Vibecoding-Müdigkeit: Man hatte uns weniger Arbeit versprochen, wir haben null Pause bekommen

« Ich verbringe die Hälfte meiner Zeit damit, der KI zu sagen, was sie nicht tun soll. » Der Satz stammt von einem Entwickler, der von Morgan Blangeois, Doktorand der Betriebswirtschaftslehre an der Universität Clermont Auvergne, in einem am 28. Juli veröffentlichten Artikel interviewt wurde, auf The Conversation. Wenn du seit mehr als fünf Jahren codierst, hast du wahrscheinlich gerade vor deinem Bildschirm genickt.

Man hatte uns einen Assistenten verkauft. Wir haben ein unermüdliches, sehr schnelles, sehr selbstsicheres Praktikum erhalten, das niemals schläft und das man Zeile für Zeile überprüfen muss. Das ist nicht ganz dasselbe Vertragsverhältnis.

Das Ding hat jetzt einen Namen

Der Begriff « Vibecoding-Müdigkeit » wurde im August 2025 von Jorge Raad, einem ehemaligen Google-Mitarbeiter, populär gemacht. Vibecoding besteht darin, zu beschreiben, was man will, in alltäglicher Sprache, und dann die Maschine den Code produzieren zu lassen. Die Müdigkeit, die damit einhergeht, war nicht in der Broschüre.

Im März 2026 veröffentlichte die Harvard Business Review eine Studie, die bei 1.488 amerikanischen Angestellten von Forschern des Boston Consulting Group durchgeführt wurde. Sie gaben dem Phänomen einen deutlich weniger eleganten Namen: « AI brain fry ». Das Gehirn, das brät. Die Definition ist präzise: eine kognitive Erschöpfung, die durch die Nutzung oder Überwachung der KI über die eigenen mentalen Kapazitäten hinaus verursacht wird. Die Teilnehmer beschreiben einen Nebel, ein Summen oder das Gefühl, zwölf Browser-Tabs gleichzeitig in ihrem Kopf geöffnet zu haben.

Die Zahlen bestätigen das Problem. Personen, die dieses Brain Fry melden, haben etwa 33 % zusätzliches Risiko, unter Entscheidungserschöpfung zu leiden. Sie haben auch ein 40 % höheres Risiko, aktiv kündigen zu wollen. Matthew Kropp, einer der Autoren, stellt klar, dass Ingenieure, die mehrere Agenten parallel steuern, die Kanarienvögel im Bergwerk sind. Mit anderen Worten, sie erkennen die Gefahr früher als andere. Ein Kanarienvogel zu sein, ist für vier Sekunden schmeichelhaft, bis man sich daran erinnert, was ihm passiert.

Der einzige graue Tab ist der von dem, was du gerade gemacht hast.

Die Zahlen, und sie sind nicht schön

Das Upwork Research Institute schlägt seit zwei Jahren dasselbe Eisen ein. Im Jahr 2024 schätzten 77 % der Fachleute, die KI verwendeten, dass sie ihre Arbeitslast erhöht hat. Im Jahr 2025, nachdem 2.500 Arbeiter in vier Ländern befragt wurden, ist das Ergebnis noch verzerrter. Unter denen, die am meisten an Produktivität durch KI gewinnen, geben 88 % an, im Burnout zu sein. Sie sind auch doppelt so häufig geneigt, zu gehen. Das Sahnehäubchen: 62 % verstehen nicht den Zusammenhang zwischen ihrer täglichen Nutzung von KI und den Zielen ihrer Firma.

Technisch gesehen sagt der DORA 2025 Bericht von Google dasselbe mit anderen Messungen. Unter den Befragten verwenden 90 % KI und mehr als 80 % glauben, dass sie sie produktiver macht. Dennoch haben 30 % kein oder fast kein Vertrauen in den Code, den sie produziert. Vor allem geht die Einführung von KI mit einem höheren Liefertempo einher, aber auch mit mehr Instabilität: mehr Ausfälle nach Änderungen, mehr Nacharbeiten und längere Vorfälle zur Lösung.

