Vibe Coding: Risiken, Sicherheitslücken und was wirklich hilft

Das größte Risiko beim Vibe Coding ist nicht falscher Code, sondern Code, der funktioniert und trotzdem unsicher ist. Im GenAI Code Security Report 2025 von Veracode fielen 45 Prozent der geprüften KI-Antworten durch die Sicherheitstests und brachten Schwachstellen aus den OWASP Top 10 mit — bei syntaktisch einwandfreiem, lauffähigem Code.

Wie unsicher ist KI-generierter Code wirklich?

Messbar unsicher, und zwar unabhängig vom Modell. Veracode prüfte für den GenAI Code Security Report 2025 achtzig kuratierte Programmieraufgaben gegen mehr als hundert Sprachmodelle in vier Sprachen: Java, JavaScript, Python und C#.

• 45 Prozent aller erzeugten Code-Beispiele bestanden die Sicherheitsprüfung nicht.
• 86 Prozent Durchfallquote bei Cross-Site-Scripting (CWE-80) — die mit Abstand schwächste Disziplin.
• 72 Prozent Durchfallquote bei Java, der riskantesten der vier untersuchten Sprachen.

Entscheidend ist der Befund hinter den Zahlen: Die Modelle sind beim Erzeugen funktionierenden Codes deutlich besser geworden, bei der Sicherheit nicht im gleichen Maß. Ein Frühjahrs-Update von Veracode aus dem Jahr 2026 kommt zum selben Schluss. Neuere Modellgenerationen lösen das Problem also nicht von allein.

Warum erzeugt eine KI unsicheren Code, wenn sie doch alles gelesen hat?

Weil ein Sprachmodell auf Plausibilität optimiert ist, nicht auf Angriffssicherheit. Drei Mechanismen erklären den Großteil der Fälle.

Erstens der Trainingsdurchschnitt. Modelle lernen aus öffentlichem Code. Der Durchschnitt öffentlichen Codes ist nicht sicher, sondern durchschnittlich — inklusive der Tutorials, in denen Eingaben ungeprüft in eine Datenbankabfrage wandern, weil das Beispiel kurz bleiben sollte.

Zweitens die fehlende Angreiferperspektive. Ein Prompt beschreibt, was passieren soll. Sicherheit ist aber die Frage, was passieren darf. Was niemand verlangt hat, wird auch nicht gebaut: die Prüfung auf fehlende Berechtigung, das Abfangen des Sonderfalls, die Begrenzung der Anfragerate.

Drittens der fehlende Kontext. Das Modell kennt Ihre Architektur nicht. Es weiß nicht, dass dieser Endpunkt öffentlich erreichbar ist, dass jenes Feld aus einem fremden System stammt oder dass Ihre Mandantentrennung an einer bestimmten Bedingung hängt.

Welche Sicherheitslücken treten bei KI-Code typischerweise auf?

Die OWASP Top 10 wurden im November 2025 überarbeitet und im Januar 2026 final veröffentlicht, auf Basis von über 175.000 CVE-Einträgen. Zwei Kategorien sind neu, und beide treffen KI-gestützte Entwicklung besonders.

• Fehlerhafte Zugriffskontrolle (A01:2025) — weiterhin Platz eins. KI-Code implementiert die Fachlogik und lässt die Frage „darf dieser Nutzer das?" unbeantwortet, weil sie im Prompt nicht vorkam.
• Sicherheits-Fehlkonfiguration (A02:2025) — von Platz fünf auf zwei geklettert. Generierte Konfigurationen sind auf „läuft sofort" optimiert: großzügige CORS-Regeln, Debug-Ausgaben, Standardpasswörter.
• Lieferketten-Fehler (A03:2025) — neu. Eine KI fügt Abhängigkeiten hinzu, ohne dass jemand sie ausgewählt hat. Dazu kommt das Halluzinieren nicht existierender Pakete, deren Namen Angreifer gezielt registrieren.
• Falsch behandelte Ausnahmen (A10:2025) — ebenfalls neu. Der Normalfall ist implementiert, der Fehlerfall verschluckt.
• Cross-Site-Scripting — der empirische Spitzenreiter im Veracode-Test mit 86 Prozent Durchfallquote.

Welche Prüfungen sollte ich vor dem Merge von KI-Code laufen lassen?

Vier Prüfungen decken den Großteil der oben genannten Muster ab, und alle vier lassen sich automatisieren.

