Analyse der Ermüdung beim „Vibe Coding“ von Entwicklern durch ein KI-Tempo, das schneller ist als das Denken

Kernpunkte:

• Durch den Einsatz von KI-Tools (Claude Code, Cursor) ist die Entwicklungsgeschwindigkeit gestiegen, doch das hohe Arbeitstempo überschreitet die Verarbeitungsgrenzen des Gehirns und verursacht Ermüdung.
• Häufige Kontextwechsel, ein Übermaß an Dopamin und der Rollenwechsel hin zu einer Managerfunktion erhöhen die kognitive Belastung.
• Es entsteht ein Phänomen der „Maschinenzeit“, bei dem Menschen vom Tempo der KI mitgerissen werden; dadurch rückt die Notwendigkeit in den Vordergrund, das eigene Tempo aktiv zu steuern.

---

Einleitung

• Nutzen und Nebenwirkungen von KI-Tools: Ein Entwickler mit 40 Jahren Berufserfahrung entwickelte mit Claude Code und Cursor den Paketmanager Marvai und erlebte dabei eine höhere Produktivität, zugleich aber auch eine beispiellose Ermüdung.
• Problemstellung: Während die Umsetzung von Funktionen und die Fehlerbehebung schneller wurden, konnte das Gehirn mit dem Tempo der KI nicht Schritt halten, sodass bereits nach kurzer Arbeitszeit (rund eine Stunde) Erschöpfung eintrat.

Hauptteil

1. Der starke Anstieg kognitiver Belastung und der Druck der „Maschinenzeit“

• Anwendung der Cognitive-Load-Theorie: Laut der Theorie von Team Topologies erhöhen übermäßige Verantwortung und Themenwechsel die kognitive Belastung. KI-gestütztes Coding treibt diese Belastung an ihre Grenzen.
• Maschinengetriebener Rhythmus: Ähnlich wie Fabrikarbeiter früher unter dem Stress standen, sich an das Tempo der Maschinen anzupassen, erleben Entwickler heute das Phänomen, von der KI zu einem hohen Codiertempo getrieben zu werden („Maschinenzeit“).
• Das Verschwinden des Denkprozesses: Beim herkömmlichen Coding entsprachen Arbeitstempo und Denktempo einander, sodass das Gehirn Zeit zur Verarbeitung („Baking Time“) hatte. KI-Coding verarbeitet jedoch komplexe Architekturen und Entscheidungsprozesse in Sekunden und stört damit die Synchronisierung des Gehirns.

2. Das Nebeneinander von Dopaminüberschuss und Stresshormonen

• Beschleunigte Dopamin-Schleife: Der Dopamin-Belohnungszyklus aus „Coding–Fehler–Lösung–Erfolg“ wird durch KI extrem beschleunigt.
• Emotionale Erschöpfung: Häufige Dopaminausschüttung und tempoinduzierte Stresshormone wirken gleichzeitig und führen statt zu Freude am Coding zu Müdigkeit und Überforderung.

3. Steigende Kosten des Kontextwechsels (Context Switching)

• Überlastung des Gehirn-Caches: Kontextwechsel sind energieintensive Vorgänge, bei denen der Cache des Gehirns geleert und neu gefüllt werden muss.
• Mikro-Kontextwechsel (Micro-Context Switching): KI ändert mehrere Module gleichzeitig oder erzwingt selbst bei einfacher Tab-Vervollständigung (Taste Tab) häufige Mikro-Wechsel vom „Schreibmodus“ in den „Prüfmodus“, wodurch die geistige Energie schnell erschöpft wird.

4. Die grundlegende Veränderung der Entwicklerrolle

• Vom Verfasser zum Manager: Die Rolle wandelt sich von der Umsetzung von Anforderungen in Code hin zu einem „Teamleiter“ oder „Verkehrskoordinator“, der die Ergebnisse eines „schnellen Teammitglieds“ namens KI verwaltet und überprüft.
• Asymmetrie der Verantwortung: Während die KI das Arbeitspensum von fünf Personen ausspuckt, tragen Entwickler weiterhin die letzte Verantwortung für die Codequalität, was die Managementlast erhöht.

Fazit

Empfehlungen für nachhaltiges KI-Coding

• Bewusste Temposteuerung (Pacing): Entwickler sollten sich nicht vom KI-Tempo mitreißen lassen, sondern das Arbeitstempo aktiv selbst bestimmen.
• Einführung neuer Retrospektiven: Es braucht neue Arbeitsroutinen wie tägliche Retrospektiven, um die Synchronisierung zwischen KI und Gehirn zu verbessern.
• Neuausrichtung des Rollenverständnisses: Statt KI-Ausgaben im Detail mikrozumanagen, sollte sich der Arbeitsstil in Richtung eines größeren Vertrauens in die KI verändern.
• Ausblick: Die Zukunft des Codings könnte nicht in bedingungsloser Geschwindigkeitssteigerung liegen, sondern in einer „bewussten Langsamkeit“ und neuen Grenzen, die die kognitiven Grenzen des Menschen berücksichtigen.

