KI-Entwicklung & Programmierung: Apps bauen mit KI

Jev ist das KI-Modell von TypeSafe, das Auswahlentscheidungen, Skalenwerte und Ja/Nein-Wahrscheinlichkeiten statt generierter Texte liefert. Der Artikel erklärt Choice, Score und Noul, die Bedeutung von confidence und den Aufbau einer API-Anfrage zur Zuordnung von Supportfällen. Typgarantien gewährleisten keine richtigen Entscheidungen. Behandelt werden dokumentierte Schwächen bei Berechnungen, Datumswerten und irreführenden Eingaben sowie Preise, beide Eingabegrenzen und die Evaluation vor einem Einsatz mit japanischen Texten. Grundlage sind offizielle Quellen, keine praktischen Leistungstests der API.

Nur das Planen soll ein kluges Modell übernehmen, die Implementierung ein schnelleres und günstigeres. opusplan in Claude Code ist eine Modellangabe, die genau das automatisch erledigt. Im Planmodus läuft Opus, sonst Sonnet, und Sie nutzen es mit /model opusplan oder über model in settings.json. Allerdings erscheint es nicht in der Liste von /model, und weil das Modell bei jedem Betreten und Verlassen des Planmodus wechselt, wird dabei jedes Mal das gesamte Gespräch ohne Cache neu eingelesen. Auf Basis der offiziellen Dokumentation, des Änderungsprotokolls (CHANGELOG) und der GitHub-Issues mit Stand 15. September 2026 fasst dieser Artikel zusammen: die Einrichtung (einschließlich Festlegen der Versionen und 1M-Kontext), den Ablauf vom Planmodus über die Genehmigung bis zur Implementierung, wie es in v2.0.0 aus der Auswahl entfernt wurde und was ein Mitarbeiter von Anthropic dazu erklärte, eine Schätzung der Cache-Kosten eines Wechsels und wie Sie sie senken, die Unterschiede zum Advisor-Tool und zu Subagenten sowie die Arbeit, für die es sich eignet und für die nicht.

Lässt sich die Hauptsitzung von Claude Code bei Opus 5 belassen, während nur Aufgaben wie Übersetzungen oder umfangreiche Prüfungen an Subagenten mit Sonnet oder Haiku gehen? Ja. Das Modell eines Subagenten wird in dieser Reihenfolge festgelegt: Angabe beim Aufruf, model in der Definitionsdatei, Umgebungsvariable CLAUDE_CODE_SUBAGENT_MODEL, Modell der Hauptsitzung; auch den Aufwand (effort) können Sie pro Subagent festlegen. Auf Basis der offiziellen Dokumentation mit Stand 15. September 2026 ordnet dieser Artikel ein, wie sich die Reihenfolge zwischen Versionen unterscheidet, wie CLAUDE_CODE_SUBAGENT_MODEL_FORCE alle Subagenten auf ein Modell festlegt, wohin Aliasse je nach Anbieter zeigen und dass der eingebaute Explore seit v2.1.198 das Modell der Hauptsitzung übernimmt. Anschließend zeige ich, was passierte, als ich Subagenten tatsächlich mit anderen Modellen gestartet und die Gesprächsprotokolle geprüft habe: Sie liefen mit dem angegebenen Modell, jeder las allein für den Start Zehntausende Tokens ein, der Cache von Subagenten läuft auch im Abonnement nach 5 Minuten ab, und dieselbe Übersetzung, je zweimal an Opus 5, Sonnet 5 und Haiku 4.5 gegeben, unterschied sich in Zeit, Kosten und Qualität. Zum Schluss fasse ich zusammen, wie sich das auf Kosten und Nutzungslimits auswirkt und welche Arbeit sich für ein günstigeres Modell eignet.

