Vibe Coding: Wie viel Programmierer steckt noch in der KI-Entwicklung?

Hallo, hier ist wieder Kora. Beim Stichwort „Vibe Coding“ scheiden sich gerade die Geister: Für die einen ist es der Produktivitätsturbo, für die anderen ein Generator für aufgeblähten Code, den später niemand mehr versteht. Die Kollegen von der c't haben in ihrem Podcast uplink zwei Praktiker zusammengebracht – einen Entwickler mit Jahrzehnten Erfahrung und einen, der erst vor Kurzem mit dem Programmieren angefangen hat. Genau diese Mischung macht die Diskussion spannend.

KI greift auf sehr unterschiedlichen Ebenen ein

Was mir an der Folge gefällt: Es wird erst einmal sauber auseinandersortiert, was „Programmieren mit KI“ überhaupt heißen kann. Denn das reicht von sehr harmlos bis sehr weitreichend:

• die KI als reiner Chatbot, der beim Entwurf hilft und Codeschnipsel liefert, die man selbst übernimmt
• fertiger Code, der als Git-Repository abgeliefert wird und in den man sich einklinkt
• Integration direkt in die IDE, also Unterstützung beim täglichen Tippen
• nachgelagerte Arbeit: Code kommentieren, Tests schreiben, refaktorisieren
• agentische KI, die den Rechner selbst bedient, Umgebungen installiert und Anwendungen herunterlädt und übersetzt

Diese Abstufung finde ich wichtig, weil die Risikobewertung bei jeder Stufe eine andere ist. Ein Chatbot, dessen Vorschläge ich lese und bewusst übernehme, ist etwas ganz anderes als ein Agent mit Schreibrechten auf meinem Arbeitsrechner.

Zwei Arbeitsweisen, zwei Sicherheitsniveaus

Genau da setzen die beiden Gäste unterschiedlich an. Peter Siering, der die KI-Unterstützung unter anderem beim c't-Projekt desinfec't genutzt hat, will keine agentische KI auf seinem Rechner haben. Er beschränkt sich auf Browser und die Sandboxes der Anbieter; wenn echte Hardware nötig ist, kommt ein separater PC oder ein Raspi zum Einsatz, auf dem keine Konten oder Zugänge liegen. Den generierten Code schickt er anschließend durch seine private GitLab-Instanz.

Denny Gille, der erst später zum Programmieren gekommen ist, chattet mit der KI, lädt den Code herunter und arbeitet lokal mit Visual Studio Code oder einem schlanken Editor weiter. Für ihn ist vor allem der niederschwellige Einstieg der Gewinn – er kommt damit erkennbar schneller voran als vorher.

Mich überzeugt das Muster dahinter: Trennung von Umgebungen, eine eigene Instanz für die Versionsverwaltung, keine Zugangsdaten auf der Maschine, auf der experimentiert wird. Das ist im Grunde genau das, was wir in unseren Rechenzentren ohnehin predigen – nur eben auf den Entwicklungsalltag übertragen. Wer agentische Tools einsetzen will, sollte ihnen einen klar abgegrenzten Container oder eine separate VM geben statt der Produktivumgebung mit SSH-Keys und Cloud-Tokens.

Stärken, Schwächen und ein strukturelles Problem

Als größte Stärke nennen beide die enorme Breite: Die Modelle haben unzählige APIs gelesen, beherrschen dutzende Sprachen und haben jede Menge Wissen aus Foren wie Stack Overflow aufgesogen. Fleißarbeiten wie das Refaktorisieren gelingen entsprechend gut. Ohne eigene Grundkenntnisse geht es trotzdem nicht – man muss beurteilen können, was man da eigentlich vor sich hat.

Auf der Negativseite stehen schlicht fehlerhafter Code und der Effekt, dass die Codequalität über viele Iterationen hinweg leidet, wenn die verfügbare Tokenzahl knapp wird. Geholfen hat in den Experimenten, der KI explizit vorzugeben, modular zu bauen. Auch das deckt sich mit meiner Erfahrung: Je präziser die strukturellen Vorgaben, desto brauchbarer das Ergebnis.

Der aus meiner Sicht interessanteste Punkt ist aber die Frage nach der Zukunft der Trainingsdaten. Wenn immer weniger Menschen ihre Fragen und Antworten öffentlich austauschen, weil sie stattdessen die KI fragen – woher kommt dann das Wissen über neue APIs und neue Probleme? Eine denkbare Antwort der Anbieter wäre der Zugriff auf den Code in den großen Plattformen. Das wirft wiederum Fragen auf, die jeden betreffen, der Code in fremden Repositories liegen hat.

Was wir daraus mitnehmen

Für uns als Betreiber ist Vibe Coding kein abstraktes Thema. Deployment-Skripte, Monitoring-Checks, kleine Automatisierungen – vieles davon lässt sich mit KI-Unterstützung schneller bauen. Nur gilt eben: Was am Ende auf einem Produktivsystem läuft, muss jemand verstanden haben. Code Review, Tests und eine saubere Versionsverwaltung werden durch KI nicht unwichtiger, sondern wichtiger. Und wer sensible Projekte bearbeitet, sollte sich gut überlegen, welche Codeteile überhaupt in die Cloud eines Anbieters wandern.

Mein Fazit: Vibe Coding ist weder Hype noch Allheilmittel, sondern ein Werkzeug mit klaren Stärken bei Routine und Einstieg – und klaren Grenzen bei Architektur und Verantwortung. Die Podcast-Folge lohnt sich, wenn ihr eine ehrliche Praxisperspektive statt Marketingversprechen sucht.

Bis demnächst, eure Kora

Quelle: heise online