Vibe Coding ist tot. Und das ist keine schlechte Nachricht

Was ist mit Vibe Coding in den Jahren 2025–2026 passiert

Februar 2025. Andrej Karpathy – Mitbegründer von OpenAI und ehemaliger Leiter von KI bei Tesla – veröffentlicht einen Beitrag auf X, in dem er einen neuen Entwicklungsansatz beschreibt: Man schreibt einfach einen Prompt, die KI generiert Code, man iteriert nach Gefühl, ohne wirklich hineinzuschauen. Er nannte es Vibe Coding und fügte hinzu: "Ich vergesse sogar, dass Code überhaupt existiert". Merriam-Webster fügte den Begriff sofort zur Liste "Slang & Trending" hinzu.

Die Idee schlug ein. Collins Dictionary nannte "Vibe Coding" das Wort des Jahres 2025. Anfang 2026 gaben über 80 % der Entwickler an, KI-Tools zum Schreiben von Code zu verwenden oder dies zu planen. Schätzungen zufolge werden 41 % des gesamten neuen Codes weltweit bereits mit Hilfe von KI generiert – und das ist noch nicht das Ende: Sundar Pichai gab in einem öffentlichen Beitrag an, dass dieser Wert bei Google 75 % erreicht hat. Produkte, für die früher Monate benötigt wurden, wurden am Wochenende fertiggestellt. Es schien Magie zu sein.

Gleichzeitig sammelten sich besorgniserregende Signale. Die Stack Overflow Developer Survey 2025 verzeichnete ein Paradoxon: 84 % der Entwickler verwenden oder planen die Verwendung von KI-Tools – aber 46 % vertrauen der Genauigkeit ihrer Ergebnisse aktiv nicht. Die Top-Beschwerde: "Fast richtig, aber nicht ganz" – diese wurde von 66 % der Befragten genannt. Die Organisation METR führte ein randomisiertes kontrolliertes Experiment durch und kam zu einem schockierenden Ergebnis: erfahrene Open-Source-Entwickler waren mit KI-Tools 19 % langsamer als ohne – obwohl sie selbst eine Beschleunigung um 24 % erwarteten und nach der Studie glaubten, 20 % schneller geworden zu sein. Die Kluft zwischen Wahrnehmung und Realität erwies sich als erstaunlich.

Und dann kam der Mai 2026.

Zwei Ingenieure, die den Kern des beliebten KI-Agenten OpenClaw entwickelten – Mario Zechner (Schöpfer von libGDX und dem Pi-Framework) und Armin Ronacher – veröffentlichten in der Wall Street Journal eine Warnung, die sich in der gesamten Branche verbreitete. Sie nannten das Phänomen "Vibe Slop" – eine Kombination aus "Vibe Coding" und "AI Slop": der Moment, in dem die gedankenlose Code-Generierung in Chaos übergeht und aufgeblähter, nicht refaktorierter Code, Krücken statt Lösungen und technischer Schulden, die sich wie Beton verfestigen, zurückbleiben.

"Wir haben eine Infrastruktur, die auseinanderfällt, und Software, die viel fehlerhafter geworden ist als zuvor" – Mario Zechner, Wall Street Journal, Mai 2026

Ronacher warnte in seinem Essay "Some Things Just Take Time" vor "Vibe Slop at Inference Speeds" – der Fähigkeit der KI, minderwertigen Code mit einer Geschwindigkeit zu generieren, die menschliche Kontrolle unmöglich macht. Er beschrieb auch "Agentenpsychose" – einen Zustand, in dem Entwickler zunehmend von dem Code entkoppelt werden, den sie ausliefern.

Dies war keine Kritik von Ludditen. Es war eine Warnung von Menschen, die selbst ein beliebtes KI-Produkt auf demselben Framework aufgebaut hatten, vor dem sie warnten – und die besser als jeder andere wussten, wo das System versagte.

KI-Schrott: Wenn Geschwindigkeit zum Feind der Qualität wurde

Um das Ausmaß des Problems zu verstehen, werfen wir einen Blick auf die bis Mitte 2026 angesammelten Zahlen. Dies ist kein Alarmismus und keine Meinung von Skeptikern. Dies sind Daten aus unabhängigen Studien.

Codesicherheit: Fast die Hälfte ist anfällig

Der Veracode GenAI Code Security Report 2025 analysierte Code von über 100 großen Sprachmodellen für über 80 reale Entwicklungsaufgaben. Ergebnis: 45 % des KI-generierten Codes enthalten Sicherheitslücken aus der OWASP Top 10 Liste. Java erwies sich als die schlechteste Sprache – über 70 % Ausfälle. Die beunruhigendste Schlussfolgerung des Berichts: Größere und neuere Modelle haben das Problem nicht gelöst. Die Anfälligkeitsrate blieb über die Modellgenerationen hinweg stabil – GPT-4, GPT-5, Claude, Gemini. Dies ist ein strukturelles Problem, das in der Art und Weise liegt, wie KI Code generiert, und keine vorübergehende Einschränkung, die mit der nächsten Veröffentlichung verschwinden wird.

