Aus 1 Milliarde wurden 5 Milliarden US-Dollar
Databricks hat eine Finanzierungsrunde über 5 Milliarden US-Dollar abgeschlossen. Die Bewertung des Unternehmens liegt damit bei 190 Milliarden US-Dollar. Im Juli war zunächst von 188 Milliarden US-Dollar die Rede, ohne dass das Volumen der Runde genannt wurde.
Geplant war das nicht. Nach Angaben von Mitgründer und CEO Ali Ghodsi wollte das Unternehmen ursprünglich nur 1 Milliarde US-Dollar aufnehmen. Ein Medienbericht über die angeblich anstehende Großfinanzierung, veröffentlicht mitten während einer Databricks-Konferenz im Juni, machte die Meldung zur selbsterfüllenden Prophetie.
Sinngemäß übersetzt: "Wir wollten 1 Milliarde Dollar aufnehmen. Sobald dieser Artikel draußen war, gab es eine lange Schlange von Investoren, die anriefen. Mein Telefon ist explodiert." (Ali Ghodsi)
Laut Ghodsi signalisierten allein die ausgewählten Investoren ein Interesse von 15 Milliarden US-Dollar. Angeführt wird die Runde von Coatue, beteiligt sind unter anderem Blackstone, MGX, verschiedene Vehikel von T. Rowe Price sowie als neuer Geldgeber Sixth Street Growth. Insgesamt werden rund zwei Dutzend Kapitalgeber genannt.
Die Geschäftszahlen im Überblick
Auf dem Papier braucht Databricks das Geld nicht. Das Unternehmen arbeitet nach eigenen Angaben cashflow-positiv und wächst schnell.
| Kennzahl | Wert |
|---|---|
| Annualisierter Umsatz (Run Rate) | 7 Mrd. US-Dollar |
| Jahreswachstum gesamt | 80 % |
| Cloud Data Warehouse (Kernprodukt) | 1,5 Mrd. US-Dollar Run Rate, +100 % im Jahresvergleich |
| Lakebase (Agenten-Datenbank, Start Juni 2025) | 100 Mio. US-Dollar Run Rate |
| Kapitalaufnahme der letzten 20 Monate | 20 Mrd. US-Dollar |
| Aktuelle Bewertung | 190 Mrd. US-Dollar |
Warum das Geld trotzdem gebraucht wird
Ghodsi nennt drei Kostenblöcke. Erstens die KI-Forschung: Databricks beschäftigt ein Team von 100 Personen in einem Feld, in dem um jeden Fachmann geboten wird. Zweitens langfristige Cloud-Verpflichtungen im Milliardenbereich bei allen drei großen Hyperscalern. Wie sich diese Summen auf die einzelnen Anbieter verteilen, legt das Unternehmen nicht offen.
Drittens Zukäufe. "Wir machen viel M&A", so Ghodsi sinngemäß. Erst kürzlich hat Databricks das Startup Electric übernommen, den Entwickler der leichtgewichtigen Postgres-Datenbank PGlite, mit der KI-Agenten sich in Sekunden eine eigene Datenbank hochziehen können. Im Juni kam das Sicherheitsunternehmen Panther dazu, im März zwei weitere Startups. Kaufpreise wurden in keinem der Fälle genannt.
Seine Begründung fasst Ghodsi in zwei kurzen Sätzen zusammen: KI sei teuer, KI-Forschung sehr teuer. Ein Börsengang bleibt langfristig das Ziel, einen Zeitplan dafür gibt es bislang nicht.
Was das für Unternehmen bedeutet
Databricks ist in vielen Konzernen und größeren Mittelständlern im DACH-Raum die zentrale Plattform für Datenhaltung und Analyse. Genau deshalb ist die Kapitalstruktur des Anbieters kein reines Investorenthema. Wer 20 Milliarden US-Dollar in 20 Monaten aufnimmt und gleichzeitig Milliardenverträge mit Hyperscalern bedient, muss diese Kosten irgendwann über Preise und Lizenzmodelle refinanzieren.
Das Muster ist bekannt. Auch andere Infrastrukturanbieter finanzieren den KI-Ausbau über gigantische Summen, siehe Nvidias 500 Milliarden US-Dollar an Fremdkapital. Und dass steigende Betriebskosten am Ende bei den Kunden landen, hat sich bei OVHclouds Preiserhöhung um bis zu 87 % gezeigt.
Bemerkenswert ist auch die Richtung der Zukäufe. PGlite ist eine schlanke, offene Komponente, die nun Teil einer geschlossenen, sehr kapitalintensiven Plattform wird. Für IT-Verantwortliche spricht das dafür, die eigene Datenhaltung auf offenen Standards aufzubauen und Postgres samt Umfeld dort selbst zu betreiben, wo es fachlich möglich ist. Das reduziert die Abhängigkeit von einem einzelnen Anbieter und macht die eigene Kostenkurve planbar, anders als bei Plattformen, deren Preisgestaltung von der nächsten Finanzierungsrunde mitbestimmt wird.
Die Kostenfrage betrifft ohnehin nicht nur Datenplattformen. Dass Token-Kosten inzwischen einen erheblichen Anteil am Entwicklungsbudget ausmachen können, zeigt, wie schnell laufende KI-Ausgaben aus dem Ruder laufen, wenn niemand sie steuert.