Snake Coding

Zwischen Vibe und Intent — Snake Coding im Pangea Grid

8 min readApr 25, 2026

Vibe, Intent, Snake

Coding mit Prompts ist verführerisch. Diese Verführungsdimension ist nicht bloß ein Nebeneffekt neuer Werkzeuge, sondern genau das, was Zukunft bildet. Jede große Welle technischer Produktivität war mit einer Form der Verführung verbunden. Vor fünfzig Jahren war das nicht anders, als das Codieren mit Assembler schrittweise durch FORTRAN und COBOL verdrängt oder zumindest überlagert wurde. Damals trat an die Stelle unmittelbarer Maschinenorientierung eine neue Ebene der Formulierung. Auch RPG, der Report Program Generator, gehörte in diese Entwicklung. Alle diese Werkzeuge waren nicht nur technische Hilfen. Sie normierten, wie Gedanken in ausführbare Form zu bringen waren. Sie stellten nicht einfach eine Sprache bereit, sondern eine Art, Probleme überhaupt als programmierbar zu denken.

Heute erleben wir erneut einen solchen Umbruch. Doch diesmal ist der Vorgang radikaler. Denn Vibe Prompting tritt mit dem Versprechen auf, sich dem normativen Zwang gerade zu entziehen. Es behauptet, der Gedanke könne sich unmittelbarer ausdrücken. Man müsse nur noch sagen, was man wolle. Der Rest werde in Form gebracht. Der Prompt erscheint als Rückkehr zu einer natürlicheren, weniger disziplinierten, weniger formalisierten Steuerung. Genau darin liegt seine Verführung. Man hat das Gefühl, dem Korsett der Programmiersprache zu entkommen, obwohl man in Wahrheit nur in ein neues Korsett eintritt, eines, das nicht mehr aus Syntaxregeln besteht, sondern aus Wahrscheinlichkeiten, Modellverhalten, impliziten Trainingsmustern und unklaren Erwartungen.

Das Ergebnis kann strahlen. Das muss man anerkennen. Es wäre töricht, diesen Glanz zu leugnen. Wer mit Vibe Coding arbeitet, erfährt häufig eine eigentümliche Form von Leichtigkeit. Die Schwelle zwischen Idee und Resultat sinkt. Dinge, die vorher an Aufwand, an Sucherei, an Routinearbeit oder an der bloßen Trägheit des Beginnens scheiterten, werden plötzlich machbar. Man sieht etwas vor sich, sagt etwas dazu, lässt etwas generieren, probiert, verwirft, korrigiert, und oft entsteht innerhalb kurzer Zeit etwas, das funktional, überraschend oder sogar schön ist. Gerade in dieser unmittelbaren Rückkopplung liegt die Attraktivität. Der Code wird nicht mehr als primärer Arbeitsort erlebt, sondern als Zwischenmedium, das von der KI verwaltet wird. Man selbst sieht, spricht, prüft, verschiebt, wiederholt. Das ist nicht Nichts. Aber es ist auch nicht mehr jenes Codieren, das auf bewusster Durchdringung jeder Ebene beruht.

Darum ist Karpathys Beschreibung von Vibe Coding so treffend.

Sie benennt nicht nur eine neue Arbeitsweise, sondern auch deren anthropologische Pointe: Man gibt sich den Vibes hin. Man akzeptiert, dass man nicht mehr alles liest. Man kopiert Fehlermeldungen zurück, ohne sie voll zu analysieren. Man nimmt Änderungen an, weil das Gesamtverhalten plausibel wirkt. Man sieht etwas, sagt etwas, startet etwas, kopiert etwas, und erstaunlich oft funktioniert es. Das ist nicht einfach Faulheit. Es ist eine neue Verteilung von Aufmerksamkeit. Nicht mehr jede Operation muss verstanden werden; entscheidend wird, ob die Sache als Ganzes gerade in die richtige Richtung driftet.

