Wenn man sich die Hand bricht und zwei Monate lang einen Gips tragen muss, die Arbeit aber nicht unterbrechen darf – was soll ein Programmierer dann tun? Erik Schluntz, ein Forscher bei Anthropisch und Mitautor von Effektive Agenten aufbauen, gibt eine Antwort: Übergebe alles an Claude.
In einer Zeit, in der KI die Regeln der Softwarebranche grundlegend verändert, ist Vibe Coding zu einem unverzichtbaren Thema für Unternehmen geworden, die ihre Produktivität steigern wollen.
Vor einigen Monaten berichtete Schluntz von seiner ungewöhnlichen Erfahrung, zur “vollautomatisierten Arbeit” gezwungen worden zu sein, und sprach ein etwas kontroverses Thema an: wie man Vibe Coding in Produktionsumgebungen verantwortungsbewusst umsetzt.
Dieser Vortrag steckt voller praktischer Erkenntnisse und ist in den letzten Tagen auf X erneut viral gegangen. Ein Nutzer namens Movez lobte ihn sogar als besser als 100 kostenpflichtige Kurse.
Ganz im Sinne von „Vibe Coding“ haben wir auch bei der Organisation von Schluntz’ Vortrag KI eingesetzt.
Falls Sie sich diesen hervorragenden Vortrag ansehen möchten, Sie können hier klicken, um darauf zuzugreifen.
Was ist Vibe Coding?
Viele Menschen setzen den intensiven Einsatz von KI-Tools wie Cursor oder Copilot zur Codegenerierung mit “Vibe Coding” gleich. Das ist jedoch nicht zutreffend. Solange der Entwickler eine enge Rückkopplungsschleife mit dem Modell aufrechterhält – indem er den Code Zeile für Zeile überprüft und anpasst –, kann man nicht von echtem „Vibe“ sprechen.”
Andre Karpathy lieferte eine präzisere Definition: “Tauche voll und ganz in die Atmosphäre ein, lass dich vom exponentiellen Wachstum der Technologie mitreißen und vergiss völlig, dass der Code überhaupt existiert.”
Diese Arbeitsweise senkt die Einstiegshürde für die Entwicklung erheblich und ermöglicht es auch Personen ohne technischen Hintergrund, eigenständig komplette Anwendungen zu erstellen. In der Vergangenheit beschränkten sich erfolgreiche Anwendungsfälle dieses Ansatzes jedoch meist auf private Spiele oder Projekte mit geringem Risiko. Sobald Laien diesen Ansatz in echte Produktionsumgebungen übertragen, führt dies oft zu außer Kontrolle geratenen Situationen, wie zum Beispiel dem Ausschöpfen von API-Kontingenten, der Umgehung von Abonnement-Prüfungen oder der willkürlichen Änderung von Datenbanken.
Warum „Vibe Coding“ wichtig ist: Die Logik des exponentiellen Wachstums
Wenn risikoreiche Geschäftsumfelder unkontrollierbare Faktoren beinhalten, warum sollten wir diese Technologie dann trotzdem weiter vorantreiben? Die zentrale Triebkraft liegt im “exponentiellen Wachstum” der KI-Fähigkeiten.
Derzeit verdoppelt sich die Länge der Aufgaben, die KI eigenständig bewältigen kann, etwa alle sieben Monate. Heute kann KI Programmieraufgaben, die etwa eine Stunde in Anspruch nehmen, zuverlässig erledigen, und Entwickler haben noch die Energie, diese Zeile für Zeile zu überprüfen. Doch im nächsten oder übernächsten Jahr, wenn KI in einem Durchgang Code generieren kann, der einem Arbeitstag oder sogar einer Arbeitswoche eines Menschen entspricht, werden menschliche Ingenieure unweigerlich zum Engpass bei der explosionsartigen Zunahme der Rechenleistung werden, sollten wir weiterhin auf die traditionelle synchrone Überprüfung und Überarbeitung bestehen.
Wir können hier auf die Geschichte der Compiler zurückblicken. Frühe Entwickler hatten kein Vertrauen in Compiler und überprüften weiterhin den zugrunde liegenden Assemblercode. Mit zunehmender Komplexität der Systeme mussten die Entwickler lernen, auf Abstraktionen höherer Ebene zu vertrauen. Mit Blick auf die Zukunft muss sich der gesamte Bereich der Softwareentwicklung im Voraus die Frage stellen: Wie lassen sich Systeme, die direkt von großen Modellen generiert werden, sicher und verantwortungsbewusst in Produktionsumgebungen einsetzen?.
