn

Um zu verstehen, warum Vibe Coding riskant ist, hilft ein einfaches Bild: Stellen Sie sich vor, jemand hat tausende Kochbücher gelesen, aber nie gekocht. Diese Person kann Ihnen ein Rezept zusammenstellen, das plausibel klingt. Die Zutaten passen grob zusammen, die Schritte klingen logisch. Aber ob das Gericht tatsächlich schmeckt, ob die Mengen stimmen, ob die Reihenfolge funktioniert — das kann sie nicht beurteilen.

Genau so arbeitet KI mit Code. Sie wurde mit Milliarden Zeilen bestehendem Code trainiert. Sie erkennt Muster und kann diese Muster reproduzieren. Wenn Sie ihr eine Aufgabe geben, sucht sie in ihrem gelernten Wissen nach ähnlichen Mustern und setzt daraus eine Antwort zusammen.

Das funktioniert erstaunlich gut bei Standardaufgaben. Ein Kontaktformular, eine einfache Berechnung, eine Datenabfrage — solche Dinge existieren millionenfach in den Trainingsdaten. Die KI hat genug Beispiele gesehen, um ein brauchbares Ergebnis zu liefern.

Wo die Imitation an ihre Grenzen stößt

Aber Software besteht selten aus isolierten Standardaufgaben. In der Realität greifen Komponenten ineinander. Eine Änderung an einer Stelle hat Auswirkungen an einer anderen. Geschäftsregeln sind komplex und oft historisch gewachsen. Es gibt Sonderfälle, die nirgends dokumentiert sind, aber trotzdem berücksichtigt werden müssen.

Die KI sieht diese Zusammenhänge nicht. Sie sieht die einzelne Aufgabe, die Sie ihr geben. Sie kennt nicht Ihr Geschäftsmodell, nicht Ihre Datenstruktur, nicht die Entscheidungen, die vor drei Jahren aus gutem Grund getroffen wurden. Sie liefert eine Lösung, die isoliert betrachtet korrekt aussieht — aber im Kontext Ihres Systems Probleme verursachen kann.

Ein Beispiel: Sie bitten die KI, eine Funktion zu bauen, die Kundenbestellungen zusammenfasst. Die KI liefert eine Lösung, die funktioniert — bei 50 Bestellungen. Bei 50.000 Bestellungen wird dieselbe Lösung so langsam, dass Ihr System praktisch steht. Nicht weil die KI einen offensichtlichen Fehler gemacht hat, sondern weil sie einen Ansatz gewählt hat, der für kleine Datenmengen funktioniert, für große aber nicht skaliert.

Ein erfahrener Entwickler hätte das sofort gesehen. Nicht weil er schlauer ist als die KI, sondern weil er weiß, worauf er achten muss. Dieses Wissen — was funktionieren könnte, aber nicht sollte — ist genau das, was der KI fehlt.

Das Halluzinationsproblem

Es gibt noch ein weiteres Phänomen, das beim Vibe Coding regelmäßig auftritt: Die KI erfindet Dinge, die es nicht gibt. In der KI-Forschung nennt man das Halluzination. Beim Programmieren bedeutet das konkret: Die KI verwendet Funktionen oder Bibliotheken, die gar nicht existieren. Sie schreibt Code, der sich auf Werkzeuge bezieht, die es nie gegeben hat.

Für Sie als Nicht-Programmierer sieht das genauso aus wie korrekter Code. Es gibt keine Warnung, kein Ausrufezeichen, keinen Hinweis. Erst wenn Sie versuchen, den Code tatsächlich einzusetzen, scheitert er — und die Fehlermeldung hilft Ihnen nicht weiter, weil das zugrundeliegende Problem ein erfundenes Werkzeug ist, das Sie gar nicht als erfunden erkennen können.

Bestehende Projekte: Wo KI sich in Gedanken verheddert

Wenn Sie ein komplett neues, kleines Projekt von Grund auf mit KI erstellen, ist das Risiko überschaubar. Das Ergebnis steht für sich allein, es muss sich nicht in eine bestehende Umgebung einfügen. Ganz anders sieht es aus, wenn Sie KI auf ein bestehendes Softwareprojekt loslassen — und genau das ist der häufigere Fall.

