Databricks hat eine neue strategische Finanzierungsrunde abgeschlossen, die das Unternehmen mit 188 Milliarden US-Dollar bewertet. Dies mark...
Databricks hat eine neue strategische Finanzierungsrunde abgeschlossen, die das Unternehmen mit 188 Milliarden US-Dollar bewertet. Dies markiert einen weiteren wichtigen Schritt auf dem Weg des Unternehmens zu einem der am schnellsten wachsenden Technologieunternehmen in Bezug auf die Bewertung.
Das Unternehmen hat die Bedingungen für diese Finanzierungsrunde unterzeichnet und rechnet mit einem Abschluss der Transaktion im Spätsommer 2026. Der bestehende Investor Coatue führt die Runde an, und es wird erwartet, dass weitere neue und bestehende Investoren teilnehmen werden. Databricks hat in der offiziellen Ankündigung keinen konkreten Finanzierungsbetrag genannt. Laut TechCrunch deuten andere Quellen auf einen Betrag von rund 3 Milliarden US-Dollar hin, diese Zahl wurde jedoch vom Unternehmen nicht offiziell bestätigt.
Diese Finanzierungsrunde ist nicht nur wegen ihres Umfangs bemerkenswert, sondern zeigt auch die Fähigkeit von Databricks, seine Positionierung erfolgreich auszubauen. Ursprünglich im Zeitalter von Big Data und Cloud-Analytik bekannt, hat sich das Unternehmen zu einer zentralen Unternehmensplattform für Daten, Künstliche Intelligenz, KI-Agenten, Governance und Modellkostenkontrolle entwickelt.
Bildquelle: TechCrunch. Der Originalartikel gibt an, dass es sich um eine KI-generierte Illustration handelt.
Databricks gab diese Finanzierungsrunde am 16. Juli 2026 bekannt. Laut Unternehmensangaben zielt die Runde darauf ab, die Umsetzung seiner Multi-KI-Strategie zu beschleunigen und die Weiterentwicklung mehrerer Kernprodukte im Unternehmens-KI-Portfolio zu unterstützen.
Die offizielle Ankündigung hob drei Schwerpunktbereiche hervor:
Databricks erklärte außerdem, dass die Mittel möglicherweise für zukünftige KI-Übernahmen und vertiefte Forschung verwendet werden könnten. Da diese Finanzierungsrunde noch nicht abgeschlossen ist, spiegelt die Bewertung von 188 Milliarden US-Dollar die Bewertung im unterzeichneten Term Sheet wider, nicht einen abgeschlossenen Deal.
Dieser Unterschied ist wichtig. Die Ankündigung bestätigt die erwartete Bewertung des Unternehmens und den Lead-Investor, während der endgültige Finanzierungsbetrag und die vollständige Investorenliste möglicherweise erst nach Abschluss der Transaktion bekannt gegeben werden.
Vor der aktuellen Ankündigung hatte das Unternehmen in relativ kurzer Zeit mehrere große private Finanzierungsrunden abgeschlossen.
| Datum | Finanzierungsereignis | Gemeldete Bewertung |
|---|---|---|
| Dezember 2024 | Serie J, erwartete 10 Milliarden US-Dollar | 62 Milliarden US-Dollar |
| September 2025 | Serie K, 1 Milliarde US-Dollar | Über 100 Milliarden US-Dollar |
| Dezember 2025 - Februar 2026 | Serie L und zugehörige Investitionen, einschließlich etwa 5 Milliarden US-Dollar Eigenkapital | 134 Milliarden US-Dollar |
| Juli 2026 | Neue strategische Finanzierungsrunde | Bewertung 188 Milliarden US-Dollar |
Term Sheet unter der Leitung von Coatue | 188 Milliarden US-Dollar |
Im Dezember 2024 schloss Databricks die Serie J mit einer Bewertung von 62 Milliarden US-Dollar ab. Bis September 2025 überschritt die Serie K die Bewertung von 100 Milliarden US-Dollar. Später im selben Jahr gab das Unternehmen die Serie L mit einer Bewertung von 134 Milliarden US-Dollar bekannt, gefolgt von einem erweiterten Investment-Update im Februar 2026.
