Vibe Coding hat gewonnen. Was bleibt: entscheiden, steuern, das Ergebnis verantworten

Vor ein paar Wochen hatte ich einen Technical-SEO-Workshop mit einem Team aus Senior-Entwicklern: Backend, Frontend, DevOps, Fullstack. Zwei Sätze sind hängen geblieben:

“Eigentlich schreiben wir heutzutage gar keinen Code mehr.”

“Es gibt Entwicklung vor Opus 4.7 und danach.”

Senior Devs, Vollzeit. Aber den Code selbst schreiben, das verschwindet aus ihrem Arbeitstag. Was ist also jetzt ihr Job? Festlegen, was es überhaupt wert ist, getan zu werden, und verantworten, was rausgeht. Die Ausführung ist zum Agenten gewandert. Das Definieren, das Vorstellen und die Verantwortung sind geblieben, mit jeder Entscheidung, die dazugehört.

Also: “Vibe Coding” hat gewonnen.

Ich mochte den Begriff nie

Andrej Karpathy (Mitgründer von OpenAI, ehemals AI-Chef bei Tesla) hat ihn im Februar 2025 geprägt. Simon Willison hat den ganzen Post:

There’s a new kind of coding I call “vibe coding”, where you fully give in to the vibes, embrace exponentials, and forget that the code even exists. […] I just see stuff, say stuff, run stuff, and copy paste stuff, and it mostly works.

Für mich klang das immer super abwertend. Also hab ich andere Begriffe verwendet: AI-first Problemlösen, Code-Directing, Agentic Engineering. Viel bessere Wörter für das, was tatsächlich passiert, aber leider fragt mich niemand, welche Begriffe sich durchsetzen. Schockierend, ich weiß … (GEO mochte ich übrigens auch nicht. Was zum Teufel ist eine generative Engine? Hat sich trotzdem durchgesetzt. Manchmal gewinnen meine Begriffe ja: Targeted Pages, die nehme ich als meinen Ruhm in Anspruch.) Also ja, wir bleiben bei Vibe Coding hängen.

Vibe Coding ist Agentic Engineering

Ein Agent ist eine AI, die Dinge tun kann. Du gibst ihr einen Computer, sagst ihr, was du willst, und sie schreibt Dateien, bedient ein Terminal, nutzt einen Browser, füllt Formulare aus und schickt sie ab, schreibt Code, reviewt Code, testet, was sie baut, korrigiert es und läuft diese Schleife wieder und wieder. Mit dem nötigen Zugriff deployt sie und liefert das Ergebnis aus: Apps, Automationen, Websites, andere Agenten.

Code war immer nur Text, der irgendwo von einem Computer ausgeführt wird. Und es stellt sich heraus: AIs sind ziemlich gut darin, ihn zu erzeugen, und, wenn man sie lässt, ziemlich gut darin, ihn samt seinem Output wieder als eigenen Input zu verwenden.

Wir sind nicht mehr in 2023, als die AI einfach Text in einem Chatfenster in einem Browserfenster erzeugt hat. Ziemlich bald kamen Tools dazu: zuerst “nur” Websuche und Webseiten lesen. Dann … mehr.

Die Agenten-Leiter: vom Chat-Tab zum eigenen Computer

So denke ich über die Entwicklung vom AI-Chat zum Agenten:

Text-LLM-Chat: Text rein, Text raus. Du machst die Arbeit.
Chat mit Tools: Websuche, eine Code-Sandbox. Die AI macht Teile der Arbeit, du schiebst die Dinge noch selbst zwischen Chat und Arbeitsumgebung hin und her.
Agent auf einer Maschine: Dateien, Terminal, Tests, Deployments. Er arbeitet direkt an dem, was du geändert haben willst.
Agent mit deinen Logins: Zugriff auf deinen Browser, deine Services, deine Arbeitsumgebung.
Agent mit eigenen Accounts: eigene Mail, eigene Keys, eigene 2FA. Ein eigener User, der für dich arbeitet.
Mehrere Agenten: Subagenten, Teams, Workflows. Einer führt, viele arbeiten.
Agenten auf eigenen Computern: immer an, starten Jobs nach Zeitplan oder Ereignis, berichten zurück. AI-Agenten als virtuelle “Mitarbeiter”.

Wohin führt das alles?

Kurz nachdem Claude Code im Mai 2025 rausgekommen ist, hab ich es als Admin/Root auf einem alten Linux-Laptop installiert und frei laufen lassen. Einfach, um zu sehen, was passiert.

Jetzt, 2026, redet die AI auf meinem Computer, Claude Code, mit Arthur Ficial (mein altes MacBook Air M2, bei mir zu Hause) und mit einem Hetzner-Server, der immer läuft und auf dem ebenfalls Claude Code arbeitet.