Wenn mehrere Sitzungen parallel laufen, fragt man sich bald, welche davon das Wochenlimit auffrisst. Doch /usage in Claude Code zeigt nur die Zahlen der aktuellen Sitzung sowie den Verbrauch des gesamten Tarifs, aufgeteilt nach Skill, Subagent, Plugin und MCP-Server, und welchen Anteil jede Sitzung hatte, erscheint weder im Verbrauchsring der Desktop-App noch auf der Einstellungsseite von claude.ai (Stand September 2026). Die Antwort steckt in den Gesprächsprotokollen auf Ihrem Rechner (den JSONL-Dateien in ~/.claude/projects), doch wer sie einfach addiert, erhält ein falsches Ergebnis: Eine einzelne Antwort wird über mehrere Zeilen geschrieben, eine pro Inhaltsblock, und Subagenten stehen in eigenen Dateien. Auf meinem eigenen Rechner gemessen, ergab die naive Summe etwa das Doppelte des korrekten Werts, und weil die Größe des Fehlers von Sitzung zu Sitzung verschieden war, änderte sich sogar die Rangfolge. Dieser Artikel zeigt, was die offiziellen Ansichten anzeigen und was nicht, wie Sie die Protokolle mit einem Auswertungsskript von rund 50 Zeilen richtig zählen, das Messergebnis, bei dem eine Sitzung fast ein Drittel des gesamten Verbrauchs ausmachte, die Grenzen dessen, was die Zahlen aussagen, und wie Sie OpenTelemetry einrichten, wenn Sie den Verbrauch dauerhaft beobachten wollen.

Zu viele Skills verdrängen den Kontext: Zur Hälfte stimmt das, zur Hälfte nicht. Laut der offiziellen Dokumentation von Claude Code steht der Skill-Liste ein festes Budget von 1 % des Kontextfensters des Modells zu, und egal wie viele Skills dazukommen, dort ist Schluss. Statt zu wachsen, beginnt die Liste, Beschreibungen zu streichen, und zwar zuerst bei den am seltensten aufgerufenen Skills, von denen nur der Name bleibt. Ein Skill ohne Beschreibung lässt sich nicht mehr mit einer Anfrage verknüpfen, dabei erscheint keine Fehlermeldung und nichts wird langsamer. Dieser Artikel arbeitet die unterschiedlichen Aufgaben der drei Messwerkzeuge heraus (/context, /usage und /skill-doctor), erklärt, warum ein Cache-Miss über 5 % und 2.000 Tokens definiert ist, wie die Lebensdauer des Cache je nach Vertragsform von einer Stunde auf fünf Minuten fällt, warum ein CLI auch dann leichter bleibt, wenn MCP-Tool-Definitionen standardmäßig verzögert geladen werden, worauf das Ziel von unter 200 Zeilen für CLAUDE.md beruht und was nach dem Messen zuerst gekürzt wird — durchgehend beschränkt auf das, was sich in der offiziellen Dokumentation überprüfen ließ.

Die Arbeit mit Claude bleibt stehen, Sie suchen genau die Meldung, die erschienen ist, und die Suche gibt fast nichts zurück. The model returned no content because the response was blocked by content filtering, The response was blocked by the provider's content filter, Streaming response ended before any complete data was received, Could not locate the Claude CLI on PATH und Connection to Claude's response was lost. Claude may still be working sind fünf Beispiele dafür. Ihnen ist gemeinsam, dass sie beim Arbeiten mit Claude erscheinen und sich in Claudes eigenem Material dennoch (scheinbar) nicht finden lassen, und der Grund ist einfach: Das Programm, das die Meldung auf Ihrem Bildschirm geschrieben hat, ist nicht zwangsläufig das, für das Sie es halten. Dieser Artikel erklärt nicht jede Ursache von Grund auf, sondern ist die Eingangshalle, die bestimmt, wer die Meldung geschrieben hat, und Sie zum richtigen Artikel weiterleitet. Zuerst werden die vier Ebenen getrennt, die eine Fehlerzeile schreiben können: das Backend, das das Modell bereitstellt, Claude Code selbst, das startende Programm als IDE-Erweiterung oder Wrapper und der Client eines Drittanbieters. Beim tatsächlichen Abgleich existierten zwei der fünf als Einträge in der offiziellen Fehlerreferenz von Claude Code. Die offizielle Definition von Streaming response ended… lautet, dass die Header zurückkamen, der Rumpf aber keine Nachricht der Claude API enthielt, es ist also kein Abbruch auf halbem Weg. Could not locate the Claude CLI on PATH steht in einem eigenen Kapitel, Wrapper and IDE errors, das die Dokumentation als Meldungen des startenden Programms beschreibt, und die tatsächliche Anzeige kann vier Sätze lang sein, wo die offizielle Überschrift ein Satz ist, weshalb die Suche nichts bringt. Die beiden Sätze zum content filter sind dagegen Wortschatz von Drittanbietern, und OpenCode Issue #35736 meldet, dass drei völlig getrennte Fehlschläge — ein 404 von Vertex, ein Socket-Abbruch und eine echte Ablehnung — alle als dasselbe blocked by content filter erscheinen. Nur bei einem der drei ist der Wortlaut richtig; wer ihm glaubt und seinen Prompt milder formuliert, repariert eine falsch konfigurierte Modell-ID nie. Auch GitHubs offizielle Dokumentation hält fest, dass Ein- und Ausgabe bei der Verwendung von Claude die Content-Filter von GitHub Copilot durchlaufen, Claude zu verwenden heißt also nicht, dass Anthropics Filter Sie gestoppt hat. Die letzte der fünf steht weder in der offiziellen Fehlerreferenz noch in der Dokumentation zu Remote Control, ihre Herkunft ließ sich nicht bestimmen, es wird kein Name genannt, und stattdessen stehen vier Schritte bereit, mit denen Leser sie in der eigenen Umgebung selbst bestimmen. Was feststeht und was nicht, ist durchgehend mit Labels getrennt.

