Als Software-Entwickler stammt jede meiner Codezeilen inzwischen von einer KI: Über Vibe Coding

Mit mehr als sechs Jahren Berufserfahrung als Software-Entwickler habe ich seit über einem Jahr keine einzige Zeile Code mehr von Hand getippt. Bei meinen aktuellen Projekten stammt jedes Zeichen von einer KI. Doch als ich vor gut einem Jahr das erste Mal eine KI coden ließ, hielt der Rausch keine drei Tage an.

Das pure Glück des Vibe Coding

Ich erinnere mich noch gut an den Juni letzten Jahres (2025). Voller Neugier öffnete ich zum ersten Mal Cursor – auf den ersten Blick kaum von VS Code zu unterscheiden, nur eben mit einer KI-Seitenleiste.

Bis dahin war KI-gestütztes Coden für mich im Grunde nur Copilot: eine etwas schlauere Autovervollständigung. Doch als ich meinen ersten Prompt abschickte, passierte etwas Magisches. Die KI fing an zu rattern und feuerte Dutzende, Hunderte Zeilen Code in den Editor. Sie sprang mühelos zwischen Dateien hin und her, passte Abhängigkeiten an und führte Befehle direkt im Terminal aus.

Plötzlich reichte Alltagssprache: Ich beschrieb einfach, was das Feature tun sollte, und die KI baute es. Kein manuelles Eintippen jeder einzelnen Zeile mehr, keine starre Autovervollständigung – die KI übernahm weite Teile der handwerklichen Entwicklerarbeit auf einer völlig neuen Ebene.

In diesem Moment fühlte es sich an wie Magie – als hielte ich einen Zauberpinsel in der Hand, mit dem Gezeichnetes sofort lebendig wird. Das Tor zu einer neuen Welt stand offen.

Damals hielt ich meine Gedanken spontan so fest:

Vibe Coding ist wie geschaffen für ADHS. Das klassische Coden sträubt sich eigentlich gegen jedes neurodivergente Muster. Vibe Coding heilt mit einem Schlag all die typischen Frustrationen: den Widerwillen gegen Unit-Tests, die Abneigung gegen fummeliges CSS, die ständigen Tippfehler bei Variablennamen und das zermürbende Suchen nach banalen Bugs.

Mit der KI an der Seite ist die Feedbackschleife rasend schnell, und das Belohnungszentrum feuert ununterbrochen. Gerade bei den stupiden, repetitiven Aufgaben glänzt die Maschine.

Man selbst kann sich ganz darauf konzentrieren, die Richtung vorzugeben, Architekturentscheidungen zu treffen und das Projekt wie ein Tech Lead zu steuern.

Mir geht es nicht darum, jedes Zeichen selbst in die Tastatur zu hämmern – woran ich hänge, ist die Freude am Erschaffen. Von Assembler bis hin zu modernen Hochsprachen ging die Entwicklung schon immer dahin, das Coden intuitiver, effizienter und schöner zu machen.

Nun Software aus der Perspektive eines reinen Schöpfers zu bauen, statt wie auf dem Bau Steine zu schleppen – als Entwickler ist das eigentlich der reinste Traum.

Die Grenzen des Vibe Coding

Für diesen Ansatz gibt es mittlerweile einen festen Begriff: „Vibe Coding“. Geprägt wurde er im Februar 2025 von OpenAI-Mitgründer Andrej Karpathy. Gemeint ist damit, sich vollkommen vom Bauchgefühl (dem Vibe) treiben zu lassen: Man sagt der KI in normaler Sprache, was man will, nickt ihren generierten Code blind ab, verzichtet auf Review-Zeile für Zeile und wirft Fehlermeldungen einfach per Copy-Paste wieder der KI vor die Füße – bis man fast vergisst, dass unter der Haube überhaupt noch Programmcode liegt.

Doch die Euphorie nach meinem ersten Post verflog schnell: Es dauerte keine drei Tage, bis ich hart an die Grenzen dieses Ansatzes prallte.

Ich baute damals an einem App-Prototyp. Reines Vibe Coding: vage Prompts, der KI freien Lauf lassen, keinerlei Software-Engineering-Disziplin. Das Ergebnis ließ nicht lange auf sich warten. Nach und nach entglitt mir die Kontrolle. Die Architektur verwandelte sich in ein heilloses Chaos, das niemand mehr vernünftig warten konnte.

Also riss ich alles ab und fing von vorne an – diesmal wieder als echter Software-Ingenieur, mit sauber definierten Workflows für die KI-gestützte Entwicklung.

Und siehe da: Plötzlich funktionierte es. Ich behielt den spielerischen Spaß des Vibe Coding bei, ergänzte ihn aber um rigorose Code-Reviews, präzise Dokumentation und winzige, iterative Änderungen statt monumentaler Funktionsberge auf einmal. Schlagartig war das Gesamtsystem wieder vollkommen beherrschbar; jeder Schritt saß. Die Arbeit mit der KI glich nun eher der Zusammenarbeit mit einem extrem schnellen Praktikanten: Die Fleißarbeit gibt man ab, behält aber die architektonische Kontrolle und den Blick fürs große Ganze fest in der Hand.