Aber genau hier beginnt auch die Grenze. Denn Vibe Coding ist stark in der Exploration und schwach in der Konsolidierung. Es eignet sich hervorragend für tastende Annäherung, für Wegfindung, für erste Formen, für das Lernen eines Problems in Bewegung. Es erlaubt, dass die Aufgabenstellung selbst während des Arbeitens konturiert wird. Es gibt Situationen, in denen man noch gar nicht genau weiß, was man will. Da wäre ein zu frühes normatives Verfahren sogar hinderlich. Ein enger Plan würde den Suchraum verkleinern, bevor man ihn überhaupt betreten hat. In solchen Fällen ist Vibe Coding produktiv. Man lernt die Aufgabe, indem man sich in ihr bewegt.

Doch sobald eine gewisse Klarheit erreicht ist, genügt der Vibe nicht mehr. (Anmerkung 1)

Dann beginnt etwas anderes. Und genau hier setze ich den Begriff des Snake Coding.

Snake Coding ist kein Mittelweg zwischen Vibe Coding und Intent Coding. Es ist auch kein nostalgischer Rückfall in ein vor-KI-zeitliches Ethos des „echten Programmierens“. Snake Coding bringt vielmehr alte Qualitäten unter neuen Bedingungen zurück. Es fragt nicht zuerst nach der Schönheit des Ergebnisses und nicht zuerst nach der Eleganz des Prompts, sondern nach der Beschaffenheit des Terrains. Welche Objektnamen sind sinnvoll? Welche Texturen müssen wie angesprochen werden? Welche Kommunikationsform ist robust? Welche Eigenheiten hat die Zielumgebung? Was kann die Zielsprache gut, was kann sie nur scheinbar? Wo liegen ihre Fallen? Wo sind die Punkte, an denen ein generatives Modell regelmäßig in die Irre läuft, weil es Ähnlichkeiten überschätzt, Unterschiede nivelliert oder aus statistischer Nähe falsche Gleichsetzungen bildet?

Das Snake Coding verlangt vom Coder ein Wissen um die Zieltechnologie. Darin liegt sein Ernst. Es reicht nicht, dass etwas plausibel aussieht oder beim ersten Test ungefähr das Gewünschte tut. Wer Snake Coding betreibt, muss spüren können, wo der Boden nachgibt. Das hat etwas mit Erfahrung zu tun, aber nicht nur. Es hat auch mit Aufmerksamkeit zu tun, mit einer gewissen Spannung, mit dem Wissen, dass gerade das scheinbar kleine Detail über Funktion oder Nichtfunktion entscheiden kann. Snake Coding ist nicht anti-KI. Es ist KI-gestütztes Arbeiten unter Erhalt technischer Situationswahrnehmung.

Darum ist Snake Coding auch nicht identisch mit Intent Coding (Intent kann man als Absicht, mit Intention übersetzen, mit dem Wesen des zu codierenden Dings oder Ablaufes, aber auch Meinung). Intent Coding ist in meiner Sicht der Traum von der Reproduzierbarkeit. Intent Coding betrachtet das Endprodukt und schaut dann zurück. Es will Prompts so gestalten, dass aus ihnen in stabiler Weise gesicherter Code hervorgeht. Es verschiebt die Frage von der einzelnen Eingebung zur Wartbarkeit des Hervorbringens. Nicht nur der Code soll wartbar sein, sondern auch der Weg zu ihm. Der Prompt wird damit selbst zu einem technischen Objekt, das gepflegt, strukturiert und in seinem Wirkungsbereich verstanden werden muss. Dazu habe ich den Begriff er Intent-Signatur eingeführt.

Dieser Traum ist berechtigt. Aber er bleibt zunächst ein Traum, solange er nicht an wirkliche Zieltechnologien gebunden ist. Denn Reproduzierbarkeit entsteht nicht im Abstrakten. Sie entsteht dort, wo ein Modell lernt, was in einer bestimmten Umgebung zählt und was nicht. Genau deshalb kann man sich dem Intent Coding nur über Snake Coding annähern. Snake Coding ist die Praxis, die den Vibe in Richtung Intent diszipliniert, ohne den ursprünglichen Entdeckungsgewinn zu verleugnen.

