Was ist Vibe Coding?
Vibe Coding beschreibt eine Art, Software zu bauen, bei der du einer KI in Alltagssprache sagst, was du haben willst, und den erzeugten Code übernimmst, ohne ihn selbst zu lesen. Taucht eine Fehlermeldung auf, kopierst du sie zurück in den Chat und lässt die KI weitermachen. Geprägt hat den Begriff Andrej Karpathy, Mitgründer von OpenAI und früher KI-Chef bei Tesla, im Februar 2025. Er beschrieb sein Vorgehen sinngemäß so, dass er Dinge sieht, Dinge sagt, Dinge ausführt und Dinge kopiert, und dass das Ganze meistens funktioniert. Gedacht war das für Wegwerfprojekte am Wochenende.
Den Kern bildet das ungeprüfte Übernehmen. Das Fraunhofer IESE weist in seinem Beitrag zu Definition, Potenzialen und Risiken von Vibe Coding darauf hin, dass man die ursprüngliche Definition streng genommen schon verlässt, sobald man den Code reviewt oder testet. Damit ist der Ansatz per Definition Programmieren ohne Kontrolle.
Vibecoding, Vibe-Coding, Vibe Coding: was der Begriff auf Deutsch heißt
Im Deutschen findest du alle drei Schreibweisen, gemeint ist jedes Mal dasselbe. Wörtlich übersetzt heißt der Begriff etwa Programmieren nach Gefühl, die deutsche Wikipedia spricht von Coding nach Lust und Laune. Beide Varianten treffen es gut, denn beim Vibecoding steht das Ausprobieren im Vordergrund und die Planung im Hintergrund.
Vibe Coding Tools im Überblick
Die Werkzeuge lassen sich grob in zwei Gruppen teilen. App-Baukästen wie Lovable, Bolt oder Replit erzeugen aus einer Beschreibung eine komplette Anwendung mit Oberfläche, Datenbank und Hosting. Code-Assistenten wie Cursor, GitHub Copilot oder Claude Code arbeiten dagegen direkt in deinen Projektdateien und schreiben dort mit. Mit allen diesen Vibe Coding Tools lässt sich planlos klicken, mit allen lässt sich aber auch sauber arbeiten. Wie sorgfältig das Ergebnis wird, hängt an dir und nicht am Werkzeug.
Was Prompt Engineering ausmacht
Prompt Engineering ist das Gegenstück auf der Planungsseite. Statt die KI einfach machen zu lassen, formulierst du die Anweisung so, dass vorher feststeht, was herauskommen soll. Du gibst Kontext mit, nennst Anforderungen, setzt Grenzen und sagst, in welcher Form du die Antwort brauchst. Beide Begriffe hängen übrigens zusammen. Auch beim Vibe Coding schreibst du Prompts, nur eben ohne Plan dahinter.
Wie groß der Unterschied ausfällt, zeigt ein einfaches Beispiel aus dem WordPress-Alltag.
| Prompt ohne Plan | Prompt mit Plan |
|---|---|
| Bau mir ein Kontaktformular für meine Website. | Schreib ein Kontaktformular als WordPress-Plugin für PHP 8.2 mit den Feldern Name, E-Mail und Nachricht. Prüf und bereinige alle Eingaben serverseitig, sichere das Formular mit einem Nonce gegen CSRF ab und ergänze ein Honeypot-Feld gegen Spam. Speichere nichts in der Datenbank, versende die Nachricht per wp_mail an eine feste Adresse. Erklär mir jeden Abschnitt, bevor du den nächsten schreibst. |
Der zweite Prompt dauert eine Minute länger. Dafür steht Sicherheit als Anforderung im Auftrag, statt dem Zufall überlassen zu bleiben.
Prompting ist noch kein Engineering
Prompting, also das Eintippen einer Frage in ChatGPT oder Claude, gehört für viele längst zum Alltag. Zum Engineering wird es erst, wenn du systematisch vorgehst. Du testest Formulierungen, vergleichst Ergebnisse und hältst fest, welche Anweisung zuverlässig funktioniert. Bei Texten gilt übrigens dasselbe Prinzip, woran du unbearbeitete Entwürfe erkennst, habe ich im Beitrag KI-Texte erkennen beschrieben.
