Ein verspielter Begriff ist sowohl die am meisten hochgelobte Programmiermethode im Silicon Valley geworden – als auch ein warnendes Beispiel.
Smith Collection/Gado/Getty Image
Eine Version dieses Artikels erschien ursprünglich im AI & Tech-Newsletter von Quartz. Melden Sie sich hier an, um die neuesten AI- und Tech-News, Analysen und Einblicke direkt in Ihren Posteingang zu erhalten.
Als Andrej Karpathy den Begriff "Vibe Coding" prägte, im Februar, machte er halb im Scherz. Der ehemalige Tesla $TSLA-AI-Direktor beschrieb eine neue Art des Programmierens, bei der Entwickler "sich ganz den Vibes hingeben" und die KI die schwere Arbeit übernehmen lassen. Natürliche Sprachbefehle anstelle von Code eingeben, alle KI-Vorschläge annehmen, ohne sie zu lesen, Fehlermeldungen kopieren und einfügen, bis es funktioniert. Neun Monate später ist dieser spielerische Begriff sowohl die meistgehypte Programmiermethodik im Silicon Valley als auch eine Warnung geworden.
Schließen Sie sich über 500.000 Lesern an, die ihren Tag mit Quartz beginnen.
Mit dem Abonnieren stimmen Sie unseren Nutzungsbedingungen und unserer Datenschutzrichtlinie zu.
Der Begriff verbreitete sich sofort. Innerhalb von Wochen kündigten große Unternehmen an, dass erhebliche Teile ihrer Codebasen KI-generiert seien. Microsoft $MSFT sagte, 30 % ihres Codes würden jetzt von KI geschrieben. Salesforce $CRM weitgehend Ingenieureinstellungen pausiert hires. Mark Zuckerberg sagte voraus, dass KI den Großteil von Metas Code schreiben würde innerhalb von 18 Monaten. GitHubs Copilot entwickelte sich von einem hilfreichen Autovervollständigungstool zu einem Codierungsagenten, während Startups wie Cursor und Lovable versprachen, dass jeder Software erstellen könnte, indem er einfach beschreibt, was er wollte.
Die Terminologie selbst ist verworren geworden. Echtes Vibe-Coding bedeutet, Software zu entwickeln, ohne die Ausgabe der KI zu überprüfen – im Wesentlichen blind zu fliegen. Aber der Begriff umfasst jetzt alle KI-unterstützten Programmierungen und schafft eine falsche Gleichwertigkeit zwischen sorgfältiger, überwachter Nutzung und dem ursprünglichen "Alles akzeptieren"-Ansatz. Diese semantische Veränderung ist wichtig. Wenn Unternehmen damit prahlen, dass KI die Hälfte ihres Codes generiert, normalisiert dies eine Kultur der Nachlässigkeit, die in der traditionellen Softwareentwicklung undenkbar gewesen wäre.
Das alte Mantra war "Alles überprüfen." Jetzt wird es zu "Ach, die KI hat es wahrscheinlich richtig gemacht."
Und ohne die harte Arbeit des traditionellen Codings witterten einige die Gelegenheit. Risikokapitalgeber investierten Milliarden in KI-Codierungstools. Nicht-technische Gründer starteten Startups, ohne Ingenieure einzustellen. Das Versprechen schien zu sein, dass KI die Softwareentwicklung demokratisieren könnte, wobei Ideen, nicht technische Fähigkeiten, der begrenzende Faktor wären.
Bis Juli waren die Probleme offensichtlich. Zwei Vorfälle machten Schlagzeilen. Googles KI-Programmierassistent löschte Benutzerdaten, während er versuchte einfache Ordner neu zu organisieren. Replits KI löschte eine Menge Code trotz ausdrücklicher Anweisung, den Code nicht zu ändern. Die KI hatte "erfolgreiche" Operationen halluziniert und darauf aufbauend falsche Annahmen getroffen, was zu dem führte, was Forscher als "Konfabulationskaskade" bezeichnen.
Neben großen Fehlern finden einige Ingenieure es im Alltag auch nicht hilfreich. Eine Stack Overflow Entwicklerumfrage lieferte ernüchternde Daten. Während 80 % der Entwickler im Juli KI-Tools nutzten, war das Vertrauen in deren Genauigkeit von 40 % auf nur noch 29 % gesunken. Die größte Frustration war "KI-Lösungen, die fast richtig, aber nicht ganz richtig sind", beschreibt Code, der korrekt aussieht, aber subtile Fehler einführt, die Stunden zur Fehlerbehebung benötigen.
