Vibe Coding: Ideal für MVP, aber noch nicht produktionsreif
Vibe Coding ist ein neuer Begriff, der durch KI-gestützte Programmierwerkzeuge wie Cursor Einzug gehalten hat. Er bezeichnet das Programmieren ausschließlich durch Eingabeaufforderung. Wir haben verschiedene Benchmarks durchgeführt, um die Vibe-Coding-Werkzeuge zu testen, und basierend auf unseren Erfahrungen diesen ausführlichen Leitfaden erstellt.
Welche Werkzeuge sollte man verwenden?
Es gibt viele verschiedene KI-Code-Editoren mit unterschiedlichen Funktionen. Die beliebtesten sind:
- Cursor : Cursor ist ein agentenbasiertes Werkzeug, mit dem Sie über Composer Dateien in Ihrer Codebasis erstellen, bearbeiten und löschen können.
- Windsurf : Windsurf's Cascade funktioniert ähnlich wie Cursor Composer; Benutzer können angeben, welche Änderungen sie wünschen, und der Agent erstellt sie.
- Google Antigravity : Googles Antigravity ist eine agentenbasierte IDE ähnlich wie Cursor und Windsurf.
- Replit : Replit funktioniert im Browser, was manche Nutzer bevorzugen. Es kann auch als mobile App verwendet werden.
- Cline : Cline ist ein Open-Source-Tool.
- Claude Code : Claude Code ist ein agentenbasiertes Codierungstool, entwickelt vom Team Anthropic. Es kann über die Befehlszeile, Claude Desktop, Claude Web und die VSCode-GUI verwendet werden.
- Devin
- Helfer
- Lovable.dev
- Bolzen
- v0 von Vercel
Diese Tools verfügen über ähnliche Funktionen: Sie nutzen KI-Modelle, um Code zu generieren, bestehenden Code zu modifizieren und Code anhand von Benutzereingaben zu analysieren. Sie können sogar Terminalbefehle ausführen und Fehler mithilfe von Fehlermeldungen beheben.
Einige von ihnen übernehmen auch MCP-Funktionen.
Cursor steigerte seinen ARR innerhalb von 2 Jahren von 1 Million auf 100 Millionen, was einen rasanten Anstieg darstellt und die Bedeutung des Themas sowie die Popularität der Tools unterstreicht.
Wie funktioniert es?
Diese Tools werden von KI unterstützt, daher verfügen sie entweder über ein eigenes LLM oder bieten einige LLM-Integrationen wie Claude Opus 4.5 und GPT 5.2 Codex an, oder sie können selbstgehostete LLMs verwenden.
Die Leistungsfähigkeit der Modelle variiert; manche Modelle eignen sich besser für die Planung, andere wiederum besser für die Umsetzung.
Einige Nutzer berichten außerdem, dass manche Modelle zu selbstsicher auftreten und dem Projekt viele unnötige und unerwünschte Funktionen hinzufügen. Eingabeaufforderungen erhöhen die Genauigkeit des Ergebnisses deutlich.
Was sind die besten Vorgehensweisen beim Vibe Coding?
Planung ist das A und O; jedes Detail muss bis ins kleinste Detail geplant werden.
Wenn Sie die Einstellungen in der Datei .cursorrules oder in einer anderen Datei (z. B. bei Cursor) speichern, hilft dies dem KI-Tool, die Ausrichtung beizubehalten.
Nutzer erwähnten außerdem, dass es der KI hilft, die Richtlinien genauer einzuhalten, wenn sie jedes angewendete Feature in einer separaten Datei schreibt.
Die Tools neigen dazu, in großen Codebasen zu halluzinieren; die Trennung von Aufgaben und das Aufschreiben jedes einzelnen Schrittes helfen dem Tool, auf die Ziele ausgerichtet zu bleiben.
Vergessen Sie nicht, vor der Veröffentlichung des Projekts ein Code-Review-Tool zu verwenden, um die Sicherheit zu gewährleisten.
Wie wird sich das auf die Zukunft von Softwareentwicklern auswirken?
Dies ist ein kontroverses Thema:
Optimisten behaupten, dass diese Tools die Softwareentwicklung beschleunigen und vereinfachen. Mit ihrer Hilfe ließe sich die Arbeit eines ganzen Monats an einem Tag erledigen. Zudem ermöglichen sie es auch Nicht-Entwicklern, Software ohne Programmierkenntnisse zu erstellen.
Pessimisten hingegen behaupten, diese Tools würden die Programmierkenntnisse von Entwicklern zerstören. Ein Junior-Entwickler, der mit Cursor arbeitet, erlernt keine neuen Fähigkeiten, und das sei ein Problem für die Zukunft. Auch die Übernahme aller Aufgaben durch KI stelle – in ihrer jetzigen Form – eine große Bedrohung für die Softwareentwicklung dar.