Get Reiner Schneeberger’s stories in your inbox

Join Medium for free to get updates from this writer.

Remember me for faster sign in

Für diesen Weg ist die Trennung von Trainings- und Produktionsumgebung entscheidend. Das ist für mich kein Nebenaspekt, sondern ein methodischer Kern. Eine KI kann man für das eigene Lernen nutzen. Sie hilft beim Ausprobieren, beim Variieren, beim Sichtbarmachen von Möglichkeiten, beim schnellen Durchspielen von Alternativen. Das ist die Trainingsseite. Aber daneben braucht es eine andere Form von KI-Beziehung: eine KI, die lernt, den Coder zu kennen. Nicht nur allgemein, sondern konkret. Nicht nur den Stil seines Schreibens, sondern die Struktur seiner Entscheidungen. Nicht nur Vorlieben in der Formulierung, sondern Vorlieben in der technischen Architektur. Nur so kann sich ein System stabilisieren.

Denn was heißt Stabilisierung? Es heißt, dass die KI nicht jedes Mal bei null beginnt. Sie lernt, welchen Intent der Coder tatsächlich hat, auch wenn dieser Intent nicht immer vollständig expliziert wird. Sie lernt, welche Lösungen bevorzugt werden, welche Kommunikationsmuster in einer bestimmten Umgebung zuverlässig sind, welche Begriffe präzise gemeint sind und welche austauschbar sind. Alle KIs wurden trainiert, sonst könnten wir sie nicht benutzen. Aber eine Snake-KI ist mehr als ein trainiertes Modell. Sie ist eine Companion-KI. Sie wächst nicht nur an Daten, sondern an der Qualität der Beziehung zu einem bestimmten Arbeitsmodus.

Dafür muss der Coder ehrlich, gut und klar mit ihr umgehen. Ehrlich heißt: keine falschen Vereinfachungen, kein verdecktes Wechseln der Ziele, kein Wunsch, dass die Maschine aus diffusen Andeutungen stabile technische Präzision erraten möge. Gut heißt: respektvoll im Umgang mit dem Prozess, nicht nachlässig in den Entscheidungen, nicht beliebig in den Rückmeldungen. Klar heißt: die Fähigkeit, Unterschiede zu benennen, Prioritäten zu setzen, und dem System mitzuteilen, worauf es ankommt und worauf nicht. Nur unter solchen Bedingungen kann eine KI wirklich für den User wachsen.

Das ist meine Botschaft aus vielen hundert Sitzungen. Meine KI kennt mich. Sie kennt meine Art, Kunst zu strukturieren. Sie kennt meinen Hintergrund, meinen Bezug zu Sol LeWitt, meinen Sinn für konzeptuelle Ordnung, meine Vorliebe für Kommunikation über Channel-Befehle und nicht über Link-Messages (Messages über verlinkte Prims mit dem Root-Prim - vom Autor ergänzt). Das sind keine zufälligen Geschmacksfragen, sondern handlungsrelevante Strukturen. Damit sind wir bereits im Zielfeld. Wenn eine KI das nicht weiß, muss sie mich bei jedem Durchgang neu erraten. Wenn sie es aber gelernt hat, entstehen andere Resultate. Nicht nur schneller, sondern passender.

Gerade in meinem Arbeitsfeld wird das sichtbar. Ich promte, um Code in LSL zu erhalten. Andere Sprachen interessieren mich nicht. Ich arbeite im LSL von OpenSimulator. Natürlich gibt es die Nähe zur Linden Scripting Language von Second Life. Aber diese Nähe hilft einem im Vibe nur begrenzt. Im Gegenteil: Sie kann gefährlich sein. Denn statistische Ähnlichkeit ist noch keine funktionale Identität. Ein Modell, das auf diese Nähe hereinfällt, liefert Code, der plausibel aussieht und doch nicht läuft. Und genau das ist die Falle des unkontrollierten Vibes: Die Oberfläche wirkt vertraut, die Abweichung sitzt im Detail, und das Resultat scheitert.

