Vom Vibe-Coding zum Agentic Engineering – der richtige KI-Einsatz

Marco Ravicini, CTO & Senior Software Architekt, BBV Software Services. (Source: zVg)

Marco Ravicini, CTO & Senior Software Architekt, BBV Software Services. (Source: zVg)

Vibe Coding ist im Alltag vieler Entwicklungsteams angekommen. Mit wenigen Anweisungen entsteht lauffähiger Code, Fehler landen wieder im Chat. Der Begriff geht auf Andrej Karpathy zurück. Er beschreibt einen Entwicklungsstil, bei dem das gewünschte Ergebnis wichtiger wird als der Code selbst. Der wirksame KI-Einsatz ist eine neue Engineering-Kompetenz: das Spektrum kennen, Trade-offs verstehen und je nach Situation bewusst wählen.
Offenheit zeigt das gut: Wer immer verschlossen ist, verpasst Perspektiven; wer immer komplett offen ist, verliert Schutz und Fokus. So ähnlich verhält es sich mit KI in der Softwareentwicklung. Zwischen klassischer Handarbeit und vollständig autonomem Coding liegen mehrere Stufen. Beim Agentic Engineering erhält die KI Ziele und Leitlinien, plant Umsetzungsschritte, iteriert selbstständig und unterstützt den Entwicklungsprozess über einzelne Prompts hinaus. Beim Autonomous-Coding reicht die Autonomie bis zum Deployment in Produktion.

Die Trade-offs verschieben sich

Mit zunehmender Autonomie steigt die Geschwindigkeit. Gleichzeitig nimmt tendenziell das Verständnis für den erzeugten Code ab. Damit verschiebt sich der Fokus: Ein lauffähiges Ergebnis ist noch keine wartbare Software. Architektur, Testbarkeit und langfristige Änderbarkeit zeigen sich erst in der Wartung.
Auch Sicherheit und Governance werden anspruchsvoller. KI kann produktiven Code erzeugen, entscheidet aber nicht verlässlich, ob regulatorische Anforderungen erfüllt sind oder interne Policies eingehalten werden. Je autonomer ein System arbeitet, desto klarer müssen Reviews, Freigaben und Verantwortlichkeiten sein. Vibe Coding optimiert auf Geschwindigkeit und nimmt wenig Codeverständnis in Kauf. Agentic Engineering verbindet KI-Effizienz mit Reviews, Tests, Refactoring und Architekturarbeit.

Wie lässt sich diese ­Flexibilität erlernen?

Teams lernen den passenden KI-Einsatz durch geführtes Experimentieren. Sie brauchen Freiheiten und gleichzeitig Rahmenbedingungen, die gute Entscheidungen erleichtern. Dazu gehören Guidelines und klare Policies zu erlaubten ­Datenfreigaben.
Mehr Autonomie braucht geschützte Umgebungen. Agents, die ohne Aufsicht Dateien verändern oder Kommandos ausführen, gehören in isolierte VMs oder MicroVMs, damit Fehler kein Sicherheits- oder Produktionsrisiko werden. Zusätzlich braucht es Austausch: Interne Demos und Erfahrungsberichte machen aus Einzelversuchen Teamwissen.

Fazit

Die eigentliche Fähigkeit besteht darin, den passenden Autonomiegrad für die jeweilige Aufgabe zu wählen. Vibe Coding hat seinen Platz, wenn Geschwindigkeit wichtiger ist als langfristige Wartbarkeit. Für professionelle Softwareentwicklung reicht das nicht. Sobald ein System betrieben, erweitert und verantwortet werden muss, braucht das Team ein mentales Modell davon.
Die geforderte Qualität bleibt der Massstab für die Wahl der Methode. KI verändert die Werkzeuge und die Geschwindigkeit. Die Verantwortung für Engineering-Disziplin, Sicherheit und Governance bleibt beim Menschen.