Abstract

Die Weiterentwicklung großer Sprachmodelle (Large Language Models, LLMs) hat eine Paradigmenverschiebung von der Unterstützung bei der Codeerstellung hin zu autonomen Codierungsagenten ausgelöst. Dies ermöglicht eine neuartige Entwicklungsstrategie, die als „Vibe Coding“ bezeichnet wird, bei der Entwickler die durch KI generierten Implementierungen nicht mehr durch zeilenweise Codeanalyse, sondern durch Beobachtung der Ergebnisse validieren. Trotz ihres transformatorischen Potenzials bleibt die Wirksamkeit dieses emergierenden Ansatzes bisher unzureichend erforscht; empirische Befunde deuten auf unerwartete Produktivitätsverluste sowie grundlegende Herausforderungen in der menschlich-KI-Zusammenarbeit hin. Um diese Lücke zu schließen, bietet diese Übersicht die erste umfassende und systematische Rezension des Vibe Coding mit großen Sprachmodellen und legt sowohl theoretische Grundlagen als auch praktische Rahmenkonzepte für diesen transformatorischen Entwicklungsansatz dar. Auf Basis einer systematischen Analyse von über 1000 Forschungsarbeiten untersuchen wir das gesamte Ökosystem des Vibe Coding und beleuchten kritische Infrastrukturkomponenten wie LLMs für die Codierung, LLM-basierte Codierungsagenten, die Entwicklungsumgebung für Agenten sowie Rückkopplungsmechanismen. Zunächst führen wir Vibe Coding als eine formale Disziplin ein, indem wir es mittels eines eingeschränkten Markov-Entscheidungsprozesses formalisieren, der die dynamische dreigliedrige Beziehung zwischen menschlichen Entwicklern, Softwareprojekten und Codierungsagenten abbildet. Aufbauend auf dieser theoretischen Grundlage synthetisieren wir bestehende Praktiken zu fünf unterschiedlichen Entwicklungsmodellen: Unbeschränkte Automatisierung, iteratives conversatives Zusammenarbeiten, planungsgetriebenes Modell, testgetriebenes Modell und kontextverstärktes Modell. Damit legen wir erstmals eine umfassende Taxonomie für diesen Bereich vor. Entscheidend ist, dass unsere Analyse zeigt, dass der Erfolg von Vibe Coding nicht allein von den Fähigkeiten der Agenten abhängt, sondern vielmehr von systematischer Kontextgestaltung, etablierten Entwicklungsumgebungen und menschlich-KI-kooperativen Entwicklungsmodellen.