Vibe-Coding, Agentic Engineering und alles dazwischen: Wie wir KI in der Softwareentwicklung wirklich nutzen

Die Softwareentwicklung befindet sich mitten in ihrer größten Transformation seit der Einführung von Hochsprachen. Wir tippen nicht mehr nur mühsam Zeile für Zeile Syntax, sondern formulieren Intent (Absicht) – und überlassen Maschinen die Übersetzung in lauffähigen Code.

Gerade im Bereich des öffentlichen Verkehrs, in dem MENTZ seit über 50 Jahren komplexe Softwarelösungen entwickelt, bedeutet das eine enorme Chance, aber auch eine große Verantwortung. Fahrpläne, EFA-Auskunftssysteme und Dispositionstools erfordern höchste Präzision. Fehler an Schnittstellen können den Betrieb im Nahverkehr lahmlegen.

Wie passt also die neue Welle der KI-Entwicklung (von Karpathys viralem „Vibe Coding“ bis hin zu strukturiertem „Agentic Engineering“) in den Berufsalltag eines traditionsreichen, aber hochgradig innovativen Softwarehauses? Werfen wir einen Blick auf das Spektrum, die Begrifflichkeiten und unsere konkreten Praxiserkenntnisse.

Was ist was? Das Spektrum der KI-gestützten Entwicklung

Statt KI-Entwicklung als Schwarz-Weiß-Thema zu betrachten, ordnet man die Ansätze am besten auf einem Kontinuum ein. Die Kernfrage lautet nicht ob wir KI nutzen, sondern wie viel Struktur, Validierung und menschliche Steuerung das Modell umgeben.

[Vibe Coding] -------> [Structured AI-Assisted] -------> [Agentic Engineering]
 (Experimentell)          (Mensch führt Regie)             (Autonome Systeme)

1. Vibe Coding: Das schnelle Prototyping

Anfang 2025 prägte der KI-Forscher Andrej Karpathy den Begriff „Vibe Coding“. Man beschreibt der KI in natürlicher Sprache schlicht, was man haben möchte, akzeptiert den Output weitgehend ungeprüft und kopiert im Fehlerfall einfach die Fehlermeldung zurück in den Prompt.

• Der Vibe: Extrem hohes Tempo, extrem niedriges Einstiegslevel.
• Risiko: Hohe technische Schulden (Low CapEx, High OpEx). Code-Qualität und Sicherheit treten in den Hintergrund.

2. Structured AI-Assisted: Der „Junior Developer“ im Paar-Programming

Hier agiert die KI als hochproduktiver Assistent. Der Entwickler steuert den Prozess aktiv, gibt dedizierte Prompts mit Randbedingungen, prüft kritische Code-Abschnitte manuell und übernimmt die Architektur.

• Der Vibe: Kollegialer Dialog zwischen Mensch und Maschine.
• Risiko: Zeitverlust durch Overhead beim Reviewen, wenn der Prompt ungenau war.

3. Agentic Engineering (Spec-Driven Development): Das autonome Entwicklerteam

Am anderen Ende des Spektrums steht das Agentic Engineering (oft eng verknüpft mit Spec-Driven Development, SDD). Hier arbeitet die KI nicht mehr nur als Autocomplete, sondern führt autonome Schleifen aus (Perceive, Plan, Act, Observe, Iterate). Frameworks und sogenannte „Harnesses“ umgeben das Modell mit automatisierten Evals, Testsuiten, CI/CD-Pipelines und Sicherheits-Guardrails. Wie dieser Wandel von ad-hoc Prompts hin zu agentischen Systemen ausseht, beschreibt unter anderem die umfassende Studie The New SDLC With Vibe Coding von Google-Autoren wie Addy Osmani und Shubham Saboo.

• Der Vibe: Orchestrierung eines KI-Entwicklerteams durch Spezifikationen und Regeln.
• Risiko: Hohe Rechen- und Token-Kosten (High CapEx); erfordert extrem präzise Vorarbeit und Leitplanken.

MENTZ Erkenntnisse aus der Praxis

Als Entwickler von kritischer Infrastruktur für Verkehrsverbünde können wir nicht einfach blind auf „Vibe“ setzen. Dennoch nutzen wir das gesamte Spektrum gezielt aus – mit sehr unterschiedlichen Lessons Learned.

Vibe Coding: Unschlagbar für Prototypen

Für schnelle Pilot-Projekte, UI-Demos oder Skripte ist Vibe Coding unschlagbar. Eine Idee für ein Visualisierungstool einer Buslinie lässt sich in Minuten umsetzen.