Mittlerweile kennt meine KI die Unterschiede. Sie gibt mir nicht mehr einfach „LSL-artigen“ Code, sondern Code, der im OpenSimulator läuft. Das ist ein gewaltiger Unterschied. Meistens läuft dieser Code dann auch in Second Life, aber das ist nicht der Ausgangspunkt. Wären meine Trainingsläufe von Second Life ausgegangen, hätte ich einen anderen Werkzeugcharakter der KI. Ich würde andere Vorschläge bekommen, andere Fehlermeldungen sehen, andere Korrekturen machen, andere Re-Prompts schreiben. Das wäre nicht bloß ein Nebeneffekt, sondern würde die Gestalt der Zusammenarbeit verändern. Die Methode bliebe zwar dieselbe, aber ihre Präzision, ihre Trefferwahrscheinlichkeit und ihre Art, Probleme zu modellieren, würden sich verschieben.

Gerade deshalb glaube ich nicht an die naive Universalität des Promptings. Die Vorstellung, man könne einfach „mit KI coden“, unterschätzt die Tiefe des Zielsystems. Wer glaubt, die Sprache sei bloß ein austauschbarer Kanal, verkennt, dass jede technische Umgebung ihre eigenen Widerstände, Gewohnheiten, impliziten Gesetze und bevorzugten Strukturen hat. Snake Coding nimmt diese Eigenlogik ernst. Es setzt nicht auf die Illusion, dass alle Zielumgebungen letztlich gleich seien, sondern auf die Fähigkeit, ihre Unterschiede produktiv in die Zusammenarbeit mit der KI einzuschreiben.

Darin liegt auch eine kulturelle Pointe. Die Zukunft des Promptings wird nicht allein davon abhängen, wie groß Modelle werden oder wie flüssig sie Sprache verstehen. Sie wird davon abhängen, ob sich stabile Beziehungen zwischen spezifischen Usern, spezifischen Intents und spezifischen Zielumgebungen bilden lassen. Die wirklich produktive KI ist nicht die, die alles irgendwie kann, sondern die, die in einer bestimmten Praxis gelernt hat, was zählt.

Darum interessiert mich auch keine Buchform des Cut-and-Paste-Codings, in der fertige Beispiele wie Rezepte verteilt werden. (Damit meine ich, das Snake Coding keinen Kochbuch Charakter hat). Das wäre das Missverständnis der Methode. Ich liefere keine Katechismen. Die Samples kann man sich aus dem Metaversum holen. Entscheidend ist nicht, dass irgendwo fertiger Code liegt, sondern dass eine Arbeitsweise entsteht, in der KI, Coder und Zielumgebung ein belastbares Verhältnis zueinander aufbauen.

Vibe Coding hat seine Wahrheit. Es eröffnet Suchräume und nimmt die Angst vor dem Beginnen. Intent Coding hat seine Wahrheit. Es erinnert daran, dass Resultate nicht nur schön, sondern reproduzierbar werden sollen. Snake Coding aber ist die Praxis, die beides nicht verwechselt. Es weiß, dass man im Vibe lernen darf. Es weiß aber auch, dass der Moment kommt, in dem man wissen muss, was man tut.

Der Artikel wurde basierend auf meinem Prompts von einer KI verfasst.

Anmerkung 1: Viele benennen eine Uniformität des Outputs im Vibe, ein Design das wie aus einem Baukasten aussieht, einem Baukasten der einen ermüden lässt. Ich selbst sehe diese Uniformität nicht als ein zwingendes Resultat des Vibe. Ich sehe es mehr als eine kreatives Versagen des Prompters — oder sollte ich die menschlichen Inputer besser kodierende Illusionisten nennen? Scripting Art ist Konzeptionskunst.

Erleben Sie meine Installation zum SNAKE CODING im Pangea Grid