Der Silicon-Valley-Investor Naval Ravikant hat in letzter Zeit in einem Podcast über den „vibe coding“-Boom gesprochen. Er ist der Ansicht, dass AI-Coding-Agenten bereits einen wichtigen Kipppunkt überschritten haben: Von Werkzeugen, die früher nur beim Schreiben von Code helfen konnten, haben sie sich zu „lang laufenden Agenten“ entwickelt, die in der Lage sind, aus dem Nichts eine Anwendung zu bauen. Er stellt sogar eine zugespitzte These auf: Wenn KI Nutzer direkt dabei unterstützt, personalisierte Apps zu erstellen, dann stehen möglicherweise die Soft- und Hardwarevorteile, die iPhone und App Store langfristig aufgebaut haben, vor einer Herausforderung.
Naval sagt, der Zeitpunkt, an dem er wieder anfing zu programmieren, sei nach der Veröffentlichung von Claude Opus 4,5 im Dezember 2025 gewesen, als sich die Fähigkeiten von AI-Coding-Agenten deutlich sprunghaft verbesserten. Er beschreibt, dass diese Agenten heute nicht mehr wie frühe Tools nur einen Codeabschnitt liefern, den Nutzer kopieren und in ihre Entwicklungsumgebung einfügen – sondern dass sie in einem Terminal lange laufen können, das Dateisystem verstehen, Unix-Befehle aufrufen, Tests ausführen, Bugs beheben und sogar eine komplette Anwendung fertigstellen.
Er glaubt, dass diese Erfahrung so abhängig macht, weil sie die „Startkosten“ beim Programmieren massiv senkt. Früher musste man App-Entwicklung beherrschen: GitHub, Backend-Services, Firebase, Railway, Xcode, Command-Line-Tools und jede Menge Engineering-Fachbegriffe. Heute reicht es, wenn Nutzer ihre Anforderungen einfach in natürlicher Sprache beschreiben: Die KI übersetzt dann Englisch in Python, C, Rust, Lisp oder in eine beliebige Kombination aus Frameworks und Tool-Befehlen. Für Menschen mit grundlegenden Konzepten von Computerarchitektur sinkt damit die Hürde für Softwareproduktion drastisch.
Vom persönlichen App Store bis zum Fitness-Tracker: KI macht Software zu „maßgeschneidert“
Naval verriet in der Sendung, dass er bereits einen „persönlichen App Store“ gebaut hat. Dieser App Store ist kein öffentlich gelistetes Business-Platform, sondern ein privates Veröffentlichungs-System für ihn selbst, für Freunde und für die Familie: Er kann die KI bitten, eine App zu generieren, und wenn die KI fertig ist, liefert sie das Ergebnis automatisch auf die Seite seines persönlichen App Store, sodass er die App mit einem Klick auf sein iPhone installieren kann.
Er nennt ein Beispiel: Er habe die KI gebeten, eine Fitness-Tracking-App zu bauen, die exakt seinen persönlichen Nutzungsgewohnheiten entspricht. Er wollte, dass sie die Funktionen von Tonal und Ladder kombiniert, sich an die Apple Human Interface Guidelines hält, wie eine native Apple-App aussieht; außerdem sollte sie frühere Trainingsaufzeichnungen lesen, das Eingeben neuer Datensätze vereinfachen, Diagramme erzeugen, Kraftwerte berechnen, sogar wissenschaftliche Paper lesen und darüber nachdenken, wie man Muskelkraftfortschritt anhand der Körperregion bewertet. Später lässt sich das auch mit Apple Health verbinden, um Daten wie Herzfrequenz auszulesen.
Naval betont, dass solche Apps nicht zwangsläufig alle etablierten Produkte ersetzen werden. Für allgemeine Bedürfnisse wie Kommunikation, Taxiabruf, Banking oder Social-Plattformen wird es am Markt weiterhin die stärksten „best-of-breed“-Produkte geben. Aber was AI-Coding-Agenten wirklich öffnen, sind die Anforderungen an „extrem personalisierte“ und „extrem Nischen“-Software: Apps, die nur für dich existieren, nur zu deinem Workflow passen und sogar nur für einen bestimmten Lebenskontext gebaut werden.
