Vibe Coding ist tot. Willkommen beim Agentic Engineering mit Markdown.
Im Februar 2025 prägte Andrej Karpathy einen Begriff, der die Tech-Welt übernahm: Vibe Coding — Code schreiben, indem man beschreibt, was man will, und die KI die Syntax übernehmen lässt.
Ein Jahr später sagt Karpathy, dass Vibe Coding bereits passé ist.
Das neue Paradigma? Agentic Engineering — wo man 99 % der Zeit keinen Code schreibt. Man orchestriert KI-Agenten, die ihn schreiben, und agiert als Aufseher statt als Autor.
Und das Orchestrierungstool? Markdown.
Die Evolution: Drei Phasen
Software 1.0: Code schreiben
Traditionelle Programmierung. Menschen schreiben jede Zeile. Python, JavaScript, C++. Man denkt in Syntax, debuggt manuell und iteriert Zeile für Zeile.
Software 2.0 / Vibe Coding: Code beschreiben
KI-Assistenten wie Copilot und Cursor generieren Code aus Beschreibungen in natürlicher Sprache. Man „vibt” mit der KI — beschreibt, was man will, akzeptiert oder lehnt Vorschläge ab. Man überprüft noch jede Zeile.
Software 3.0 / Agentic Engineering: Agenten dirigieren
KI-Agenten operieren autonom. Man schreibt eine Markdown-Datei, die Ziele und Einschränkungen definiert. Der Agent schreibt Code, testet ihn, iteriert und committet Verbesserungen. Man überprüft die Ergebnisse, nicht den Prozess.
Karpathys Autoresearch ist das deutlichste Beispiel: Ein Forscher schreibt program.md, und die KI führt 100+ Experimente über Nacht ohne menschliches Eingreifen durch.
Markdown: Die Interface-Schicht
In jeder Phase ändert sich das Werkzeug des Menschen:
| Phase | Werkzeug des Menschen | Ausgabe |
|---|---|---|
| Software 1.0 | Code-Editor | Quellcode |
| Software 2.0 | KI-Chat + Code-Editor | KI-unterstützter Quellcode |
| Software 3.0 | Markdown-Editor | Agenten-Anweisungen |
Beim Agentic Engineering ist die Markdown-Datei das Produkt der menschlichen Arbeit. Alles Nachgelagerte — der Code, die Experimente, die Ergebnisse — wird von KI-Agenten produziert, die Ihren Markdown-Anweisungen folgen.
Die neue Fähigkeit: Agenten-Anweisungen schreiben
Wenn man keinen Code mehr schreibt, was macht man dann? Man schreibt Markdown-Dateien, die klar, spezifisch und strategisch fundiert sind.
Das erfordert ein anderes Fähigkeitsset:
Domänen-Expertise — Man muss wissen, wie gute Ergebnisse aussehen, auch wenn man sie nicht manuell produziert.
Klares Schreiben — Mehrdeutige Anweisungen produzieren mehrdeutige Ergebnisse. Je besser Ihr Markdown, desto besser die Ausgabe des Agenten.
Strategisches Denken — Beim Autoresearch besteht die Aufgabe des Forschers darin, die richtige Forschungsrichtung festzulegen, nicht einzelne Experimente durchzuführen. Ihre program.md definiert die Strategie.
Bewertungsfähigkeit — Man muss beurteilen, ob die Ergebnisse des Agenten tatsächlich gut sind. Aufsicht ist die Kernverantwortung des Menschen.
Was man wirklich programmiert
Wenn man eine program.md, eine AGENTS.md oder eine CLAUDE.md schreibt, schreibt man nicht nur Dokumentation. Man programmiert:
- Ziele: Was soll der Agent optimieren?
- Einschränkungen: Was soll der Agent niemals tun?
- Kontext: Was muss der Agent über die Domäne wissen?
- Strategie: Wie soll der Agent das Problem angehen?
- Evaluation: Wie soll der Agent Erfolg messen?
Das ist Software 3.0 Programmierung. Die Sprache ist Markdown. Der Compiler ist ein LLM. Die Laufzeitumgebung ist eine autonome Agenten-Schleife.