Dies könnte auch zu Sicherheitsproblemen führen; daher werden Hochsicherheitsbranchen KI-generierten Code vorerst nicht einsetzen.
Wie Karpathy sagte, beschränkt sich die Beschäftigung mit dem bloßen „Sehen, Reden, Ausführen und Kopieren“ heutzutage meist darauf, Dinge zu verarbeiten und zu kommunizieren. Dadurch werden Ideen in der Softwareentwicklung wichtiger als Programmierkenntnisse.
Eine realistische Sichtweise
Für ein Softwareprojekt werden üblicherweise Entwickler und Designer benötigt. Mit diesen Tools kann jedoch auch ein technisch versierter Nutzer ohne Entwicklerkenntnisse sein eigenes Projekt programmieren und damit Geld verdienen.
Die Definition von Softwareentwicklung wird sich in den kommenden Jahren wahrscheinlich verändern; diejenigen mit ausgeprägten Fähigkeiten und Kreativität werden überleben, und der größte Teil der heutigen Arbeit (insbesondere im Bereich der Web- und App-Entwicklung) wird durch KI ersetzt werden.
Unsere Benchmarks mit diesen Tools
Bitte beachten Sie, dass wir in diesen Benchmarks keine vollständige Software getestet haben. Dies bedeutet jedoch nicht, dass die Tools dazu nicht in der Lage wären. Um die Benchmarks so objektiv wie möglich zu gestalten, haben wir keine weiteren Aufforderungen zur Behebung der Probleme im Quellcode ausgesprochen.
Sie können sie über die folgenden Links ausführlicher lesen:
Cursor vs. Windsurf vs. Replit:
Wir haben 2 Aufgaben mit Cursor, Windsurf, Replit, Claude Code und Cline erstellt.
- Prompt-to-API-Benchmark: Windsurf führt diesen Benchmark an. Replit war in dieser Aufgabe nicht verfügbar, da Heroku für die Bereitstellung nicht genutzt werden konnte.
- Benchmark für App-Entwicklung: Claude Code ist mit einer Erfolgsquote von 93 % führend in diesem Benchmark.
Screenshot-zu-Code:
Wir testeten v0, Bolt und Lovable anhand von fünf Figma-Design-Screenshots und baten die Testpersonen, diese zu programmieren. v0 und Bolt erwiesen sich mit Erfolgsquoten von über 70 % als die erfolgreichsten Tools.
KI-Webseitenersteller:
Wir haben v0, Bolt, Lovable und CerebrasCoder dazu aufgefordert, eine Website zu erstellen. Führend im Vergleich ist v0 mit einer Erfolgsquote von 90%.
KI-Codierungs-Benchmark:
Wir haben die KI-Programmierassistenten anhand von fünf verschiedenen Kriterien getestet. Zu den verglichenen Tools gehören Cursor, Amazon Q, GitLab, Replit, Cody, Gemini, Codeium, Codiumate, GitHub Copilot und Tabnine. Cursor ist der Gesamtsieger in diesem Vergleich.
LLM Coding Benchmark – LMC Eval:
Wir haben führende LLM-Programme anhand von 100 verschiedenen Logik-/Mathematik-Programmieraufgaben verglichen. Die Programme OpenAI (o1) und o3-mini sind die Spitzenreiter in diesem Vergleich.
RevEval – KI-Code-Review-Bewertung
Wir haben führende KI-Code-Review-Tools anhand von 309 Pull Requests verglichen, da der Bedarf an solchen Tools mit dem Aufkommen von Vibe Coding deutlich gestiegen ist. Unter den getesteten Tools erzielte CodeRabbit die höchste durchschnittliche Erfolgsquote (80,3 %), gefolgt von Greptile (69,5 %), GitHub Copilot (69,1 %) und Cursor Bugbot (62,3 %).
Ist KI-generierter Code sicher in der Anwendung?
KI-gestützte Programmierassistenten generieren zwar in der Regel sicheren Code, doch Nutzer sollten sich bewusst sein, dass sie Fehlalarme auslösen oder Sicherheitslücken im System hinterlassen können. Daher sollte der generierte Code stets von einem Experten geprüft werden. Es mag verlockend sein, mit KI-gestützter Entwicklung Wochenendprojekte zu starten, doch die Skalierung und Gewährleistung der Kundensicherheit erfordern weiterhin erfahrene Entwickler. Nutzer sollten die KI-gestützte Entwicklung daher nicht als bloßes „Copy-Paste“ betrachten, sondern den Workflow genau verstehen.
Referenzlinks
Seien Sie der Erste, der kommentiert
Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich.