... Jeder Affe kann vibecoden. Aber auch jeder Vibecoder kann sich zum Affen machen. Das ist echte Demokratisierung.

— Steven Broschart

Zurzeit laufen zwei Erzählungen parallel durch die KI-Debatte, die eigentlich nicht richtig zusammenpassen.

Die erste lautet:

Jetzt kann jeder Software bauen.

Die zweite:

KI-generierter Code ist voller Sicherheitsprobleme und schwer wartbar.

Beides ist nicht wirklich ganz falsch. Und trotzdem beschreibt keines von beiden die Lage besonders gut.

Denn die interessante Beobachtung ist eine andere: Vibe-Coding macht den Unterschied zwischen Menschen nicht kleiner, sondern sichtbarer. Je einfacher Werkzeuge werden, desto stärker zeigt sich plötzlich, wer:

  • Struktur versteht,
  • fachliche Tiefe mitbringt,
  • gute Entscheidungen trifft,
  • und wer eigentlich nur Standardlösungen reproduziert.

Genau das lässt sich im Moment überall beobachten.

Vor einiger Zeit habe ich selbst ein internes Monitoring-Tool per Vibe-Coding gebaut. Nichts Spektakuläres - aber in wenigen Stunden funktionsfähig. Kurze Zeit später stieß ich im Internet auf ein ähnliches Produkt. Ein kurzer Blick reichte, um die typische "Handschrift" von Claude Code zu erkennen:

  • dieselbe Komponentenlogik,
  • dieselben Hilfsfunktionen,
  • dieselben UI-Muster,
  • dieselbe Struktur.

Das Produkt funktionierte. Aber es hatte keinerlei Eigenständigkeit.

Und genau darin liegt das eigentliche Missverständnis vieler Demokratisierungs-Erzählungen: Ja, die KI demokratisiert Werkzeuge. Die Einstiegshürden sinken massiv. Aber das ist noch keine Garantie für überzeugende Ergebnisse.

Warum Sprachmodelle ausgerechnet bei Code so gut funktionieren

Ausgerechnet beim Programmieren funktioniert der Ansatz "das LLM erledigt die Arbeit" oft erstaunlich gut - und zwar aus demselben Grund, aus dem Sprachmodelle in anderen Bereichen noch deutliche Grenzen haben.

In einem früheren Essay hatte ich beschrieben, dass Sprachmodelle strukturell zur Mitte tendieren: zur statistisch wahrscheinlichsten Antwort, zum Konsens, zur Standardlösung. Bei Strategiearbeit ist das häufig ein Problem. Gute Strategie entsteht oft gerade dort, wo man die Mitte verlässt.

Beim Programmieren ist die Lage nahezu umgekehrt. Wer ein React-Frontend baut, sucht selten die originellste Architektur. Meistens will man genau jene Lösung, die sich in der Praxis bewährt hat und die andere Entwickler sofort verstehen. Dasselbe gilt für API-Designs, Datenbankabfragen oder Infrastrukturmuster. Standardprobleme profitieren oft von Standardlösungen.

Und genau dort sind Sprachmodelle stark. Die Tendenz zur statistischen Mitte wird beim Code plötzlich zum Vorteil: Sie reproduziert etablierte Patterns, bekannte Bibliotheken und gängige Architekturentscheidungen.

Dazu kommt etwas Zweites: Code lässt sich testen. Eine Strategie kann monatelang plausibel wirken, bevor sichtbar wird, dass sie nicht funktioniert. Software dagegen kollidiert relativ schnell mit der Realität:

  • sie läuft,
  • oder sie läuft nicht;
  • sie skaliert,
  • oder sie bricht auseinander.

Diese harte Rückkopplung macht Softwareentwicklung für KI-Systeme deutlich robuster als viele andere Wissensbereiche.

Und der Produktivitätsgewinn ist real. Nicht theoretisch, sondern praktisch spürbar. Aufgaben, die früher Stunden oder Tage gebraucht hätten, entstehen heute oft in Minuten.

Warum die Ergebnisse trotzdem so unterschiedlich sind

Trotzdem entsteht gerade ein Missverständnis: Viele glauben, dass durch Vibe-Coding nun alle ungefähr dieselben Ergebnisse erzielen können. In der Praxis passiert eher das Gegenteil.

Zwei Menschen können mit denselben Modellen und denselben Werkzeugen arbeiten - und völlig unterschiedliche Resultate produzieren. Der eine baut etwas, das aussieht wie hunderte andere KI-Projekte: funktional, aber austauschbar.

Der andere baut etwas, das:

  • durchdacht wirkt,
  • klar strukturiert ist,
  • fachliche Tiefe zeigt,
  • und langfristig tragfähig erscheint.

Der Unterschied liegt nicht im Modell. Er liegt im Menschen.

Erfolgreiche Vibe-Coding-Anwender bringen meist vier Dinge mit:

Erstens: fachliche Tiefe. Sie verstehen das Problem hinter dem Prompt.

Zweitens: Kontext. Sie erklären der KI, warum ihr Fall nicht Standard ist.