Claude Code bleibt mitten in der Antwort mit „API Error: Connection lost mid-response. The response above may be incomplete.“ stehen, und die Suche nach genau dieser Zeichenfolge bringt fast nichts zurück, weil die Zeichenfolge selbst neu ist. Die offizielle Fehlerreferenz hält es klar fest: Vor v2.1.227 erschien Connection lost mid-response als Connection closed mid-response, im selben Zug wurde aus Response stalled mid-stream die Meldung The response stopped arriving und aus Connection closed while thinking, before producing a response die Meldung Connection lost before a response was produced. Das Ereignis ist nicht neu, geändert hat sich allein das Wort auf dem Bildschirm. Genau deshalb gilt Material unter dem alten Namen unverändert weiter, und genau deshalb muss eine Issue-Suche beide Zeichenfolgen verwenden. Ausgehend von dieser Umbenennung arbeitet dieser Artikel allein mit der offiziellen Dokumentation und öffentlichen Issues. Er behandelt die offiziellen Definitionen der vier Meldungen für einen Abbruch mitten in der Antwort (Server error, Connection lost, Your computer went to sleep und The response stopped arriving), warum die bereits auf dem Bildschirm stehende Ausgabe bewusst behalten wird — ein erneutes Senden könnte denselben Tool-Aufruf zweimal ausführen — und warum der Wiederherstellungsschritt darin besteht, continue zu antworten, statt von vorn zu beginnen. Danach erklärt er anhand des offiziellen Zweigs der Automatic retries, warum nichts automatisch wiederholt wird: Ein Abbruch, bevor irgendetwas abgeschlossen ist, wird mit exponentiellem Backoff bis zu zehnmal erneut gesendet; ein Abbruch nach dem Denken, aber vor jeder Ausgabe wird höchstens zweimal erneut gesendet und beendet den Turn dann mit Connection lost before a response was produced; ein Abbruch, nachdem ein Block abgeschlossen wurde, wird überhaupt nicht erneut gesendet. Von dort kartiert der Artikel die drei Ebenen, auf denen ein Stream abreißen kann — Ihr Rechner und Ihre Leitung, der Weg über Proxys und Gateways sowie die Serverseite mit der Wiederverwendung von Verbindungen —, ergänzt den leicht übersehenen vierten Fall der mTLS-Zertifikatsrotation samt dem Neuladen ab v2.1.232 und gibt eine neunstufige Checkliste zur Eingrenzung. Er listet die vier Stream-Watchdog-Timer mit ihren Standardwerten auf (erstes Byte 180 s, Event-Ebene 300 s, Byte-Ebene 180 s, Body idle fünf Minuten) sowie CLAUDE_CODE_MAX_RETRIES, CLAUDE_CODE_RETRY_WATCHDOG, API_TIMEOUT_MS und die beiden Stream-Timeout-Variablen und macht dabei deutlich, dass ein höherer Wiederholungszähler genau diese Meldung nicht verringert. Eine Vergleichstabelle trennt acht verwechselbare Meldungen, und zwei öffentliche Meldungen, #86473 und #85979, zeigen rohes HTTPS und curl, die durchlaufen, während allein die CLI mit ECONNRESET stirbt. Zum Schluss trennt der Artikel das offiziell Bestätigte von dem, was nur gemeldet ist, einschließlich der Tatsache, dass Builds vor v2.1.222 diesen Hinweis auch dann zeigen konnten, wenn die Antwort in Wahrheit vollständig war.

