Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).

Vibe Coding & Vibe Engineering¶

Hinweis zur Software-Auswahl:
Diese Dokumentation priorisiert Open-Source-Software, die lokal unter Ubuntu installiert und betrieben werden kann, um absolute Kontrolle über den Quellcode und die Pipelines zu behalten.
Bei proprietären Cloud-Lösungen und kommerziellen Agenten wird stets eine Open-Source-Alternative gegenübergestellt.
LLM-Modelle und APIs werden unabhängig vom Preis gelistet, da sie das Fundament für generative Code-Erstellung und autonome Agenten bilden.

Legende¶

Lernpfad-Übersicht¶

graph LR
    A["🟢 Phase 1\nVibe Coding & MVPs"] --> B["🟡 Phase 2\nVibe Engineering & TDD"]
    B --> C["🔴 Phase 3\nAgenten & Production"]
    A --> A1["Die Vibe-Rolle\nRapid Prototyping\nArchitektur-Prompts"]
    B --> B1["TDD & Test-Shields\nRefactoring & Debt\nModularisierung"]
    C --> C1["Multi-Agenten (Aider)\nCI/CD Test-Suiten\nSicherheitsaudits (SAST)"]

Inhaltsverzeichnis¶

• 🟢 Phase 1 – Vibe Coding Einstieg & Rapid Prototyping
  • 1.1 Konzept: Was ist Vibe Coding?
  • 1.2 Konzept: Die neue Rolle des Software-Architekten
  • 1.3 Thema: Rapid Prototyping mit Chat-LLMs
  • 1.4 Thema: Prompting-Strategien für vollständige Architekturen
• 🟡 Phase 2 – Vibe Engineering: Robustheit & Qualität
  • 2.1 Konzept: Von Vibe Coding zu Vibe Engineering
  • 2.2 Thema: Test-Driven Development (TDD) als Sicherheitsnetz
  • 2.3 Thema: Vermeidung und Reduzierung von Technical Debt
  • 2.4 Thema: Modulare Codebasen & Schnittstellen-Definition
• 🔴 Phase 3 – Autonome Agenten & Production-Grade Pipelines
  • 3.1 Konzept: Autonome Agenten vs. Chat-Assistenten
  • 3.2 Thema: Multi-Agenten-Systeme im Software-Engineering
  • 3.3 Thema: Automatisierte Test- und Review-Pipelines in CI/CD
  • 3.4 Thema: Sicherheitsaudits & Langzeit-Wartbarkeit von KI-Code
• 📋 Praxisprojekte
• 📦 Vollständige Softwareübersicht & Vergleich

🟢 Phase 1 – Vibe Coding Einstieg & Rapid Prototyping¶

Was lerne ich hier?
Wie du Software entwirfst, indem du dich rein auf Konzepte und Beschreibungen konzentrierst (Vibe Coding), Prototypen erstellst und Architekturen vorgibst.
Voraussetzungen: Grundlegendes Verständnis von Softwarestrukturen.

1.1 Konzept: Was ist Vibe Coding?¶

Der Programmierer als Dirigent¶

Beim Vibe Coding schreibt der Entwickler den eigentlichen Code (Syntax) nicht mehr manuell. Stattdessen beschreibt er die logischen Anforderungen, Schnittstellen und das Verhalten der Software in natürlicher Sprache. Die KI generiert, ergänzt und korrigiert den Code im Hintergrund.

Klassisch:  Entwickler (Syntax schreiben) -----------> [ Code ] -----------> Compiler/Interpreter
Vibe-Weg:   Entwickler (Anforderung beschreiben) ----> [ KI (Syntax) ] ----> [ Code ]

1.2 Konzept: Die neue Rolle des Software-Architekten¶

Vom Coder zum Reviewer und Kurator¶

Der Fokus verschiebt sich von der Implementierung hin zu: - System-Design: Wie spielen Module zusammen? - Spezifikation: Anforderungen so präzise formulieren, dass die KI keine Fehlinterpretationen macht. - Kuration: Den generierten Code lesen, verstehen, auf Sicherheit prüfen und integrieren.

