Vibe Coding versprach die Demokratisierung der Softwareentwicklung. Für Prototypen mag das stimmen. Für Java-Systeme, die Banken, Krankenhäuser oder Behörden am Laufen halten, gilt das nicht. IT-Entscheider müssen das Fundament ihrer Unternehmens-IT schützen.

Ein Kommentar von Simon Ritter*, Deputy CTO bei Azul

Illustration Absmeier foto magnific

Der Hype um Vibe Coding flaut ab – und die Schadensbilanz wird langsam sichtbar: Sicherheitslücken, Compliance-Verstöße, technische Schulden, für die sich niemand so richtig verantwortlich fühlt. Laut Veracode enthalten 45 Prozent der mit KI generierten Anwendungen ausnutzbare Sicherheitslücken. Dass das Vertrauen der Entwickler in KI-generierten Code laut Stack Overflow binnen eines Jahres von 31 auf 46 Prozent Skepsis gestiegen ist, überrascht wenig. Wer nah am Code arbeitet, sieht, was passiert. Was als Versprechen begann – natürliche Sprache rein, produktionsreifer Code raus – entpuppt sich in der Praxis als unterschätztes Risiko.

Was die KI versteht – und was gemeint war

Natürliche Sprache ist ungenau. Ein Beispiel: »Thomas sah den Mann mit dem Teleskop« – wer hat das Teleskop, Thomas oder der Mann? Für einen Menschen löst der Kontext die Mehrdeutigkeit auf. Für ein KI-Modell nicht zwingend. Das Problem liegt dabei im Grundprinzip: Programmiersprachen sind deterministisch, eine Anweisung bedeutet genau eine Sache. Natürliche Sprache funktioniert grundlegend anders, sie ist kontextabhängig, interpretierbar, offen. Diesen Widerspruch kann man mit besseren Prompts abmildern. Ganz auflösen lässt er sich nicht.

Das Ergebnis ist Code, der auf den ersten Blick funktioniert, aber unter der Oberfläche tut, was das Modell verstanden hat – nicht unbedingt das, was gemeint war. In einer Demo fällt das oft nicht auf. Im Produktivbetrieb kann es teuer werden. Und bei Java-Systemen ist es schlicht nicht akzeptabel.

30 Jahre Verlässlichkeit steht auf dem Spiel

Java ist seit über 30 Jahren in vielen Unternehmen die verlässlich tragende Säule der IT-Landschaft – in Banken, im Gesundheitswesen, in der Logistik, im öffentlichen Sektor. Diese Verlässlichkeit hat einen Grund: jahrzehntelange Qualitätssicherung, strenge Test-Frameworks, präzise Dokumentation und tiefes institutionelles Wissen darüber, was im Betrieb wirklich passiert. Java-Entwickler wissen, wo sie suchen müssen, wenn etwas schiefgeht. Vibe Coding macht genau das schwieriger, weil Code entsteht, dessen Intention kaum noch nachvollziehbar ist: Warum wurde diese Entscheidung getroffen? Was war gemeint? Java-Systeme müssen nicht nur kurzfristig laufen, sondern über Jahre hinweg wartbar bleiben.

KI ja – aber mit Expertise

Künstliche Intelligenz (KI) hat einen Platz in der Softwareentwicklung – beim Refactoring, bei klar abgegrenzten Aufgaben, als Unterstützung im Entwicklungsprozess. Aber ihr Einsatz hier setzt voraus, dass jemand das Steuer hält. Unternehmen, die Java-Systeme betreiben, brauchen nicht weniger Java-Expertise, sie brauchen mehr davon. Erst recht, weil KI auch in Java selbst längst Einzug gehalten hat: Laut dem »2026 State of Java Survey & Report« von Azul enthält bei 32 Prozent der Unternehmen weltweit bereits mehr als die Hälfte aller Java-Applikationen KI-Funktionalität. Wer künstliche Intelligenz in unternehmenskritischen Java-Systemen einsetzt, braucht Partner, die diese Expertise mitbringen: um KI-Output zu bewerten, Standards durchzusetzen und sicherzustellen, dass nur produktionsreifer Code in den Betrieb geht.

Vibe Coding mag für Prototypen funktionieren. Für die Systeme, auf die Ihr Unternehmen täglich angewiesen ist, gilt: Mehrdeutigkeit ist ein Risiko.

*Über den Autor:

Simon Ritter ist Deputy CTO bei Azul und seit 1984 in der IT-Branche tätig. In den 90er Jahren begann er bei Sun Microsystems mit Java zu arbeiten und war im Laufe seiner Karriere sowohl in der Java-Beratung als auch der Java-Entwicklung tätig. Nach seinem Wechsel zu Oracle im Zuge der Übernahme von Sun leitete er das Java-«Evangelism«-Team für die Java-Kernplattform. Simon Ritter wurde zweimal mit dem Java Rockstar Status auf der JavaOne ausgezeichnet und ist ein Java Champion. Er vertritt Azul in der Java SE Expert Group, der OpenJDK Vulnerability Group und dem Adoptium Steering Committee.

237 Artikel zu „Coding KI“

News | Trends 2025 | Trends Security | Favoriten der Redaktion | IT-Security | Künstliche Intelligenz | Strategien

KI-Coding wird zur riskanten Norm – 81 % stellen unsicheren Code bereit

3. September 2025

Report »Future of Application Security in the Era of AI« belegt: Unternehmen generieren bis zu 60 % ihres Codes mittels KI-Coding-Assistenten. Allerdings untersagen mittlerweile 20 % deren Nutzung offiziell. Die Studie »Future of Application Security in the Era of AI« von Checkmarx zeichnet ein umfassendes Bild davon, wie KI-gestützte Softwareentwicklung die Risikolandschaft nachhaltig verändert…