Innerhalb von etwa 19 Monaten stieg die Bewertung von 62 auf 188 Milliarden US-Dollar – das zeigt deutlich, wie hoch private Investoren Unternehmen bewerten, die rund um die Unternehmens-KI-Infrastruktur positioniert sind. Es bedeutet auch, dass Databricks weiterhin über privates Kapital finanziert wird, anstatt auf einen baldigen Börsengang zur Kapitalbeschaffung für die Expansion angewiesen zu sein.
Diese häufigen späten Finanzierungsrunden sind so ungewöhnlich geworden, dass sie zu Scherzen darüber geführt haben, wie weit das Unternehmen im Alphabet der Risikokapitalfinanzierung kommen kann. Hinter diesem Humor verbirgt sich jedoch ein Muster, das den anhaltenden Investitionsbedarf und die Fähigkeit von Databricks widerspiegelt, sein bestehendes Datengeschäft mit dem aktuellen Unternehmens-KI-Markt zu verbinden.
Databricks wurde 2013 von den ursprünglichen Entwicklern von Apache Spark gegründet. Das frühe Wachstum des Unternehmens resultierte daraus, Unternehmen bei der Verarbeitung großer Datensätze, der Durchführung von Analysen und dem Aufbau von Daten-Workloads in der Cloud zu helfen.
Diese Geschichte verschaffte dem Unternehmen einen wichtigen Vorteil, als generative KI an Fahrt gewann. Die meisten Unternehmen starten nicht in einer leeren KI-Umgebung; sie verfügen bereits über Datenbanken, Data Warehouses, Governance-Anforderungen, Zugriffskontrollen, Compliance-Verpflichtungen und jahrelange Geschäftskontexte, die über mehrere Systeme verteilt sind.
Databricks operierte bereits auf der Dateninfrastrukturebene. Als Unternehmen begannen, KI-Anwendungen mit ihren eigenen Daten zu entwickeln, konnte das Unternehmen seine bestehende Unternehmensplattform erweitern, anstatt als separater Modellanbieter von Grund auf neu zu beginnen.
Diese Transformation bedeutete nicht die Aufgabe des Analysegeschäfts, sondern die Erweiterung der Plattform rund um dieselben grundlegenden Vermögenswerte – gouvernierte Geschäftsdaten. Der Kern der aktuellen Strategie von Databricks ist, dass zuverlässige Unternehmens-KI Datenkontext, Modellflexibilität, Sicherheit, Überwachung und Betriebsinfrastruktur erfordert, die zusammenwirken.
Die jüngsten Produktentwicklungen des Unternehmens zeigen, wie es mehrere Ebenen des Unternehmens-KI-Stacks aufbaut.
Lakebase ist das serverlose Postgres-Produkt von Databricks für operative Anwendungen und KI-Agenten. Es zielt darauf ab, ein transaktionales Aufzeichnungssystem für Anwendungen bereitzustellen, die Lese- und Schreibzugriff benötigen und mit Analyse- und KI-Workloads zusammenarbeiten.
Nach der Übernahme des serverlosen Postgres-Unternehmens Neon wurde dieses Produkt zu einem wichtigen Bestandteil der Databricks-Strategie. Für agentenbasierte Anwendungen sind operative Datenbanken entscheidend, da Agenten in der Regel nicht nur statische Abfragen benötigen, sondern auch Zustände verwalten, Datensätze aktualisieren, Workflows auslösen und Anwendungen im Laufe der Zeit unterstützen müssen.
Unity AI Gateway ist die Governance- und Kontrollebene des Unternehmens für die Verwaltung von KI-Aktivitäten. Es hilft Unternehmen bei der Verwaltung von Modellzugriff, Routing, Budgets, Ratenbegrenzungen, Beobachtbarkeit, Schutzvorrichtungen und Prüfungsfunktionen über mehrere Anbieter und Tools hinweg.
Dieser Multi-Modell-Ansatz entspricht dem aktuellen Markttrend – Unternehmen setzen zunehmend verschiedene Modelle für unterschiedliche Workloads ein. Ein Unternehmen könnte ein leistungsstarkes proprietäres Modell für komplexe Denkaufgaben, ein leichtes Modell für Routineaufgaben und offene Gewichts-Modelle wählen, wenn Kosten, Anpassung oder Bereitstellungskontrolle wichtiger sind.
