Microsoft führte den weltweiten Microsoft-365-Ausfall vom 12. November 2026 auf drei zusammenwirkende Bedingungen zurück: einen latenten Softwarefehler im Netzwerk-Gateway, eine Lastverschiebung nach dem Failover von Teams und eine bereits reduzierte Serverkapazität. Charles Lamanna, ein Microsoft-Manager, beschrieb den Fehler als Konkurrenz um Sperren in einem internen Prozess. Seine Darstellung erklärt auch, warum sich die Störung ausbreitete und die Wiederherstellung je nach Dienst unterschiedlich verlief.
Wie ein latenter Fehler die Gateway-Server lahmlegte
Der Fehler betraf laut Microsoft die Netzwerk-Gateway-Server von Microsoft 365. Bei einer sogenannten Sperrenkonkurrenz warten mehrere Vorgänge auf denselben geschützten Zugriff; unter bestimmten Lastbedingungen machte dieser Konflikt die Server nicht mehr verfügbar. Microsoft zufolge galt der Fehler samt der Änderung, die ihn einführte, nicht für Windows allgemein.
Die betreffende Änderung wurde ab Juli 2026 ausgerollt und war seit mehr als drei Monaten weltweit im Einsatz, ohne dass Microsoft Auswirkungen beobachtet hatte. Die Tests hätten den Fehler verfehlt, weil ihr Datenverkehr und ihre Serverkonfigurationen von der Produktionsumgebung abwichen. In den Tests kamen demnach eher leistungsschwächere Maschinen mit weniger Kernen zum Einsatz; auf neueren Servern mit mehr Kernen sei die Sperrenkonkurrenz stärker gewesen.
Warum der Fehler zur Kaskade wurde
Etwa 15 Stunden vor dem Ausfall wechselte Teams vom alternativen zum primären Gateway, das auch Exchange Online unterstützte. Microsoft beschrieb den Wechsel als normalen Ausfallsicherheitsbetrieb. Gleichzeitig waren wegen eines unabhängigen Problems vom Vortag knapp 14 Prozent der Gateway-Kapazität nicht verfügbar. Microsoft zufolge reichte die verbleibende Kapazität zunächst aus; für sich genommen habe der Ausfall dieser Server den Dienst nicht beeinträchtigt.
Als der Fehler unter der veränderten Last auslöste, leitete Microsofts automatische Verkehrssteuerung Nutzer zu anderen funktionsfähigen Endpunkten um. So verteilte sich die Last auf weniger Server, wodurch derselbe Fehler auch dort wahrscheinlicher wurde. Ein weiteres Problem verhinderte laut Lamanna, dass die üblichen Abschottungen zwischen Gateway-Partitionen die Ausbreitung regional begrenzten. Innerhalb von weniger als zwei Stunden hatte der Fehler die Serverflotte erfasst; am Tiefpunkt reagierten mehr als 80 Prozent der Server nicht.
Wenn eine Umleitung dieselbe Last auf weniger Server verteilt, kann ein Ausweichweg die Kaskade mit antreiben.
Warum Exchange Online anders wieder anlief
Teams, OneDrive, SharePoint und Office-Apps konnten laut Microsoft aus dem fehlerhaften Gateway herausgeleitet werden. Exchange Online konnte diesen Weg nicht nutzen. Außerdem wurden zurückkehrende Server von wartendem Datenverkehr überlastet; die üblichen automatischen Wiederherstellungs- und Rücksetzmechanismen waren auf einen derart großflächigen Ausfall nicht ausgelegt.
Microsoft setzte den betroffenen Codepfad auf einen zuvor funktionierenden Stand zurück und brachte die Server schrittweise wieder in Betrieb: Gruppen wurden aus dem Dienst genommen, aktualisiert und neu gestartet. Lamanna beschrieb Wiederherstellungsgruppen, die mindestens die Hälfte der Infrastruktur einer Region betreffen konnten.