Die meisten Unternehmen haben Software, die über Jahre gewachsen ist. Ein Bestandssystem, das angepasst werden soll. Eine Webanwendung, die neue Funktionen braucht. Eine Schnittstelle, die erweitert werden muss. Das sind die typischen Aufgaben, bei denen Geschäftsführer sich fragen, ob KI helfen kann.

Die Antwort ist: Ja, aber nur in den richtigen Händen. Denn bei bestehenden Projekten ist das Risiko am größten.

Warum bestehender Code so heikel ist

Jedes Softwareprojekt hat eine Geschichte. Entscheidungen, die vor Jahren getroffen wurden. Workarounds, die aus gutem Grund existieren. Abhängigkeiten, die nirgends dokumentiert sind, aber das System zusammenhalten. Erfahrene Entwickler nennen das den „Kontext" eines Projekts — und genau diesen Kontext hat die KI nicht.

Wenn Sie die KI bitten, eine bestehende Funktion zu ändern, kennt sie nur den Code, den Sie ihr zeigen. Sie kennt nicht die zehn anderen Stellen im System, die von dieser Funktion abhängen. Sie kennt nicht den Grund, warum etwas auf eine bestimmte Weise gebaut wurde. Sie kennt nicht die Sonderfälle, die ein Entwickler vor zwei Jahren mühsam abgefangen hat.

Das Ergebnis: Die KI schlägt eine Änderung vor, die die gewünschte Funktion verbessert — und gleichzeitig drei andere Funktionen kaputt macht. Nicht sofort sichtbar. Nicht beim ersten Test. Sondern Wochen später, wenn ein bestimmter Sonderfall eintritt, den niemand manuell getestet hat.

Wenn Sie mehr darüber erfahren möchten, wie KI bei bestehenden Projekten funktioniert und wo die Fallstricke liegen, haben wir das Thema in einem eigenen Artikel über KI bei bestehenden Projekten ausführlich aufbereitet.

Drei reale Szenarien, in denen Vibe Coding schiefgeht

Szenario 1: Die unsichtbare Sicherheitslücke. Ein Unternehmen nutzt KI, um ein Kundenportal um eine neue Funktion zu erweitern. Die KI baut die Funktion, sie funktioniert einwandfrei. Was niemand bemerkt: Die neue Funktion umgeht eine Sicherheitsprüfung, die im bestehenden Code an anderer Stelle eingebaut war. Ergebnis: Kundendaten sind von außen zugänglich — ohne dass irgendjemand das merkt, bis es zu spät ist.

Szenario 2: Die schleichende Verlangsamung. Ein Online-Shop lässt sich per KI eine neue Berichtsfunktion einbauen. Am Anfang läuft alles schnell. Aber mit jedem Monat wird die Anwendung langsamer. Der Grund: Die KI hat einen Ansatz gewählt, der bei wenigen Daten funktioniert, aber bei wachsendem Datenbestand immer mehr Ressourcen verbraucht. Nach einem halben Jahr ist der Shop in Stoßzeiten kaum noch bedienbar. Die Ursache zu finden dauert länger als eine saubere Neuentwicklung.

Szenario 3: Das Datenbank-Durcheinander. Ein Dienstleister lässt per KI eine Anbindung an ein neues System entwickeln. Die KI erstellt dafür neue Datenstrukturen — ohne zu wissen, dass ähnliche Strukturen bereits existieren. Das Ergebnis: Daten werden doppelt gespeichert, Auswertungen liefern widersprüchliche Ergebnisse, und das Aufräumen kostet mehr als die ursprüngliche Entwicklung.

Typische KI-Fehler die erst spät auffallen

Das Tückische an KI-generiertem Code ist nicht, dass er offensichtlich kaputt ist. Im Gegenteil: Er sieht oft professionell aus und funktioniert auf den ersten Blick. Die Probleme zeigen sich erst unter realen Bedingungen — und genau deshalb sind sie so gefährlich.

Hier sind die häufigsten Fehlertypen, die wir bei der Analyse von KI-generiertem Code immer wieder finden:

Funktioniert im Test, scheitert in der Realität

Im Test arbeiten Sie mit wenigen Daten, kontrollierten Bedingungen und vorhersehbarem Verhalten. Die Realität sieht anders aus: Tausende gleichzeitige Zugriffe, unvollständige Datensätze, Nutzer die Dinge tun, die niemand vorhergesehen hat. KI-generierter Code wird oft nur für den Idealfall gebaut. Was passiert, wenn ein Feld leer ist? Wenn zwei Nutzer gleichzeitig denselben Datensatz bearbeiten? Wenn die Verbindung zur Datenbank kurz unterbrochen wird?