Das ist auch der Grund, warum er „vibe coding“ attraktiver findet als Videospiele. Videospiele ziehen Spieler durch Echtzeit-Feedback, Aufgabenbelohnungen und eine Schwierigkeitskurve in ihren Bann; aber das ist letztlich eine geschlossene Welt, die von anderen entworfen wurde. „Vibe coding“ ist dagegen eine offene Welt: die Grundlage ist eine Turing-Maschine, die Ziele der Nutzer können sich unendlich ausdehnen – und die Ergebnisse können in der realen Welt echte praktische Wirkung entfalten.
„Zu wissen, was man will“, ist die wichtigste Fähigkeit
Naval weist jedoch auch darauf hin, dass vibe coding nicht dazu führt, dass automatisch alle zu Ingenieuren werden. Die meisten sehen den Computer weiterhin als Blackbox. Selbst wenn die Schwierigkeit um 10 oder 100 reduziert wird, kann das für sie trotzdem keinen Sinn ergeben.
Wirklich profitieren werden diejenigen, die eine „klare Vision“ haben, Dinge „klar ausdrücken“ können und „eine Motivation zur Kreation“ mitbringen. Naval ist der Ansicht, dass die entscheidendste Fähigkeit bei vibe coding nicht Syntax ist, sondern zu wissen, was man will. Wenn Nutzer klar beschreiben können, wie das Produkt aussehen soll, wie es funktionieren soll und welche Details wichtig sind, kann die KI dabei helfen, Ideen schnell in einen handhabbaren Prototyp zu verwandeln.
Er vergleicht das mit seiner eigenen Erfahrung beim Aufbau von AirChat. AirChat war ein Social-Messaging-Produkt mit Fokus auf Sprache- und Video-Kommunikation. Damals arbeitete er mit 8 bis 9 Ingenieuren zusammen und investierte 9 bis 12 Monate, um mehrere Versionen zu bauen. Am Ende war das Produkt nicht erfolgreich: Das Team verkaufte das Unternehmen, sodass Investoren ihr Geld zurückbekamen, und die Mitarbeiter erhielten eine faire Einordnung.
Aber im Zeitalter von vibe coding macht er ein ähnliches Produkt ganz allein neu – und kann es komplett nach seinem eigenen Bauchgefühl anpassen. Früher beim Arbeiten mit einem Engineering-Team musste man ständig Kompromisse eingehen, selbst wenn der Gründer eine starke Vision hatte: Man konnte nicht dauerhaft verlangen, dass Ingenieure Icons links verschieben, rechts verschieben und dann wieder zurück; und auch nicht, dass jedes Bauchgefühl des Gründers vom Team mitgetragen wird. Ein KI-Agent hingegen hat kein Ego, keine Ungeduld und fühlt sich auch nicht beleidigt, wenn Änderungen immer wieder vorgenommen werden.
Naval glaubt, dass das den Spielraum für Softwarekreativität erweitert. So wie „Minecraft“ zuerst von Notch allein gebaut wurde: Der Block-Look wirkte unter den traditionellen Maßstäben für Game-Art eher rückständig, bewahrte aber die Produktintuition einer einzigen Person komplett. Vibe coding könnte dazu führen, dass mehr solcher Produkte auftauchen, die nicht durch Teamkonsens „plattgeklopft“ wurden.
Lohnt sich reines Softwaregründertum nicht mehr? Naval: Gräben werden von KI gefressen
Die kontroverseste Ansicht in der Sendung ist Navals Einschätzung für den Venture-Capital-Markt. Er hatte in einem Social-Media-Post geschrieben: „Reine Software wird schnell unattraktiv für Investments.“ In dem Podcast macht er das noch direkter: Wenn der komplette Vorteil eines Unternehmens nur darin besteht, „Software zu schreiben, die andere nicht schreiben“, dann hat es keine Investitionswürdigkeit.