"Unsere Forschung zeigt, dass GenAI-Modelle fast die Hälfte der Fälle falsche Entscheidungen treffen – und das wird nicht besser" – Jens Wesling, CTO Veracode

Codequalität: 1,7-mal mehr Fehler

Die Studie von CodeRabbit "State of AI vs Human Code Generation" (Dezember 2025) analysierte 470 reale Open-Source-Pull-Requests auf GitHub. KI-generierter Code enthält 1,7-mal mehr Probleme insgesamt als von Menschen geschriebener Code – in jeder Qualitätskategorie: Logik, Wartbarkeit, Sicherheit, Leistung.

Details nach Kategorien:

• Logik- und Korrektheitsfehler – 75 % häufiger
• Sicherheitslücken – 1,5–2,74-mal häufiger
• Probleme mit der Code-Lesbarkeit – mehr als 3-mal häufiger
• Leistungsprobleme (übermäßiger I/O usw.) – fast 8-mal häufiger

Ein durchschnittlicher KI-Pull-Request enthielt 10,83 Probleme im Vergleich zu 6,45 bei menschlichen. Darüber hinaus sind die Probleme in KI-Code schwerwiegender: 1,4-mal mehr kritische und 1,7-mal mehr schwerwiegende Fehler.

Reale Datenlecks: 5000 Anwendungen ohne Schutz

Im Mai 2026 veröffentlichte das israelische Cybersicherheitsunternehmen RedAccess die Ergebnisse einer Überprüfung von 380.000 Anwendungen, die auf den Plattformen Lovable, Replit, Base44 und Netlify erstellt wurden. Davon hatten über 5000 praktisch keinen Schutz und keine Authentifizierung. Etwa 40 % öffneten sensible Daten: medizinische Aufzeichnungen, Finanzdokumente, Unternehmensmaterialien, Gesprächsprotokolle mit Chatbots. Unter den bestätigten Lecks befinden sich der Fahrplan eines britischen Logistikunternehmens, Daten klinischer Studien eines britischen Gesundheitsunternehmens und interne Finanzberichte einer brasilianischen Bank.

Die Ursache ist strukturell: Die meisten dieser Plattformen machen neue Projekte standardmäßig öffentlich zugänglich – und die meisten nicht-technischen Benutzer wissen einfach nicht, dass dies geändert werden muss. Darüber schrieb Security Boulevard, und die ursprüngliche Untersuchung erschien in WIRED.

Geschäftliche Auswirkungen: Reale Verluste für reale Unternehmen

Die Studie von Resume.org (Januar 2026, 1146 US-Manager): 70 % beobachteten, wie ihre Untergebenen KI-bedingte Fehler mit realen geschäftlichen Auswirkungen machten. Und das sind keine Einzelfälle: 12 % sahen solche Fehler "oft", 43 % – "mehrmals". Die finanziellen Verluste überstiegen in einzelnen Fällen 50.000 US-Dollar. Die häufigsten Fehler: faktische Ungenauigkeiten (58 %) und die Missachtung kritischer Kontexte oder Nuancen (50 %).

Dies sind keine theoretischen Risiken. Dies sind reale Projekte, reale Budgets, reale Konsequenzen – dokumentiert in unabhängigen Studien, die in der ersten Hälfte des Jahres 2026 durchgeführt wurden.

Tausende Produkte. Keiner bleibt in Erinnerung

Es gibt ein Problem, das schwieriger zu messen ist als Schwachstellen im Code – das aber für das Geschäft gleichermaßen zerstörerisch ist. Ich habe es nicht in Studien bemerkt. Ich habe es in meiner eigenen Arbeit bemerkt.

In letzter Zeit, wenn ich neue SaaS-Produkte, Startup-Landingpages oder mobile Apps überprüfe, habe ich immer öfter das Gefühl, dass ich das schon einmal gesehen habe. Nicht das spezifische Produkt. Das allgemeine Gefühl: die gleiche Seitenstruktur, die gleichen "So funktioniert es"-Abschnitte mit drei Symbolen, derselbe Hero-Text mit "KI-gestützt" im Titel, dasselbe Dashboard mit einer Seitenleiste links und Metrikkarten oben. Als ob jemand eine Vorlage erstellt hätte – und Tausende von Menschen sie nachgebildet hätten.

Das ist kein Zufall. Dies ist eine direkte Folge der Funktionsweise von KI-Tools.