Ein erfahrener Entwickler denkt an diese Fälle automatisch, weil er sie schon hundertmal erlebt hat. Die KI denkt nicht — sie generiert das wahrscheinlichste Muster für Ihre Anfrage, und das ist fast immer der Idealfall.

Seiteneffekte: Probleme an unerwarteter Stelle

Software ist wie ein Netz aus Fäden. Ziehen Sie an einem, bewegen sich andere mit. KI-generierter Code berücksichtigt diese Verbindungen nicht, weil die KI das Gesamtnetz nicht sieht. Sie ändern eine Berechnung für Rechnungen — und plötzlich stimmen die Steuermeldungen nicht mehr. Nicht weil die neue Berechnung falsch ist, sondern weil sie eine Abhängigkeit ignoriert, von der die KI nichts wusste.

Sicherheitslücken, die korrekt aussehen

Sicherheit in Software ist unsichtbar. Man sieht einem Anmeldeformular nicht an, ob es sicher ist oder nicht. KI generiert Code, der alle sichtbaren Funktionen erfüllt — aber Sicherheitsaspekte übersieht, die ein erfahrener Entwickler als selbstverständlich betrachtet. Das Ergebnis funktioniert, sieht professionell aus und hat trotzdem eine offene Tür, durch die ein Angreifer spazieren kann.

Die schleichende Verlangsamung

Dieses Problem taucht besonders häufig auf: Die Anwendung wird mit jedem Datensatz langsamer, ohne dass man sofort sieht warum. Die KI hat einen Ansatz gewählt, der für kleine Datenmengen effizient ist, aber nicht für große. Am Anfang merken Sie nichts. Nach sechs Monaten werden Nutzer ungeduldig. Nach einem Jahr ist die Anwendung kaum noch benutzbar.

Die Ursache zu finden ist aufwendig, weil das Problem nicht an einer einzelnen Stelle liegt, sondern sich über viele kleine Entscheidungen verteilt, die die KI getroffen hat. Jede einzelne war vertretbar. In Summe ergeben sie ein System, das nicht skaliert.

Erfundene Funktionen

Es klingt absurd, aber es passiert regelmäßig: Die KI verwendet in ihrem Code Funktionen, Bibliotheken oder Schnittstellen, die es nicht gibt. Sie erfindet sie, weil das Muster in ihren Trainingsdaten plausibel erscheint. Für Sie als Laien ist das nicht erkennbar. Der Code sieht genauso aus wie funktionierender Code. Erst beim Versuch, ihn tatsächlich auszuführen, scheitert er — und die Fehlermeldung verweist auf etwas, das schlicht nicht existiert.

Gegenüberstellung: KI-generierter Code vs. Experten-Review

Um das Ganze greifbar zu machen, hier eine Gegenüberstellung dessen, was bei KI-generiertem Code typischerweise passiert — und wie ein erfahrener Entwickler damit umgeht:

• KI liefert: Eine Lösung, die den gewünschten Fall abdeckt. Experte prüft: Welche Randfälle fehlen? Was passiert bei fehlerhaften Eingaben?
• KI liefert: Code, der mit den Testdaten funktioniert. Experte prüft: Funktioniert das auch mit 10.000-mal so vielen Daten?
• KI liefert: Eine Änderung an der gewünschten Stelle. Experte prüft: Welche anderen Stellen im System sind davon betroffen?
• KI liefert: Ein funktionierendes Ergebnis. Experte prüft: Ist das Ergebnis auch sicher? Wartbar? Zukunftsfähig?
• KI liefert: Die schnellste Lösung. Experte prüft: Ist die schnellste Lösung auch die richtige?

Der Unterschied ist nicht Geschwindigkeit — es ist Urteilsvermögen.

Wann KI beim Programmieren tatsächlich hilft

Dieser Artikel soll kein KI-Bashing sein. Denn KI ist, richtig eingesetzt, eines der nützlichsten Werkzeuge, die Softwareentwicklern je zur Verfügung standen. Wir nutzen KI selbst bei jedem Projekt. Der entscheidende Punkt ist: in den richtigen Händen.