Was ein Prompt Engineer macht
Ein Prompt Engineer entwickelt und testet solche Anweisungen beruflich, etwa für Chatbots, interne Assistenten oder automatisierte Abläufe. Als eigene Stelle ist das eher selten zu finden. Häufiger ist Prompt Engineering eine Fähigkeit, die Entwickler, Texter und Marketer zusätzlich mitbringen.
Context Engineering als nächster Schritt
Inzwischen fällt oft der Begriff Context Engineering. Gemeint ist, dass die KI neben der Anweisung auch das passende Umfeld bekommt, also bestehende Dateien, Dokumentation, Regeln für den Code und frühere Entscheidungen. Je mehr die KI über dein Projekt weiß, desto weniger muss sie raten. Für mich ist das die logische Weiterentwicklung von Prompt Engineering und kein Ersatz dafür.
Zwei Arbeitsweisen im direkten Vergleich
Beide Ansätze nutzen dieselben Sprachmodelle und oft sogar dieselben Programme. Der Unterschied liegt darin, wer das Steuer in der Hand hat.
| Vibe Coding | Prompt Engineering | |
|---|---|---|
| Ausgangspunkt | eine Idee, spontan beschrieben | Anforderungen, die vorher feststehen |
| Rolle des Menschen | Ideengeber, der Ergebnisse durchwinkt | Auftraggeber, der Vorgaben macht und prüft |
| Umgang mit Fehlern | Fehlermeldung zurück an die KI | Ursache verstehen und gezielt korrigieren |
| Sicherheit | nur, wenn die KI zufällig daran denkt | feste Anforderung im Prompt |
| Geeignet für | Prototypen, private Helfer, Experimente | alles, was live geht oder Daten verarbeitet |
| Voraussetzung | kaum Vorwissen | Verständnis für das, was entstehen soll |
Eine KI baut, was du beschreibst. Was du nicht beschreibst, baut sie nur ein, wenn sie zufällig daran denkt.
Genau hier sieht Jens Wessling, Technikchef des Sicherheitsanbieters Veracode, das Problem. Beim Vibe Coding würden Sicherheitsanforderungen in der Regel gar nicht erst formuliert, schreibt er zur Vorstellung des GenAI Code Security Report 2025. Was im Prompt fehlt, fehlt meist auch im Code.
Welche Risiken Vibe Coding birgt
Ich halte KI beim Programmieren für ein starkes Werkzeug. Gerade deshalb lohnt sich ein ehrlicher Blick auf die Zahlen, denn die Fehler, die beim planlosen Zusammenklicken entstehen, sieht man einer fertigen Anwendung nicht an. Sie läuft, sieht gut aus und hat trotzdem offene Türen.
Sicherheitslücken in fast jedem zweiten Fall
Veracode hat für den genannten Report über 100 Sprachmodelle mit 80 Programmieraufgaben getestet. In 45 Prozent der Fälle enthielt der erzeugte Code eine Schwachstelle aus den OWASP Top 10, der bekanntesten Liste der kritischsten Risiken für Webanwendungen. Gegen Cross-Site-Scripting, bei dem Angreifer eigene Skripte in eine Seite einschleusen, war der Code in 86 Prozent der Fälle nicht abgesichert. Bei Java lag die Fehlerquote über 70 Prozent, bei Python, C# und JavaScript zwischen 38 und 45 Prozent. Die Modelle schreiben also Code, der funktioniert, aber oft nicht sicher ist.
Erfundene Pakete als Einfallstor
Sprachmodelle schlagen gern Bibliotheken vor, die es gar nicht gibt. Eine auf der USENIX Security 2025 vorgestellte Studie zu Paket-Halluzinationen hat 576.000 Codebeispiele aus 16 Modellen ausgewertet. 19,7 Prozent der empfohlenen Pakete existierten nicht. Ärgerlich wäre das nur, wenn die Namen zufällig wären. Als die Forschenden 500 Anfragen jeweils zehnmal wiederholten, tauchte in 43 Prozent der Fälle derselbe erfundene Name in jedem Durchlauf wieder auf.