KI-Modelle werden auf denselben Daten trainiert – Milliarden von Codezeilen, Designsystemen, Marketingtexten, die vor ihrem Training existierten. Sie tendieren zu denselben Bibliotheken, denselben UI-Mustern, denselben Formulierungen. Das ist mathematisch unvermeidlich: Das Modell optimiert auf das "Wahrscheinlichste" – und das Wahrscheinlichste ist das Durchschnittliche.

Die wissenschaftliche Arbeit "Vibe Coding Kills Open Source" (arXiv, Januar 2026, Autoren Miklós Koren, Gábor Békés et al.) beschreibt den Mechanismus genau: Beim Vibe Coding wählt der KI-Agent Bibliotheken aus und sammelt Code – oft ohne dass der Benutzer die Dokumentation liest oder mit den Maintainern interagiert. Modelle tendieren zu großen und gut in den Trainingsdaten repräsentierten Paketen, was den organischen Prozess der Werkzeugauswahl eliminiert. Die Forscher zeigten dies am Beispiel von Tailwind CSS: Die Anzahl der npm-Downloads stieg – während die Anzahl der Fragen auf Stack Overflow und der Traffic der Dokumentation zurückging. Der Erfinder von Tailwind, Adam Wathan, schrieb in einem Kommentar auf GitHub, dass der Traffic seiner Dokumentation um etwa 40 % gegenüber dem Höchststand von 2023 zurückgegangen sei, obwohl die Popularität des Frameworks gestiegen sei – und die Einnahmen um etwa 80 % gesunken seien.

Dasselbe geschieht mit Produkten: KI hilft, schneller zu einem durchschnittlichen Ergebnis zu gelangen – aber sie führt nicht zu einem herausragenden Ergebnis. Sie weiß nicht, was Ihr Produkt unvergesslich macht, denn das Unvergessliche ist per Definition nicht durchschnittlich.

Ich sehe das auch in Kundenprojekten von WebsCraft. Wenn ein Kunde mit einem über Lovable oder v0 erstellten "Referenzobjekt" kommt, ist es funktional, aber absolut gesichtslos. Es fehlt Charakter, es fehlt Stimme, es fehlt das Gefühl, dass jemand an den spezifischen Benutzer gedacht hat. Es gibt das Gefühl, dass jemand eine gute Eingabeaufforderung formuliert hat.

Der Markt spürt das – auch wenn er es nicht in Worte fasst. Ein Produkt, das wie alle anderen aussieht, erweckt kein Vertrauen. Nicht, weil es technisch schlecht ist. Sondern weil es nicht signalisiert, dass dahinter ein Mensch steht, der nachgedacht hat, der Erfahrung hat, der für das Ergebnis verantwortlich ist.

Im Jahr 2025 reichte es aus, eine Anwendung an einem Wochenende über Claude oder Cursor zu erstellen, um Interesse zu wecken – gerade weil es so wenige solcher Anwendungen gab. Im Jahr 2026 gibt es Tausende solcher Anwendungen. Die Geschwindigkeit der Markteinführung ist keine Wettbewerbsvorteil mehr – sie ist zur Mindestanforderung geworden. Die Differenzierung liegt nun vollständig auf der Seite der Qualität des Denkens, des Geschmacks und des Verständnisses des Fachgebiets. Dinge, die KI nicht generiert – sie verstärkt sie nur bei denen, die sie bereits haben.

KI ist nicht schuld – das Problem sind Menschen ohne Fundament

Hier ist es wichtig, innezuhalten und das zu sagen, was viele nicht hören wollen.

KI ist nicht schuld.

Zehner und Ronacher – Menschen, die einen beliebten KI-Agenten entwickelt haben und KI aktiv in der Entwicklung einsetzen – sagen direkt: Das Problem liegt nicht bei den Werkzeugen. Das Problem liegt darin, wie sie verwendet werden. Zehner räumt ein, dass KI-Tools für Routineaufgaben wirklich nützlich sind. Die Frage ist die übermäßige Abhängigkeit von ihnen – die Überzeugung, dass ernsthafte Systemplanung und -tests durch einige gut formulierte Eingabeaufforderungen ersetzt werden können.

Ronacher beschrieb zwei Mechanismen, die er in ernsthaften Projekten beobachtet:

• Automation bias – die Tendenz, das Ergebnis einer Maschine einfach deshalb zu vertrauen, weil es von einer Maschine generiert wurde, ohne kritische Analyse
• Review fatigue – wenn Entwickler in KI-generierten Pull-Requests ertrinken und nach und nach aufhören, den Code sorgfältig zu lesen

Eric J. Ma – ein Entwickler, der seine eigenen Erfahrungen mit der Wiederherstellung nach KI-generiertem Chaos dokumentiert hat – formulierte es genau: "KI ist ein unglaublicher Ausführender. Sie kann refaktorieren, extrahieren, implementieren. Aber die Vision? Sie bleibt menschlich. Und diese Vision kommt von Erfahrung – davon, dass man genug Codebasen gesehen hat, um zu wissen, was funktioniert und was unter seinem eigenen Gewicht zusammenbricht."