„Es ist, als hätte man einen sehr enthusiastischen Praktikanten, der wirklich schnell tippt, aber nicht wirklich versteht, was er tut“, sagte ein Entwickler. Die anfängliche Zeitersparnis durch KI-generierten Code verschwindet oft während des Debuggens. Eine weitere Studie von Model Evaluation & Threat Research fand heraus, dass KI-Codierungstools Entwickler insgesamt tatsächlich langsamer machten, obwohl sie sich produktiver fühlten.
Die finanzielle Realität war hart. CB Insights berichtet, dass während Anysphere, das Unternehmen hinter dem beliebten KI-Codierungstool Cursor, 500 Millionen US-Dollar Jahresumsatz durch wiederkehrende Einnahmen erreichte, ihre Inferenzkosten um das 20-fache explodierten. Neue Modellierungsansätze erzeugen besseren Code, verbrauchen jedoch weitaus mehr Rechenressourcen. Einige Unternehmen sehen, wie einzelne Benutzer monatlich 10.000 US-Dollar an Rechenkosten für Pläne in Höhe von 200 US-Dollar anhäufen.
Dieser wirtschaftliche Druck treibt die Konsolidierung voran. Unternehmen schwenken von unbegrenzten Plänen zu nutzungsbasierter Preisgestaltung um, was Unternehmen frustriert, die vorhersehbare Budgets benötigen. Einige Startups erkunden "reverse acqui-hires", bei denen sie im Wesentlichen ihre Teams verkaufen und die verlustbringenden Produkte aufgeben, so CB Insights.
Die Nutzungsdaten beginnen eine deutliche Geschichte zu erzählen. Laut Similarwebs KI-Tracker, erreichte der Webverkehr zu großen Codierungsagentenplattformen im Frühjahr seinen Höhepunkt und ist seither stetig gesunken. Bis Oktober hatten Tools wie Cursor, Bolt, Replit und V0 30 % bis 50 % ihres Spitzenverkehrs verloren. Jedes Startup erlebte denselben anfänglichen Enthusiasmus, gefolgt von stetiger Abkehr, was darauf hindeutet, dass Benutzer diese Tools ausprobierten und dann verließen, als sie auf reale Komplexität stießen.
Der Sicherheitsaspekt ist ebenso besorgniserregend. Eine Cybersicherheitsfirma analysierte Fortune-50-Unternehmen und stellte fest, dass KI-unterstützte Entwickler drei- bis viermal mehr Code produzierten aber zehnmal mehr Sicherheitsprobleme generierten. Dies waren keine einfachen Bugs, sondern aufgedeckte Anmeldedaten, Wege zur Privilegieneskalation und architektonische Designfehler, die Codebasen jahrelang verfolgen könnten.
Doch die Geschichte ist nicht nur eine des Scheiterns. Viele erfahrene Entwickler berichten, dass KI-Codierungstools, wenn sie mit Bedacht eingesetzt werden, bedeutende Zeit bei Routinetätigkeiten sparen. Vielleicht liegt die wahre Zukunft des Vibe-Codings nicht darin, Programmierer zu ersetzen, sondern sie zu ergänzen, wobei die "Vibes" durch Erfahrung und Aufsicht gemildert werden.
Sogar Karpathy selbst hat sich von seiner Schöpfung zurückgezogen. Sein neuestes Projekt, Nanochat, wurde vollständig von Hand programmiert. "Ich habe ein paar Mal versucht, Claude/Codex-Agenten zu verwenden, aber sie haben einfach überhaupt nicht gut genug funktioniert," postete er in den sozialen Medien im Oktober. "Möglicherweise ist das Repository zu weit von der Datenverteilung entfernt."
Der Pate des Vibe-Codings vertraut der Technik nicht genug, um sie in seinem eigenen Projekt zu verwenden.
Er beabsichtigte nie, dass Vibe-Coding die menschlichen Entwickler dauerhaft ersetzt. "Manchmal können die LLMs einen Fehler nicht beheben, also umgehe ich ihn einfach oder bitte um zufällige Änderungen, bis er verschwindet," schrieb er in seinem ursprünglichen Februar-Post. "Für Wegwerf-Wochenendprojekte ist es nicht so schlecht."
Schade, dass die Hype-Zyklen nicht so funktionieren. Das Vibe-Coding-Phänomen spiegelt den breiteren KI-Industrie-Trend 2025 wider. Explosives Wachstum trifft auf hartnäckige Wirtschaftlichkeit. Demokratisierungsversprechen stoßen auf Qualitätsbedenken. Was als Karpathys spielerisches Experiment begann, hat sich zu einer Fallstudie entwickelt, wie schnell technologische Begeisterung die Realität überholen kann. Neun Monate von der Entstehung bis zur Realität könnte selbst für das Silicon Valley ein Rekord sein.