• Statische Analyse mit Sicherheitsregeln. Findet Injection-Muster, unsichere Deserialisierung und fehlende Ausgabe-Maskierung, bevor der Code läuft. Werkzeuge und Grenzen: statische Codeanalyse im Vergleich.
• Abhängigkeits-Prüfung. Jedes neu hinzugekommene Paket wird gemeldet: Existiert es überhaupt, wer pflegt es, welche Lizenz, welche bekannten Schwachstellen?
• Berechtigungs-Review. Für jeden neuen Endpunkt eine explizite Antwort auf die Frage, wer ihn aufrufen darf. Das ist die Prüfung, die am seltensten automatisiert ist und am häufigsten fehlt.
• Tests für die Fehlerfälle. Nicht nur der glückliche Pfad, sondern fehlende Eingabe, falscher Typ, fremde Kennung, doppelter Aufruf. Siehe Testabdeckung bei KI-Code.

Reicht es nicht, den generierten Code einfach durchzulesen?

Als alleinige Maßnahme nicht, weil das Lesen genau dann nachlässt, wenn viel Code entsteht. In der Stack Overflow Developer Survey 2025 nannten 66 Prozent der Befragten „fast richtig, aber nicht ganz" als größte Frustration im Umgang mit KI-Werkzeugen. 45 Prozent gaben an, erhebliche Zeit mit dem Debuggen von KI-Code zu verlieren.

„Fast richtig" ist die schwierigste Kategorie für ein Review. Offensichtlich falscher Code fällt auf. Code, der aussieht, wie er aussehen soll, und an einer Stelle eine Prüfung auslässt, fällt beim Überfliegen nicht auf — und überflogen wird, sobald das Volumen steigt. Ein menschliches Review bleibt notwendig; es braucht aber eine maschinelle Vorstufe, die das Offensichtliche wegräumt. Wie ein solches Review aufgebaut wird, steht im Beitrag Code Review für KI-generierten Code.

Häufige Fragen zu Vibe-Coding-Risiken

Ist KI-generierter Code unsicherer als handgeschriebener?

Belegt ist, dass 45 Prozent der von Veracode 2025 geprüften KI-Antworten durch die Sicherheitstests fielen. Ein sauberer Direktvergleich mit menschlichem Code unter identischen Bedingungen liegt aus dieser Untersuchung nicht vor — kursierende Vergleichsfaktoren sollten Sie deshalb mit Vorsicht behandeln. Die belastbare Aussage lautet: Die Fehlerquote ist hoch genug, um eine eigene Prüfschicht zu rechtfertigen.

Welche Programmiersprache ist beim KI-Einsatz am riskantesten?

Im Veracode-Test 2025 war Java mit 72 Prozent Durchfallquote die schwächste der vier untersuchten Sprachen (Java, JavaScript, Python, C#).

Was ist Slopsquatting?

Ein Angriff, der ausnutzt, dass KI-Modelle Paketnamen erfinden. Angreifer registrieren die halluzinierten Namen in öffentlichen Paketregistern und warten darauf, dass jemand die Installationsanweisung ungeprüft ausführt. Gegenmittel ist eine Abhängigkeitsprüfung, die jedes neue Paket meldet.

Hilft es, „schreibe sicheren Code" in den Prompt zu schreiben?

Es hilft messbar wenig. Der Veracode-Bericht zeigt, dass die Sicherheitsleistung nicht mit der allgemeinen Modellqualität mitgewachsen ist. Eine Anweisung im Prompt ist eine Bitte, kein Kontrollpunkt — die Prüfung muss außerhalb des Modells stattfinden.

Muss ich deshalb auf KI-Werkzeuge verzichten?

Nein. Das Risiko entsteht nicht durch das Werkzeug, sondern dadurch, dass ungeprüfter Code in Produktion gelangt. Ein Prüfschritt zwischen Erzeugung und Auslieferung löst das Problem, ohne den Geschwindigkeitsvorteil aufzugeben.

Freitag, 17 Uhr, ein Hotfix muss raus. Genau dann wird die Berechtigungsprüfung übersprungen — nicht aus Nachlässigkeit, sondern weil eine Checkliste in diesem Moment niemand öffnet. Code Guardian hängt die vier Prüfungen deshalb als Gates vor Deploy, Migration und neue Abhängigkeit.

Quellen

• Veracode, GenAI Code Security Report 2025 (80 Aufgaben, über 100 Modelle, vier Sprachen), Juli 2025, sowie das Spring-2026-Update.
• OWASP Top 10:2025 — vorgestellt im November 2025, finale Fassung Januar 2026, Datenbasis über 175.000 CVE-Einträge und 589 CWE.
• Stack Overflow Developer Survey 2025, Abschnitt „AI".

Stand: 27. Juli 2026. Allgemeine fachliche Information, keine Sicherheitsberatung für den Einzelfall.