KI ist ein exzellenter Assistent. Sie ist kein Ersatz für einen Entwickler, aber sie macht einen guten Entwickler deutlich schneller und produktiver. Hier sind die Bereiche, in denen KI echten Mehrwert liefert:

Routinearbeit beschleunigen

Jedes Softwareprojekt enthält Arbeit, die notwendig, aber nicht kreativ ist. Standardfunktionen, die in ähnlicher Form schon tausendmal geschrieben wurden. Datenbankabfragen, die einem bekannten Muster folgen. Konfigurationsdateien, die nach Schema aufgebaut werden. Für diese Aufgaben ist KI ideal. Sie spart Zeit, ohne dass die Qualität leidet — vorausgesetzt, jemand prüft das Ergebnis.

Recherche und Lösungsansätze

Wenn ein erfahrener Entwickler vor einem Problem steht, kann KI innerhalb von Sekunden verschiedene Lösungsansätze vorschlagen. Nicht als fertige Lösung, sondern als Ausgangspunkt für die eigene Arbeit. Das beschleunigt den Entwicklungsprozess erheblich. Der Entwickler weiß, welchen Ansatz er verfolgen will — die KI liefert ihm den Rohstoff schneller.

Entwürfe und Prototypen

Wenn es darum geht, eine Idee schnell zu testen — „funktioniert das Konzept grundsätzlich?" — ist KI extrem hilfreich. Ein erfahrener Entwickler kann mit KI-Unterstützung in Stunden einen Prototyp erstellen, der früher Tage gedauert hätte. Wichtig ist: Ein Prototyp ist kein fertiges Produkt. Er dient dazu, eine Idee zu validieren, nicht dazu, sie in Betrieb zu nehmen.

Dokumentation und Erklärung

Bestehenden Code zu dokumentieren — also aufzuschreiben, was er tut und warum — ist eine Aufgabe, die Entwickler ungern machen. KI kann hier unterstützen, indem sie Code analysiert und verständliche Beschreibungen erstellt. Auch hier gilt: Ein erfahrener Entwickler prüft, ob die Beschreibung stimmt. Aber als Ausgangspunkt spart es erheblich Zeit.

Mehr dazu, wie KI beim Entwickeln sinnvoll eingebunden werden kann, finden Sie in unserem Artikel über den richtigen Einsatz von KI in der Softwareentwicklung.

Das gemeinsame Muster

Alle diese Anwendungsfälle haben eines gemeinsam: Die KI liefert Vorarbeit, und ein Mensch mit Fachwissen prüft, bewertet und entscheidet. Die KI beschleunigt den Prozess. Der Experte stellt die Qualität sicher. Diese Kombination ist dem Vibe-Coding-Ansatz — KI generiert, Mensch akzeptiert — in jeder Hinsicht überlegen.

Warum Expertenwissen den Unterschied macht

Was genau bringt ein erfahrener Entwickler mit, das die KI nicht hat? Es ist nicht die Fähigkeit, Code zu schreiben. Das kann die KI inzwischen oft schneller. Es sind drei Dinge, die sich nicht durch Training auf Textdaten erlernen lassen:

1. Kontextverständnis

Ein erfahrener Entwickler versteht nicht nur den Code, sondern das System dahinter. Er weiß, warum etwas so gebaut wurde, welche Annahmen zugrunde liegen und welche Stellen empfindlich sind. Dieses Wissen lässt sich nicht in einen Prompt packen. Es entsteht durch Erfahrung, durch das Arbeiten mit realen Systemen, durch das Erleben und Lösen von Problemen.

Gerade bei Bestandssystemen ist dieses Kontextverständnis unverzichtbar. Wer die Geschichte eines Systems nicht kennt, versteht nicht, warum bestimmte Entscheidungen getroffen wurden — und riskiert, genau die Dinge kaputt zu machen, die aus gutem Grund so sind, wie sie sind.

2. Urteilsvermögen

Ein erfahrener Entwickler kann einschätzen: Ist diese Lösung gut genug? Oder sieht sie nur gut aus? Er erkennt Muster, die auf Probleme hindeuten. Er weiß, welche Abkürzungen akzeptabel sind und welche später teuer werden. Dieses Urteilsvermögen ist das Ergebnis von Jahren an Praxis. Die KI hat kein Urteilsvermögen. Sie hat Wahrscheinlichkeiten.