Arthur Ficial hat eine eigene Prepaid-Debitkarte, limitiert auf 200 EUR. Es kann neue Serverinstanzen hochfahren, wann es will, und tut das auch. Es ist in meiner Firma onboarded wie ein Mitarbeiter: eigener Account, eigenes Login, eigene API-Keys. Es hat einen Job (ok, viele), einen eigenen Computer, und es trifft eigene Entscheidungen. Und es spart mit mir, wenn es nötig ist. Über OpenRouter nutzt es auch andere AIs, etwa die von Google, wenn es sie braucht oder eine zweite Meinung will.

Ach ja, und es ist Maintainer von apfel, einem GitHub-Repo mit mehr als 6.5k Sternen (Stand November 2026).

Die Grenzen der AI, an die ich stoße, sind meistens meine

Ich teste ständig die Grenzen von AI, und ich laufe immer wieder in meine eigenen Grenzen, bevor ich rausfinde, wie weit die AI die Aufgabe treiben könnte. Zeit. Geld. Die Grenzen, die ich ihr setze, oder die Organisationen, für die ich arbeite. Und meine eigene Kreativität: Ich erwische mich dabei, wie ich denke “das kann AI nicht”, bevor ich es überhaupt probiert habe. Woher soll ich das wissen? Ich hab es ja nicht probiert.

Priorität: die kreative Haltung

Vorstellungskraft und Kreativität werden zu einem Hauptteil von jedermanns Job, wenn wir die Ausführung abgeben können. Was könnten wir probieren, was würde die Dinge wirklich besser machen? Das ist eine Fähigkeit, die wir neu lernen müssen, weil wir sie uns jahrelang abtrainiert haben:

“Zu teuer.”
“Zu technisch.”
“Keine Entwicklungsressourcen.”
“Vielleicht nächstes Jahr.”
“Ich weiß nicht, wie.”

Jede einzelne dieser Ausreden ist jetzt Bullshit. Aber wir haben gelernt, unsere eigenen Ideen umzubringen, bevor wir sie laut aussprechen. Jetzt müssen wir wieder üben, uns Dinge vorzustellen, und sie dann auch wirklich probieren. Inklusive der Erkenntnis, dass die Idee Mist war. Passt. Jetzt wissen wir es. Nächste.

Probieren kostet Zeit und Geld, und jemand muss dir Zugriff geben. Wenn jedes Experiment drei Meetings und die Entwicklungsressourcen von jemand anderem braucht, haben wir die alten Beschränkungen gleich wieder eingeführt.

Dann die organisatorischen Grenzen: Recht, Zugriffe, Logins, interne Regeln. Fast vier Jahre nach ChatGPT klären wir immer noch, was AI in unseren Organisationen tun darf. Definiert diese Grenzen bewusst und schreibt sie auf. Der Agent muss wissen, was er entscheiden darf, was er ändern darf und wann er dich braucht. Menschen brauchen diese Klarheit auch. Und sobald die Grenzen aufgeschrieben sind, lassen sie sich viel leichter hinterfragen.

Und dann hinterfragt sie. Immer wieder. Geht es bei dieser Regel wirklich um Recht, Sicherheit, den Kunden? Oder schleicht sich nur das alte “so läuft das hier halt” wieder ein? Viele Grenzen sind Gewohnheiten mit einem Policy-Namen drauf (ich hab selbst ein paar davon geschrieben, für ziemlich viele Organisationen …). Wenn niemand sagen kann, warum eine Grenze existiert: weg damit, und schauen, was passiert. Wenn es einen Grund gibt: die Begründung hinterfragen.

Fünfzig Entscheidungen vor dem Frühstück

Und dann ist da die Zeit. Je mehr Arbeit du abgibst, desto offensichtlicher wird, wer sie aufhält: der User. In Anthropics Studie dazu, wie sich die Arbeit bei Anthropic verändert, lagen die Stunden interaktiver AI-Agenten im August 2026 sechs zu eins vor den Stunden der Mitarbeiter, und Claude-Sessions verbrachten rund 80% ihrer Zeit mit Warten auf menschlichen Input.

Deine Agenten implementieren und testen weiter, aber sie brauchen eine Entscheidung. Dann noch eine. Dann drei auf einmal. Denn es gibt Entscheidungen, und es wird sie immer geben. Je mehr du abgibst, desto mehr entscheidest du. Du wirst nicht mehr vom Tippen müde, sondern wirst von fünfzig folgenreichen Entscheidungen vor dem Frühstück erdrückt.

Arbeit abgeben füllt deinen Tag mit Entscheidungen, und für Kreativität bleibt nichts übrig. Also musst du entscheiden, welche Entscheidungen der Agent ohne dich trifft, was er selbst überprüft und was deine Aufmerksamkeit verdient. Sonst ersetzen wir einen Tag Ausführung durch einen Tag Agenten-Beantworten.