Die Migration auf Claude Fable 5.1 ist mit dem Austausch der Modell-ID nicht erledigt. Anthropic hält ausdrücklich fest, dass drei Änderungen Breaking Changes sind, und bei zweien davon liegen der Ort des Fehlers und seine Ursache weit auseinander. 1. Erzwungene Tool-Aufrufe enden mit 400: die Werte any und tool von tool_choice liefern invalid_request_error zurück. Bei einem Modell mit dauerhaft aktivem Denken überspringt ein erzwungener Aufruf genau dieses Denken, und die Qualität der Argumente sinkt. 2. Thinking-Blöcke werden an ein Modell gebunden: Ein Gespräch, das von der Vorgängergeneration zu Fable 5.1 wechselt, behält sein Reasoning, in der Gegenrichtung geht es verloren. Standardmäßig werden unlesbare Blöcke verworfen, bevor sie das Modell erreichen, sie zählen nicht zu input_tokens und erscheinen nicht in der Abrechnung. Wer Modelle über Router oder Fallbacks umschaltet, sieht ein System, das zu funktionieren scheint, während allein das Reasoning fehlt. Damit es auffällt, braucht es den Beta-Header thinking-binding-controls-2026-08-01. 3. Wer frühere Turns bearbeitet, macht alle folgenden Thinking-Blöcke ungültig. Betroffen sind der Neuaufbau des system-Prompts oder von tools sowie die Schreibweise, einen Reminder einzufügen und wieder zu entfernen. Diese Prüfung wird für Konten erzwungen, die ab dem 31. August 2026 angelegt wurden, weshalb eine neue Testumgebung scheitern kann, während die Produktion durchläuft. Auch die Einordnung sollte nicht verwechselt werden: Fable 5.1 ist kein Wechsel des Flaggschiffs, und Anthropic hält fest, dass die meisten Anwendungen mit Opus 5 beginnen sollten. Es gibt keine Preiserhöhung, geändert hat sich allein das Cache-Lesen, das vom 0,1-Fachen auf das 0,025-Fache der Basiseingabe gefallen ist. Wie stark es wirkt, entscheidet sich daran, wie oft dasselbe Präfix erneut gelesen wird, und Anthropic beziffert die Ersparnis auf rund 25 % bei typischer Last und bis zu rund 45 % bei stark agentisch geprägter Arbeit. Dazu ändern sich sieben Verhaltensweisen ganz ohne Codeänderung (weniger parallele Tool-Aufrufe, weniger Meldungen zum Fortschritt, bei low effort eher aus dem Gedächtnis, dichtere Prosa, weniger Formatierung, ungekennzeichnete Zitate in Zusammenfassungen, komplettes Neuschreiben auch bei kleinen Korrekturen). Bis hin zu fünf neuen Funktionen und fünf Prüfpunkten für die Migration ist alles auf Grundlage der offiziellen Dokumentation von Anthropic geordnet.

Ein Modell auf dem eigenen PC Code schreiben zu lassen, ging jahrelang nur als Vervollständigung der angefangenen Zeile. Der agentische Einsatz, also das Repository lesen, mehrere Dateien ändern und Tests laufen lassen, war für lokale Hardware zu schwer. Zwischen Ende 2025 und 2026 hat sich das verschoben, und dieser Artikel ordnet ausschließlich anhand von Primärquellen ein, was heute wirklich geht und wo es hakt. Die Hersteller selbst werben mittlerweile mit agentischem Programmieren: Die offizielle Qwen-Modellkarte nennt CLINE namentlich, und Mistral AI hat Devstral Small 2 mit 24B unter Apache 2.0 veröffentlicht. Das wichtigste Kapitel ist die Kontextlänge. Der Standardwert von Ollama ist kein fester Wert, sondern ergibt sich aus dem VRAM: unter 24 GiB nur 4k, zwischen 24 und 48 GiB 32k, ab 48 GiB 256k. Ein üblicher Gaming-PC landet damit bei 4k, der Agent überschreitet das mühelos und der Anfang des Gesprächs wird still abgeschnitten, ohne dass eine Fehlermeldung erscheint. Offiziell empfohlen sind für Coding-Werkzeuge mindestens 64000 Token, gesetzt über OLLAMA_CONTEXT_LENGTH beim Serverstart, danach die Prüfung mit ollama ps, ob wirklich alles auf der GPU liegt. Bei der Modellwahl stehen nur Herstellerangaben: Qwen3.6-35B-A3B mit 3B aktiven Parametern, 262.144 Kontext und SWE-bench Verified 73,4 gegen Devstral Small 2 mit 68,0 Prozent. Dazu kommen die Abgrenzung zwischen Continue und Cline, Richtwerte für den Arbeitsspeicher, die Frage, warum sich der Abstand zur Cloud kaum noch messen lässt, seit die Frontier-Modelle SWE-bench Verified nicht mehr ausweisen, eine ehrliche Kostenrechnung und sieben FAQ-Antworten von 8 GB VRAM über den Mac bis zur Nutzung mit Firmencode.