Seine Begründung hat zwei Punkte: Erstens können Coding-Agenten heute bereits sehr schnell viele Funktionen zusammensetzen. Zweitens entwickeln sich diese Coding-Agenten mit extrem hoher Geschwindigkeit – möglicherweise schon innerhalb eines Jahres oder weniger –, sodass sie Software mit vollständigere Architektur und besserer Skalierbarkeit schreiben können. Anders gesagt: Der „Graben“, der sich allein über Funktionsentwicklungsfähigkeit aufbaut, wird gerade von KI komprimiert.
Daher ist Navals Ansicht, dass Venture-Capital in Zukunft eher nach Hardware, Netzwerkeffekten, KI-Modellen, Datenvorteilen oder anderen strukturellen Burggräben suchen sollte, die sich nicht schnell duplizieren lassen. Er bringt sogar den Gedanken auf, dass „KI-Modelle trainieren“ die neue Generation von „Software schreiben“ sein könnte – zumindest solange automatische Forschung und automatische Trainingsläufe noch nicht reif genug sind. Das KI-Modell selbst könnte weiterhin neue Startup- und Investmentchancen darstellen.
Das bedeutet nicht, dass er schlecht über individuelle Software-Builder denkt. Im Gegenteil: Er sieht darin eine Renaissance individueller Creator. Für alle, die Experimente machen, Prototypen bauen und frühe Produktvalidierung durchführen wollen, ist jetzt die beste Zeit überhaupt; aber wenn ein Produkt wirklich für viele Nutzer funktionieren muss und hohe Anforderungen an parallele Last sowie komplexe Sicherheitsanforderungen mit sich bringt, braucht der Gründer weiterhin ein echtes Engineering-Team – möglicherweise sogar muss die gesamte Architektur neu geschrieben werden.
KI ist stark, aber sie braucht weiterhin menschliche Aufsicht: Modelle passen sich an, machen es sich leicht
Naval stellt Coding-Agenten auch nicht als Allheilmittel dar. Er weist darauf hin, dass mit wachsender Codegröße die Modelle deutliche Grenzen erreichen.
Der Grund liegt in der begrenzten context window. Wenn der Codebestand größer ist als das, was das Modell in einem Durchgang „merken“ kann, beginnt es zu raten, den Kontext zu komprimieren und das ursprüngliche Ziel zu vergessen. Im schlimmsten Fall behebt es Fehler nicht nur falsch, sondern kann sogar an Problemstellen herumbasteln. Naval beschreibt, dass das Modell denselben Bug möglicherweise fünfmal behebt oder einen schnellen Patch auf eine architektonisch falsche Art einführt. Noch schlimmer: Manchmal löscht es direkt die Funktionen oder Nutzungsszenarien, die zu dem Bug geführt haben, um den Bug zu beseitigen.
Deshalb unterbricht er das Modell im Entwicklungsprozess ständig: Er fordert es auf, keine Hacks zu machen, nicht nur Patches zu liefern, sondern zur Problemlösung auf Architektur-Ebene zurückzukehren. Klingt ironisch – denn das Modell reagiert typischerweise sofort: „Du hast recht, das ist ein Hack.“ Selbst wenn es nicht wirklich ein Hack ist, tendiert das Modell dazu, dem Nutzergefälle nachzugeben.
Naval nutzt eine Metapher für AI-Agenten: Es ist ein bisschen wie ein Jagdhund. Er kann vielleicht besser als du Enten jagen, aber wenn du dich bei der Richtung oder dem Ziel irrst, stürmt er trotzdem los. Das heißt: Menschen müssen weiterhin für Ausrichtung, Architekturentscheidungen, Debugging-Strategien und Produktgeschmack verantwortlich sein.
Er erwähnt auch, dass er es zulässt, dass verschiedene Modelle den Code gegenseitig prüfen. Zum Beispiel schreibt Claude den Code, dann pusht man ihn zu GitHub, und Modelle wie Codex, Gemini, Grok usw. können automatisch Pull Requests überprüfen – wie ein KI-Roundtable. In der Praxis ist der Effekt jedoch nicht so groß wie man denkt, denn zwischen den Modellen gibt es weiterhin viel groupthink. Außerdem folgen die meisten Modelle der Richtung, wenn der Nutzer die Antwort leicht in eine bestimmte Richtung lenkt – und nur selten widersprechen sie wirklich stark.
