Vom Vibe Coding zum Agentic Engineering
Andrej Karpathy hält „Vibe Coding“ für 2026 nicht mehr für treffend. Was sein neuer Begriff „Agentic Engineering“ bedeutet, und worin der Unterschied liegt.
2025 prägte OpenAI-Mitgründer Andrej Karpathy den Begriff "Vibe Coding" für eine lockere Praxis: Man beschreibt einer KI in normaler Sprache, was sie programmieren soll, statt den Code selbst zu schreiben. Für 2026 hält Karpathy einen treffenderen Begriff für nötig, einen, der agentisches Programmieren als Werkzeug versteht und nicht als die Kraft, die eine ganze Codebasis im Alleingang baut. Sein neuer Begriff lautet "Agentic Engineering". Dieser Artikel zeigt, was damit gemeint ist und worin der Unterschied zum Vibe Coding liegt.
Wie Entwickler KI heute einsetzen
Mit dem schnellen Aufstieg von KI und KI-Agenten ist generative KI zu einem festen Bestandteil der Softwareentwicklung geworden. In der Developer-Umfrage 2025 von Stack Overflow gaben 84 Prozent der Befragten an, KI-gestütztes Programmieren zu nutzen oder nutzen zu wollen.
Zugleich zeigt dieselbe Umfrage: Mehr Entwickler misstrauen der Genauigkeit von KI-Werkzeugen, als ihnen vertrauen. 46 Prozent äußern Skepsis, nur 33 Prozent fühlen sich sicher mit den Ergebnissen. Ganze 3 Prozent vertrauen den Ausgaben voll und ganz. Erfahrene Entwickler sind besonders vorsichtig, hier liegt das volle Vertrauen nur bei 2,6 Prozent, während 20 Prozent stark misstrauen. Die Botschaft ist klar: Menschliche Kontrolle bleibt unverzichtbar, gerade bei Aufgaben mit hoher Verantwortung.
In der Praxis nutzen Entwickler KI für Dinge, die zeitraubend, aber risikoarm sind, solange ein erfahrener Mensch prüft: Refactoring, Boilerplate und Tests, leichte Code-Reviews, Dokumentation, das Grundgerüst für APIs und ähnliche Aufgaben.
Worin sich Agentic Engineering vom Vibe Coding unterscheidet
Vibe Coding heißt, mit wenigen Anweisungen in natürlicher Sprache schnell zu automatisieren und zu prototypen. Das Wort "Vibe" klingt locker und improvisiert. Für die frühe, tastende Phase der KI-Programmierung passte das, zur heutigen Skepsis gegenüber KI-Agenten passt es nicht mehr.
Ohne echtes Können im Umgang mit Sprachmodellen erzeugt Vibe Coding schnell sogenannten "AI Slop", also Code, der nichts taugt oder Bestehendes kaputtmacht. Solcher Code erhöht die technischen Schulden eines Teams, weil viel Zeit ins Verstehen, Debuggen und Umschreiben fließt.
Karpathy fasst "Agentic Engineering" in zwei Teilen:
Agentic bedeutet: Eine Orchestrierung von Agenten schreibt den Code, der menschliche Entwickler überwacht und bestätigt das Ergebnis. Während das Agentensystem die Teilaufgaben durchläuft, bleibt der Mensch in der Schleife.
Engineering bedeutet: Es braucht Expertise, um agentische Workflows für ernsthafte Code-Produktion zu nutzen, ohne die Qualität zu gefährden. Diese Fähigkeit lässt sich aufbauen und verbessern.
Wie Organisationen Agentic Engineering einführen
Agentic Engineering verschiebt die Arbeit von deterministischer Logik hin zu wahrscheinlichkeitsbasiertem Urteilen. Das verlangt ein grundlegendes Umdenken, wie Organisationen arbeiten und wie Teams aufgestellt sind.
Es beginnt mit klaren Governance-Regeln, die festlegen, wann und wie agentische Abläufe genutzt werden, sodass die menschliche Kontrolle im Zentrum der Qualitätssicherung bleibt. Teams sollten nicht nur im Prompten geschult werden, sondern im Systemdesign: autonome Agenten orchestrieren, ihre Ausgaben validieren und Review-Schleifen in die bestehenden CI/CD-Pipelines einbauen.
Gut gebaute agentische Systeme zerlegen Aufgaben in kleine Module, sodass Agenten in sich geschlossene Komponenten erzeugen, die sauber in die bestehende Codebasis passen, ohne die technischen Schulden zu erhöhen. Viele Organisationen setzen zudem auf RAG-Architekturen, damit Agenten ihre Ausgaben in echter Dokumentation, in Spezifikationen und Repositories verankern. Das senkt Halluzinationen und erhöht die Genauigkeit.
Hilfreich sind interne Playbooks, die sichere Muster festschreiben: Anforderungen an Code-Reviews, Erwartungen ans Testing, die Konfiguration von Leitplanken. Und die Führung muss eine Kultur schaffen, die Experimente erlaubt und zugleich Verantwortung wahrt. Agentische Systeme sollen die Entwicklung beschleunigen, nicht die Expertise ersetzen.
Genau dieses Gerüst, also klare Projektregeln, fest verankerte Reviews und ein Setup, in dem die KI auf den echten Projektdokumenten arbeitet, liefern wir bei unseren KI-gestützten Entwicklungsprojekten mit, damit Ihr Team nach der Übergabe sicher weiterbaut.
Was als Nächstes kommt
Die KI-gestützte Softwareentwicklung entwickelt sich weiter, und mit ihr die Begriffe. "Agentic Engineering" beschreibt heute reifer und genauer, wie Entwickler mit autonomen Systemen zusammenarbeiten, doch die Praxis dahinter wird sich weiter verändern, je fähiger die Agenten werden. In den kommenden Jahren werden sie zunehmend komplexere Aufgaben übernehmen.
Die Rolle der Entwickler verschiebt sich dabei vom reinen Schreiben von Code hin zum Entwerfen, Überwachen und Formen des Verhaltens dieser Systeme. Ob KI-Engineer, Full-Stack-Entwickler, Data Scientist oder Einsteiger, die Grundprinzipien bleiben gleich: menschliche Kontrolle, Verständnis für Systemdesign und Entscheidungen mit gutem Urteil.
Wenn Sie unsicher sind, wo Sie anfangen sollen, fangen Sie klein an. Nehmen Sie sich einen agentischen Workflow vor, ob Open Source oder Enterprise, testen Sie ihn mit Ihrem Team und sehen Sie, was möglich ist.