Genie positioniert sich als KI-Kollaborateur, der es Mitarbeitern ermöglicht, Fragen zu Geschäftsdaten zu stellen und vertrauenswürdige Antworten oder Handlungsempfehlungen zu erhalten. Es ist näher an der benutzerorientierten Produktivitätsschicht: gouvernierte Daten und Plattformfähigkeiten werden in eine interaktive Oberfläche verwandelt, die von Geschäftsteams direkt genutzt werden kann.
Agent Bricks bietet Werkzeuge zum Erstellen, Bereitstellen und Verwalten von KI-Agenten, die mit Unternehmensdaten verbunden sind. Es unterstützt die Gesamtstrategie von Databricks, von Modellexperimenten zu bewertbaren, überwachbaren und gouvernierten Produktionssystemen überzugehen.
Omnigent ist ein von Databricks' KI-Team zusammen mit Neon entwickeltes Open-Source-„Meta-Framework“. Dieses Tool soll Codierungsagenten wie Claude Code, Codex, Pi oder benutzerdefinierte Tools nicht ersetzen, sondern eine gemeinsame Schicht über ihnen etablieren.
Das Projekt zielt darauf ab, Teams zu ermöglichen, verschiedene Agenten zu kombinieren, Modelle oder Frameworks zu wechseln, Richtlinienkontrollen zu implementieren, Agenten in Sandboxes auszuführen und in Echtzeitsitzungen zusammenzuarbeiten. Dies spiegelt den Kern der Databricks-Philosophie wider: Modelle sind nur ein Teil eines effektiven KI-Systems.
Ein weiteres Schlüsselelement in der KI-Strategie von Databricks ist die Bereitschaft, offene Modelle gleichzeitig zu bewerten und zu nutzen, sowie proprietäre Systeme.
Im Juli 2026 veröffentlichte das Unternehmen interne Benchmark-Ergebnisse, die auf realen Codierungsaufgaben aus seiner Millionen Zeilen umfassenden Codebasis basieren. Der Test verglich gleichzeitig verschiedene Modelle und die Agentenframeworks, auf denen sie liefen.
Ein Databricks-Bericht zeigt, dass offene Modelle beim Gleichgewicht zwischen Qualität und Kosten herausragen, wobei GLM 5.2 bei den getesteten Codierungsworkloads die höchste Leistungsstufe erreicht. Laut Unternehmensdaten liegt GLM 5.2 in der Qualität statistisch gleichauf mit Anthropics Opus 4.8, während die durchschnittlichen Kosten pro Aufgabe niedriger sind.
Beschreibe deine Idee einmal, und We0 AI erstellt eine Showcase-Website, Seiten und ein CMS und hilft nach dem Launch bei Kunden und Traffic.
Eine komplette Projektgeneration zur kostenlosen Registrierung
Am besten geeignet, um einen vollständigen Generierungsablauf auszuprobieren und schnell einen ersten Projektentwurf zu sehen.
Diese Ergebnisse sollten nicht als allgemeingültiges Ranking betrachtet werden. Der Benchmark wurde auf Basis der eigenen Codebasis, Sprachen, Arbeitsabläufe, Tests und technischen Anforderungen von Databricks erstellt. Sein eigentlicher Wert liegt in der Methodik: Organisationen können bessere Beschaffungs- und Routing-Entscheidungen treffen, indem sie Modelle anhand ihrer eigenen Aufgaben testen, anstatt sich nur auf öffentliche Ranglisten zu verlassen.
Derselbe Benchmark ergab auch, dass Agentenframeworks erhebliche Auswirkungen auf die End-to-End-Kosten und -Qualität haben.
Das Framework verwaltet den Kontext, Tool-Aufrufe, Anweisungen, Iterationsschleifen und die Interaktion mit der Arbeitsumgebung des Modells. Selbst wenn zwei Systeme dasselbe Basismodell verwenden, können sie unterschiedliche Kontextmengen, Ausführungsschritte oder Arten von Tool-Aufrufen übertragen.
Databricks stellte fest, dass in einigen Tests das gleiche Modell und die gleiche Inferenzstrategie über verschiedene Frameworks ausgeführt wurden, wobei die Kostenunterschiede mehr als das Doppelte betrugen, während die Qualität ähnlich blieb. Im Vergleich zu den anderen getesteten Ansätzen verwendete die einfachere Pi-Toolchain in der Regel deutlich weniger wiederholten Kontext.
