Anthropic beschreibt „Chaos-Loop“ zur Härtung von Claude Docs
Anthropic hat den Dienst hinter Claude Docs nach eigenen Angaben mit einem Chaos-Loop getestet und meldet 60 Serverfehler bei Milliarden von Requests.
Anthropic hat den Dienst hinter Claude Docs nach eigenen Angaben gehärtet, indem Claude rund zwei Wochen lang einen Stresstest-Loop gegen eine Staging-Kopie fahren durfte. Der Launch brachte laut dem Unternehmen 60 Serverfehler bei 2 Milliarden Requests und keinen Rollback. Vivek Nair, Autor des Engineering-Beitrags, schreibt, dass Claude Docs am 16. September 2026 veröffentlicht wurde und der gesamte Docs-Dienst auf etwa 50 speicheroptimierten Pods lief. Nair nennt die Methode einen „Chaos-Loop“ und sieht darin eine von zwei Entscheidungen, die den Launch gelingen ließen.
Claude Docs ist ein Dokumenteditor, in dem Menschen und Claude im selben Dokument arbeiten. Eine Claude-Session aus dem Chat oder aus Claude Code kann ein Dokument öffnen und live lesen, schreiben und kommentieren. Vor dem Launch lief der Dienst als Proof of Concept auf einem einzigen Node, genutzt von einigen tausend Mitarbeitenden bei Anthropic. Über die Frage, ob der Dienst den Launch überstehen würde, sagte das laut Nair nichts aus. Deshalb ließ er Claude ab dem 4. September einen Staging-Cluster steuern, der die Produktion mit über einer Million synthetischer Dokumente pro Tag nachbildete, und dabei gezielt Kernkomponenten lahmlegen.
Der Loop war eine Claude-Code-Session, die ein Szenario auswählte, den Harness startete, Telemetrie auswertete, einen Fix vorschlug, ihn ins Staging brachte und von vorne begann. Dieser Koordinator gab den Großteil der Arbeit an Sub-Agenten ab: in der intensivsten Woche etwa 11 gleichzeitig, in der Spitze 30. Die Telemetrie kam über den Datadog MCP Server. Zu den Szenarien gehörten 10 Millionen neue Dokumente an einem einzigen Tag, 22.000 Live-Verbindungen, die sich gleichzeitig neu verbanden, und ein stark frequentiertes Dokument mit Hunderten Betrachtern, während mitten unter Last ein Server abgeschaltet wurde und die Datenbank ins Stocken geriet. Nair legte zwei Invarianten fest, die Claude durchgehend einhalten musste. Dokumente mussten sich auch mit langer Historie nahezu sofort öffnen lassen, und sobald der Server eine Änderung bestätigt hatte, mussten Tests zeigen, dass sie noch vorhanden war. Schwer umkehrbare Änderungen, etwa am Schema, am Key-Layout oder an der Art, wie ein Dokument gespeichert wird, brauchten seine Freigabe.
Die Designentscheidungen folgen einem Grundgedanken: Claude kann nur reparieren, was es messen kann. Jede Datenbankabfrage meldete ihren Namen und wie viele Zeilen sie gescannt und wie viele sie zurückgegeben hatte, sodass sich eine schlechte Abfrage erkennen und umschreiben ließ. Nairs Team schrieb den Dienst in Rust und verzichtete auf Runtimes mit Garbage Collection, weil ein Collector nach eigenem Zeitplan Rauschen bei Speicher und Latenz erzeugen würde. Außerdem hielt das Team die Abhängigkeiten minimal und übernahm die wenigen nötigen per Vendoring in den eigenen Code, um auch diesen messen zu können. Nair sagt, dass das Team Rust nicht per Benchmark mit Go verglichen hat; die Wahl beruht also auf Erfahrung, nicht auf einem Vergleich.