[dbs0829]

Selbst bei einfacher Fleißarbeit fühlt es sich irgendwie beruhigender an, lieber gleich ein Makro zu bauen ...

[fantajeon]

Zwischen Menschen ist es genauso.

Auch zwischen Menschen tritt dieses Problem häufig auf.
Wenn die langsamer denkende Person der Manager ist,
sagt sie: „Die Arbeit läuft zu schnell, das ist anstrengend, deshalb ist die Zusammenarbeit schwierig“,
und wenn diese Person der Untergebene ist,
sagt sie: „Ich verstehe nicht richtig, was gemeint ist, deshalb ist die Zusammenarbeit schwierig.“

Letztlich müssen für eine Zusammenarbeit die Chemie und das Zusammenspiel zwischen beiden stimmen.

[bakyeono]

Der Schmerz, des Codens beraubt zu sein und nur noch Code-Reviews und Tests machen zu müssen ...

[colus001]

Ich nutze Vibe Coding nur eingeschränkt, abgesehen von privaten Projekten. In Cursor verwende ich die Autovervollständigung nur für Ideation und für das Codieren mit sich wiederholenden Mustern. In langfristigen Projekten alles mit Vibe Coding lösen zu wollen, halte ich als Entwickler für unverantwortlich.

[tested]

Es scheint, dass diejenigen, die den Code der erzeugten Ergebnisse verstehen, validieren und prüfen, stärker ermüden als Menschen, die nur Prompts schreiben und lediglich Resultate liefern.
Das steht auch im Originaltext.

[onixboox]

Ich denke einfach nur: „Zum Glück reduziert AI die Menge an Arbeit, die ich selbst erledigen muss“, deshalb habe ich diese Art von Erschöpfung noch nie erlebt. Ich nutze zed + claude; manchmal verhält es sich unterwegs seltsam, wenn sich der Kontext ändert. In solchen Fällen setze ich den Code in git zurück und sage dann: „Fass das Obige zusammen und schreibe es neu“ — und dann macht es das oft sauberer. Man tippt den Code zwar nicht mehr direkt selbst ein, aber ist es nicht einfach nur so, dass sich der Prozess verändert hat, die Gedanken im Kopf in Code umzusetzen? Im Gegenteil: Während ich Prompts eingebe, ordnen sich meine Gedanken manchmal sogar besser.

[caniel]

Wird der Prozess des Programmierens nicht zu einer Blackbox, sodass Zeit nötig ist, um den Code mit den Gedanken im Kopf zu synchronisieren?
Beim bisherigen Schreiben von Code ist garantiert, dass Code und die Gedanken im Kopf übereinstimmen, aber beim Codieren mit LLMs ist das eben nicht garantiert.

[onixboox]

Man hat doch nur die Logik im Kopf und prüft dann lediglich, ob der von der AI geschriebene Code wirklich passt — den Code muss man doch nicht mehr im Kopf selbst ausformulieren, oder? Man muss sich nur noch Gedanken darüber machen, wie man dem Prompt möglichst präzise Daten übergibt, und dadurch ist die Arbeit bei mir sogar deutlich schneller geworden.

[caniel]

Ich denke, das könnte davon abhängen, wie konkret man promptet. Wenn man es dem LLM auf Pseudocode-Niveau übergibt, kann ich nachvollziehen, was Sie meinen.

[choihyojun]

Früher fühlte es sich erfüllend an, wenn ich den ganzen Tag Code geschrieben und danach die Arbeit beendet hatte. Jetzt erledige ich den Großteil meines Arbeitstags in Gesprächen, und an den meisten Tagen schreibe ich nicht einmal eine einzige Zeile Code selbst – und trotzdem bin ich ausgebrannt … Dem stimme ich vollkommen zu.

[ds2ilz]

Auch bei mir hat aus genau diesem Grund die Erschöpfung zugenommen. Ich hatte das zwar erwartet, daher ist die Müdigkeit an sich schon in Ordnung, aber von außen wirkt es wohl so, als würde ich beim Coden extrem entspannt arbeiten, weil es diese Zeit, in der man permanent auf die Tastatur einhämmert, nicht mehr gibt. Wenn ich dann sage, dass ich erschöpfter bin als früher, können die Leute das offenbar nicht so recht nachvollziehen....

[reagea0]

Ah, ich habe das Gefühl, dass mir hier endlich klar erklärt wurde, warum ich mich so erschöpft fühle.

[baeba]

1. „Das Tempo ist belebend“ (die positive Seite)

• Position: KI erledigt langweilige Arbeiten schnell, was eher Energie gibt, und senkt zugleich die Lernkosten für neue Tech-Stacks, was positiv gesehen wird.
• Beispiel: Beim Einsatz einer unbekannten Sprache oder eines unbekannten Frameworks konnte man dank KI-Agenten den langweiligen Lernprozess überspringen und sich sofort auf die Implementierung konzentrieren.