Remote Control verbindet die mobile Claude-App oder claude.ai/code mit einer Claude-Code-Session, die bereits auf Ihrem eigenen Rechner läuft, und der Punkt, den die meisten Erklärungen verfehlen, ist: Nichts wandert in die Cloud. Codeausführung und Dateizugriff bleiben durchgehend lokal, und das Handy ist nur ein Fenster in diese Session. Dieser Artikel arbeitet heraus, was dieser Entwurf einbringt und was er kostet. Lokales Dateisystem, MCP-Server, Werkzeuge und Projektkonfiguration bleiben verfügbar, das Tippen von @ vervollständigt Pfade aus dem lokalen Projekt, Gespräch und Subagenten-Fortschritt bleiben zwischen Terminal, Browser und Handy synchron, und ein einschlafender Laptop oder eine abgerissene Leitung sind verkraftbar, weil Claude Code sich neu verbindet und gepufferte Updates nachliefert. Die Voraussetzungen sind strenger, als sie aussehen: Pro, Max, Team oder Enterprise, denn API-Schlüssel werden nicht unterstützt, eine Anmeldung bei claude.ai statt eines setup-token, eine direkte Verbindung zu api.anthropic.com und keine der vier Variablen, die Telemetrie abschalten, weshalb datenschutzbewusste Nutzerinnen und Nutzer mit DO_NOT_TRACK zu hören bekommen, die Funktion sei für ihr Konto nicht aktiviert. Behandelt werden die drei Einstiege, das Mitnehmen des laufenden Gesprächs, der Start mit aktivierter Fernsteuerung und der Servermodus mit seinen Flags für worktree, 32 Sessions und das Zurückholen, dazu die Trennung zwischen Slash-Befehlen, die aus der Ferne gehen, und den rein lokalen wie resume, die Fünf-Minuten-Frist für Dialoge, die nicht für Berechtigungsabfragen gilt, und die zwei Push-Schalter. Bei der Sicherheit ist der Artikel bewusst deutlich: Es wird nie ein eingehender Port geöffnet, die netzseitige Angriffsfläche verschwindet damit fast vollständig und das Risiko wandert zum Konto, der QR-Code ist eine Abkürzung und keine Authentifizierung, und das Standardtor ist genau ein angemeldetes Konto, was einen Passkey zum wirksamsten Schritt macht. Aufbewahrung des Transkripts von 5 Jahren oder 30 Tagen, das Vorgehen bei einem verlorenen Handy, Trusted Devices mit dem 18-Stunden-Fenster, der Zehn-Minuten-Abbruch im Servermodus, das Vier-Stunden-Fenster zum Zurückholen, die tmux-Pflicht auf entfernten Maschinen, eine Fehlertabelle entlang der echten Meldungen und ein Vergleich mit Dispatch runden das Bild ab.

Die Art, wie Claude denkt, hat einen Generationswechsel durchlaufen. Beim alten Extended Thinking gaben Sie bei jedem Request ein Token-Budget an — thinking: {"type": "enabled", "budget_tokens": N} — doch das richtige Budget ist je nach Aufgabe ein anderes, lässt sich vorab nicht erraten, und jede Änderung invalidiert den Prompt-Cache. Das aktuelle adaptive Denken ist eine einzige Zeile, type: "adaptive": Ob und wie tief gedacht wird, entscheidet das Modell selbst — abhängig davon, wie schwierig die Anfrage aussieht. Die Migration verlief in Stufen: budget_tokens wurde auf Opus 4.6 / Sonnet 4.6 als veraltet markiert und wird ab Opus 4.7 mit einem 400-Fehler abgelehnt. Dieser Artikel verdichtet die Regeln pro Modell zu einer Tabelle — Fable 5 denkt immer (nicht abschaltbar), Opus 5 und Sonnet 5 haben das Denken standardmäßig an (auf Opus 5 ist das Abschalten nur bei effort high oder darunter erlaubt), Opus 4.8 / 4.7 verlangen ein explizites adaptive, und Legacy-Modelle wie Sonnet 4.5 / Haiku 4.5 kennen weiterhin nur budget_tokens. Die Tiefensteuerung ist zu output_config: {"effort": ...} gewandert — fünf Stufen, Standard high — und eine effort-Änderung zerstört den Cache genauso, wie es früher die Budget-Änderung tat. Die Sichtbarkeit regelt display: Der Standard der neuen Generation ist "omitted" (leere Thinking-Blöcke), abgerechnet werden die Denk-Tokens trotzdem in voller Höhe — messen lässt sich das mit usage.output_tokens_details.thinking_tokens; die rohe Gedankenkette gibt keine Einstellung je zurück. Das Abschalten des Denkens hat auf Opus 5 dokumentierte Nebenwirkungen (Tool-Aufrufe als Fließtext, durchsickernde interne Tags), weshalb effort zu senken der sicherere Kostenhebel ist. Interleaved Thinking — Reasoning zwischen Tool-Aufrufen — läuft unter adaptivem Denken automatisch, der alte Beta-Header ist überflüssig. Und wenn Geschwindigkeit zählt, liefert Fast Mode dasselbe Opus etwa 2,5x schneller zum doppelten Preis (nur Opus 5/4.8, in Claude Code per /fast umschaltbar). Alles belegt mit Anthropics offizieller Dokumentation zu Thinking, Extended Thinking und Fast Mode.

