Vibe Coding
Was Ist Vibe Coding?
Vibe Coding ist eine KI-gestützte Programmiermethode, die von Andrej Karpathy in 2024/2025 eingeführt wurde. Mit Vibe Coding beschreibst du, was du möchtest, in natürlichen Sprachaufforderungen, und normalerweise generieren große Sprachmodelle (LLMs) den Großteil, oft den gesamten, funktionierenden Code für dich. Wenn du Zeit hast, schau dir die Kunst des Vibe Codings an, die von Rick Rubin adaptiert wurde, um mehr über den Weg des Vibe Codings zu erfahren.
Ein großer Vorteil dieser neuen Methode ist die Zugänglichkeit, da Menschen ohne Programmiererfahrung Projekte erstellen können, während erfahrene Entwickler schnell neue Ideen prototypisieren können, bevor sie sich vollständig darauf festlegen. Dies ist besonders hilfreich für Startups. Der Nachteil ist, dass Entwickler höchstwahrscheinlich nicht vollständig verstehen, wie der generierte Code funktioniert. Für kleine Nebenprojekte ist das in Ordnung, aber für produktionsrelevante Software kann es zu langfristigen Problemen und technischer Schulden führen.
Es gibt viele Tools, die Vibe Coding reibungsloser machen. Cursor IDE, Claude Code CLI, GitHub Copilot, Loveable, Replit, v0 und andere ermöglichen es dir, direkt in deiner Umgebung mit KI zu arbeiten oder bieten spezielle Schnittstellen für Vibe Coding. Persönlich habe ich mich hauptsächlich mit Cursor IDE und Claude Code CLI für diese Projekte beschäftigt.
Hier ist das Ding. Diese Tools und Modelle kosten Geld. Bei traditionellem Coding zahlst du hauptsächlich mit deiner Zeit. Bei Vibe Coding zahlst du mit deinem Geldbeutel. Und wenn du nicht weißt, was du tust, zahlst du mit sowohl deinem Geldbeutel als auch deiner Zeit. Jedes der Projekte auf dieser Seite kostet etwa 10 $ bis 20 $ zu erstellen. Das summiert sich, wenn du viel experimentierst. Ich denke, dass die Kosten sinken werden, wenn sich diese Modelle verbessern und effizienter werden. Für jetzt ist es etwas, das man in Betracht ziehen sollte, wenn man entscheidet, ob Vibe Coding für dein Projekt sinnvoll ist.
Neugierig, was möglich ist, habe ich Vibe Coding selbst ausprobiert und diese Seite erstellt, um das Prinzip selbst durch tatsächliche Projekte zu erkunden. Ich baue nicht nur Produkte, ich teste und demonstriere, wozu Vibe Coding wirklich fähig ist. Das ist nur zum Spaß, bietet aber einen Einblick, wie Coding in der Zukunft aussehen könnte, während sich diese Modelle weiter verbessern.
Unendliches Affentheorem
Hast du schon vom Unendlichen Affentheorem gehört? Es ist ein philosophisches Gedankenexperiment, das besagt, dass, wenn du unendlichen Affen unendliche Schreibmaschinen und unendliche Zeit gibst, einer von ihnen schließlich die kompletten Werke von Shakespeare nur durch zufälliges Tippen auf die Tasten produzieren wird.
Klingt lächerlich, oder? Aber hier ist der verrückte Teil. Vibe Coding ist irgendwie so, nur dass wir anstelle von Affen KI-Modelle haben, anstelle von Schreibmaschinen haben wir Programmiersprachen, und anstelle von Shakespeare bekommen wir funktionierende Software.
Denk mal darüber nach. Große Sprachmodelle werden auf Milliarden von Codezeilen, Mustern und Beispielen trainiert. Wenn du einem LLM eine Aufforderung gibst, denkt es nicht tatsächlich Schritt für Schritt über dein Problem nach, wie es ein menschlicher Entwickler tun würde. Stattdessen sagt es das nächste wahrscheinlichste Token basierend auf Mustern voraus, die es während des Trainings gelernt hat. Es macht im Wesentlichen fundierte Vermutungen, indem es Code generiert, der statistisch sinnvoll erscheint.
Und irgendwie funktioniert es mehr als oft. Das Modell gibt Code aus, der tatsächlich kompiliert, läuft und dein Problem löst. Nicht durch Verständnis, sondern durch probabilistische Mustererkennung in absolut massivem Maßstab. Es ist, als hätte der universellste Zufallstextgenerator die “richtige” Antwort gefunden. Aber hier ist der Unterschied die Geschwindigkeit. Diese Affen bräuchten buchstäblich die Unendlichkeit. Deine KI? Kommt in Sekunden oder Minuten dorthin.