Die Wissens-Lieferkette
Agentic Engineering ist auf Wissen angewiesen. Ihre Markdown-Anweisungen sind nur so gut wie Ihr Verständnis der Domäne. Das schafft eine Wissens-Lieferkette:
- Wissen erfassen aus dem Web (Dokumentation, Artikel, Blog-Posts, Beispiele)
- In einem Markdown-nativen System organisieren (Obsidian, Notion, einfache Dateien)
- In Agenten-Anweisungen synthetisieren (program.md, AGENTS.md, CLAUDE.md)
- Agenten deployen, die auf Ihre Anweisungen reagieren
Der erste Schritt — Web-Wissen als Markdown erfassen — ist, wo Save passt. Ein-Klick-Konvertierung jeder Webseite in sauberes Markdown, bereit, in Ihren Agenten-Anweisungs-Workflow einzuspeisen.
Die Leute, die 2026 die besten Agenten-Anweisungen schreiben, fangen nicht von vorne an. Sie bauen auf einer sorgfältig kuratierten Bibliothek von Markdown-Referenzen auf, die sie in klare Agenten-Anweisungen synthetisieren können.
Mit Agentic Engineering beginnen
Sie müssen kein Autoresearch betreiben, um Agentic Engineering zu praktizieren:
- Starten Sie mit AGENTS.md in Ihrem aktuellen Projekt. Schreiben Sie klare Anweisungen für KI-Coding-Assistenten.
- Iterieren Sie basierend auf Ergebnissen. Wenn die KI einen Fehler macht, korrigieren Sie ihn nicht nur — aktualisieren Sie Ihre Markdown-Anweisungen, damit es nicht wieder passiert.
- Bauen Sie Ihre Referenzbibliothek auf. Speichern Sie nützliche Dokumentation, Beispiele und Best Practices als Markdown. Sie werden sie beim Schreiben von Agenten-Anweisungen referenzieren.
- Denken Sie strategisch. Anstatt der KI zu sagen, welchen Code sie schreiben soll, sagen Sie ihr, welches Problem gelöst werden soll und welche Einschränkungen zu respektieren sind.
Der Übergang vom Vibe Coding zum Agentic Engineering ist keine Zukunftsprognose. Es passiert gerade jetzt, und Markdown ist die Schnittstelle.
Save konvertiert jede Webseite in sauberes Markdown — baut die Wissensbibliothek auf, die effektives Agentic Engineering antreibt. Save kostenlos testen.
## Continue reading
Von README.md zu PROGRAM.md: Markdown ist jetzt eine Programmiersprache
README.md war für Menschen. AGENTS.md ist für Coding-Assistenten. PROGRAM.md ist für autonome Forschung. Markdown hat sich von der Dokumentation zur Programmiersprache für KI-Agenten entwickelt.
Karpathys 'Zwei Gruppen' von KI-Nutzern — zu welcher gehörst du?
Andrej Karpathy sagt, es gibt eine wachsende Lücke im Verständnis von KI-Fähigkeiten. Eine Gruppe hält KI für ein Spielzeug. Die andere erlebt 'AI Psychosis'. Hier ist, was sie trennt — und wie man die Kluft überbrückt.
Autoresearch für alle: Wie man 100 KI-Experimente im Schlaf durchführt
Karpathys Autoresearch führt 100+ ML-Experimente über Nacht auf einer einzigen GPU durch. Hier ist, wie es funktioniert, was du brauchst, und warum ein 630-Zeilen-Python-Skript die KI-Forschung verändert.
Der Git-Commit als wissenschaftliche Entdeckung: Wie Autoresearch Versionskontrolle in ein Forschungslabor verwandelt
In Karpathys autoresearch ist jedes erfolgreiche Experiment ein Git-Commit. Jedes fehlgeschlagene ist ein git reset. Versionskontrolle ist zum Gedächtnis autonomer KI-Forschung geworden.
Written by
Jean-Sébastien Wallez
I've been making internet products for 10+ years. Built Save on weekends because I wanted my own reading library in clean markdown for Claude and Obsidian. Write here about web clipping, AI workflows, and the small things that make a personal knowledge base actually useful.