Big Data: Databricks erhält 140 Millionen Risikokapital

Das Unternehmen hinter Apache Spark hat damit ein bisher insgesamt knapp 250 Millionen US-Dollar an Fördermitteln erhalten. Die frische Investition will Databricks für die globale und thematische Erweiterung sowie neue Mitarbeiter verwenden.

In Pocket speichern vorlesen Druckansicht
Big Data und KI: Databricks erhält 140 Millionen Risikokapital
Lesezeit: 2 Min.
Von
  • Rainald Menge-Sonnentag

Mit Databricks erhält das Unternehmen, das maßgeblich hinter Apache Spark steht, in der vierten Finanzierungsrunde 140 Millionen US-Dollar. Andreessen Horowitz, die bereits seit geraumer Zeit in Databricks investieren, führt die Runde an. Außerdem beteiligen sich New Enterprise Associates (NEA), die an der Spitze der im Dezember 2016 erfolgten dritten Finanzierungsrunde standen, und Battery Ventures. Insgesamt konnte der Big-Data-Spezialist damit bisher Investitionen in Höhe von 247 Millionen US-Dollar einstreichen.

Das frische Geld soll vor allem in die Weiterentwicklung der Unified Analytics Platform fließen, um Methoden der künstlichen Intelligenz für Unternehmen leichter zugänglich zu machen. So zitiert der Blogbeitrag Ben Horowitz, den Mitbegründer des Hauptinvestors, mit dem vollmundigen Satz: "Databricks ist wesentlich, wenn Sie sich einen Wettbewerbsvorteil mit künstlicher Intelligenz aufbauen wollen und nicht Google oder Facebook sind".

Außerdem will Databricks in das globale Wachstum investieren und die vertikalen Anwendungsbereiche ausbauen, unter anderem im Bereich Gesundheitswesen, Finanzdienstleistungen, sowie im Medien- und Entertainment-Bereich. Auch will das Unternehmen zusätzliche Mitarbeiter vor allem im Bereich Engineering und Customer Success Management einstellen.

Die Macher von Apache Spark haben Databricks 2013 gegründet. Die webbasierte Datenplattform als Hauptprodukt basiert auf Spark und bietet unter anderem automatisches Cluster-Management. In jüngster Zeit richtet sich der Fokus verstärkt auf den Bereich Machine Learning beziehungsweise Deep Learning, der auch innerhalb von Spark spätestens seit Version 2 der Plattform an Bedeutung gewinnt.

Siehe dazu auf heise Developer:

(rme)