Wie das in der Praxis aussah, zeigt die Arbeit am Speicher. Anfangs belegte ein einzelnes großes Dokument rund 3 GB auf seinem Pod. Claudes erster Fix war, einen Cache zu verkleinern, damit Dokumente früher verdrängt würden. Der nächste Durchlauf zeigte jedoch, dass der Speicher in einem Cache innerhalb einer Abhängigkeit lag, also wurde die Änderung verworfen. Feineres Profiling ergab dann, dass jeder Tastendruck das Dokument in mehrere Datenstrukturen kopierte und dabei jedes Mal einige MB hinzukamen. Claude stellte diese auf Copy-on-Write um, sodass sie sich eine Referenz teilten. Nach etwa drei Tagen lag der Spitzenwert dieses Dokuments bei rund 180 MB, und die Schätzung für den Bedarf zum Launch sank von mehr als 500 speicheroptimierten Pods auf etwa 50.
Nach dem Launch entstand die erste Million Dokumente in rund 30 Stunden, bis zum 22. September überstieg die Zahl 4,6 Millionen. Laut Nair hat das Team die Produktion im September 629 Mal neu ausgerollt und nie zurückgerollt. Sieben der zehn im Staging geprobten Szenarien traten in der Produktion tatsächlich ein. Die Fixes waren hinter Runtime-Flags ausgeliefert worden; geriet ein Teil der Infrastruktur unter Druck, legte das Team meist ein Flag um.
Nair argumentiert, dass der Ansatz erst seit Kurzem praktikabel ist. Ältere Modelle hätten Telemetrie zwar lesen können, in einem langen Loop aber nach zehn oder zwanzig Iterationen begonnen, das Optimierungsziel zu vergessen. Andere Mitarbeitende bei Anthropic nennen das Goal Drift, und er habe das Ziel erneut vorgeben müssen. Neuere Frontier-Modelle hätten dagegen alle Invarianten über viele Kontextkomprimierungen hinweg gehalten, ohne dass man sie daran erinnern musste. Zusätzlich setzte er ein internes Forschungsmodell ein, das er als ungefähr vergleichbar mit Claude Fable 5.2 beschreibt.
Die Inferenzkosten beziffert Nair auf rund 125.000 Dollar zum API-Listenpreis von Claude Fable 5.2 (Stand November 2026), angefallen zwischen Ende August und dem Launch-Tag. Seiner Schätzung nach hätte ein Team von Entwicklern vor ein paar Jahren für Arbeit in diesem Umfang etwa sechs Monate gebraucht. Ein guter Teil der Ausgaben sei in Infrastruktur geflossen, die nur in der Größenordnung von Docs sinnvoll ist, sowie in Token, die verbraucht wurden, während er den Prozess noch ausarbeitete. Etwa die Hälfte hätte sich seiner Meinung nach einsparen lassen. Für einen kleinen Dienst schätzt er einen zweiwöchigen Einsatz zum selben Listenpreis auf 3.000 bis 10.000 Dollar, nachdem Arbeit herausgerechnet ist, die ein kleinerer Stack nicht braucht. Tatsächlich erprobt hat er diese Schätzung nach eigenen Angaben aber nicht.
Für Teams, die das ausprobieren wollen, nennt Nair folgende Schritte. Geben Sie Claude über den MCP Server eines Observability-Anbieters Zugriff auf Telemetrie. Lassen Sie Claude ein Lastskript schreiben, das das Zehnfache des realen Traffics auf eine Staging-Kopie schickt, während es Instanzen abschaltet, die Datenbank ausbremst und mitten in einer Lastspitze deployt. Wählen Sie einen Stack, den Claude leicht messen kann. Halten Sie vor dem Start die wichtigsten technischen Invarianten schriftlich fest und übergeben Sie sie. Lassen Sie Claude bei jeder schwer umkehrbaren Änderung anhalten und einige Optionen samt Empfehlung vorlegen.
Was sich ändert
Art: Neue Funktion · Gilt ab: Mittwoch, 16. September 2026 · Betrifft: Claude Docs
Originalquelle
Wo wir es gesehen haben
claude.dev
KI hat diese Zusammenfassung aus den genannten Quellen geschrieben und ins Deutsche übersetzt. Niemand hat sie vor der Veröffentlichung einzeln geprüft. Bitte prüfen Sie die Originalquelle, bevor Sie sich darauf verlassen. So funktioniert es