Google – The New SDLC With Vibe Coding

Bibliografische Angaben

Addy Osmani, Shubham Saboo und Sokratis Kartakis, Google, The New SDLC With Vibe Coding: From ad-hoc prompting to Agentic Engineering, Mai 2026, 51 Seiten.

Original: The New SDLC With Vibe Coding

Aussagen der Quelle

• Das Whitepaper ordnet Vibe Coding, strukturierte AI-Assistenz und Agentic Engineering auf einem Kontinuum ein. Entscheidend seien nicht die verwendeten Tools, sondern Spezifikation, systematische Verifikation, Leitplanken und menschliches Urteil; der angemessene Strukturgrad richte sich nach dem Risiko der Aufgabe.
• Context Engineering umfasse Instruktionen, Wissen, Memory, Beispiele, Tools und Guardrails. Statischer Kontext werde stets geladen, dynamischer Kontext nur bei Bedarf. Die Grenze dazwischen solle als versionierte Architekturentscheidung behandelt werden, weil zu viel Kontext Kosten und Signalverdünnung erzeugt, zu wenig Kontext aber wichtige Regeln entfallen lässt.
• AI komprimiere den SDLC ungleichmäßig: Implementierung werde stark beschleunigt, während Anforderungen, Architektur und Verifikation stärker von menschlichem Kontext und Urteil abhingen. Dadurch verschiebe sich Entwicklerarbeit von Syntax zu Spezifikation, Systemgestaltung und Qualitätsbeurteilung.
• Das Factory Model beschreibt als primäres Entwicklungsartefakt ein System aus Spezifikationen, Agenten, Tests, Quality Gates, Feedbackschleifen und Guardrails, das Code erzeugt und prüft. Der Harness ergänze das Modell um Tools, Sandboxes, Orchestrierung, Hooks und Observability.
• Die Rollenbilder Conductor und Orchestrator unterscheiden synchrone, feingranulare Führung von asynchroner Delegation und Ergebnisprüfung. Die Quelle behandelt sie als aufgabenabhängige Arbeitsmodi, nicht als lineare Reifestufen.
• Ökonomisch stellt das Whitepaper niedrigen Anfangskosten von ad-hoc Prompting mögliche spätere Kosten durch Tokenverbrauch, Wartung und Security gegenüber. Strukturiertes Agentic Engineering verlange dagegen Vorleistungen für Kontext, Tests und Harness. Diese CapEx-/OpEx-Darstellung ist ein Argumentationsmodell und keine gemessene TCO-Analyse.

Relevanz für den Garden

Die Quelle verbindet bereits getrennt betrachtete Themen: risikobasierte Arbeitsweisen, Context Engineering, Harness Engineering, Rollenveränderung und verschobene Engstellen. Besonders anschlussfähig ist die statisch-dynamische Kontextgrenze. Sie konkretisiert, warum mehr Repository-Kontext nicht automatisch besser ist und warum Regeln, Skills und abrufbares Wissen gemeinsam gestaltet und gemessen werden müssen. Das Whitepaper ergänzt damit Böckelers Harness-Modell und steht zugleich unter dem empirischen Vorbehalt der Evaluation von AGENTS.md.

Grenzen

Das Dokument ist ein von Google veröffentlichtes Strategie- und Praxis-Whitepaper, keine eigene empirische Studie. Es bündelt viele Sekundärquellen, Anbieterbeispiele und schnell veraltende Marktangaben. Mehrere starke Aussagen – etwa zur Verbreitung AI-generierten Codes, zu Produktivitätsgewinnen, zum Anteil von Harness-Konfiguration an Agentenfehlern sowie zu sinkenden Betriebs- und Wartungskosten – sind durch die Endnoten nicht so belastbar abgesichert, dass sie als allgemeine Evidenz übernommen werden sollten. Google-Produkte und Google-nahe Standards erhalten viel Raum. Die Modelle sind deshalb als strukturierende Hypothesen und Gestaltungsheuristiken zu verwenden, nicht als Wirksamkeitsnachweis.