Anthropic ersetzt Git intern durch Scion: Wenn KI-Coding die Infrastruktur überholt

Was Anthropic am 13. Oktober veröffentlicht hat

Anthropic hat am 13. Oktober 2026 einen Engineering-Bericht über Scion veröffentlicht. Das Unternehmen beschreibt darin, wie es sein großes internes Monorepo innerhalb von fünf Monaten vollständig von Git auf ein selbst entwickeltes Versionskontrollsystem migrierte. Parallel entstanden Antique als neue Code-Review-Oberfläche sowie eigene Werkzeuge für Suche, Berechtigungen und das Zusammenführen großer Mengen geprüften Codes.

Als Auslöser nennt Anthropic das stark gestiegene Entwicklungstempo mit Claude. Im Mai 2026 seien durchschnittlich rund 2.500 Codeänderungen pro Tag zusammengeführt worden, im September bereits mehr als 30.000. Coding sei deshalb nicht länger der zentrale Engpass; stattdessen gerieten Quellcodeverwaltung, Build-Systeme und Continuous Integration an Grenzen, die ursprünglich für menschliche Arbeitsgeschwindigkeit ausgelegt waren.

Das ist eine Fallstudie aus Anthropics eigener Entwicklungsumgebung. Die Zahlen wurden nicht unabhängig geprüft und erlauben keine allgemeine Aussage darüber, wie stark Coding-Agenten die Produktivität anderer Teams erhöhen. Sie zeigen jedoch konkret, welche nachgelagerten Systeme bei sehr hoher Automatisierung zum Flaschenhals werden können.

Bestätigt ist die Veröffentlichung des Berichts und die darin beschriebene Migration. Volumen-, Leistungs- und Produktivitätswerte sind Herstellerangaben von Anthropic.

Warum Git in diesem Sonderfall nicht mehr ausreichte

Git ist dezentral aufgebaut: Jeder vollständige Klon kann Historie, Diffs und Blame lokal berechnen und offline arbeiten. Für fast alle Repositories ist das ein großer Vorteil. Anthropics Workload weicht davon nach eigener Darstellung stark ab, weil die meisten Clients keine Menschen mit Laptops, sondern ständig verbundene Agenten, CI-Jobs und Forschungsprozesse sind.

Die Historie des Hauptbranches sei fast 100 Gigabyte groß, eine komprimierte Arbeitskopie mehr als 25 Gigabyte. Für CI würden täglich ungefähr 25 Millionen Checkouts ausgeführt. Ein naiver Git-Abruf hätte laut Anthropic mehr als 600 Petabyte Datenverkehr pro Tag verursacht.

Anthropic nutzte zuvor flache und sparse Checkouts, interne Spiegel sowie vorbereitete Repository-Snapshots. In Spitzenzeiten liefen mehrere Hundert Git-Mirrors. Mit wachsendem Repository und höherer Merge-Rate seien diese Lösungen jedoch zunehmend aufwendig geworden. Das Problem war damit weniger Git an sich als die Kombination aus ungewöhnlich großem Monorepo, extrem vielen automatisierten Clients und sehr hoher Änderungsfrequenz.

Wie Scion für Agenten und Jobs aufgebaut ist

Scion kehrt mehrere Git-Annahmen um. Clients gelten als dauerhaft online und fragen benötigte Daten bei einem zentralen Dienst ab. Der Server erstellt Commits, berechnet Merges und Rebases und beantwortet Fragen zu Historie oder Blame. Der Client hält nur einen begrenzten Cache, überwacht lokale Dateiänderungen und materialisiert die tatsächlich benötigten Dateien.

Die Arbeitseinheit heißt Changeset. Statt auf einen vollständigen Dateibaum zu verweisen, speichert sie die gegenüber dem ersten Elternknoten geänderten Dateien sowie inhaltlich adressierte Verweise auf komprimierte Inhalte. Zusätzliche Strukturen für Blame, Pfadhistorie und Commit-Beziehungen werden separat und je nach Bedarf berechnet.

