Databricks hat eine neue Finanzierungsrunde bekannt gegeben, die das Unternehmen mit 188 Milliarden US-Dollar bewertet. Die von Coatue angeführte Finanzierung soll im Sommer abgeschlossen werden, wobei der genaue Betrag noch nicht veröffentlicht wurde, aber von anderen Quellen auf rund 3 Milliarden US-Dollar geschätzt wird. Das Geld ist noch nicht bei Databricks eingegangen.
Rasantes Wachstum und Imagewandel
Das Unternehmen hat in den letzten anderthalb Jahren eine Reihe von Finanzierungsrunden abgeschlossen, die seine Bewertung deutlich steigerten. Erst im Februar schloss Databricks eine Series-L-Runde über 5 Milliarden US-Dollar bei einer Bewertung von 134 Milliarden US-Dollar ab. Fünf Monate zuvor, im September 2025, wurden 1 Milliarde US-Dollar bei einer Bewertung von 100 Milliarden US-Dollar eingesammelt. Im Dezember 2024 lag die Bewertung bei 62 Milliarden US-Dollar nach einer Finanzierungsrunde von 10 Milliarden US-Dollar. Dieser schnelle Anstieg ist Teil eines erfolgreichen Wandels von einem Anbieter von Big-Data-Software zu einem führenden KI-Unternehmen.
Von Big Data zu Künstlicher Intelligenz
Databricks wurde 2013 gegründet und etablierte sich zunächst im Bereich Big Data, indem es Unternehmen ermöglichte, große Datenmengen in der Cloud zu speichern und schnelle Analysen durchzuführen. Diese bestehende Datenbasis positionierte das Unternehmen vorteilhaft, als Unternehmen begannen, KI-Lösungen mit den gleichen Sicherheits- und Governance-Standards wie traditionelle Unternehmenssoftware zu fordern. Infolgedessen führte Databricks mehrere KI-Produkte ein, darunter Lakebase, eine Datenbank für KI-Agenten, Unity als KI-Gateway und Omnigent, ein „Meta-Harness“ zur Verwaltung mehrerer Agenten.
Kosteneffizienz durch Open-Weight-Modelle
Databricks hat sich auch als Befürworter von sogenannten Open-Weight-Modellen einen Namen gemacht. Das sind KI-Modelle, deren zugrundeliegender Code öffentlich zugänglich ist und von jedermann genutzt und modifiziert werden kann. Diese Modelle, insbesondere chinesisch-basierte wie Z.ai’s GLM 5.2 für Codierung, werden zunehmend zur Kostenkontrolle eingesetzt. CEO Ali Ghodsi teilte kürzlich Ergebnisse interner Benchmarking-Tests zur Verwaltung der KI-Kosten für seine 3.000 Software-Ingenieure.
Die Tests zeigten, dass offene Modelle, insbesondere GLM 5.2, auch anspruchsvolle Codierungsaufgaben bewältigen und dabei kostengünstiger sind als proprietäre Modelle von Anbietern wie Anthropic und OpenAI. Überraschenderweise zeigte sich auch, dass die Wahl des „Harness“ – eines agentischen Codierungstools wie Pi, das ein Modell umschließt und dessen Kontext und Anweisungen verwaltet – die Kosten erheblich beeinflusst. Open-Source-Harnesses wie Pi erwiesen sich als besonders effizient bei der Kontextverwaltung und trugen so zu niedrigeren Kosten ohne Qualitätseinbußen bei. Die Untersuchung unterstreicht, dass die Modellwahl nur ein Teil der Kostenoptimierung ist und der richtige Harness ebenso entscheidend sein kann.
Thema: Technologie / KI allgemein. Quelle/Inspiration: TechCrunch.