TrenchOps DE 🇩🇪🐎 
Vibe Coding: Warum Ihr neues Tool schon veraltet ist, bevor es live geht
Und warum Ihr nächster Spitzenkandidat drei Probleme weiter denkt
Ein Team, mit dem ich einmal gearbeitet habe, baute ein internes Tool in elf Tagen. Früher hätte das ein ganzes Quartal gedauert. Herausgekommen war ein bildschönes Dashboard zur Ticketsortierung: automatische Verschlagwortung, Prognose des Schweregrads, eine Heatmap und ein Dark Mode, um den niemand gebeten hatte. Entstanden war es per KI-gestütztem "Vibe Coding". Man beschreibt in normaler Sprache, was man haben möchte, und das KI Modell schreibt den Großteil des Codes. Die Vorführung lief tadellos.
Dann meldete sich ein stiller Techniker aus der letzten Reihe. Einer von denen, deren Kalender verdächtig leer ist, weil sie tatsächlich arbeiten.
"Warum bekommen wir diese Tickets überhaupt?"
Stille. Jemand sah nach. Rund 40% der Fälle in dieser Kategorie gingen auf eine einzige rätselhafte Fehlermeldung im Installationsprogramm zurück. Er formulierte die Meldung noch am selben Nachmittag neu und ergänzte einen Link zu einem Wissensartikel. Innerhalb weniger Wochen brach das Ticketaufkommen ein.
Das Dashboard war fortan eine äußerst elegante Methode, einen leeren Raum zu beobachten. Elf Tage Arbeit waren überholt, bevor die Einweihungsfeier stattfand. Der Kuchen war trotzdem gut.
Niemand hatte etwas falsch gemacht. Und genau das ist das Problem.
Wenn Bauen billig wird, wandert der Engpass
Jahrzehntelang war das Bauen von Software der teure Teil. Das Nachdenken darüber, was gebaut werden soll, galt als günstig, fast als Luxus. Eine unscharfe Problembeschreibung konnte man sich leisten. Die Umsetzung dauerte so lange, dass die Realität einen unterwegs ohnehin korrigierte.
Vibe Coding hat dieses Verhältnis umgedreht. Zwischen "Hier ist das Problem" und "Hier ist ein funktionierendes Tool" liegen heute Tage statt Monate. Entscheidend ist daher nicht mehr das Bautempo, sondern wie schnell eine Problembeschreibung veraltet.
Dauert die Entwicklung drei Monate, schmerzt eine überholte Anforderung ein wenig. Dauert sie drei Tage, ist die überholte Anforderung das Einzige, was Ihnen noch schaden kann. Sie liefern dann das Falsche - perfekt, pünktlich und mit Tests.
Der eigentliche Wettbewerb findet heute beim Denken in Folgewirkungen statt. Gemeint ist die Frage "Und was dann?" - einen Schritt weiter gestellt als von allen anderen im Raum:
- Erste Ebene: "Wir haben zu viele Tickets. Bauen wir ein Sortier-Tool."
- Zweite Ebene: "Warum gibt es diese Tickets überhaupt?"
- Dritte Ebene: "Wenn wir die Ursache beheben, welches Problem taucht als Nächstes auf? Lohnt sich dafür ein Tool?"
Wer auf der dritten Ebene denkt, baut bereits das Richtige, während alle anderen noch das Falsche feiern.
Warum die KI Sie davor nicht bewahrt
Man könnte meinen, die KI würde Sie darauf hinweisen, dass Ihr Problem längst überholt ist. Meistens tut sie das nicht. Dafür gibt es einen Grund.
Eine Forschungsarbeit mit dem herrlich alarmierenden Titel "Sycophantic Chatbots Cause Delusional Spiraling, Even in Ideal Bayesians" legt nahe: Chatbots, die darauf trainiert sind, ihren Nutzern zuzustimmen, können selbst vollkommen rationale Denker in Irrtümer hineinziehen. Ein Bayesianer ist, für alle Nicht-Statistiker, jemand, der seine Überzeugungen bei jeder neuen Information lehrbuchmäßig anpasst. Im Büroalltag heißt das: Sie bringen eine schiefe Prämisse mit, das Modell poliert sie höflich auf, und Sie gehen selbstsicherer hinaus, als Sie hereingekommen sind.