Die Schlussfolgerung ist nicht, dass eine bestimmte Toolchain immer überlegen ist. Stattdessen argumentiert Databricks, dass die Modellauswahl nur ein Teil der KI-Effizienz ist. Die Kombination aus Modell, Toolchain, Routing, Kontextverwaltung und Aufgabenkomplexität bestimmt die tatsächlichen Kosten für die Erledigung von Arbeit.
Diese Erkenntnisse stehen in direktem Zusammenhang mit Unity AI Gateway und Omnigent. Ersteres bietet zentrale Governance und Kostenkontrolle, während letzteres das Kombinieren oder Wechseln von Agent-Toolchains erleichtert. Beide unterstützen eine auf Flexibilität basierende Strategie, anstatt sich auf einen einzigen Modell- oder Agentenanbieter zu verlassen.
Databricks begann nicht als führendes KI-Labor, aber das könnte gerade sein Reiz sein. Es verfügt bereits über Unternehmensbeziehungen, Dateninfrastruktur, Governance-Technologie, Cloud-Integration und Arbeitslasten, die mit wichtigen Geschäftssystemen verbunden sind.
Wenn Unternehmen vom KI-Prototypen zur Produktion übergehen, sind die kniffligen Probleme oft betrieblicher Natur:
Databricks baut Produkte rund um diese Fragen auf. Daher spiegelt seine Finanzierungsgeschichte nicht nur die Begeisterung der Investoren für KI-Marken wider. Das Unternehmen versucht, die operative Schicht zu werden, die Daten, Modelle, Anwendungen, Agents, Governance und Kostenkontrolle im Unternehmen verbindet.
Dies beseitigt nicht die Risiken, die mit einer extrem hohen privaten Bewertung verbunden sind. Databricks muss weiterhin Produkterweiterungen in nachhaltige Einnahmen umwandeln, Wachstum aufrechterhalten, mit Cloud-Anbietern und spezialisierten KI-Plattformen konkurrieren und letztendlich die mit einer Bewertung von 188 Milliarden US-Dollar verbundenen Erwartungen erfüllen.
Dennoch deutet die Abfolge der Finanzierungsrunden darauf hin, dass Investoren glauben, dass die Position des Unternehmens am Schnittpunkt von Unternehmensdaten und KI ihm einen erheblichen Wettbewerbsvorteil verschafft.
Eine private Marktbewertung ist der Preis, der einer bestimmten Finanzierungstransaktion entspricht. Sie unterscheidet sich von der Marktkapitalisierung an öffentlichen Märkten und bedeutet nicht zwangsläufig, dass jede bestehende Aktie zu diesem Preis verkauft werden kann.
Die aktuelle Ankündigung basiert auf einer unterzeichneten Absichtserklärung für eine Investition, die voraussichtlich im Spätsommer abgeschlossen sein wird. Bis zum Abschluss dieses Prozesses können sich der endgültige Umfang und die Zusammensetzung dieser Runde ändern oder nicht offengelegt werden.
Die Bewertung zeigt jedoch, dass die teilnehmenden Investoren bereit sind, die Bewertung von Databricks deutlich über die vorherigen 134 Milliarden US-Dollar anzuheben. Es verschafft dem Unternehmen auch starke Ressourcen für Einstellungen, Forschung, Produktentwicklung, Akquisitionen und potenzielle Mitarbeiterliquiditätsprogramme.
Ob die Bewertung nachhaltig ist, hängt von der zukünftigen finanziellen Leistung und der Fähigkeit des Unternehmens ab, in der sich weiterentwickelnden Architektur der Unternehmens-KI zentral zu bleiben.
Im Juli 2026 gab Databricks eine Absichtserklärung für eine strategische Finanzierung mit einer Bewertung von 188 Milliarden US-Dollar bekannt. Diese Runde wird voraussichtlich im Spätsommer abgeschlossen und von dem bestehenden Investor Coatue angeführt.
Databricks hat den genauen Betrag dieser Runde nicht öffentlich bekannt gegeben. TechCrunch berichtet unter Berufung auf andere Quellen, dass die Finanzierung etwa 3 Milliarden US-Dollar beträgt, aber die Ankündigung des Unternehmens bestätigte nur die Bewertung, den Lead-Investor und den voraussichtlichen Abschlusszeitpunkt.
