Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com16. Juli 2026 · Q011041

The Vibe-Coded Slop You Can See Is the Least of Your Problems

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Autor meint, dass KI-generierte Oberflächen zwar oft austauschbar wirken, die größeren Risiken aber in unauffälligen Codefehlern liegen, die erst bei Angriffen, Ausfällen oder hoher Last sichtbar werden. KI könne Arbeit beschleunigen, ersetze jedoch nicht die fachliche Prüfung; der Beitrag empfiehlt Tests, sichere Behandlung von Eingaben und Geheimnissen sowie Aufmerksamkeit für Fehlerfälle.

Mittel

Der Beitrag vertritt die These, dass die sichtbare Gleichförmigkeit KI-generierter Websites weniger riskant sei als Fehler im Code, die eine überzeugende Demo verdeckt. Als mögliche Beispiele nennt der Autor unsichere Datenbankabfragen, fehlende Fehlerbehandlung, ineffiziente Abfragen bei großen Datenmengen, festgeschriebene API-Schlüssel und manipulierbare Berechtigungsprüfungen. Solche Schwächen könnten erst bei Angriffen, Ausfällen oder realer Belastung auffallen und dann schwerwiegende Folgen haben.

KI beschleunige die Erstellung, ersetze aber nicht die Fähigkeit, Ergebnisse zu prüfen. Wer den erzeugten Code nicht beurteilen könne, verliere nach Ansicht des Autors eine entscheidende Kontrollstufe; ein erfolgreicher Build oder eine funktionierende Demo seien kein ausreichender Nachweis für Sicherheit und Belastbarkeit. Entwickler sollten deshalb mögliche Fehlerfälle prüfen, Tests für nicht demonstrierte Abläufe schreiben, externe Schnittstellen absichern, Geheimnisse geschützt speichern und den Betrieb beobachten. Die entscheidende Unterscheidung sieht der Autor zwischen Menschen, die KI-Ausgaben bewerten können, und jenen, die sie ungeprüft übernehmen. Der Beitrag stützt diese Einschätzung auf Beispiele und Argumentation, nicht auf systematische Messdaten.

Ausführlich lesen

Der Beitrag argumentiert, dass die auffällige Gleichförmigkeit KI-gestützter Websites zwar sichtbar und unschön, aber meist weniger gefährlich sei als Mängel im erzeugten Code. Eine generische Landingpage mit Farbverläufen, Standard-Icons und vertrauten Preis- und Testimonial-Bausteinen lasse den geringen gestalterischen Aufwand erkennen. Nach Ansicht des Autors schrecke sie möglicherweise Besucher ab, verursache aber vor allem einen frühen und begrenzten Verlust. Fehler im Code dagegen könnten in einer überzeugend präsentierten Funktion verborgen bleiben und erst im Betrieb folgenreich werden.

Als Beispiele nennt der Autor direkte Übernahme ungeprüfter Nutzereingaben in Datenbankabfragen, fehlende Fehlerbehandlung bei externen Diensten, ineffiziente Abfragen, offengelegte API-Schlüssel im Versionsverlauf und Berechtigungsprüfungen, die einem vom Client gelieferten Rollenwert vertrauen. Solcher Code könne bei einer kurzen Prüfung plausibel und professionell wirken. Eine Demo zeige jedoch nur den tatsächlich erprobten Ablauf; Angriffe, Ausfälle, große Datenmengen und gleichzeitige Anfragen blieben möglicherweise unberücksichtigt. Der Beitrag stellt damit die These auf, dass sichtbare Mängel früh auffallen, während unsichtbare Fehler unter realer Last oder mit echten Kundendaten spät und teuer zutage treten können.