Also, in gewisser Weise, wenn du Vibe Coding verwendest, nutzt du Millionen von Code-Mustern, destilliert in ein Modell, um Lösungen zu generieren. Es ist kein bewusstes Problemlösen, es ist statistische Magie. Und genau deshalb ist es so mächtig und, zugegebenermaßen, warum es immer noch wichtig ist, zu verstehen, was der Code tatsächlich tut.
Die Frage ist wichtiger als die Antwort
Hier ist etwas Wichtiges, das oft übersehen wird. Vibe Coding geht nicht darum, irgendeine Antwort zu bekommen, sondern die richtige Frage zu stellen. Denk an den Deep Thought Supercomputer aus Per Anhalter durch die Galaxis. Er hat Millionen von Jahren damit verbracht, die Antwort auf die ultimative Frage des Lebens, des Universums und allem zu berechnen, nur um dir die Zahl 42 zu geben. Die Antwort war technisch korrekt, aber nutzlos, weil das eigentliche Problem darin bestand, herauszufinden, welche Frage man überhaupt stellen sollte.
Vibe Coding funktioniert auf die gleiche Weise. Deine Aufforderungen sind alles, aber auch das Kontextmanagement. Eine vage Aufforderung wird dir vagen Code geben, und wenn du nicht die richtigen Dateien, Dokumentationen oder Beispiele als Kontext bereitstellst, wird das Modell nicht verstehen, was du tatsächlich benötigst. Wenn du jemand bist, der Coding, Architektur und Systemdesign versteht, kannst du detaillierte Aufforderungen erstellen und den richtigen Kontext kuratieren, um das LLM in Richtung hervorragender Lösungen zu lenken. Aber wenn du nicht weißt, was du fragen sollst oder welchen Kontext du bereitstellen sollst, wird auch die KI das nicht wissen.
Das ist tatsächlich der Grund, warum Vibe Coding so mächtig für erfahrene Entwickler ist. Wir wissen, wie guter Code aussieht, wir verstehen die Fallstricke, und wir können Aufforderungen schreiben, die das Modell davon abhalten. Für Anfänger ohne technischen Hintergrund wird dies zu einer echten Einschränkung. Du könntest funktionierenden Code erhalten, aber ohne zu verstehen, was schiefgelaufen ist oder was du als Nächstes fragen sollst, bist du festgefahren.
Wenn Vibe Coding nicht genug ist
Die neuesten KI-Modelle sind beeindruckend, aber sie sind kein Allheilmittel. Vibe Coding kann in der Produktion funktionieren, aber nur, wenn du es ernst meinst. Du brauchst robuste Unit-Tests. Du brauchst klare Wahrheitsquellen dafür, was dein System tun sollte. Du musst erkennen, wenn Dinge kaputt gehen oder abdriften. Und du brauchst die Hacker-Mentalität. Denk außerhalb der Box und versuche, dein Vibe-Coded-Projekt auf unbeabsichtigte Weise zu brechen. Welche Randfälle hast du nicht berücksichtigt? Welche Sicherheitsanfälligkeiten könnte jemand ausnutzen? Das ist es, was Code trennt, der nur funktioniert, von Code, der tatsächlich robust ist.
Hier ist das Ding. Die KI gehört dir nicht. Du besitzt die KI. Nimm nicht einfach an, was sie generiert. Überprüfe es. Teste es. Breche es. Und ehrlich gesagt, für bestimmte Teile deines Codebases musst du zum alten Coding zurückkehren. Schalte ein, denke tief nach, schreibe es selbst. Vibe Coding beschleunigt die Dinge, aber es ist kein Ersatz für echtes Programmieren, wenn es darauf ankommt.
Es gibt noch etwas, das ich gelernt habe. Manchmal musst du einfach eine Sitzung mit der KI beenden und eine neue beginnen. Wenn deine Gesprächshistorie immer größer wird, verschlechtert sich die Leistung des Modells. Es macht mehr Fehler, generiert weniger kohärenten Code und beginnt häufiger zu halluzinieren. Wenn du das nicht bemerkst und stoppst, häufen sich diese Fehler und machen die Dinge progressiv schlimmer. Es ist, als würdest du versuchen, ein Dokument zu lesen, das immer wieder kopiert wurde. Frisch zu beginnen hält die Dinge sauber und scharf.
Vibe Coded Projekte
Unten sind zwei Projekte, stairs (repo) und transcendental (repo), die ich mit der Methodik des Vibe Codings erstellt habe. Hauptsächlich aus Aufforderungen generiert, mit manueller Arbeit, die auf das Bereitstellen von Kontext, Debugging und das Bereitstellen auf GitHub Pages beschränkt ist. Sie sind unterhaltsame statische Site-Experimente, die zeigen, was möglich ist, wenn man kreative Ideen mit Code durch Vibe Coding kombiniert. Beide sind auf GitHub gehostet.