Databricks mit 188 Mrd. USD bewertet: KI-Zukunft liegt in Infrastruktur, nicht in Apps

Die Databricks, eine Plattform für Daten und künstliche Intelligenz für Unternehmen, hat laut Recherchen der Redaktion auf Basis des Tech-Startups-Newsletters vom 20. Juli 2024 und Bestätigungen aus Marktquellen eine Bewertung von 188 Mrd. USD erreicht. Diese Zahl katapultiert das Unternehmen an die Spitze des Technologie-Ökosystems und offenbart einen entscheidenden Wandel im KI-Markt: Während der Kampf um Endnutzer – das Einzelhandelsgeschäft der KI – Schlagzeilen produziert, konzentriert sich das echte Geld im Großhandel von Daten und Infrastruktur.

In derselben Woche hob TSMC, der weltweit größte Chiphersteller, seine Investitionsprognosen an, um der Nachfrage nach KI-Verarbeitung gerecht zu werden, wie aus derselben Erhebung hervorgeht. Die Kombination dieser beiden Ereignisse zeichnet ein Bild, in dem das physische Wettrüsten der KI – Chips, Rechenzentren, Energie – ins Zentrum rückt und deutlich macht, dass die neue Grenze nicht auf dem Smartphone-Bildschirm liegt, sondern in den Fundamenten, die die Modelle tragen.

Databricks: Vom Big Data zum Motor der Unternehmens-KI

Gegründet von den Entwicklern von Apache Spark, baute Databricks seinen Ruf durch die Vereinfachung der Verarbeitung großer Datenmengen auf. In den letzten Jahren positionierte sich das Unternehmen als eine einheitliche Plattform für Datenanalyse und künstliche Intelligenz und konkurriert direkt mit Giganten wie Snowflake sowie den Cloud-Sparten von Amazon, Microsoft und Google.

Die Bewertung von 188 Mrd. USD – die den Börsenwert vieler börsennotierter Unternehmen übertrifft – spiegelt die Erkenntnis wider, dass die Dateninfrastruktur der wahre Treibstoff der generativen KI ist. Modelle wie die, die Chatbots und Assistenten antreiben, sind auf proprietäre, kuratierte und innerhalb von Unternehmen verwaltete Datensätze angewiesen. Databricks bietet genau das: eine Umgebung, in der Unternehmen ihre eigenen Daten speichern, organisieren und Modelle darauf trainieren können, ohne sie Dritten auszusetzen.

Der Bewertungssprung steht auch im Zusammenhang mit einer Investitionsrunde, deren Volumen und Teilnehmer im ersten Newsletter nicht detailliert wurden. Die Entwicklung ist jedoch konsistent mit der These, dass Risikokapital von der Anwendungsschicht zur Infrastrukturschicht gewandert ist – wo die Eintrittsbarrieren höher und die Margen vorhersehbarer sind.

Das Rennen um physische Infrastruktur: Chips, Rechenzentren und Energie

Die von TSMC angekündigte Erhöhung der Investitionsausgaben (Capex), wie vom Tech Startups berichtet, unterstreicht, dass die Expansion der KI zunehmend von physischer Kapazität abhängt. Das taiwanesische Unternehmen, das bereits die Fertigung fortschrittlicher Chips für Nvidia, AMD und andere dominiert, muss Fabriken erweitern und noch effizientere Prozesse entwickeln, um die Nachfrage zu decken.

Branchenanalysten weisen darauf hin, dass der Engpass der KI nicht mehr die Software, sondern das Silizium ist. Jede neue Modellgeneration erfordert Cluster mit Tausenden von GPUs oder spezialisierten Beschleunigern, die Strom im industriellen Maßstab verbrauchen. Große Rechenzentrumsbetreiber wie Blackstone und andere Infrastrukturfonds haben laut derselben Übersicht ebenfalls ihre Investitionen zuletzt aufgestockt – ein Zeichen, dass die Lieferkette hinter der KI insgesamt aufgebläht wird.