Drittens: Widerspruch. Sie prüfen Ergebnisse kritisch, statt sie einfach zu übernehmen.

Und viertens: Sie treffen Architekturentscheidungen selbst. Die KI schreibt vielleicht Komponenten - aber nicht die eigentliche Struktur des Systems.

Genau dort entsteht Qualität.

Und genau deshalb verschiebt sich auch die Rolle des Programmierers. Die eigentliche Schwierigkeit liegt immer seltener im Schreiben von Code - sondern darin, Probleme fachlich zu verstehen, Systeme sinnvoll zu strukturieren und gute Entscheidungen zu treffen.

Das eigentliche Risiko liegt oft unsichtbar darunter

Besonders sichtbar werden die fachlichen Unterschiede bei Detailfragen wie Tech-Stack-Entscheidungen. Wer nie programmiert hat und sich mit KI ein Produkt bauen lässt, bekommt zwangsläufig Empfehlungen:

  • welches Framework,
  • welche Datenbank,
  • welches Hosting,
  • welche Bibliotheken.

Eine erfahrene Entwicklerin kann einschätzen:

  • ob das skalierbar ist,
  • wie aktiv ein Projekt gepflegt wird,
  • welche Sicherheitsprobleme entstehen könnten,
  • oder ob man sich gerade technische Schulden baut.

Ein Anfänger kann das nicht. Zumindest nicht, ohne sich hier erst einarbeiten zu müssen. Er übernimmt die Empfehlung nicht aus Bequemlichkeit - sondern weil ihm die Kriterien fehlen, um sie überhaupt bewerten zu können.

Und genau das macht Vibe-Coding gleichzeitig mächtig und riskant:

Es erzeugt Handlungsfähigkeit schneller als Urteilskompetenz.

Das eigentliche Problem ist Geschwindigkeit

Hinzu kommt eine zweite Dynamik: Software entsteht inzwischen schneller, als sie geprüft werden kann.

Gerade im KI-Umfeld sieht man das überall:

  • Agentenframeworks,
  • Plugins,
  • Toolchains,
  • Open-Source-Projekte.

Alles wächst in einem Tempo, das klassische Review-Prozesse kaum noch einholen. Das Problem ist dabei nicht einmal primär schlechte Absicht. Sondern Beschleunigung. Wer langsamer entwickelt, verliert Marktanteile, Reichweite und Aufmerksamkeit. Wer gründlich prüft, ist oft langsamer - und genau das wird plötzlich zum Wettbewerbsnachteil.

Dadurch entsteht ein struktureller Druck: Geschwindigkeit wird wichtiger als Sorgfalt.

Und genau deshalb wird der Mensch paradoxerweise wichtiger statt unwichtiger. Denn wenn ohnehin alles schneller wird, entscheidet plötzlich stärker:

  • wer gute Entscheidungen trifft,
  • wer Risiken erkennt,
  • wer Architektur versteht,
  • und wer nur generierten Output zusammensetzt.

Warum das weit über Programmierung hinausweist

Die Nervosität rund um Vibe-Coding hat vermutlich noch einen tieferen Grund. Programmierung galt lange als etwas, das nur hochqualifizierte Spezialisten beherrschen. Wenn ausgerechnet dieser Bereich teilweise automatisierbar wird, wirkt das wie ein Signal für viele andere Wissensberufe.

Aber genau hier lohnt sich Präzision. Die eigentliche Beobachtung lautet nicht:

Maschinen ersetzen Menschen.

Sondern:

Maschinen übernehmen den standardisierbaren Teil menschlicher Arbeit.

Und genau dadurch wird sichtbar, was vorher oft unsichtbar blieb:

  • Urteil,
  • Geschmack,
  • Verantwortung,
  • Kontextverständnis,
  • Fachlichkeit.

Diese Dinge verschwinden nicht. Sie werden wertvoller. Genau deshalb ist auch ein Satz von Jensen Huang, dem CEO von NVIDIA, interessant. Ihm wird sinngemäß folgende Beobachtung zugeschrieben:

Wenn ein Technologieunternehmen seine eigene Technologie nicht wirklich versteht, ist es im Kern nur eine Sales-Organisation.

Der Satz beschreibt letztlich dasselbe Problem auf Unternehmensebene: Werkzeuge allein erzeugen noch keine technologische Tiefe.

Was daraus folgt

Vibe-Coding ist weder Betrug noch Magie. Es ist ein sehr mächtiges Werkzeug. Aber wie bei fast allen mächtigen Werkzeugen hängt die Qualität des Ergebnisses stärker vom Anwender ab als vom Werkzeug selbst.

Wer fachliche Tiefe, Strukturverständnis und Sorgfalt mitbringt, kann heute Dinge bauen, die vor wenigen Jahren kaum möglich gewesen wären. Wer das nicht mitbringt, produziert oft vor allem schneller Software, die aussieht wie alles andere. Und genau deshalb macht KI den Unterschied zwischen Menschen nicht kleiner. Sie macht ihn sichtbarer.