So wenden Sie Vibe-Coding in der Produktion an
Das Grundprinzip der Anwendung von Vibe Coding in der Produktion lautet: Vergiss die Existenz des Codes, konzentriere dich aber stets auf die Existenz des Produkts.
In der modernen Unternehmensführung stützen sich CTOs bei der Führung technischer Experten auf Abnahmetests, Produktmanager validieren Funktionen, indem sie das Produkt selbst ausprobieren, und CEOs prüfen Finanzmodelle anhand wichtiger Datenschnitte. Keiner von ihnen befasst sich mit den Details der Ausführung auf der untersten Ebene. Auch Softwareentwickler müssen ähnliche Abstraktionsebenen schaffen, die sich ohne Einsicht in den zugrunde liegenden Code überprüfen lassen.
Entscheidend ist, Abstraktionsebenen zu finden, die man überprüfen kann.
Die derzeitige KI-Programmierung steht jedoch vor einer kniffligen technischen Hürde: der technischen Verschuldung. Derzeit ist es – abgesehen vom Durchlesen des gesamten Quellcodes – äußerst schwierig, technische Verschuldung mit systematischen Methoden zu messen oder zu überprüfen.
Vor diesem Hintergrund schlägt Erik Schluntz vor, den Fokus auf “Blattknoten” in der Codebasis zu legen. Diese Knoten beziehen sich auf Endfunktionen oder Hilfskomponenten, von denen kein anderes Modul abhängt. In diesen Bereichen ist es akzeptabel, wenn dabei etwas technische Schulden entstehen, da sie sich nur selten ändern und den zukünftigen Aufbau von Modulen nicht behindern.
Im Gegensatz dazu müssen die Ingenieure beim Kernbereich und der zugrunde liegenden Architektur des Systems die Skalierbarkeit nach wie vor genau verstehen und strikt gewährleisten.
Es ist erwähnenswert, dass sich mit der Verbesserung der Modellfähigkeiten die Bandbreite an Code, deren Bearbeitung wir der KI anvertrauen können, nach unten erweitert. In jüngsten internen Tests bei Anthropic steigt die Erfolgsquote der KI bei der Generierung hochwertiger Architekturen, und diese Grenze verschiebt sich dynamisch.
Die Kernkompetenz des „Vibe Coding“: Denken wie ein Produktmanager
Damit KI qualitativ hochwertigen Programmcode erstellen kann, müssen Entwickler ihre Denkweise ändern und sich selbst als Produktmanager von Claude. Frag nicht, was Claude für dich tun kann, sondern frag, was du für Claude tun kannst.
Bei komplexen Entwicklungsaufgaben müssen Entwickler die KI so anleiten, als würden sie einen neuen Mitarbeiter an seinem ersten Arbeitstag einarbeiten. Eine bloße Anweisung wie “Implementiere diese Funktion” ist zum Scheitern verurteilt. Entwickler müssen eine detaillierte Einführung in die Codebasis geben und Anforderungen sowie Einschränkungen klar definieren.
Bevor Claude tatsächlich mit dem Schreiben von Code beginnt, verbringt Schluntz in der Regel 15 bis 20 Minuten damit, mit dem Code zu interagieren. Dazu gehört, dass die KI die Codebasis erkundet, relevante Dateien findet und gemeinsam einen klaren Ausführungsplan erstellt. Anschließend werden all diese gut strukturierten Kontextinformationen und Spezifikationen vor der Ausführung in einer einzigen Eingabeaufforderung zusammengefasst.
Im Rahmen dieses Prozesses steigt die Erfolgsquote des Modells exponentiell an.
Praxisbeispiel: 22.000 Codezeilen an einem Tag zusammengeführt
Schluntz berichtete von einem extremen Fall aus der Praxis bei Anthropic. Sein Team hat erfolgreich eine Codeänderung von bis zu 22.000 Zeilen in eine Produktions-Codebasis für verstärktes Lernen integriert, die größtenteils von Claude.
Um diese Zusammenführung verantwortungsvoll durchzuführen, verfolgte das Team vier Strategien:
- Gründliche Vorausplanung aus der Perspektive eines Produktmanagers
- Änderungen an Blattknoten streng einschränken
- Manuelle Überprüfung der Kernsystemlogik
- Entwicklung überprüfbarer Kontrollpunkte und Stresstests
Durch diesen Ansatz konnte ein Arbeitsaufwand, der ursprünglich zwei Wochen menschlicher Arbeit erforderte, auf einen Tag verkürzt werden.
