# osmani-google-new-sdlc-vibe-coding-agentic-engineering-2026-05

## Veille

Google-Whitepaper (die Folge „Day 1“ einer Reihe von Addy Osmani, Shubham Saboo und Sokratis Kartakis), das den Wandel des Software-Entwicklungszyklus (SDLC) im Zeitalter von Coding-Agenten nachzeichnet. These: Der grundlegende Wandel ist keine neue Sprache, sondern der Übergang vom Schreiben von Code zum **Ausdrücken von Absicht**. Das Dokument entwirft ein Spektrum, das von *vibe coding* (Prompten und Akzeptieren) bis zu *agentischem Engineering* reicht (die KI setzt unter von Menschen entworfenen Einschränkungen, Tests und Feedback-Schleifen um), mit **context engineering** als zentraler Fähigkeit, dem Modell der **Software-Fabrik** (das eigentliche Liefergut der Entwickler ist das System, das den Code produziert), **Harness Engineering** (Agent = Modell + Harness) sowie einer CapEx/OpEx-Wirtschaftlichkeitsanalyse der Gesamtbetriebskosten.

## Titre Article

The New SDLC With Vibe Coding — From ad-hoc prompting to Agentic Engineering

## Date

2026-05

## URL

https://www.kaggle.com/whitepaper-the-new-SDLC-with-vibe-coding

<!-- Republication par Addy Osmani sur son blog perso (« The New Software Lifecycle », 2026-06-16) : https://addyosmani.com/blog/new-sdlc-vibe-coding/ — même contenu que le whitepaper Google, conservé ici plutôt qu'en fiche distincte (anti-doublon). -->

## Keywords

neuer SDLC, vibe coding, agentisches Engineering, agentisches Engineering, Absicht vs. Syntax, context engineering, context engineering, statischer vs. dynamischer Kontext, Agent Skills, Harness Engineering, Agent = Modell + Harness, Software-Fabrik, Fabrikmodell, Agentenschleife, Evals, Trajektorienbewertung, Dirigent vs. Orchestrator, 80-Prozent-Problem, AGENTS.md, CLAUDE.md, GEMINI.md, MCP, A2A, Agents CLI, ADK, Model Routing, CapEx OpEx, Gesamtbetriebskosten, Token-Ökonomie, Google, Addy Osmani

## Authors

Addy Osmani, Shubham Saboo, Sokratis Kartakis (Google)

## Ton

Profil: Corporate-Whitepaper (Google), „Wir“-Perspektive praxiserfahrener Autoren, didaktisch-strategisches Register im Original auf Englisch, hohes technisches Niveau, dabei bewusst zugänglich (das Dokument gibt an, sich an Ingenieure, Manager, Architekten und technische Führungskräfte zu richten, die mit moderner Entwicklung, nicht aber mit ML vertraut sind). Der Ton verbindet die Autorität der Marke Google mit der von Addy Osmani (eine bekannte Figur im Web-Engineering, in den Endnoten ausgiebig selbst zitiert) sowie ein durchgehendes pädagogisches Bemühen: Jedes Konzept wird mit einer Definition eingeführt, durch eine nummerierte Abbildung veranschaulicht (9 Abbildungen) und in quantitativen Daten sowie öffentlichen Benchmarks verankert. Gegliedert in Bewegungen (von Syntax→Absicht über das Spektrum, den Kontext, den neuen SDLC, den Harness, die Rollen, die Praxis, die Wirtschaftlichkeit bis zu den Empfehlungen), mit durchgehaltenen, wirkungsvollen Metaphern: der **Fabrikleiter**, der die Pipeline entwirft statt jedes Teil selbst zusammenzusetzen, der **Motor** (Modell) im Gegensatz zu **dem Auto, der Straße und den Verkehrsregeln** (Harness), der **Dirigent gegenüber dem Orchestrator**. Eine bewusste Balance zwischen Verheißung (Gewinne von 25–39 %) und Nuancierung (METR-Studie: −19 %, „80-Prozent-Problem“). Ein einordnendes Dokument, das dauerhafte Prinzipien beansprucht statt einer vergänglichen Momentaufnahme.

## Pense-betes

- **Zentrale These**: *„Der tiefgreifendste Wandel im Software-Engineering ist keine neue Sprache, kein neues Framework und kein neuer Cloud-Dienst. Es ist der Übergang vom Schreiben von Code zum Ausdrücken von Absicht.“* Die Schnittstelle der Entwickler verschiebt sich von **Syntax** zu **Absicht**.
- **Einordnende Kennzahlen (2026)**: **85 %** der professionellen Entwickler nutzen regelmäßig Coding-Agenten, **51 %** täglich, **41 %** des neuen Codes werden von KI generiert.
- **Abbildung 1 — Von Autocomplete zu Autonomie**: 5 kumulative Generationen (Autocomplete ~2021 → Inline-Vorschläge ~2022 → Chat-basierte Generierung ~2023 → Coding-Agenten ~2024–25 → Autonome Agenten ~2025–26), Achse Syntax → Absicht, *„mehr menschlicher Aufwand“* → *„mehr maschinelle Autonomie“*.
- **Der Agent = Schleife**: Ziel erfassen → planen → handeln (Tools) → beobachten → iterieren (Selbstkorrektur). Aufgebaut aus **5 Teilen** (siehe Whitepaper *Introduction to Agents*, Nov. 2025): Modell, Tools, Memory, Orchestrierung, Deployment. *„Die Schleife ist das schlagende Herz jedes Agenten.“*
- **Vibe coding**: ein von Karpathy geprägter Begriff (Feb. 2025, *„fully give in to the vibes“*); er wurde so breit angewendet, dass er seine Bedeutung verlor → Anfang 2026 führte Karpathy **agentisches Engineering** für das disziplinierte Ende des Spektrums ein.
- **Das Spektrum** (vibe coding ↔ strukturiert KI-unterstützt ↔ agentisches Engineering): *„Das entscheidende Unterscheidungsmerkmal ist nicht, ob du KI einsetzt. Es ist, wie viel Struktur, Überprüfung und menschliches Urteilsvermögen die Ausgabe der KI umgibt.“*
- **Verifikation = das eigentliche Unterscheidungsmerkmal**: **Tests** überprüfen das Deterministische (Input→Output); **Evals** überprüfen das Nicht-Deterministische (richtige Trajektorie? richtige Tools? qualitativ hochwertige Antwort?), mittels gelabelter Datensätze, Bewertungsraster, **LM-Judges**. *„Ohne beides bleibt die Praxis immer vibe coding, egal wie ausgefeilt die Prompts sind.“*
- **Context Engineering = die eigentliche Fähigkeit**: Die Codequalität hängt weniger von der Verfeinerung des Prompts ab als von der Qualität des **Kontexts**. **6 Typen**: Anweisungen, Wissen, Gedächtnis, Beispiele, Tools, Guardrails. Trade-off zwischen **statischem Kontext** (immer geladen: AGENTS.md/CLAUDE.md/GEMINI.md — kostspielig) und **dynamischem Kontext** (bei Bedarf geladen: Skills, RAG, Tool-Ergebnisse — effizient).
- **Agent Skills** = das wirkungsvollste Muster für dynamischen Kontext (progressive disclosure: Metadaten beim Start, Anweisungen bei Übereinstimmung, Referenzen bei Bedarf). Löst 4 Probleme: **Kontextverfall**, fehlendes prozedurales Gedächtnis, operativer Mehraufwand bei Multi-Agent-Systemen, Tool-übergreifende Portabilität.
- **Der neue SDLC**: KI **komprimiert den Zyklus ungleichmäßig** — die Implementierung schrumpft von Wochen auf Stunden, während Anforderungen/Architektur/Verifikation im menschlichen Tempo verbleiben. *„Es ist keine schnellere Version des alten SDLC. Es ist ein anderer Workflow.“* Die Rolle der Entwickler verschiebt sich vom *primären Umsetzer* zum *Systemdesigner & Qualitätsschiedsrichter*.
- **Nach Phase**: Requirements (Verschmelzung von Anforderungen→Prototyp); **Design/Architektur = die hartnäckigste menschliche Phase** (Trade-off-Entscheidungen); Implementierung (Gewinne von **25–39 %**, relativiert durch die **METR-Studie: erfahrene Entwickler 19 % langsamer** bei bestimmten Aufgaben aufgrund der Verifikation); Testing (Output-Eval + **Trajektorienbewertung**); Code Review (KI als *erste Prüfinstanz*); Maintenance (als „zu riskant zum Anfassen“ geltende technische Schulden werden wieder refaktorierbar).
- **Fabrikmodell**: *„Das primäre Ergebnis der Entwickler ist nicht der Code — es ist das System, das Code produziert“* (Specs + Agenten + Tests/Quality Gates + Feedback-Schleifen + Guardrails). Die Entwickler gestalten die Pipeline und die Qualitätskontrolle, nicht jedes einzelne Teil.
- **Harness Engineering**: *„Agent = Modell + Harness“*. Das Modell ≈ **10 %**, der Harness ≈ **90 %**. Bestandteile: Instructions/Regeldateien, Tools/MCP, Sandboxes, Orchestrierung (Sub-Agenten, Routing, Übergaben), Guardrails/Hooks (deterministischer Code an Punkten des Lebenszyklus), Observability. *„Diese umgebende Maschinerie wird als Harness bezeichnet.“*
- **Beleg für den Harness-Effekt**: Bei **Terminal Bench 2.0** verschob ein Team einen Agenten **allein durch die Änderung des Harness von außerhalb der Top 30 in die Top 5** (Modell unverändert); **LangChain: +13,7 Punkte** allein durch Anpassung von System-Prompt/Tools/Middleware. *„Die meisten Fehlschläge von Agenten sind, ehrlich betrachtet, Konfigurationsfehler.“*
- **Rollen der Entwickler**: **Dirigent** (Echtzeit, synchron, in der IDE, Kontrolle auf Tastenanschlagsebene — Copilot/Gemini Code Assist/Cursor/Windsurf) vs. **Orchestrator** (asynchron, Multi-Agent, Kontrolle auf Zielebene — Jules/Cursor Background/Claude Code). *„Nicht entweder-oder — beides, je nach Aufgabe.“*
- **Das 80-Prozent-Problem**: KI generiert schnell ~80 % des Codes; die verbleibenden **20 %** (Edge Cases, Fehlerbehandlung, Integration, subtile Korrekturen) erfordern tiefes Kontextwissen. KI-Fehler haben sich von Syntaxfehlern zu **konzeptionellen Fehlschlägen** verschoben (der Code *„sieht richtig aus“* und besteht grundlegende Tests).
- **Agenten in der Praxis — 3 Orte**: *im Editor* (Copilot, Cursor, Windsurf, JetBrains), *im Terminal* (Antigravity CLI, Claude Code, Codex CLI, Open Code, Cline), *im Hintergrund* (Jules, Cursor Background, AlphaEvolve). **Vibe coding von Produktionsagenten** über **Google Agents CLI** (`agents-cli create/playground/eval/deploy`, ADK-Lebenszyklus), **MCP** (Tools) + **A2A** (Delegation zwischen Agenten). Anthropic: Agententeams, die einen **C-Compiler in Rust in 2 Wochen** gebaut haben.
- **Wirtschaftlichkeit (CapEx/OpEx)**: **vibe coding = niedriger CapEx, hoher OpEx** (Token-Verbrauch, Wartungslast, Sicherheitsnachbesserungen); **agentisches Engineering = hoher CapEx, niedriger OpEx** (Vorabinvestition in Specs/Tests/Kontext → stark gesunkene Grenzkosten pro Auslieferung). **Context engineering = ein finanzieller Hebel**; **intelligentes Model Routing** (große Modelle für Requirements/Architektur, kleine Modelle für Tests/Review/CI). Abbildung 9: Schnittpunkt, ab dem vibe coding **3- bis 10-mal mehr pro Feature** kostet.
- **Fazit — 3 dauerhafte Prinzipien**: (1) *„Struktur skaliert, Vibes nicht“*; (2) *„KI verstärkt eure Engineering-Kultur“* (ein Kraftmultiplikator für Stärken UND Schwächen); (3) *„Die menschliche Rolle entwickelt sich weiter, sie schwindet nicht“*. Schlusssatz: ***„Generierung ist gelöst. Verifikation, Urteilsvermögen und Steuerung sind das neue Handwerk.“***
- **Reihe**: Day 1 (dieses Dokument); **Day 3** = *Context Engineering: Sessions, Skills & Memory*; **Day 5** = *Spec-Driven Production Grade Development in the Age of Vibe Coding* (Code Review, Guardrails, Zero Trust).

## RésuméDe400mots

Dieses Google-Whitepaper (die erste Folge einer Reihe, verfasst von Addy Osmani, Shubham Saboo und Sokratis Kartakis, Mai 2026) argumentiert, dass der tiefgreifendste Wandel im Software-Engineering nicht technologischer, sondern interfacialer Natur ist: Der Übergang erfolgt vom Schreiben von Code zum Ausdrücken von Absicht, wobei intelligente Systeme damit betraut werden, diese Absicht in funktionsfähige Software zu übersetzen. Einordnende Kennzahlen: 85 % der professionellen Entwickler nutzen regelmäßig Coding-Agenten, 51 % täglich, und 41 % des neuen Codes werden von KI generiert.

Die Autoren lehnen die binäre Gegenüberstellung von vibe coding und agentischem Engineering ab und plädieren stattdessen für ein **Spektrum**. Das unterscheidende Merkmal ist nicht, ob KI eingesetzt wird, sondern das Ausmaß an Struktur, Überprüfung und menschlichem Urteilsvermögen, das die Ausgabe der KI umgibt. Zentrale Unterscheidung: **Tests** überprüfen das Deterministische, **Evals** (gelabelte Datensätze, Bewertungsraster, LM-Judges) überprüfen das Nicht-Deterministische — ohne beides bleibt die Praxis vibe coding.

Die zentrale Fähigkeit wird zu **context engineering**: Die Codequalität hängt weniger von der Verfeinerung des Prompts ab als von der Qualität des bereitgestellten Kontexts. Sechs Kontexttypen (Anweisungen, Wissen, Gedächtnis, Beispiele, Tools, Guardrails) unterteilen sich in **statischen** Kontext (immer geladen, kostspielig: AGENTS.md, CLAUDE.md, GEMINI.md) und **dynamischen** Kontext (bei Bedarf geladen, effizient). **Agent Skills** sind das Vorzeigemuster für dynamischen Kontext mittels progressive disclosure.

Der SDLC wird ungleichmäßig komprimiert: Die Implementierung schrumpft von Wochen auf Stunden, während Anforderungen, Architektur und Verifikation im menschlichen Tempo verbleiben. Die Architektur bleibt die hartnäckigste menschliche Phase (Trade-off-Entscheidungen). Auf der Implementierungsseite ergeben sich Gewinne von 25–39 %, relativiert durch die METR-Studie (erfahrene Entwickler sind bei bestimmten Aufgaben 19 % langsamer). Der rote Faden ist das **Fabrikmodell**: Das Liefergut der Entwickler ist nicht mehr der Code, sondern das System, das ihn produziert (Specs, Agenten, Quality Gates, Feedback-Schleifen, Guardrails).

Im Herzen der Fabrik steht die Gleichung **Agent = Modell + Harness**: Das Modell macht ca. 10 % aus, der Harness ca. 90 % (Anweisungen, Tools/MCP, Sandboxes, Orchestrierung, Hooks, Observability). Beleg: Bei Terminal Bench 2.0 verschob allein die Änderung des Harness einen Agenten von außerhalb der Top 30 in die Top 5. *„Die meisten Fehlschläge von Agenten sind Konfigurationsfehler.“*

Die Entwickler bewegen sich zwischen **Dirigent** (Echtzeit, in der IDE) und **Orchestrator** (asynchron, Multi-Agent) und stehen dabei vor dem **80-Prozent-Problem**. Wirtschaftlich betrachtet ist vibe coding (niedriger CapEx/hoher OpEx) pro Feature 3- bis 10-mal teurer als agentisches Engineering (hoher CapEx/niedriger OpEx); context engineering und Model Routing sind dabei finanzielle Hebel. Fazit: *„Generierung ist gelöst. Verifikation, Urteilsvermögen und Steuerung sind das neue Handwerk.“*

## GrapheDeConnaissance

- Google —publie→ The New SDLC With Vibe Coding (DOCUMENT, 0.97)
- Addy Osmani —a_créé→ The New SDLC With Vibe Coding (DOCUMENT, 0.95)
- The New SDLC With Vibe Coding —affine→ SDLC (METHODOLOGIE, 0.9)
- Addy Osmani —travaille_chez→ Google (ORGANISATION, 0.95)
- The New SDLC With Vibe Coding —affirme_que→ le basculement fondamental est le passage de l'écriture de code à l'expression d'intention (AFFIRMATION, 0.96)
- agentic engineering —est_variante_de→ vibe coding (METHODOLOGIE, 0.9)
- context engineering —améliore→ qualité du code généré par IA (CONCEPT, 0.93)
- Agent Skills —permet→ gestion du contexte dynamique par progressive disclosure (CONCEPT, 0.92)
- Agent Skills —réduit→ context rot des prompts surchargés (CONCEPT, 0.88)
- harness —permet→ transformer un modèle brut en agent capable de finir une tâche (CONCEPT, 0.93)
- The New SDLC With Vibe Coding —affirme_que→ la plupart des échecs d'agents sont des échecs de configuration du harness (AFFIRMATION, 0.91)
- IA —réduit→ durée de la phase d'implémentation (CONCEPT, 0.9)
- modèle de l'usine —affirme_que→ le livrable du développeur n'est pas le code mais le système qui produit le code (AFFIRMATION, 0.93)
- evals —s_applique_à→ vérification des comportements non déterministes des agents (CONCEPT, 0.9)
- Andrej Karpathy —a_créé→ vibe coding (METHODOLOGIE, 0.92)
- Andrej Karpathy —a_créé→ agentic engineering (METHODOLOGIE, 0.85)
- Google Agents CLI —utilise→ lifecycle ADK pour construire des agents de production (CONCEPT, 0.88)
- intelligent model routing —réduit→ coût opérationnel en tokens (OpEx) (CONCEPT, 0.89)
- vibe coding —s_applique_à→ prototypes, scripts et projets jetables (CONCEPT, 0.9)
- The New SDLC With Vibe Coding —affirme_que→ Generation is solved. Verification, judgment, and direction are the new craft (CITATION, 0.95)
- The New SDLC With Vibe Coding —mesure→ 41 % du nouveau code est généré par IA en 2026 (MESURE, 0.9)

---
Canonical: https://www.thekb.eu/de/fiches/osmani-google-new-sdlc-vibe-coding-agentic-engineering-2026-05/