Fassen wir zusammen. Man liefert schneller, man bricht häufiger, man vertraut dem, was man liefert, nicht und man ist ausgebrannt. Exzellentes Quartal.

Die Ironie ist dreiundvierzig Jahre alt

Dieser Mechanismus ist nicht neu. Das ist das Lustige daran. 1983 schrieb Lisanne Bainbridge einen klassischen Text über die « Ironien der Automatisierung », ausgehend von Flugzeugcockpits und industriellen Kontrollräumen.

Sein Befund besteht aus zwei Teilen. Zuerst übernimmt die Automatisierung die einfachen Aufgaben, die klar beschrieben werden können. Dem Menschen bleiben also die kniffligen Fälle, genau die, die die meiste Erfahrung erfordern. Dann wird von ihm verlangt, ständig eine Maschine zu überwachen, während er diese Aufgaben selbst nicht mehr ausführt. Man entzieht ihm das Training und lässt ihm die Prüfung.

Der Deal in einem Bild. Du hast das Recht gewonnen, nur die schwierigen Teile zu machen.

In unserem Beruf ist der Mechanismus einfach. Den Code, den man nicht geschrieben hat, erneut zu lesen, kann teurer sein, als ihn zu schreiben. Man muss zuerst die Absicht rekonstruieren und dann das Ergebnis bewerten. Wenn du schreibst, triffst du eine Entscheidung und setzt sie um. Wenn du liest, musst du die Entscheidung bei jeder Zeile erneut treffen. Und, wie DORA anmerkt, das Werkzeug kann seine eigenen Zweifel nicht signalisieren. Es gibt eine Dummheit mit genau der gleichen Überzeugung von sich, wie eine gute Antwort. Schnell sortieren ist unmöglich. Du musst alles öffnen.

Das Versprechen war weniger Arbeit. Der tatsächliche Vertrag ist null repetitive Aufgaben und 100 % Entscheidungen. Es ist, als würde man die geraden Linien aus einem Rallye entfernen und dem Fahrer dann erklären, dass man ihm gerade Zeit gespart hat.

Drei Tage für die Demo, siebenundzwanzig für den Rest

Der beste quantifizierbare Gegenpol, den ich kürzlich gelesen habe, stammt von Luc Bonnin, der die Erfahrung bis zum Ende getrieben hat. Er hat ClearSpot.me gebaut, eine Webanwendung zur Geolokalisierung, die Windkraftanlagen erkennt. Er hat sie vollständig mit KI in 30 Tagen erstellt, ohne eine einzige Zeile Code von Hand zu schreiben.

Die erste Version wurde in 3 Tagen veröffentlicht. Sie erforderte 105 Prompts, das heißt 105 Anweisungen, die der KI gegeben wurden, um 80.782 Zeilen zu produzieren. Beeindruckend, wirklich. Dann benötigte es 27 zusätzliche Tage, um eine tatsächlich nutzbare Anwendung in der Produktion zu erhalten. Insgesamt: 1.117 Prompts, 2,5 Milliarden Tokens (die Textstücke, die das Modell liest, schreibt und berechnet) und 206.347 Zeilen am Ende. Vor allem wurden 90 % der Tokens nach dem POC verbraucht, dem Prototyp, der dazu dient, zu überprüfen, ob die Idee tragfähig ist.

Drei Möglichkeiten, dasselbe Projekt zu messen. Alle drei sagen dasselbe und keine sagt, was man gerne hören würde.

Sein Fazit ist klar: „Pareto gilt perfekt, um ein ultra schnelles POC zu erreichen, aber es ist ein Trugbild, wenn man wirklich eine produktionsbereite Anwendung erreichen will.“ Die Datenbank ist von 40 MB auf 40 GB gewachsen, und es mussten 40 Ingestionsalgorithmen geschrieben werden, das heißt Mechanismen, die dafür verantwortlich sind, die Daten zu importieren und zu verarbeiten. Dann hat der erste Test mit zehn Benutzern Probleme mit der Leistung aufgedeckt, die während einer Solo-Demonstration völlig unsichtbar waren. Bei ihm haben zehn Personen ausgereicht, um einen Lasttest durchzuführen.

