Databricks heimst 400 Millionen US-Dollar ein

Databricks, das Unternehmen hinter dem Big-Data-Framework Apache Spark, weist mittlerweile rund 900 Millionen Dollar an Risikokapital auf.

In Pocket speichern vorlesen Druckansicht 1 Kommentar lesen
Databricks heimst 400 Millionen US-Dollar ein

(Bild: Gorodenkoff/Shutterstock.com)

Lesezeit: 2 Min.
Von
  • Alexander Neumann

Databricks freut sich darüber, 400 Millionen US-Dollar in einer sechsten Finanzierungsrunde einstreichen zu können. An der Beteiligung sind Andreessen Horowitz' Late Stage Venture Fund, welches die Runde anführt und schon länger ein Förderer von Databrisk ist, aber auch die neuen Investoren BlackRock, T. Rowe Price Associates und Tiger Global Management sowie die bestehenden Geldgeber Alkeon Capital Management, Coatue Management, Dragoneer Investment Group, Geodesic, Green Bay Ventures, Microsoft und New Enterprise Associates (NEA) beteiligt.

Mit der Finanzierung erhöht sich die Summe an Risikokapital auf fast 900 Millionen Dollar. Außerdem ist von einem Wert des Unternehmens von nun 6,2 Milliarden Dollar die Rede. Mit einem baldigen Börsengang ist wohl zu rechnen, obgleich es hierzu noch keine Informationen gibt.

Das Start-up-Unternehmen verfügt über eine SaaS-Plattform (Software as a Service), bei der vier Produkte zentral sind, die allesamt auf Open-Source-Techniken basieren: das Data-Lake-Produkt Delta Lake, MLflow für die Operationalisierung von Machine-Learning-Projekten, Koalas, ein übergeordnetes Maschine-Learning-Framework für Spark und Pandas, das die Arbeit mit den beiden Machine-Learning- beziehungsweise Big-Data-Tools stark vereinfachen soll, und schließlich Apache Spark selbst.

Hinter Databricks stehen die Macher des Big-Data-Frameworks Apache Spark, die ihr Unternehmen 2013 gegründet hatten. Die Cloud-basierte 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 gewonnen hat. (ane)