KI verstärkt, was bereits im Menschen vorhanden ist. Wenn ein Entwickler oder Designer keinen Geschmack, kein Verständnis für UX, Architektur oder Geschäft hat – wird KI einfach helfen, schneller ein mittelmäßiges Produkt zu erstellen. Wenn er es hat – wird KI zu einem echten Multiplikator.

Ich selbst habe eine ähnliche Situation beschrieben – als mein Freund ohne technisches Fundament beschloss, an einem Wochenende ein Produkt über Gemini zu starten. Detailliert darüber, wo genau Menschen ohne Grundkenntnisse an eine Wand stoßen – und warum KI kein Verständnis für Architektur ersetzt – habe ich in dem Artikel KI-Coding wird Ihnen kein Geld einbringen. Und hier ist warum auseinandergesetzt.

Das heißt, das Problem des Vibe-Schrotts ist kein KI-Problem. Es ist ein Problem von Menschen ohne Fundament, die Zugang zu einem mächtigen Werkzeug erhalten haben.

Was kommt als Nächstes: Ein neuer Wettbewerbsvorteil

Zechner glaubt, dass die Abrechnung unvermeidlich ist: Große Unternehmen werden bald erkennen, dass eine übermäßige Abhängigkeit von KI-generiertem Code die Kosten erhöht und die Produktqualität verschlechtert. Viele kleinere Start-ups, die auf "Vibe Coding" angewiesen sind, werden scheitern. Die Cloud-Kosten werden steigen, da schlecht geschriebener Code mehr Rechenressourcen, mehr Speicher und mehr Datenverkehr verbraucht.

Aber es gibt auch eine Kehrseite. Diejenigen, die lernen, KI richtig mit grundlegenden Fähigkeiten zu kombinieren, werden einen schwer zu kopierenden Vorteil erzielen.

Nicht diejenigen, die Code schneller generieren, werden gewinnen. Gewinnen werden diejenigen, die:

• Das Problem des Benutzers verstehen – nicht oberflächlich, sondern tiefgründig: Warum suchen sie nach dieser Lösung, was schmerzt sie wirklich, was wird sie zum Bezahlen und Wiederkommen bewegen
• Produkte entwerfen können – Architektur, UX, Geschäftslogik: Lösungen, die Belastungen standhalten und nicht zusammenbrechen, wenn das Produkt wächst
• Geschmack und Expertise haben – die Fähigkeit zu unterscheiden, was "funktioniert" und was "gut ist"; das Verständnis dessen, was ein Produkt unvergesslich macht und nicht nur funktional
• Entscheidungen kontrollieren und sie nicht an die KI delegieren – die KI führt aus, der Mensch entwirft und ist verantwortlich
• Marken und Vertrauen aufbauen – in einer Welt, in der es Tausende identischer Produkte gibt, werden Bekanntheit und Reputation zu einer seltenen Ressource

Wie der Autor des Artikels auf isquared.ie treffend formulierte: "KI beseitigt nicht die Notwendigkeit zu denken. Sie beseitigt die Orte, an denen man sich verstecken kann."

Früher konnte ein mittelmäßiges Produkt mit der Komplexität der Entwicklung gerechtfertigt werden. Jetzt gibt es diese Entschuldigung nicht mehr. KI hat die Eintrittsbarriere für alle gesenkt – das bedeutet, dass die Differenzierung nun vollständig auf der Qualität des Denkens, des Geschmacks und des Verständnisses des Fachgebiets beruht.

Die wichtigste Schlussfolgerung

"Vibe Coding" ist nicht tot. Andrej Karpathy hat sich nicht geirrt – KI hat wirklich verändert, was es bedeutet, "Software erstellen zu können".

Aber das Zeitalter des gedankenlosen "Vibe Coding" – als es ausreichte, ein Produkt schnell zusammenzubauen und auf den Markt zu bringen – neigt sich dem Ende zu. Nicht weil KI schlechter geworden ist. Sondern weil sich der Markt angepasst hat: Was vor einem Jahr noch Begeisterung auslöste, ist heute die Mindestanforderung.

Es kommt die Zeit der Menschen, die KI mit professionellen Fähigkeiten kombinieren. Die Zeit derer, die ein Fundament haben – Verständnis für Architektur, UX, Geschäftslogik, Geschmack – und die KI als Multiplikator dieses Fundaments nutzen, nicht als Ersatz dafür.

Im Jahr 2025 lautete die Frage: "Kann ich das mit KI machen?"
Im Jahr 2026 lautet die Frage: "Habe ich etwas, das KI nicht geben kann – und nutze ich KI, um es zu verstärken?"