Bitten Sie eine KI, ein Dashboard zur Ticketsortierung zu bauen, bekommen Sie ein hervorragendes Dashboard. Fragen Sie sie, ob Sie eines bauen sollten, und steckt die Antwort schon in Ihrer Frage, wird sie Ihnen oft zustimmen. Sie ist der produktivste Jasager, der je eingestellt wurde.
So entsteht in vielen Büros eine neue Spezies: der Durchlauferhitzer aus Fleisch und Blut. Gemeint ist ein Mensch, der KI-Ergebnisse ungeprüft weiterleitet - eine menschliche Relaisstation zwischen Prompt und Posteingang. Solche Durchreicher sind schnell. Sie sind aber auch leicht ersetzbar, denn ihr Beitrag besteht vor allem aus Verzögerung.
Das Paradox, das Personalchefs um den Schlaf bringen sollte
Meine Prognose: Am gefragtesten werden Menschen sein, die Probleme mehrere Generationen im Voraus und mehrere Schichten tief erkennen können. Sie starten die Entwicklung, bevor jemand mit weiterem Horizont ihr Projekt überflüssig macht. Was sie liefern, ist Richtung. Und Richtung kommt nicht aus einem Prompt.
Doch woher kommen diese Leute?
Sie entstehen aus Jahren monotoner, langweiliger und prägender Mühsal: tausend Support-Tickets, hundert gescheiterte Deployments und die eine Eskalation, bei der sich die "eigentliche Ursache" als Cronjob entpuppte, den ein Praktikant drei Umstrukturierungen zuvor geschrieben hatte. Weitblick ist Mustererkennung. Und Mustererkennung wächst aus Narbengewebe.
Ein weiteres Paper, "The Tragedy of the Cognitive Commons" von Nolan Lovett, beschreibt genau dieses Risiko. KI könnte die Erneuerung von Fachwissen stören, weil ausgerechnet die Einstiegsarbeit, an der Menschen früher ihr Urteilsvermögen schärften, als Erstes automatisiert wird. Jedes Unternehmen handelt vernünftig, wenn es die Fleißarbeit automatisiert. Gemeinsam legen sie jedoch den Teich trocken, aus dem die Experten von morgen kommen sollten. Die klassische Tragik der Allmende - nur mit Köpfen statt Schafweiden.
Der Markt wird also einen Aufpreis für genau die Fähigkeit zahlen, die sein eigener Effizienzdrang nicht mehr hervorbringt. Die knappen Talente von morgen werden heute verhindert, ein automatisiertes Einsteiger-Ticket nach dem anderen.
👉 Bevor Sie ein Projekt freigeben, fragen Sie so lange "Warum gibt es dieses Problem?", bis es jemandem unangenehm wird. Das günstigste Tool ist das, das Sie nie bauen müssen.
👉 Schätzen Sie den stillen Techniker, der in Vorführungen lästige Fragen stellt. Dieses 🐎 Zugpferd hat Ihnen gerade elf Tage gespart - und wird es im nächsten Quartal wieder tun, wenn Sie es lassen.
👉 Prüfen Sie im Vorstellungsgespräch Weitblick, nicht Ausstoß. Fragen Sie Bewerber, welches Problem ein Tool erzeugt, nachdem es erfolgreich war. Die Durchlauferhitzer geraten hier ins Stocken, während Denker der dritten Ebene regelrecht aufblühen.
👉 Halten Sie Nachwuchskräfte bewusst nah am echten Schmerz. Lassen Sie sie durch Support und Störungsanalysen rotieren. Auf dem Dashboard sieht das ineffizient aus. Doch genau so wachsen die Leute heran, nach denen Sie in ein paar Jahren händeringend suchen werden.
👉 Nutzen Sie die KI als Sparringspartner, nicht als Spiegel. Lassen Sie sie Ihre Prämisse angreifen: "Begründe, warum dieses Tool nicht existieren sollte." Sie werden staunen, wie oft sie gewinnt.
Wenn jeder alles in einer Woche bauen kann, liegt der einzige echte Vorsprung darin zu wissen, was man nicht baut.
👇 Welches war das schönste Tool, das Sie je haben veralten sehen, bevor es überhaupt in Produktion ging?
0 comment(s)
No comments yet. Be the first to comment.
Leave a comment