(Symbolbild)
Databricks auf 188 Milliarden Dollar bewertet: Wie ein Datenanbieter zum KI-Infrastruktur-Giganten wurde
Databricks hat sich mit einer Bewertung von 188 Milliarden Dollar als eine der wertvollsten private KI-Infrastruktur-Positionen etabliert. Das Unternehmen, das ursprünglich für Apache Spark-basierte Data-Warehousing-Lösungen bekannt war, hat seine strategische Ausrichtung fundamental neu justiert – und setzt damit einen Maßstab für den Wettbewerb um Unternehmenskunden im KI-Zeitalter.
Von Data Lakes zum KI-Stack
Die Transformation von Databricks folgt einem klaren Muster: Was als Plattform für Big-Data-Verarbeitung begann, wurde systematisch zu einer umfassenden KI-Infrastrukturschicht ausgebaut. Das Unternehmen positioniert sich dabei bewusst als Alternative zu hyperskalen Cloud-Anbietern, indem es offene Architekturen und Multi-Cloud-Fähigkeiten betont. Diese strategische Neuausrichtung hat offenbar die Investoren überzeugt: Die jüngste Bewertungsspanne platziert Databricks in einer Liga mit den etablierten Tech-Giganten, obwohl das Unternehmen weiterhin privat geführt wird.
Die Beschreibung als “AI’s favorite second act” durch TechCrunch unterstreicht, wie ungewöhnlich dieser Aufstieg ist. Während viele KI-Unternehmen von Null auf mit Foundation Models starten, hat Databricks einen bestehenden Enterprise-Kundenstamm genutzt und sukzessive KI-Funktionalität integriert – von Feature Stores über Model Serving bis hin zu eigenen Open-Weight-Modellen.
Open-Weight-Strategie als Wettbewerbsinstrument
Ein zentrales Element der Databricks-Strategie ist die Fokussierung auf Open-Weight-Modelle. Das Unternehmen hat eigene Forschung zu Kosteneinsparungen durch offene KI-Modelle im Coding-Bereich veröffentlicht (TechCrunch). Diese Positionierung zielt gezielt auf ein wachsendes Unbehagen in Unternehmen ab: die Abhängigkeit von Closed-Source-APIs großer Anbieter und die damit verbundenen Kosten- sowie Kontrollrisiken.
Für IT-Entscheider in deutschen Unternehmen ist dies relevant aus zwei Gründen. Erstens bietet die Open-Weight-Option eine Exit-Strategie aus Vendor-Lock-in-Szenarien bei proprietären Modellen. Zweitens ermöglicht sie eine feinere Kostenkontrolle, da Inference nicht zwingend über fremde API-Endpunkte erfolgen muss. Databricks positioniert sich hier als Enabler für eine Hybridstrategie – je nach Anwendungsfall offene oder proprietäre Modelle einzusetzen.
Implikationen für den Enterprise-KI-Markt
Die Bewertungshöhe signalisiert einen strukturellen Wandel in der KI-Investitionslandschaft. Die Kapitalflüsse konzentrieren sich zunehmend auf Infrastruktur- und Plattformschichten statt auf reine Modellanbieter. Dies spiegelt eine Reifung des Marktes wider: Unternehmen suchen nach operationalisierbaren KI-Pipelines, nicht nach isolierten Modell-APIs.
Für den Wettbewerb um Enterprise-Kunden bedeutet dies eine Verschärfung. Snowflake, das traditionelle Pendant im Data-Warehousing, muss seine eigene KI-Strategie beschleunigen. Die großen Cloud-Anbieter AWS, Google Cloud und Microsoft Azure sehen sich mit einem spezialisierten Konkurrenten konfrontiert, der gezielt deren Plattformneutralität ausnutzt. Gleichzeitig drängen neue Spezialisten wie Vector-Datenbank-Anbieter und MLOps-Plattformen auf den Markt.
Die Databricks-Entwicklung illustriert zudem eine fundamentale Spannung im KI-Ökosystem: Die Dominanz von Nvidia-Hardware für das Training und die zunehmende Bedeutung von Inference-Optimierung schaffen neue Abhängigkeiten. Unternehmen, die Databricks als Plattform wählen, delegieren zwar Teile dieser Komplexität, binden sich aber an eine weitere Infrastrukturschicht.
Deutsche Unternehmen stehen vor der Abwägung, ob sie auf etablierte Hyperscaler setzen, spezialisierte Plattformen wie Databricks integrieren oder bewusst eine Multi-Layer-Strategie verfolgen. Die Entscheidung wird maßgeblich von bestehenden Data-Architekturen, regulatorischen Anforderungen – etwa beim EU AI Act – und der strategischen Bedeutung von Datenhoheit geprägt sein. Die Databricks-Bewertung zeigt jedenfalls, dass Investoren auf die Plattformisierung von Enterprise-KI setzen – und dass dieser Markt noch lange nicht konsolidiert ist.