Wenn die Entwicklungskosten drastisch sinken, erhalten Ingenieure die Möglichkeit, groß angelegte Refactorings und Funktionsiterationen durchzuführen, die zuvor aufgrund begrenzter Ressourcen nicht möglich waren.
Fortgeschrittene Techniken zur Vibe-Codierung und Fragen und Antworten aus der Praxis
Schluntz vermittelte zudem praktische Einblicke in verschiedene Bereiche, von Lernmethoden bis hin zum Einsatz von Tools.
Zum Thema Lernen: Programmierer müssen sich zwar nicht mehr mit Low-Level-Details herumschlagen, doch KI beschleunigt den Lernprozess erheblich. Entwickler können die KI bitten, ihnen unbekannte Bibliotheken und Entscheidungen zu erklären, wodurch sie zu einem stets verfügbaren Pair-Programmer wird.
Zum Thema Erfahrungsgewinn: KI ermöglicht ein schnelleres Vor- und Zurückprobieren. Entscheidungen, deren Überprüfung früher Jahre dauerte, lassen sich nun innerhalb weniger Monate testen, sodass Ingenieure im gleichen Zeitraum ein Vielfaches an Erfahrung sammeln können.
Ein Hinweis: Der Detaillierungsgrad hängt davon ab, wie viel Wert Sie auf die Umsetzung legen. Eine zu starke Einschränkung des Modells führt jedoch häufig zu Leistungseinbußen. Gehen Sie dabei eher so vor, als würden Sie mit einem Nachwuchsingenieur kommunizieren, anstatt starre Vorlagen durchzusetzen.
Zum Thema Sicherheit: Vibe Coding ist nur dann sicher, wenn es von jemandem begleitet wird, der die Risiken versteht. Probleme treten in der Regel dann auf, wenn nicht-technisch versierte Nutzer Systeme ohne entsprechendes Bewusstsein einsetzen.
Zum Produktdesign: Zukünftige Tools könnten “nachweisbar korrekte” Systeme bieten, bei denen sensible Backend-Logik abgeschirmt ist und Nutzer in kontrollierten Umgebungen sicher experimentieren können.
Zum Thema Testen: Testgetriebene Entwicklung ist äußerst nützlich. Anstelle komplexer Tests sollten einfache End-to-End-Tests durchgeführt werden: ein Normalfall und zwei Fehlerfälle. Minimale Tests verbessern die Zuverlässigkeit und die Lesbarkeit.
Zum Arbeitsablauf: Die Kombination von Claude Code und Cursor ist gängige Praxis. Claude übernimmt die Generierung, während Entwickler die Ergebnisse überprüfen oder verfeinern. Der Kontext sollte regelmäßig komprimiert werden, um Abweichungen zu vermeiden.
Bei unbekannten Codebasen: Nutzen Sie vor der Implementierung von Funktionen KI, um das System zu erkunden – lokalisieren Sie wichtige Module, identifizieren Sie ähnliche Implementierungen und erstellen Sie sich vor der Ausführung ein mentales Modell.
Abschließende Gedanken: Was “exponentielles Wachstum begrüßen” wirklich bedeutet
Das Wesentliche am exponentiellen Wachstum ist nicht nur die kontinuierliche Verbesserung, sondern dass diese Verbesserung weitaus schneller voranschreitet, als wir erwarten.
Ähnlich wie eine Kurve, die langsam ansteigt und dann plötzlich sprunghaft in die Höhe schießt, könnten sich die KI-Fähigkeiten nicht nur verdoppeln, sondern um mehrere Größenordnungen zunehmen.
Blickt man auf die Geschichte der Computer zurück – von Kilobyte Speicherplatz in den 1990er Jahren bis hin zu Terabyte heute –, so beträgt die Steigerung nicht das Zweifache, sondern das Millionenfache.
Die eigentliche Frage lautet also nicht: “Was passiert, wenn Modelle doppelt so gut werden?”, sondern: “Was passiert, wenn sie eine Million Mal leistungsfähiger werden?”
Das ist die wahre Bedeutung von „Vibe Coding“ – und der Grund, warum man es nicht ignorieren darf.