Sparse Checkouts sind der Normalfall; virtuelle Arbeitskopien laden Dateien erst bei Zugriff. Viele CI- und Analyseaufgaben können Diffs, Merge-Bases oder Historieninformationen direkt über APIs beziehen und brauchen gar keine lokale Arbeitskopie. Die verteilten Dienste und Cache-Ebenen lassen sich nach Anthropics Darstellung unabhängig horizontal skalieren.

• Zentraler Server statt vollständiger lokaler Repository-Kopien
• Kleine, begrenzte Client-Caches für ständig verbundene Agenten
• Sparse und virtuelle Checkouts als Standard
• Server-APIs für Diffs, Historie, Blame und Merge-Beziehungen
• Inhaltsadressierte Daten und getrennt skalierbare Cache-Ebenen

Welche Verbesserungen Anthropic meldet

Anthropic gibt an, dass jede Cache-Ebene eine Trefferquote von mehr als 99 Prozent erreiche. Der Infrastrukturbedarf von Scion sei gemessen an CPU und Arbeitsspeicher 200-mal kleiner als bei der vorherigen Git-Mirror-Lösung. CI- und Forschungsjobs würden Code in Sekunden statt Minuten auschecken.

Allein in der CI habe das Unternehmen dadurch nach eigener Aussage 25 Prozent CPU-Kapazität gewonnen. Diese Werte sind weder ein standardisierter Benchmark noch ein direkter Vergleich mit üblichen Git-Plattformen. Sie beziehen sich auf Anthropics vorherige Architektur und seinen außergewöhnlichen internen Workload.

Ein siebenköpfiges Team habe Scion, Antique und mehrere angrenzende Systeme in fünf Monaten gebaut und migriert. Anthropic führt das hohe Tempo auch auf Claude zurück. Ein frühes Modell habe etwa eine Ingestion-Pipeline neu geschrieben, die danach laut Bericht 20-mal weniger Speicher benötigte und viermal schneller lief. Auch diese Ergebnisse stammen aus dem internen Bericht.

Die Leistungszahlen sind nicht auf normale Repositories übertragbar. Entscheidend ist der Vergleich mit Anthropics eigener, zuvor stark skalierten Git-Infrastruktur.

Warum menschliche Prüfung trotz Agententempo zentral bleibt

Der Bericht beschreibt nicht nur Produktivitätsgewinne. Anthropic schreibt, dass Coding-Agenten mitunter zentrale Systembedingungen verletzten, um ein bekanntes Muster umzusetzen. Ingenieure mussten Claude beispielsweise davon abhalten, eine Commit-Historie linear zu durchsuchen, obwohl dafür ein effizienterer interner Dienst vorgesehen war.

Auch adversarielle Reviews können laut Anthropic zu kurz greifen. In einem Fall habe Claude aufgrund einer hypothetischen Sorge übermäßig viel Validierung und Komplexität hinzugefügt. Das Team prüfe deshalb weiterhin jede Änderung, konzentriere sich aber stärker auf Absicht, Architektur und Auswirkungen als auf jede einzelne Codezeile.

Das ist eine wichtige Grenze der Fallstudie: Mehr erzeugter Code bedeutet nicht automatisch mehr wertvolle Software. Architekturentscheidungen, Sicherheitsgrenzen, Prioritäten und die Bewertung von Zielkonflikten bleiben Aufgaben, für die Anthropic weiterhin erfahrene Ingenieure einsetzt.

Scion ist kein öffentliches Produkt und kein allgemeiner Git-Ersatz

Anthropic stellt Scion nicht als öffentlich verfügbares Produkt vor. Das Unternehmen bezeichnet das System ausdrücklich als stark auf die eigene Umgebung zugeschnitten. Eine Einführung bei anderen Organisationen würde nicht nur die Versionskontrolle betreffen, sondern auch Code Review, Suche, CI und weitere Teile des Entwicklungsprozesses.