Angreifer können solche Namen in öffentlichen Paketverzeichnissen registrieren und mit Schadcode füllen, das Ganze heißt inzwischen Slopsquatting. Wer einfach installiert, was die KI vorschlägt, holt sich im schlimmsten Fall genau so ein Paket ins Projekt.
Offene Datenbanken in fertigen Apps
Wie das in der Praxis aussieht, zeigt die Schwachstelle CVE-2025-48757. Der Entwickler Matt Palmer hat im Frühjahr 2025 insgesamt 1.645 Anwendungen aus dem öffentlichen Showcase des App-Baukastens Lovable geprüft. Bei 170 davon fehlte in der Datenbank die sogenannte Row Level Security, also die Regel, wer welche Datensätze lesen darf. Über frei zugängliche Schnittstellen ließen sich Namen, E-Mail-Adressen, Finanzdaten und API-Schlüssel abrufen. Die Apps funktionierten und wirkten fertig, waren aber für jeden offen, der wusste, wo er suchen muss.
Kundendaten im Prompt
Ein Risiko entsteht schon vor der ersten Codezeile. Wer echte Kundendaten, Zugangsdaten oder Datenbankauszüge in einen Chat kopiert, damit die KI einen Fehler findet, gibt diese Daten an einen externen Dienst weiter. Für eine Website, die personenbezogene Daten verarbeitet, ist das auch eine Frage des Datenschutzes. Worauf du dabei grundsätzlich achten solltest, habe ich im Beitrag zur DSGVO-konformen Website zusammengefasst.
Programmieren mit KI: So arbeitest du mit Plan
Die gute Nachricht ist, dass sich die meisten dieser Risiken mit überschaubarem Aufwand vermeiden lassen. Das BSI und die französische Cybersicherheitsbehörde ANSSI haben schon 2024 gemeinsame Empfehlungen für KI-Programmierassistenten veröffentlicht. Die Grundhaltung darin ist eindeutig, KI-generierter Code wird nicht blind übernommen. Mit diesen sieben Schritten bleibt die KI ein Werkzeug und wird nicht zum Risiko.
- Schreib vor dem ersten Prompt auf, was das Ergebnis können muss und was auf keinen Fall passieren darf, Sicherheitsanforderungen eingeschlossen.
- Gib Kontext mit, also Systemumgebung, Versionen, bestehende Struktur und deine Regeln für den Code.
- Arbeite in kleinen Schritten und lass dir jeden Abschnitt erklären, bevor der nächste kommt.
- Prüf jedes vorgeschlagene Paket vor der Installation darauf, ob es existiert, verbreitet ist und gepflegt wird.
- Kopier keine echten Kundendaten, Passwörter oder API-Schlüssel in den Chat, sondern arbeite mit Testdaten.
- Teste auf einer Staging-Umgebung mit Backup und nie direkt auf der Live-Seite.
- Lass den Code vor dem Livegang von jemandem prüfen, der ihn versteht, und ergänze automatische Codeanalyse, wie sie auch Veracode empfiehlt.
Für WordPress-Seiten kommen dieselben Grundlagen dazu wie bei jedem anderen Code, die wichtigsten habe ich im Beitrag zur WordPress Sicherheit gesammelt. Wie Planung bei einer Website insgesamt aussieht, zeigt mein Webdesign-Prozess.
Wann Vibe Coding völlig in Ordnung ist
Ich will Vibe Coding nicht schlechtreden. Für einen Klickdummy, mit dem du eine Idee testest, für ein kleines Skript, das nur auf deinem Rechner läuft, oder für ein Experiment am Wochenende ist es schnell und günstig. Genau dafür hat Karpathy den Begriff ursprünglich verwendet. Das Fraunhofer IESE empfiehlt ein hybrides Modell mit Vibe Coding für Tempo und Ideenfindung und klassischer Entwicklung für Qualität, Sicherheit und Skalierung.
Wo die Grenze liegt
Für mich ist die Grenze erreicht, sobald eine Anwendung öffentlich erreichbar ist und mit Daten arbeitet. Logins, Kontaktformulare, Zahlungen, Kundenkonten und alles mit personenbezogenen Daten gehören nicht in ungeprüften KI-Code. Die KI darf hier gern mitschreiben. Was live geht, entscheidet aber ein Mensch, der versteht, was der Code tut.