1.3 Thema: Rapid Prototyping mit Chat-LLMs¶

Konzept: MVPs (Minimum Viable Products) in Rekordzeit¶

Dank KI-Assistenten können funktionale Prototypen innerhalb weniger Stunden erstellt werden. Wichtig ist dabei, die Anwendung schrittweise aufzubauen, statt die KI auf einmal eine Riesen-App schreiben zu lassen.

Software – Open Source / LLM:¶

1.4 Thema: Prompting-Strategien für vollständige Architekturen¶

Konzept: System-Design vor Code-Generierung einfordern¶

Lass dir von der KI zuerst die Architektur erklären, bevor sie Code generiert:

Prompt-Schema:
1. "Ich möchte eine Anwendung bauen, die [Zweck] erfüllt."
2. "Schreibe noch keinen Code."
3. "Entwirf zuerst eine Liste der benötigten Module und deren Schnittstellen."
4. "Erstelle ein Mermaid-Diagramm des Datenflusses."

🟡 Phase 2 – Vibe Engineering: Robustheit & Qualität¶

Was lerne ich hier?
Wie du den Übergang vom bloßen „Viben" hin zu solider, produktionsreifer Softwaregestaltung (Vibe Engineering) meisterst.
Voraussetzungen: Phase 1 abgeschlossen.

2.1 Konzept: Von Vibe Coding zu Vibe Engineering¶

Warum Vibe Coding allein im produktiven Umfeld scheitert¶

Wer sich blind auf den „Vibe" (die KI-Generierung) verlässt, erzeugt schnell: - Technical Debt: Unstrukturierter Spaghetti-Code, der schwer zu warten ist. - Dependency Bloat: Unnötige Bibliotheken, die Sicherheitsrisiken bergen. - Wartungshölle: Code, den kein Entwickler im Team mehr versteht, weil ihn niemand geschrieben hat.

Vibe Engineering wendet klassische Software-Engineering-Prinzipien (TDD, Modularität, Code-Reviews, Sicherheits-Scans) auf KI-generierten Code an.

2.2 Thema: Test-Driven Development (TDD) als Sicherheitsnetz¶

Das Test-Schild (Test Shield)¶

Wenn die KI den Code schreibt, müssen Spezifikation und Tests deine absoluten Kontrollwerkzeuge sein. Wenn deine Test-Suite (Unit-, Integrations-, E2E-Tests) 100% abdeckt und grün ist, kannst du sicher sein, dass die KI-Generierung das gewünschte Verhalten liefert.

graph LR
    A["1. Du schreibst Test (Spezifikation)"] --> B["❌ Test schlägt fehl (Rot)"]
    B --> C["2. KI schreibt Code (Implementierung)"]
    C --> D["🧪 Tests ausführen"]
    D -->|Fehlgeschlagen| C
    D -->|Erfolgreich| E["✅ Test ist grün"]

Software – alle Open Source:¶

2.3 Thema: Vermeidung und Reduzierung von Technical Debt¶

Konzept: Automatisches Refactoring & Linter-Ketten¶

Lass KI-generierten Code nicht ungeprüft. Erzwinge automatische Formatierung und Code-Qualitätsprüfungen über lokale Linter.

Software – alle Open Source:¶

2.4 Thema: Modulare Codebasen & Schnittstellen-Definition¶

Konzept: Lose Kopplung (Loose Coupling)¶

Modulgrenzen müssen scharf definiert sein. Jedes Modul sollte über standardisierte Schnittstellen (z. B. abstrakte Klassen oder definierte JSON-APIs) kommunizieren. Dadurch kann die KI einzelne Module austauschen, ohne das Gesamtsystem zu beschädigen.

🔴 Phase 3 – Autonome Agenten & Production-Grade Pipelines¶

Was lerne ich hier?
Wie du autonome Agenten im Terminal nutzt, um komplexe Features über mehrere Dateien hinweg zu programmieren und deine CI/CD-Pipeline vollautomatisch absicherst.
Voraussetzungen: Phase 1 & 2 abgeschlossen. Git-Kenntnisse.