Für normale Teams bleiben die dezentralen und offline nutzbaren Eigenschaften von Git sinnvoll. Scions Prinzipien seien nur bei enormen Monorepos mit zehntausenden Entwicklern oder sehr großen Schwärmen produktiver Agenten plausibel. Hinzu kommt, dass Anthropic intern wesentlich mehr Modell-Tokens einsetzen kann, als für die meisten Unternehmen wirtschaftlich wäre.

Nicht bekannt sind Kosten, vollständige Zuverlässigkeitswerte, Sicherheitsvorfälle oder ein Zeitplan für eine Veröffentlichung. Der Bericht liefert Architekturideen, aber weder Software zum Herunterladen noch einen Migrationspfad für externe Nutzer.

Scion ist intern, nicht öffentlich verfügbar und laut Anthropic für die meisten Organisationen ungeeignet. Aus dem Bericht folgt keine Empfehlung, Git heute zu ersetzen.

Was Entwicklerteams aus dem Bericht ableiten können

Die wichtigste Lehre liegt eine Ebene über der Versionskontrolle: Wenn Coding-Agenten mehr Änderungen erzeugen, verschiebt sich der Engpass. Merge-Warteschlangen, Tests, Reviews, Berechtigungen, Umgebungsaufbau und Deployment müssen mit der zusätzlichen Änderungsrate Schritt halten. Sonst steigt lediglich die Menge wartender oder schlecht geprüfter Arbeit.

Teams sollten deshalb vor einer Ausweitung agentischen Codings messen, wo Zeit tatsächlich verloren geht. Dazu gehören Wartezeiten in CI, fehlgeschlagene Builds, Review-Dauer, Konfliktrate, Rücknahmen nach Merges und Kosten je erfolgreich ausgelieferter Änderung. Die Zahl erzeugter Commits allein ist kein belastbares Produktivitätsmaß.

Scions serverseitige Abfragen und sparse Arbeitskopien können als Denkanstoß dienen, ohne Git aufzugeben. Große Repositories profitieren bereits heute von gezielten Checkouts, Caches, serverseitigen Metadaten-APIs und klar getrennten Berechtigungen. Ob weitergehende Architekturänderungen nötig sind, sollte aus gemessenen Engpässen folgen.

• Durchlaufzeit von Änderung bis Produktion statt Codevolumen messen
• CI-Wartezeiten, Konflikte und fehlgeschlagene Merges beobachten
• Agenten nur auf benötigte Repository-Bereiche und Dienste zugreifen lassen
• Reviews auf Absicht, Architektur und Risiken ausrichten
• Bestehende Git-Skalierungsoptionen ausschöpfen, bevor ein Systemwechsel erwogen wird

Die MindrAils-Einordnung

Anthropics Bericht ist weniger eine Meldung über das Ende von Git als ein Frühindikator für agentische Softwareentwicklung im Extremmaßstab. Wenn Agenten in kurzer Zeit sehr viele Änderungen produzieren, werden Systeme sichtbar, die bisher kaum jemand als limitierenden Faktor betrachtet hat.

Die eindrucksvollen Zahlen sollten nüchtern gelesen werden. Sie stammen von Anthropic, betreffen eine außergewöhnliche Infrastruktur und sagen wenig darüber aus, ob ein gewöhnliches Entwicklungsteam mit denselben Werkzeugen ähnlich produktiv würde. Zudem bleibt jede Änderung menschlich geprüft, und der Bericht beschreibt ausdrücklich Fehlentscheidungen der Agenten.

Relevant ist daher nicht die Aufforderung, Git zu ersetzen. Relevant ist die Frage, ob Review, Tests, Berechtigungen und Deployment noch zu der Geschwindigkeit passen, mit der KI-Systeme Code erzeugen. Genau dort dürfte sich der Wettbewerb um zuverlässige agentische Entwicklung in den kommenden Jahren entscheiden.