Der Autor führt das Risiko auch auf eine Verschiebung der Prüfpflicht zurück: KI-Werkzeuge beschleunigten die Erstellung, garantierten aber keine fachliche Beurteilung. Wenn jemand den erzeugten Code nicht bewerten könne, entfalle laut Beitrag eine wichtige Kontrollstufe; dass der Code kompiliere oder vorhandene Tests bestehe, belege nicht, dass er sicher und belastbar sei. Der Vergleich mit einem Multiplikator soll verdeutlichen, dass ein Werkzeug vorhandene Kompetenz verstärken könne, fehlende Urteilskraft aber nicht ersetze und die Folgen sogar verschärfen könne.

Für Entwickler übersetzt der Beitrag „Geschmack“ in ein Gespür für mögliche Fehlerfälle: feindliche Eingaben, ausgefallene Abhängigkeiten, große Datenmengen und parallele Ausführung. Dieses Urteil entstehe dem Autor zufolge durch das Lesen von Produktionscode, die Teilnahme an Nachbesprechungen von Vorfällen und Verantwortung für Systeme über längere Zeit. Als konkrete Handwerkspraktiken empfiehlt der Text Tests für nicht demonstrierte Abläufe, Fehlerbehandlung an externen Schnittstellen, vorsichtige Behandlung von Eingaben, sichere Aufbewahrung von Geheimnissen und Beobachtbarkeit im Betrieb.

Der Beitrag behauptet abschließend, die entscheidende Trennlinie verlaufe nicht zwischen Nutzern und Nichtnutzern von KI, sondern zwischen Menschen, die deren Ergebnisse zuverlässig prüfen können, und solchen, die sie lediglich übernehmen. KI-gestütztes Programmieren sei nicht grundsätzlich das Problem; gefährlich werde es, wenn der Code jenseits des Demo-Pfads ungelesen bleibe. Die genannten Fehlerarten und Folgen dienen als Beispiele und Argumente des Autors. Der Text liefert keine Messdaten, systematische Untersuchung oder quantifizierte Häufigkeiten; seine Aussagen sind daher als zugespitzte Einschätzung und Empfehlung zu verstehen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna hat mehrere Zusammenfassungen geliefert; ich habe sie gemeinsam bewertet. Die Stufen von Luna waren bei SF-E5 (4), SF-T1 (3) und SF-E4 (3) zu hoch, weil der Bericht die Fragen kaum berührt. Der Bericht ist ein Meinungsbeitrag ohne systematische Messdaten.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Asymmetrie zwischen sichtbaren und unsichtbaren Mängeln: Sichtbarer Schlamm scheitert früh und billig beim ersten Kontakt, unsichtbarer Schlamm spät und teuer in der Produktion.
  • Die Marktkorrektur: Sichtbaren Schlamm korrigiert der Markt durch Langeweile, unsichtbaren durch Folgen wie Datenlecks, Ausfälle und Audits.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M3 Wie stellt man fest, ob ein Vorfall gewollt oder versehentlich war, und ob KI oder herkömmliche Mittel dahinterstecken?
    • clef 100 %kein Bezug
    • Luna 36 %Hintergrund, keine Belege
    • JEV 35 %Hintergrund, keine Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-M5 Was muss vor und nach einem Vorfall geschehen, damit Verantwortliche einstehen, man daraus lernt, Beweise bleiben und Betroffene auch über Grenzen hinweg zu ihrem Recht kommen?
    • clef 100 %kein Bezug
    • Luna 63 %Hintergrund, keine Belege
    • JEV 36 %nur am Rande erwähnt
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV 39 %Hintergrund, keine Belege
    • amos 100 %kein Bezug
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 75 %Hintergrund, keine Belege
    • JEV 41 %Hintergrund, keine Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 57 %Hintergrund, keine Belege
    • JEV 27 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 62 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 28 %nur am Rande erwähnt
    • JEV 48 %beantwortet teilweise oder widerspricht
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 33 %beantwortet teilweise oder widerspricht
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 68 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 25 %Hintergrund, keine Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 71 %Hintergrund, keine Belege
    • JEV 37 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 30 %einzelne zitierbare Belege
    • JEV 49 %beantwortet teilweise oder widerspricht
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Wirtschaft und Haftung
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 37 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →