Vibe Coding: So verringern Unternehmen die Risiken von Schatten-IT

Immer mehr Fachbereiche entwickeln mit generativer KI eigene Anwendungen – oft ohne klare Regeln für Daten, Qualität und Betrieb. Dieses sogenannte Vibe Coding beschreibt einen neuen Ansatz der Softwareentwicklung: Anwendungen entstehen nicht mehr durch manuelles Programmieren, sondern indem Anforderungen in natürlicher Sprache formuliert und von KI direkt in Code übersetzt werden. So entsteht eine neue Form von Schatten‑IT, die sich schneller verbreitet und schwerer kontrollieren lässt. Warum entstehen immer mehr Anwendungen außerhalb der IT?

Wenn der Bedarf hoch ist und etablierte IT‑Prozesse zu lange dauern, entstehen Lösungen häufig direkt im Fachbereich.

Früher waren das Excel‑Modelle, Makros oder kleine Datenbanken. Viele dieser Lösungen wurden schrittweise geschäftskritisch – oft ohne saubere Berechtigungen, ohne Monitoring und ohne klares Betriebsmodell.

Heute passiert im Kern dasselbe – nur deutlich schneller. Mit generativer KI lassen sich Anwendungen, Skripte oder automatisierte Workflows mit wenigen Eingaben erstellen. Die Einstiegshürde sinkt deutlich, während die Geschwindigkeit der Entwicklung zunimmt.

Das Ergebnis: Immer mehr fachlich getriebene Lösungen entstehen parallel – aber ohne ausreichende Transparenz und ohne klare Leitplanken für einen stabilen und sicheren Betrieb.

Im Vergleich zur klassischen Individuellen Datenverarbeitung (IDV) entstehen zusätzliche Risiken, die sich schneller ausbreiten und schwerer kontrollieren lassen und die viele Unternehmen heute noch unterschätzen.

Ein zentraler Punkt ist der Umgang mit Daten: Prompts enthalten häufig Kontextinformationen, Datenfragmente oder fachliche Logik. Ohne klare Regeln kann es hier schnell zur ungeprüften Weitergabe sensibler Informationen kommen.

Hinzu kommt die Frage der Code‑Qualität. KI kann Code generieren, ersetzt aber keine saubere Prüfung. Wenn erzeugte Inhalte ungeprüft übernommen werden, entstehen Sicherheitslücken oder schwer nachvollziehbare Strukturen.

Zudem verteilt sich die technische Landschaft stärker, inkonsistente Datenmodelle und Datenqualitätsprobleme nehmen zu, genauso wie die Datenschnittstellen und Datenflüsse. Dadurch steigt die Komplexität während der Überblick über die Lösungen sinkt.

Ein weiterer kritischer Punkt ist der Betrieb: Viele Lösungen starten als Prototyp, werden aber schnell produktiv genutzt. Ohne Tests, Monitoring und klare Zuständigkeiten entsteht ein Betriebsrisiko, das im Alltag oft unbemerkt bleibt und erst im Problemfall sichtbar wird.

In vielen Organisationen zeigt sich ein ähnliches Bild: Prototypen werden als vorübergehend betrachtet, obwohl sie dauerhaft genutzt werden.
Interne Lösungen werden als sicher eingeschätzt, ohne bestehende (Fehl)Konfigurationen systematisch zu prüfen.
Zudem wird der Einsatz von KI mit höherer Qualität gleichgesetzt, obwohl zunächst vor allem die Geschwindigkeit der Entwicklung steigt. Diese Annahmen verstärken bestehende Risiken und verzögern notwendige Gegenmaßnahmen.