Laut Ankündigung noch nicht. Databricks sagte, es habe eine Absichtserklärung unterzeichnet und erwarte, dass die Transaktion im Spätsommer 2026 abgeschlossen werde.
Investoren bewerten Databricks über den Rahmen traditioneller Cloud-Analyse-Unternehmen hinaus. Seine Plattform umfasst jetzt Unternehmensdaten, KI-Agents, Modell-Governance, operative Datenbanken, geschäftsorientierte KI-Tools und Multi-Modell-Kostenmanagement.
Das Unternehmen hob in der aktuellen Finanzierungsankündigung insbesondere Unity AI Gateway, Genie und Lakebase hervor. Sein breiteres KI-Produktportfolio umfasst auch Agent Bricks und das Open-Source-Projekt Omnigent-Meta-Framework.
Unity AI Gateway ist die Kontroll- und Governance-Schicht von Databricks für Modelle, Agents, Tools und KI-Anbieter. Sie bietet Zugriffsrichtlinien, Kostenkontrolle, Beobachtbarkeit, Sicherheitsvorkehrungen, Routing und Prüfprotokolle.
Lakebase ist eine serverlose Postgres-Datenbank für Anwendungen und KI-Agents. Sie bietet eine operative Datenschicht für Agentensysteme zur Statusverwaltung und Verarbeitung sich häufig ändernder Anwendungsdaten.
Databricks wollte Qualität und Kosten anhand realer Engineering-Aufgaben aus der eigenen Codebasis messen. Die Studie ergab, dass sowohl das ausgewählte Modell als auch das zugehörige Framework die Kosten für die Erledigung von Aufgaben erheblich beeinflussen.
Databricks 188-Milliarden-Dollar-Finanzierungsankündigung: Offizielle Erklärung des Unternehmens zur Absichtserklärung, Bewertung, Investoren und Verwendungszweck der Mittel.
[Databricks Serie-L-Bewertung von 134 Milliarden US-Dollar](https://www.databricks.
Databricks-Serie-K-Bewertung übersteigt 100 Mrd. USD: Offizielle Informationen zur Serie-K-Finanzierungsrunde 2025 und zum KI-Umsatzmeilenstein.
Databricks-Serie-J-Bewertung bei 62 Mrd. USD: Unternehmensankündigung zur Finanzierungsrunde vom Dezember 2024.
Benchmark-Test für Codierungs-Agenten von Databricks: Methodik und Ergebnisse hinter dem Kosten-Nutzen-Versprechen des Modells und der Toolchain.
Einführung von Omnigent: Offizielle Erklärung von Databricks zur Open-Source-Multi-Agenten-Meta-Toolchain.
Databricks hat eine neue strategische Finanzierungsrunde mit einer Bewertung von 188 Mrd. USD unterzeichnet, angeführt von Coatue. Der Abschluss der Transaktion wird für Ende Sommer 2026 erwartet. Das Unternehmen hat das Volumen der Runde nicht offiziell bekannt gegeben.
Die Bewertung setzt ihr rasantes Wachstum fort: von 62 Mrd. USD Ende 2024 über eine Überschreitung von 100 Mrd. USD im Jahr 2025, 134 Mrd. USD Anfang 2026 bis hin zu nun 188 Mrd. USD. Dieses Wachstum geht einher mit der Expansion von Databricks von Cloud-Daten und -Analysen hin zu KI-Agenten, operativen Datenbanken, Modell-Governance, kommerziellen KI-Tools und Multi-Toolchain-Infrastruktur.
Die jüngsten Produkteinführungen und internen Codierungs-Benchmarks bestätigen dieselbe Strategie: Unternehmen benötigen Flexibilität über Modelle hinweg, stärkere Kostenkontrolle, kontrollierten Zugriff auf proprietäre Daten sowie Infrastruktur, die KI-Experimente in Produktionssysteme überführen kann.
Die aktuelle Bewertung spiegelt das Vertrauen der Investoren wider: Databricks hat das Potenzial, zur zentralen Kontrollebene für Unternehmensdaten und KI zu werden – und nicht nur zu einem weiteren Profiteur des KI-Finanzierungszyklus.
Starte mit einem Satz und erhalte in wenigen Minuten eine vollständige Website.