Claude Desktop friert mitten in der Arbeit ein, und jede offene Claude-Code-Sitzung bleibt im selben Moment stehen; Sie erzwingen das Beenden, und manchmal weigert sich die App danach überhaupt zu starten. Die letzte Zeile in %APPDATA%\Claude\logs\main.log lautet fast immer gleich: GPU process gone, mit exitCode 101457950 (0x060C201E). Dieser Artikel legt dar, was dieser Code ist, warum Sitzungen mit untergehen, die miteinander nichts zu tun haben, und welche Gegenmittel real sind. Der erste Schritt ist eine Trennung: Abgestürzt ist nicht Claude Code (die CLI), sondern der GPU-Prozess der Electron-Desktop-App, in der es läuft. Der zweite ist die Frage, warum der Schaden so weit reicht. Chromium bündelt die Darstellung in einem einzigen GPU-Prozess, und davon gibt es genau einen pro Anwendung, geteilt von jedem Fenster, jedem Tab und jeder Sitzung; eine schwere Seite im In-App-Browser kann deshalb acht unbeteiligte Sitzungen im selben Augenblick mitreißen, und keine Einstellung auf Anwenderseite trennt sie. Dann folgen die Auslöser. In den öffentlichen Issues überwiegt der In-App-Browser — #80444 hält fest, wie der Prozess 15 bis 36 Sekunden nach der WebGL/WebGPU-Funktionserkennung einer Seite starb, viermal mit demselben Exit-Code; #82967 macht als Auslöser die Aufnahme des Vorschau-Screenshots durch das Browser-Werkzeug aus; #83478 reproduziert es mit einer dauerhaft offenen, sich fortlaufend aktualisierenden Vorschau. Der Browser ist aber nicht der einzige Auslöser: #68049 meldet denselben Code beim Start auf ARM64, ganz ohne Zutun des Browsers, und #83028 reproduziert ihn auf einer integrierten Intel-GPU. Die Diagnose wird anschließend an drei Dateien konkret gemacht — main.log, unknown-window.log (ein CONTEXT_LOST_WEBGL zum selben Zeitstempel) und der Crashpad-Ordner —, dazu eine Tabelle, die 101457950 von den Exit-Codes eines sauberen Herunterfahrens trennt, und die Warnung, dass die requestAdapter-Zeile zu powerPreference im selben Protokoll eine ganz normale Chromium-Meldung ist und kein Anzeichen für einen Absturz. Die Wiederherstellung behandelt Reparieren für den Fall, dass Windows das Paket als Modified kennzeichnet und den Start verweigert, daneben den Bericht, in dem der Zustand Modified, NeedsRemediation erreichte und nur eine vollständige Entfernung samt Neuinstallation die App zurückbrachte; gespeicherte Transkripte überleben, laufende Arbeit nicht (#81698 verlor die Ergebnisse parallel laufender Subagenten). Zum Schluss steht, was hilft und was nicht — --disable-gpu wird von der MSIX-Variante abgewiesen, ein Update der App hat es hier nicht gestoppt, den GPU-Prozess zu isolieren ist strukturell unmöglich —, dazu der Hinweis zur Festlegung auf eine GPU bei Hybrid-Gespannen samt der Feststellung, dass kein Bericht gefunden wurde, wonach das bei diesem Symptom geholfen hätte, und schließlich, wie Sie das erzwungene Beenden durch ein Store-Update von einem echten Absturz unterscheiden.