Warum die Coding-Agenten so schnell vorankommen: weil Code leicht zu verifizieren ist
Naval ist der Meinung, dass KI im Programmierbereich besonders schnell vorankommt – aus einem grundlegenden Grund: Code lässt sich relativ leicht verifizieren.
Ob der Code kompiliert, ob Tests durchlaufen und ob die Funktion tatsächlich erfolgreich ausgeführt wird: Das sind relativ eindeutige Rückmeldesignale. Mathe hat ähnliche Eigenschaften, weil es viele Aufgaben-Datensätze und überprüfbare Antworten gibt. Auch beim autonomen Fahren gilt das in gewissem Maße, weil man Feedback-Schleifen durch große Datenmengen und Simulationsumgebungen aufbauen kann.
Im Vergleich dazu sind kreatives Schreiben, Geschmacksurteile oder Forschung in neuen Feldern deutlich schwieriger. Ein Modell kann unendlich Artikel generieren – aber wer beurteilt, ob sie gut oder schlecht sind? Wenn man nur eine Gruppe niedrig bezahlter Menschen als Labeler nimmt, die „gut“ oder „nicht gut“ markieren, spiegelt das am Ende nur den Geschmack dieser Gruppe wider. Naval glaubt, dass Modelle, um wirklich besser zu werden, eine „High-Taste-Feedback-Schleife“ brauchen – und dass das schwieriger ist als einfach große Datenmengen zu sammeln.
Er vermutet außerdem, dass einer der Gründe, warum die Coding-Modelle in letzter Zeit besonders stark geworden sind, sein könnte, dass die besten Softwareingenieure diese Modelle inzwischen massiv nutzen. Dadurch erhält das Modell qualitativ hochwertigen Code und qualitativ hochwertige Feedbacks zu Präferenzen. Mit anderen Worten: KI lernt nicht nur aus Code, sondern beginnt auch aus den Bewertungen der Top-Ingenieure zu lernen, was „guter Code“ ist.
Die Apple-Krise: Wenn Nutzer keine App mehr öffnen müssen, sondern nur noch mit AI-Agenten sprechen
Navals Einschätzung zu Apple ist besonders radikal. Er denkt, dass sobald AI-Agenten Interfaces und Funktionen in Echtzeit aus Anforderungen generieren können, Nutzer nicht mehr so häufig Apps öffnen müssen und auch nicht mehr auf das bestehende App-Ökosystem auf dem iPhone angewiesen sind.
Früher: Wenn Nutzer ein Taxi brauchten, öffneten sie Uber. Wenn sie ihr Fitness-Training aufzeichnen wollten, öffneten sie eine Fitness-App. Wenn sie eine Aufgabe erledigen wollten, suchten sie die passende App auf ihrem Handy. In einer agentischen Oberfläche reicht es dann, wenn Nutzer sagen: „Ruf mir Uber“, „Zeichne mein Training auf“, „Hilf mir, diese Sache fertigzustellen“. Dann ist der eigentliche Einstieg nicht mehr der iPhone-Home-Screen, sondern das AI-Modell.
Naval ist der Ansicht, dass das Apples langfristige Kernvorteile schwächen wird. Apples Graben ist nicht nur Hardware, sondern auch das Betriebssystem, der App Store, native Apps, die Ökosystem-Integration und die Nutzeroberfläche. Wenn Nutzer hauptsächlich über Claude, Codex, Gemini oder andere AI-Agenten kommunizieren, wird das Telefon selbst zu einem Gerät, das im Wesentlichen nur noch Bildschirm, Akku und Netzwerkverbindung bereitstellt. In diesem Stadium kann auch Android diese Fähigkeiten bieten, wodurch sich Apples Differenzierung weiter reduziert.