3. Verantwortung

Wenn ein Entwickler eine Entscheidung trifft, übernimmt er Verantwortung dafür. Er kann erklären, warum er sich für einen bestimmten Ansatz entschieden hat. Er kann die Konsequenzen abschätzen. Er kann Alternativen benennen. Die KI trifft keine Entscheidungen — sie generiert die statistisch wahrscheinlichste Antwort auf Ihre Frage. Wenn diese Antwort falsch ist, gibt es niemanden, der Ihnen erklären kann, warum.

Für Sie als Geschäftsführer bedeutet das: Wenn etwas schiefgeht, stehen Sie mit einem System da, das niemand wirklich versteht. Kein Entwickler, der sagt „das habe ich so gebaut, weil …". Sondern eine KI, die auf Nachfrage eine andere Antwort gibt als beim ersten Mal.

Die Analogie

Denken Sie an andere Bereiche Ihres Unternehmens. Sie würden Ihre Buchhaltung nicht von einer KI machen lassen, ohne dass ein Steuerberater drüberschaut. Sie würden keine Verträge auf Basis von KI-Texten unterschreiben, ohne dass ein Anwalt sie prüft. Nicht weil die KI-Ergebnisse immer falsch sind. Sondern weil Sie es nicht beurteilen können — und die Konsequenzen zu groß sind.

Bei Software ist es genauso. Mit dem Unterschied, dass die Konsequenzen oft erst Monate später sichtbar werden.

Unser Ansatz: KI als Werkzeug, nicht als Entwickler

Bei kommklick nutzen wir KI nicht als Ersatz für Entwicklungsarbeit, sondern als Beschleuniger. Jedes Stück Code, das eine KI generiert, wird von einem erfahrenen Entwickler geprüft, bewertet und in den Kontext des jeweiligen Projekts eingeordnet.

Das ist keine Bremse. Im Gegenteil: Durch den gezielten Einsatz von KI als Werkzeug in der Entwicklung arbeiten wir schneller als je zuvor. Aber wir stellen sicher, dass Geschwindigkeit nicht auf Kosten von Qualität geht.

Was das konkret bedeutet

• Prototypen in Stunden statt Tagen: Wir nutzen KI, um Ideen schnell zu testen. Das spart Ihnen Zeit und Geld in der Konzeptphase.
• Routinearbeit automatisiert: Standardaufgaben erledigt die KI unter unserer Aufsicht. Unsere Entwickler konzentrieren sich auf die Stellen, die Erfahrung und Urteilsvermögen erfordern.
• Jedes Ergebnis wird geprüft: Kein KI-generierter Code geht ohne Review in Ihr System. Wir prüfen auf Sicherheit, Performance, Wartbarkeit und Kompatibilität mit Ihrem bestehenden Projekt.
• Transparenz: Wir erklären Ihnen, was wir tun und warum. Sie bekommen kein Ergebnis, das niemand versteht — Sie bekommen ein Ergebnis, das jemand verantwortet.

Warum das wirtschaftlich Sinn macht

„Aber wenn die KI es billiger kann, warum soll ich dann einen Entwickler bezahlen?" — Das ist eine berechtigte Frage. Die Antwort: KI allein ist nur billiger, solange alles gutgeht. Sobald ein Problem auftritt — und bei komplexeren Projekten ist das eine Frage des Wann, nicht des Ob — wird es teuer.

Das Beheben eines Fehlers in Code, den niemand versteht, kostet ein Vielfaches der ursprünglichen Entwicklung. Manchmal ist ein Neuanfang günstiger als die Reparatur. Das haben wir bei Kundenprojekten erlebt, und das erleben Unternehmen, die auf reines Vibe Coding gesetzt haben.

Der wirtschaftlich klügere Weg ist: Nutzen Sie die Effizienzgewinne der KI, aber stellen Sie sicher, dass jemand mit Erfahrung das Steuer hält. Sie bekommen schnellere Ergebnisse als bei traditioneller Entwicklung — und solidere Ergebnisse als bei reinem Vibe Coding.

Für welche Situationen wir der richtige Partner sind

• Sie haben ein bestehendes Softwaresystem, das angepasst oder erweitert werden soll
• Sie haben selbst mit KI experimentiert und sind unsicher, ob das Ergebnis belastbar ist
• Sie wollen KI nutzen, aber nicht die Kontrolle über Ihr System verlieren
• Sie brauchen jemanden, der Ihr bestehendes System versteht, bevor er es verändert
• Sie wollen schnell vorankommen, ohne Qualität und Sicherheit zu opfern