• Erkenntnis: Für große, bestehende Codebasen oder tief verwobene Kernmodule funktioniert reines Vibe Coding (noch) nicht. Ohne tiefes Verständnis der Softwarearchitektur entstehen schnell halluzinierte Abhängigkeiten, schlecht wartbarer Code oder unsichere Schnittstellen.

Structured AI-Assisted: Wie ein fleißiger Junior Developer

In der alltäglichen Modul-Entwicklung nutzen wir KI-Assistenten strukturiert. Es fühlt sich an, als würde man einen sehr schnellen Junior-Entwickler anleiten. Man gibt Aufgaben ab, spart enorm viel Zeit bei Boilerplate-Code, muss aber immer wieder hinschauen und korrigieren.

• Erkenntnis: Das ist ein Lernprozess. Jede Aufgabe ist anders und die Fähigkeiten der Modelle verändern sich rasant. Was letzte Woche noch an Grenzen stieß, gelingt dem nächsten Modellupdate mühelos. Wichtig ist hier das Context Engineering – also wie wir dem Modell die richtigen Regeln mitgeben. Welche Erkenntnisse es dazu aus Studien und Untersuchungen gibt, beleuchten wir in unserem MENTZ-Blogbeitrag zur KI-Produktivität im Entwickleralltag.

Agentic Engineering: Das virtuelle Team mit Guardrails

In komplexeren Projekten (wie aktuell im Umfeld unserer EFA-Systeme) testen wir agentische Frameworks wie GSD (Get Stuff Done). Die KI übernimmt hier eigenständig Schritte des Software Development Life Cycle (SDLC). Man greift nur noch an definierten Meilensteinen prüfend ein.

• Erkenntnis: Das ist wie ein eigenes Entwicklerteam, aber auch extrem teuer im Hinblick auf API-Tokens und Rechenleistung. Weil hier der „Human-in-the-loop“ bei der direkten Code-Generierung fehlt, sind strenge Guardrails, Testsuiten und Kontext-Abgrenzungen überlebenswichtig. Fehlen diese, läuft der Agent stundenlang in die falsche Richtung.

Gibt es die eine perfekte Lösung?

Sowohl Branchenberichte als auch unsere eigenen Erfahrungen zeigen: Nein, es gibt nicht das eine universelle Paradigma. Welches Modell der Zusammenarbeit sinnvoll ist, hängt stets vom Kontext ab:

Dimension	Vibe Coding	Structured AI-Assisted	Agentic Engineering
Hauptanwendungsbereich	Prototypen, Proof-of-Concepts, Skripte	Neue Features in bestehendem Code	Komplexe Subsysteme, Migrationen
Rolle des Entwicklers	„Ausprobierer“ / Prompter	„Conductor“ (Direkte Regie)	„Orchestrator/Builder“ (System-Designer)
Prüfmechanismus	Manuelles Ausprobieren („Passt schon“)	Code-Review & Spot-Checks	Automatisierte Evals & CI/CD-Gates
Kostenstruktur	Sehr günstig (Low CapEx)	Moderat	Hoch (API Token Intensiv)

Die Zukunft der Softwareentwicklung liegt keineswegs darin, dass Entwickler durch KI komplett ersetzt werden – eine Frage, die wir auch in unserem Artikel Werden Entwickler durch KI überflüssig? ausführlich eingeordnet haben.

Vielmehr wandelt sich die Rolle des Engineers: Weg vom reinen Zeilen-Schreiber hin zum System-Architect und Orchestrator.

Fazit: Das Zusammenspiel macht den Unterschied

Weder reines Vibe Coding noch vollautonome KI-Agenten ohne menschliche Kontrolle sind die Antwort für kundenkritische Software im öffentlichen Verkehr. Die Kunst besteht darin, das richtige Werkzeug für die jeweilige Phase im SDLC zu wählen:

1. Vibe Coding nutzen, um Ideen rasch greifbar zu machen.
2. Structured AI-Assisted Workflows im Alltag einsetzen, um repetitive Code-Arbeiten effizient zu erledigen.
3. Agentic Engineering dort etablieren, wo gut formulierte Spezifikationen und saubere Leitplanken automatisierte Qualitätsprüfungen ermöglichen.

Bei MENTZ verbinden wir über fünf Jahrzehnte Domänenwissen im ÖV mit modernsten KI-Methoden. Denn am Ende des Tages zählt im öffentlichen Nahverkehr nicht nur, wie schnell der Code generiert wurde – sondern dass der Bus pünktlich kommt und die Fahrplanauskunft absolut zuverlässig funktioniert.