2. „Definitionsstreit um Vibe Coding“ (Begriffsverwirrung)

• Debatte: Es ist umstritten, ob „Vibe Coding“ einfach bedeutet, sich von KI helfen zu lassen, oder ob damit gemeint ist, nur das Ergebnis zu prüfen, ohne den generierten Code zu reviewen.
• Konsens: Ursprünglich hatte der Begriff die negative Nuance von „Code nicht reviewen“, inzwischen hat sich die Bedeutung aber auf KI-unterstütztes Coding im Allgemeinen ausgeweitet.

3. „Tempo ohne Verifikation ist technische Schuld“ (die vorsichtige Seite)

• Kritik: Es ist riskant, den von KI erzeugten Ergebnissen zu vertrauen, ohne den Code zu verstehen. Später auftretende Bugs oder Wartungskosten (technische Schuld) werden größer sein.
• Vergleich: Es sei „so, als säße man in einem selbstfahrenden Auto, ohne zu wissen, wohin es fährt“; Implementierung ohne Verständnis schwächt am Ende die Fähigkeit zur Problemlösung.

4. „Erschöpfung durch Context Switching“ (die zustimmende Seite)

• Zustimmung: Während die KI Code generiert, kommt es zu häufigem Context Switching, wodurch die kognitive Belastung stark ansteigt.
• Symptome: Durch das ständige Prüfen und Korrigieren der KI-Ergebnisse ist die mentale Erschöpfung größer als beim direkten Coding. Vier Stunden Arbeit fühlen sich an, als hätte man den ganzen Tag gearbeitet.

5. „Verlust der Freude am Coding“ (Dopaminmangel)

• Erfahrung: Das Erfolgserlebnis (Dopamin), ein Problem selbst gelöst zu haben, verschwindet. Es fühlt sich leer an, als würde man statt des Spaßes am eigenen Zusammenbauen von Lego nur noch das fertige Produkt ansehen.
• Folge: Schnell nur Ergebnisse zu produzieren, ohne Freude am Prozess, macht Entwickler müde.

6. „Für Anfänger Gift, für Erfahrene Medizin“ (Unterschiede nach Erfahrungsgrad)

• Analyse: Erfahrene Entwickler können Fehler der KI schnell erkennen und korrigieren und dadurch produktiver werden, während Anfänger ein hohes Risiko haben, fehlerhaften Code unverändert zu übernehmen, Lernchancen zu verlieren und schlechten Code in großer Menge zu erzeugen.

7. „Erzwungener Rollenwechsel zum Manager“ (Rollenwandel)

• Phänomen: Entwickler werden vom „Schöpfer“, der selbst Code schreibt, zum „Manager/Reviewer“ gedrängt, der von der KI ausgespuckten Code prüft und korrigiert.
• Belastung: Das erzeugt extremen Stress, ähnlich wie wenn man allein in Echtzeit den Code von fünf Junior-Entwicklern (KI) reviewen müsste.

8. „Mangelndes Verständnis für Business-Logik“ (Hinweis auf Grenzen)

• Problem: KI kann gut Code schreiben, versteht aber weder den geschäftlichen Kontext noch die Gesamtarchitektur.
• Realität: Das Abstimmen von Business-Anforderungen auf den Code und die komplexe Arbeit rund um Edge Cases bleiben letztlich weiterhin Aufgabe des Menschen, und genau dabei entstehen Engpässe.

9. „Verschwinden von Pausen und Freiraum“ (Maschinenzeit)

• Vergleich: So wie Fabrikarbeiter früher im Takt der Maschinen arbeiten mussten, geraten Menschen heute in eine „Maschinenzeit“, in der sie vom hohen Generierungstempo der KI getrieben werden.
• Notwendigkeit: „Erzwungene Pausen“ wie Wartezeiten beim Kompilieren verschwinden, sodass das Gehirn keine Zeit mehr hat, Informationen zu verarbeiten und sich zu erholen. Bewusste Pausen sind unverzichtbar.

10. „Übergangsproblem des Tools“ (Ausblick auf die Zukunft)

• Diagnose: Die aktuelle Erschöpfung entsteht durch ein Missverhältnis: Verifikationstools (Tests, Lint usw.) kommen mit dem Tempo der KI-Generierung nicht mit.
• Lösung: Wenn sich Tools weiterentwickeln und Verifikation im gleichen Maß wie die Generierung automatisieren, könnte sich das Erschöpfungsproblem lösen lassen.

[aura01]

Ich habe auch eine ähnliche Erfahrung gemacht und gehe deshalb so vor.

Wenn ich zum Beispiel ein Refactoring durchführe:

„Anweisen, nach der Analyse des bestehenden Codes Alternativen vorzuschlagen“
„Anweisen, die Unterschiede zwischen der Alternative und dem bestehenden Code sowie Vor- und Nachteile zusammenzufassen und zu erläutern“
„Anweisen, Methoden vorzuschlagen, mit denen sich überprüfen lässt, ob die Alternative wirklich besser ist“
„Die Alternative selbst verifizieren“
„Anweisen, die Alternative anzuwenden und Dokumentation sowie Tests zu schreiben“

Das Problem ist, dass der Token-Verbrauch viel zu hoch wird und dadurch die Kosten stark steigen...