Das Detail, das jeder vergisst, ist, dass das Ergebnis von guter Qualität war, mit Tests, Dokumentation und einer klaren Architektur, nur weil ein Experte den Prozess ständig überwacht hat. Null Zeilen von Hand geschrieben bedeutet nicht null erforderliche Kompetenz. Die Kompetenz hat sich einfach vom Schreiben zum Lesen verlagert. Und niemand hat daran gedacht zu fragen, ob es weniger ermüdend war.

Was alte Affen bereits tun

Der nützlichste Teil der Untersuchung von Blangeois ist, dass er keine Ratschläge verteilt. Er beschreibt die Lösungen, die die erfahrensten Entwickler bereits selbst gefunden haben, ohne darauf zu warten, dass man sie darum bittet. Daraus ergeben sich drei Strategien.

Die erste ist der Entwurf. Bevor man das Werkzeug öffnet, schreibt man mit einfachen Worten, was man wirklich will. „Du stellst die KI vor dich. Du sagst ihr: Wir werden diese Spezifikation bearbeiten.“ Ohne diesen Rahmen produziert die Maschine etwas Plausibles. Und das Plausible ist der Feind Nummer eins, weil es dem Richtigen sehr ähnlich sieht.

Die zweite ist die Wiederaneignung. Ein Entwickler formuliert es sehr gut: „Ich lese und verstehe jede produzierte Zeile. Nicht um zu überprüfen, ob es funktioniert, sondern um es zu verstehen.“ Der Test, den sie sich auferlegen, ist einfach: Könnte ich diese Zeile vor einem Kollegen verteidigen, ohne Notizen?

Die dritte ist die Ablehnung. Man zieht rote Linien und behält bestimmte Aufgaben für sich. Das gilt für Architekturentscheidungen, die das System über Jahre hinweg binden. Gleiches gilt für Risikobereiche: Zahlungen, medizinische Daten oder Kundendateien. Schließlich behält man die Aufgaben, die dem Beruf Sinn geben. Ansonsten bleibt nicht viel Interessantes im Alltag übrig.

Das rote Klebeband auf dem Schreibtisch ist nicht in der offiziellen Dokumentation des Werkzeugs enthalten.

Der Satz von Blangeois, den ich behalte, ist einfach: Wo erfahrene Fachleute ablehnen, KI zu nutzen, zeigt, was man noch lernen muss, um es selbst zu beherrschen. Das ist der beste Karriere-Rat, den ich dieses Jahr gelesen habe, und er passt in eine Zeile.

Das Ironischste ist, dass diese drei Maßnahmen darin bestehen, die Bremsen wieder in die Hand zu nehmen, die das Werkzeug gerade entfernt hatte.

Der Beruf ist nicht tot, nur sein einfacher Teil

Bonnin schließt seine Erfahrung mit einem Zitat von Jevons, einem Ökonomen aus dem Jahr 1865: Wenn eine Ressource günstiger zu nutzen ist, nutzen wir sie mehr, nicht weniger. Wenn wir mehr Code produzieren, schaffen wir mehr Systeme, mehr Abhängigkeiten und mehr technische Schulden. Daher braucht man mehr Menschen, um das Ganze am Laufen zu halten. So betrachtet, wird uns die Arbeit nicht ausgehen. Eher das Gegenteil macht mir Sorgen.

Die eigentliche Frage scheint mir also nicht zu sein: „Werde ich ersetzt?“ Vielmehr lautet sie: Können wir dreißig Jahre mit Tagen verbringen, die ausschließlich aus Entscheidungen, Abwägungen und Durchsicht bestehen? Bainbridge hat 1983 darauf keine Antwort gegeben. Dreiundvierzig Jahre später sind wir immer noch dabei, das Problem zu entdecken.