Wenig später stieg ich auf Claude Code um. Das brachte noch einmal einen gewaltigen Sprung an Präzision und Kontrolle mit sich – meine Entwicklungsgeschwindigkeit vervielfachte sich quasi über Nacht.

Die Zukunft des Software-Ingenieurs

„Besteht nicht die Gefahr, dass Vibe Coding zu schnell zu sichtbaren Ergebnissen führt – und man deshalb gar keine Lust mehr hat, die Grundlagen der Programmierung wirklich zu vertiefen?“

Meine Antwort: Nicht nur eine Gefahr – es ist bereits Realität.

Der klassische Weg vom Coden-Lernen bis zum fertigen Produkt glich bisher einer Treppe: Stufe für Stufe, Tritt für Tritt. Man begann bei den Grundlagen einer Programmiersprache, stieg als Junior-Entwickler ein, wuchs an realen Projekten und entwickelte sich im Laufe der Jahre zu einem eigenständigen Engineer. Jeder Schritt lieferte Feedback. Für einen Menschen mit durchschnittlicher Lernbereitschaft war der Einstieg machbar, der Karrierepfad klar vorgezeichnet.

Vibe Coding hat die Einstiegshürde nun praktisch auf null gesenkt. Jeder kann heute einen funktionierenden Prototyp zusammenschustern. Doch Software-Engineering ist ein zutiefst praktisches Handwerk: Der Schritt von einer netten Demo zu einem zuverlässigen, marktreifen Produkt ist der Unterschied zwischen 0-zu-1 und 1-zu-100.

Auf dem alten Karriereweg erwarb man beim Schritt von 0 auf 1 fast automatisch das Rüstzeug, das man später für den Weg von 1 auf 100 brauchte. Vibe Coding jedoch vermittelt Einsteigern diese Kernkompetenzen nicht. Schon der Sprung von 1 auf 10 gleicht einer steilen Wand – und wird die allermeisten frustriert kapitulieren lassen.

Weil der Anfang so trügerisch leicht war, lassen sich die späteren Hürden mit durchschnittlichem Interesse und normaler Auffassungsgabe kaum noch überwinden. Wer diesen Sprung heute noch ohne solides Fundament meistert, gehört kognitiv, methodisch und im Problemlösen zweifellos zur absoluten Spitze – zu den oberen ein Prozent.

Mit anderen Worten: Diese Ausnahmeleute hätten es auch im Vor-KI-Zeitalter zu Spitzeningenieuren gebracht.

Während KI-Coding immer mächtiger wird, braucht die Industrie schlichtweg keine Junior-Entwickler mehr. Damit bricht der gesamte Nachwuchspfad weg – und kaum noch jemand bekommt die Chance, dieses Handwerk in der Praxis von der Pike auf zu lernen.

Ein Jahr nach meinem ersten Entwurf zu diesem Text beginnen die Arbeitsmarktdaten genau dieses Bild zu zeichnen:

• Das Stanford Digital Economy Lab analysierte Gehaltsdaten des US-Dienstleisters ADP: Bis Juni 2026 lag die Beschäftigung von 22- bis 25-Jährigen in besonders KI-exponierten Berufen um 19 % unter dem Niveau, das man anhand der Trends bei Gleichaltrigen in anderen Branchen erwartet hätte (ein Jahr zuvor lag diese Lücke noch bei 15 %). Bei erfahrenen Kräften gab es keinen vergleichbaren Einbruch. Der Grund: Unternehmen stellen kaum noch Einsteiger ein – es handelt sich also nicht um Entlassungswellen, sondern um ein Ausbleiben von Neueinstellungen. (Stanford Digital Economy Lab, 2026-08)
• Laut einem Bericht des Wagniskapitalgebers SignalFire vom Juni 2026 sank die Zahl der Neueinstellungen von Absolventen und Juniors bei zwölf großen Tech-Konzernen (darunter Google, Meta, Apple und Microsoft) im Vergleich zu 2019 um rund 65 %; bei Start-ups in der Frühphase sogar um etwa 76 %. (SignalFire State of Talent Report 2026)
• Laut Auswertungen des Jobportals Indeed machten Junior-Positionen im ersten Quartal 2026 nur noch magere 4,5 % aller Software-Ausschreibungen in den USA aus – der niedrigste Wert über alle Branchen hinweg. (Indeed Hiring Lab, 2026-07)

Was die Zukunft der Software-Entwicklung angeht, blicke ich eher ernüchtert nach vorn. Die Branche polarisiert sich extrem: Auf der einen Seite eine kleine Kaste absoluter Ausnahme-Architekten, die sich auf Götterniveau duellieren; auf der anderen Seite eine Masse von Hobby-Bastlern, die Prototypen auf Demo-Level zusammenklicken.

Andere Branchen werden diesem Muster folgen. In Zukunft wird praktisch jede Form von routinemäßiger Denkarbeit von KIs übernommen werden.