3.1 Konzept: Autonome Agenten vs. Chat-Assistenten¶

Der Unterschied der Interaktion¶

3.2 Thema: Multi-Agenten-Systeme im Software-Engineering¶

Konzept: Agenten mit verteilten Rollen¶

In komplexen Projekten arbeiten spezialisierte Agenten zusammen. Ein „Architekt-Agent" plant, ein „Entwickler-Agent" codiert und ein „Tester-Agent" validiert.

Software – alle Open Source:¶

3.3 Thema: Automatisierte Test- und Review-Pipelines in CI/CD¶

Konzept: Die Zero-Trust-Pipeline¶

Jeder Commit, der durch Vibe Coding entsteht, muss eine harte Pipeline durchlaufen:

graph TD
    A["git push"] --> B["☸️ CI/CD Runner (Gitea Actions)"]
    B --> C["🔍 Ruff Linter"]
    B --> D["🧪 pytest Run"]
    B --> E["🔒 Semgrep Security Scan"]
    C --> F{"Checks bestanden?"}
    D --> F
    E --> F
    F -->|Ja| G["🚀 Automatisches Deployment"]
    F -->|Nein| H["❌ Build blockiert & Benachrichtigung"]

Software – alle Open Source:¶

3.4 Thema: Sicherheitsaudits & Langzeit-Wartbarkeit von KI-Code¶

Konzept: SAST & Dependency Scans¶

Weil KIs Code generieren, der veraltete oder fehlerhafte Bibliotheken nutzen könnte, sind automatisierte Dependency-Scans (SCA) zwingend erforderlich.

Software – alle Open Source:¶

📋 Praxisprojekte¶

🟢 Einsteiger: Rapid Prototyping einer CLI-Anwendung¶

Wir erstellen eine funktionale Notiz-App für die Kommandozeile in Python, indem wir der KI (Ollama/ChatGPT) nur das gewünschte Verhalten beschreiben.

graph LR
    A["💡 Konzept: 'Notiz hinzufügen/auflisten'"] --> B["🤖 Prompt an Ollama"]
    B --> C["💻 CLI Python Code"]
    C --> D["✅ Ausführung im Ubuntu Terminal"]

Software (alle Open Source): Python · Ollama

🟡 Fortgeschritten: Testgetriebene Web-API (Vibe Engineering)¶

Wir entwerfen eine API zur Benutzerverwaltung. Wir schreiben zuerst die Tests mit pytest. Danach lassen wir die Implementierung von der KI generieren, bis alle Tests bestanden sind.

Software (alle Open Source): FastAPI · pytest · VSCodium · Continue.dev

🔴 Experte: Autonome Feature-Entwicklung mit Aider¶

Wir erteilen dem Agenten Aider den Auftrag, unserer bestehenden FastAPI-Benutzerverwaltung ein Passwort-Zurücksetzen-Feature hinzuzufügen inklusive Datenbank-Migration (Alembic) und pytest-Tests.

graph TD
    A["🎯 Auftrag: 'Passwort zurücksetzen einbauen'"] --> B["🤖 Aider CLI Agent"]
    B --> C["📝 Modifiziert DB-Model & Route"]
    B --> D["🧪 Schreibt und führt pytest aus"]
    D -->|Fehler| B
    D -->|Erfolgreich| E["💾 Git Commit: 'Add password reset feature'"]

Software (alle Open Source): Aider · Ollama (DeepSeek-Coder) · pytest · Alembic

📦 Vollständige Softwareübersicht & Vergleich¶

KI-Coding-Werkzeuge & Agenten¶

Code-Qualität, Testing & CI/CD¶

Sicherheits-Auditing (SAST)¶

Weiterführende Ressourcen¶

• Aider documentation – CLI-Steuerung für Agenten 🟩
• LangGraph Docs – Multi-Agenten-Pfade entwerfen 🟩
• Ruff Linter & Formatter – PEP 8 Einhaltung prüfen 🟩
• Semgrep Registry – Sicherheitsregeln für CI/CD 🟩
• Playwright Testing – E2E-Tests automatisieren 🟩

Letzte Aktualisierung: Juli 2026

Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).