AI klont Adobe Photoshop, und das ist … langweilig

Was mich interessiert: die Zukunft erfinden, Dinge tun, die vorher unmöglich waren. Und was unmöglich ist, ist von Mensch zu Mensch, von Team zu Team, von Organisation zu Organisation verschieden … und dann schiebst du es darüber hinaus.

Dann die große News im Oktober 2026: Ein Entwickler hat die Adobe-Suite mit AI geklont, Photoshop inklusive. Na und? Das ist Festhalten an der Vergangenheit statt Erfinden der Zukunft. Das ist nicht kreativ. Das ist … langweilig!

Adobe hat Patente und Anwälte, das Geschäft ist zumindest kurzfristig abgesichert. Aber spielt das überhaupt noch eine Rolle? Photoshops größte Konkurrenz war Canva. Und jetzt hat Canva ein Problem, weil AI alltägliche Bildbearbeitung so einfach macht, dass du auch Canva nicht mehr brauchst.

Selbst mit allen Zugriffen bleibt unsere Vorstellungskraft an dem hängen, was wir schon kennen. Buttons. Menüs. Dashboards. Noch ein SaaS-Produkt. Diese Oberflächen gibt es für Menschen: Augen und Finger brauchen etwas zum Sehen und Klicken. Ein Agent mit Zugriff auf das System schreibt ein temporäres Skript, ändert die Pixel oder die Datenbankzeilen direkt, prüft das Ergebnis, löscht das Skript. Warum muss also jede Idee wieder eine App mit Buttons werden? Was ist so toll am Buttons-Klicken?

Diese Grenzen zu verschieben war immer meine Rolle: für Kreativität, fürs Erschaffen, für Profit, aus Spaß. So bin ich überhaupt erst zu SEO gekommen.

Auch Karpathy ist weitergezogen: Agentic Engineering

Im Februar 2026 ist Karpathy selbst auf die Begriffsfrage zurückgekommen: Agentic Engineering, sein bevorzugter Begriff für professionelle Arbeit mit Coding-Agenten. Du orchestrierst Agenten und übernimmst die Aufsicht, und das ist etwas, das man lernen und worin man besser werden kann. Viel näher an dem, was meine Workshop-Entwickler beschrieben haben.

Der Code muss trotzdem funktionieren. Jemand muss das Problem verstehen, einen Ansatz wählen, festlegen, wie gut aussieht, und prüfen, ob das Ergebnis gut genug ist. AI macht Fehler. Das zu erkennen und zu entscheiden, was als Nächstes passiert, ist der Job. Letztes Jahr hab ich in meiner Vorlesung an der FH JOANNEUM gesagt: Niemanden interessiert mehr, wie gut deine Tab-Öffnen-Skills sind. Deine Erfahrung wird zu den Fragen, die du stellst, und zu dem Maßstab, an dem du die Antworten misst.

Also ja, wir sind jetzt alle “Vibe Coder”. Aber was wir eigentlich lernen, ist, Arbeit zu steuern, die wir nicht mehr selbst ausführen müssen, und die Verantwortung für das Ergebnis zu übernehmen.

Mit SEO AI first zu gehen war unvermeidlich, und befreiend

Wenn du zwanzig Jahre lang gut in etwas geworden bist, fühlt es sich seltsam an, Teile davon abzugeben, bedrohlich … (ich weiß, ich hab das mit SEO gemacht!) Aber wenn du das Unvermeidliche akzeptierst, wird es … befreiend! Plötzlich kannst du der Idee nachgehen, die du verworfen hast, dem Faden, dem du nie gefolgt bist, dem Detail, das du durch eine allgemeine Regel ersetzt hast, weil es sich nie ausgezahlt hätte, reinzugehen. Ein Beispiel: Mit AI hab ich ein komplett neues Fehlerszenario beim JavaScript-Rendering von Google gefunden. Ich nenne es jetzt “Destructive Hydration”.

Unsere Rollen ändern sich Schritt für Schritt. Was bei mir bleibt: entscheiden, was probiert wird, die Agenten steuern, prüfen, was sie gebaut haben, den Kopf hinhalten, wenn es live geht. Und die Menschen (Kunden, Teams, der Workshop-Raum) wollen weiterhin einen Menschen. Es bleibt meine Arbeit. Und es bleibt meine Verantwortung, ob der Kunde oder die Teilnehmerin zufrieden ist.

“Eigentlich schreiben wir heutzutage gar keinen Code mehr.” Diese Entwickler lösen immer noch dieselben Probleme, sie tippen die Lösung nur nicht mehr. Was sie sich vornehmen können, ist gewachsen, und ihre Aufmerksamkeit ist vom Code zu den Entscheidungen gewandert. In meinen Workshops passiert dasselbe, wenn jemand probiert, was er für außer Reichweite gehalten hat: “Es funktioniert einfach.” “Ich kann das.”

Und dann kommt die eigentliche Frage: Was machst du jetzt damit? Fang mit der einen Idee an, die du vor Jahren umgebracht hast, weil sie “zu teuer” war.