Selbst die Mathematik – traditionell das Refugium tiefster menschlicher Intuition und Originalität – geriet im vergangenen Jahr ins Wanken:

• Im Januar 2026 knackten der Cambridge-Student Kevin Barreto und der Hobby-Mathematiker Liam Price mithilfe von GPT-5.2 Pro das 728. Erdős-Problem – für das es bis dahin keinerlei Beweise in der Literatur gab. Es gilt als das erste maßgeblich von einer KI gelöste Erdős-Problem.
• Im Mai 2026 widerlegte ein Modell von OpenAI Paul Erdős’ Einheitsdistanz-Vermutung aus dem Jahr 1946 – ein Rätsel, an dem sich die Disziplin seit 80 Jahren die Zähne ausgebissen hatte. Fields-Medaillenträger Tim Gowers kommentierte: „Bislang kam kein KI-generierter Beweis auch nur in die Nähe dieses Niveaus.“ Nur Wochen später bauten menschliche Mathematiker bereits entscheidend auf den KI-Ergebnissen auf.
• Im selben Monat löste ein autonomer KI-Agent von Google DeepMind 9 von 353 offenen mathematischen Problemen – für jeweils nur ein paar hundert Dollar Rechenkosten.
• Der renommierte Mathematiker Noga Alon zog daraus sogar persönliche Konsequenzen und gab die Beschäftigung mit Erdős-Problemen auf: „Sobald KI anfängt, sie zu lösen, verliert das Ganze seinen Sinn.“

Worum es in dieser Reihe gehen wird

Immer mehr Menschen ohne Programmierhintergrund probieren sich heute an KI-gestützter Entwicklung. Oft wissen sie nicht, wo sie anfangen sollen, oder bleiben nach ersten Mini-Projekten stecken. Sehr schnell merken sie, wie schmerzhaft ihnen das Grundlagenwissen fehlt: Sie verstehen oft gar nicht, was der Code eigentlich tut, wie man komplexe Fragestellungen zerlegt oder wie man eine KI präzise steuert, um ein robustes Ziel zu erreichen.

Hinzu kommt ein weiteres Grundproblem: Vielen fehlt das methodische Denken – die Kunst, die richtigen Fragen zu stellen, Antworten kritisch zu hinterfragen und überhaupt einschätzen zu können, ob das, was die KI ausspuckt, Hand und Fuß hat.

Als Entwickler mit über sechs Jahren Erfahrung habe ich mithilfe von KI inzwischen mehrere komplexe Softwareprojekte konzipiert, umgesetzt und erfolgreich an echte Nutzer gebracht. Wie eingangs erwähnt: In meinen aktuellen Projekten stammt keine Codezeile mehr von mir. KI kann definitiv komplexe Software bauen – aber nur, wenn der Mensch am Steuer genau weiß, was er tut und wie er das System navigieren muss. Die KI ist das Werkzeug; der Flaschenhals bleibt der Mensch.

Im Zeitalter der KI wird die klassische Programmierausbildung auf den Kopf gestellt. Um diesem Wandel zu begegnen, starte ich eine neue Reihe: „Vibe Coding von null auf: Der Leitfaden“.

Diese Reihe gliedert sich in folgende Schwerpunkte:

1. KI-Coding trifft auf moderne Best Practices: Was bedeutet Software-Engineering eigentlich? Wir fangen bei null an und bauen echte Anwendungen, die über wacklige Demos hinausgehen – wartbar, skalierbar und mit einem Workflow, der sich butterweich anfühlt.
2. Denkwerkzeuge und Prompting-Logik: Wie stellt man präzise Fragen? Welche typischen Fallstricke sollte man meiden? Und wie schreibt man Projektdokumentationen so, dass die KI sie als verlässlichen Kontext nutzen kann?
3. Testing, Architektur und Workflows: Wie testet man KI-Code zuverlässig? Wie baut man automatisierte Abläufe auf, um das Entwicklungstempo drastisch zu steigern, ohne Abstriche bei Stabilität und Codequalität zu machen?
4. Der ideale Tech-Stack für KI-Entwicklung: Welche Sprachen, Bibliotheken und Frameworks harmonieren am besten mit den Stärken moderner KI-Modelle?

Nachwort

Den Kern dieses Textes habe ich bereits vor einem Jahr, im Oktober 2025, niedergeschrieben. Für diesen Beitrag habe ich ihn überarbeitet und um die aktuellen Arbeitsmarktzahlen sowie die jüngsten Durchbrüche der KI in der Mathematik ergänzt. Damals war ich vom schieren Tempo der Entwicklung so überwältigt, dass ich fürchtete, jeder Gedanke wäre schon übermorgen überholt – also postete ich viele kurze Notizen und kaum noch lange Essays. Als ich den Entwurf nun nach einem Jahr wieder hervorkramte, stellte ich fest: Die Kernaussagen treffen heute mehr zu denn je. Künftig möchte ich wieder öfter zur Tastatur greifen. Denn Texte mit einer echten menschlichen Handschrift werden in Zukunft wohl ein seltenes Gut sein.