Energie ist eine weitere kritische Komponente. Hyperscale-Rechenzentren stoßen bereits in Regionen wie Virginia (USA) und Irland auf Versorgungsengpässe. Der Druck auf nachhaltige Quellen hat Unternehmen wie Microsoft und Amazon dazu veranlasst, milliardenschwere Verträge mit Kernkraft- und Erneuerbaren-Erzeugern abzuschließen. Die Botschaft ist einfach: Wer die physische Infrastruktur kontrolliert, wird das nächste Jahrzehnt der KI kontrollieren.

Der Kontrast zum KI-Einzelhandel: Geräte und Nutzer

Während Databricks den milliardenschweren Großhandel symbolisiert, versucht der Einzelhandel der KI, Nutzer mit greifbareren Funktionen zu gewinnen. Samsung beispielsweise kündigte im Juni die neue UFS-5.0-Speichertechnologie für Smartphones an. Die Komponente soll eingebettete KI-Aufgaben – wie Simultanübersetzung und Bildbearbeitung – beschleunigen und den Batterieverbrauch um über 40 % senken, so das Unternehmen.

Die Neuheit ist legitim und wird voraussichtlich ab dem vierten Quartal 2026 in Premium-Geräten erscheinen. Aus Marktlogik handelt es sich jedoch um einen Wettbewerb um Differenzierung im Nutzererlebnis, nicht um eine strukturelle Transformation. Der Wert, der durch KI-Hardware-Verbesserungen im Smartphone erzeugt wird, ist marginal im Vergleich zu dem, was bei Unternehmensverträgen von Datenplattformen und dem Verkauf von Chips an Rechenzentren auf dem Spiel steht.

Reorganisation bei den Big Techs: Kürzungen und Ressourcenverlagerung

Ein weiterer Nebeneffekt der Kapitalkonzentration in der Infrastruktur zeigt sich im Personalmanagement. Mitarbeiter von Google übergaben im Juli eine von mehr als 4.500 Kollegen unterzeichnete Petition, die Schutz vor Entlassungen aufgrund der Automatisierung von Aufgaben durch KI forderte. Bei Microsoft soll eine neue Kürzungsrunde weniger als 2,5 % der Belegschaft betreffen, mit Auswirkungen auf Bereiche wie Vertrieb und Beratung, wie von Olhar Digital berichtet.

Diese Einschnitte deuten nicht auf eine finanzielle Krise hin – Alphabet und Microsoft sind weiterhin hochprofitabel. Sie spiegeln eine Ressourcenverlagerung wider: Das Geld, das früher Support- und Produktentwicklungsteams finanzierte, fließt nun in den Kauf von GPUs und den Bau von Rechenzentren. Der Effizienzdruck ist auch eine Reaktion auf die wachsende geopolitische Komplexität. Die USA beschuldigten das chinesische Startup Moonshot AI, über Thailand beschaffte Nvidia-GB300-Chips zum Training von Modellen verwendet zu haben – ein Beispiel dafür, wie die Kontrolle über Hardware zur strategischen Waffe geworden ist.

Was sich abzeichnet, ist ein Ökosystem mit zwei Geschwindigkeiten. Auf der einen Seite das milliardenschwere Rennen um rohe Infrastruktur, in dem Databricks als Datenplattform-Anbieter auftritt und TSMC und Nvidia als Lieferanten der Rechenleistung. Auf der anderen Seite der KI-Einzelhandel, der Keynotes mit Demonstrationen von Echtzeit-Übersetzung und Bildgenerierung füllt, aber vollständig von der physischen Basis abhängt, die im Untergrund des Marktes errichtet wird. Für Unternehmen und Investoren ist das Signal von 2026 glasklar: Der wahre Goldtopf liegt dort, wo Daten auf Chips treffen – und genau dort pflanzt Databricks seine 188-Milliarden-US-Dollar-Fahne ein.