Warum ich Software-Entwicklung mit KI nicht "Vibe Coding" nenne

Ich entwickle Software fast nur noch mit KI. "Vibe Coding" nenne ich es trotzdem nicht. Der Begriff hat sich eingebuergert, aber er fuehrt in die Irre, und das hat Konsequenzen fuer alle, die gerade ueberlegen, was KI fuer ihr Geschaeft bedeutet.

Was "Vibe Coding" verspricht, und warum das nur halb stimmt

Der Begriff suggeriert: drei Tasten zufaellig treffen, die KI macht den Rest, fertig ist die Software. Tausende Posts erklaeren, dass das jetzt jeder ohne Vorkenntnisse kann.

Das stimmt nur zum Teil. Wer keine Ahnung von Datenstrukturen, Frameworks und sauberer Architektur hat, kommt vielleicht zu einem Prototyp. Zu einem fertigen Produkt, das auch qualitativ haelt und im echten Betrieb nicht auseinanderfaellt? Eher nicht.

Vom Coder zum Architekten

Was sich wirklich aendert, ist nicht "Programmieren wird ueberfluessig". Es ist meine Rolle. Ich schreibe weniger Zeilen selbst und denke mehr ueber das Ganze nach: Struktur, Datenmodell, Edge-Cases, wo das System spaeter brechen koennte.

Aus dem Coder wird ein Architekt. Ein Product Owner mit Vision, der die Uebersicht behaelt, die Kontrolle nicht abgibt und die KI als Werkzeug einsetzt, nicht als Ersatz fuer das eigene Denken.

Ein Beispiel aus der Praxis: SOAP-Schnittstelle in Stunden statt Tagen

Letzte Woche bei einem Kunden: eine SOAP-Schnittstelle anbinden, technologisch veraltet, zaeh zu dokumentieren.

Frueher haette mich das Tage gekostet: Auth-Flow verstehen, Datenstrukturen durchgehen, jeden Endpunkt einzeln. Der Ablauf heute:

1. Die Dokumentation der Schnittstelle als Kontext an die KI geben.
2. Selbst die relevanten Endpunkte auswaehlen.
3. Selbst ueber die Edge-Cases nachdenken, die in keiner Doku stehen.
4. Coden lassen.
5. Testen, nachschaerfen, wieder testen.

Stunden statt Tage. Aber, und das ist der Punkt: ich weiss nicht, wie das ausgegangen waere, haette ich noch nie selbst eine Schnittstelle programmiert. Genau dieses Erfahrungswissen lenkt die KI in die richtige Richtung und erkennt, wenn das Ergebnis nicht stimmt.

Wann das funktioniert, und wann nicht

Es funktioniert, wenn:

• jemand mit Fachverstand die Richtung vorgibt und das Ergebnis beurteilen kann
• es um klar umrissene Aufgaben geht (Schnittstellen, Automatisierungen, abgegrenzte Features)
• jeder Schritt getestet und kontrolliert wird, statt blind zu vertrauen

Es funktioniert nicht, wenn:

• der Anspruch "ohne jede Vorkenntnis ein fertiges Produkt" ist
• niemand die Architektur ueberblickt und Edge-Cases mitdenkt
• die KI als Denkersatz statt als Werkzeug benutzt wird

Der Unterschied zwischen Prototyp und Produkt liegt nicht im Tool. Er liegt in der Hand, die es fuehrt.

Was das fuer kleine Unternehmen bedeutet

KI im Coding-Kontext ist kein Spielzeug. Es ist Agentic Engineering, ein maechtiges Werkzeug in den richtigen Haenden. Den Hype darf man kritisieren. Die Methode dahinter zu ignorieren waere ein Fehler.

Der praktische Effekt: Individualsoftware wird fuer kleine Unternehmen wieder leistbar. Loesungen, die frueher das Budget gesprengt haetten, weil sie Tage oder Wochen Handarbeit bedeutet haben, sind heute in einem Bruchteil der Zeit machbar.

Welcher Prozess in deinem Unternehmen waere der erste Kandidat?