Er sagt sogar ganz offen, dass Apples Rückstand bei KI eine der größten strategischen Fehlentscheidungen der aktuellen Technologiewelle werden könnte. Apple wird dadurch nicht sofort verschwinden und kann auch weiterhin über lange Zeit sehr viel Geld verdienen; aber genauso wie Windows nach dem Verpassen der mobilen Welle nicht mehr der Kern-Einstieg für persönliches Computing war, könnte Apple in der Welle der AI-Agenten seine Obergrenze für zukünftiges Wachstum verlieren.
Werden Softwarefirmen zu One-Person-Firmen? Auch AI-Kundenservice kann direkt Bugs fixen
Naval beschreibt außerdem seinen Aufbau eines Entwicklungsprozesses: In die App wird ein Bug-Reporting-System eingebaut. Wenn Nutzer ein Problem sehen, drücken sie einen Knopf. Das System überträgt dann die Logs an einen Server. Claude sammelt alle Bug-Reports automatisch alle 24 Stunden, versucht die Probleme zu beheben und setzt die Fixes in einen Branch, der dann auf seine Prüfung wartet. Am Ende entscheidet er nur noch: Ist das wirklich ein Bug? Ist die Lösung gut? Soll man zusammenführen und live gehen?
Er glaubt, dass die Entwicklung neuer Features in Zukunft ähnlich ablaufen könnte: Nutzer schlagen eine Feature-Idee vor, stimmen darüber ab und AI-Agenten übernehmen das Sortieren, Designen, Implementieren und das Rückmelden. Am Ende entscheidet ein Maintainer mit Produktgeschmack, welche Funktionen sich wirklich lohnen, live zu gehen, und welche Nutzer eigentlich gar nicht wissen, was sie wollen.
Das verwischt die Grenze zwischen „Kundensupport“ und „Engineering“. Der ideale Support beantwortet nicht nur Fragen, sondern versteht das Produkt, fixt Bugs, schreibt Code, arbeitet 24 Stunden und hat dabei kein Ego: Er wird nicht verletzt, wenn am Ende sehr viel Code geschrieben wurde und dann verworfen wird. Naval meint, dass dieses Modell One- oder Zwei-Personen-Softwarefirmen die Chance gibt, potenziell Dienstleistungen für Millionen- oder sogar Zehnmillionen-Nutzer anzubieten.
Er weist darauf hin, dass es historisch bereits ähnliche Fälle gab: zum Beispiel Notch, der „Minecraft“ als Einzelperson gebaut hat, oder Satoshi Nakamoto, der Bitcoin mit einem extrem kleinen Team gestartet hat. Auch Instagram und WhatsApp hatten in der Anfangsphase große Wirkung mit kleinen Teams. Aber AI-Coding-Agenten werden solche „Small-Team-Wunder“ noch viel häufiger machen.
Vibe Coding wird Ingenieure nicht verschwinden lassen, aber neu definieren, wer Software erschaffen kann
Navals Sicht auf vibe coding ist nicht „Ingenieure sind nicht mehr wichtig“. Im Gegenteil: Wenn Produkte in Richtung Millionen-Nutzer, Sicherheitsanforderungen, architektonische Stabilität und Kommerzialisierung gehen, bleiben wirklich exzellente Ingenieure unverzichtbar.
Aber die Veränderung, die er wirklich herausstellt, ist: Der Ausgangspunkt für Softwareerstellung wird neu geschrieben. Früher lag zwischen Idee und Prototyp Engineering-Ressourcen, Teamzusammenarbeit, Entwicklungszeitpläne und Kosten; heute können Menschen mit klarer Produktintuition ihre Anforderungen direkt an die KI geben und innerhalb von Minuten bis Stunden eine lauffähige Version bekommen.
Das wird drei Dinge umformen: Erstens wird personalisierte Software explosionsartig wachsen. Zweitens wird es für reine „Funktionsentwicklung als Burggraben“ gegründete Startups schwerer, eine Bewertung zu bekommen. Drittens werden bestehende Plattform-Einstiege wie Smartphones und der App Store von AI-Agenten neu herausgefordert.
Dieser Artikel „Naval-Bibel“ Naval: AI Agent ist der Anfang vom Ende für Apple, Vibe Coding: Jeder kann Apps machen. Erstmals erschienen bei Chain News ABMedia.
