Databricks

Kurzfazit

Databricks ist die ernsthafteste Wahl, wenn ein Unternehmen Data Engineering, Analytics und KI in einer einzigen Plattform vereinen will. Die Kombination aus Spark, Delta Lake, Unity Catalog und den eingebauten KI-Werkzeugen deckt vom Rohdaten-Ingest bis zum produktiven LLM-Endpoint alles ab, und das in einer Tiefe, die weder Snowflake noch Microsoft Fabric erreichen. Bezahlt wird das mit einem DBU-basierten Preismodell, das ohne ernsthafte FinOps-Disziplin schnell aus dem Ruder läuft, und einer Komplexität, die kleine Teams überfordert. Vier Sterne, Bestnote für die Klasse “große Daten, große Teams”, aber nicht jedem Unternehmen zu empfehlen.

Für wen ist Databricks?

Konzerne und gehobener Mittelstand mit echten Big-Data-Pipelines: Wer täglich mehrere hundert Gigabyte oder mehr verarbeitet, mehrere Data-Source-Systeme zusammenführt und ETL plus Analytics plus ML in einer Hand braucht, findet hier die kompletteste Lösung am Markt. Der Wert entsteht aus Konsolidierung, ein Team statt drei, ein Catalog statt fünf.

Data-Science-Teams in regulierten Branchen: Banken, Pharma und Versicherungen profitieren von Unity Catalog mit zeilen- und spaltenbasierter Zugriffskontrolle, Lineage und Audit. In Verbindung mit der EU-Region in Frankfurt lassen sich GDPR- und BaFin-Anforderungen sauber abbilden.

ML-Engineering-Teams, die Modelle produktiv betreiben: Die Plattform bietet Model Serving, AI Search (Vektor- und Hybridsuche) und Feature Store nativ. Wer von Notebook zu produktivem Endpoint will, ohne fünf Tools zu integrieren, hat hier einen klaren Vorteil.

Teams mit Spark-Vorerfahrung: Wer bereits PySpark oder Scala-Spark kennt, ist sofort produktiv. Die Plattform belohnt Spark-Wissen mit der besten Developer Experience im Markt.

Weniger geeignet für:

• Kleine Teams mit Datenmengen unter 100 GB, eine PostgreSQL plus dbt plus MLflow reicht hier völlig
• Reine SQL-Analytics-Anwendungen ohne ML-Bedarf, BigQuery ML oder Snowflake sind günstiger und einfacher
• Self-Service-Analyst:innen ohne Coding-Skills, die Notebook-Umgebung setzt Python- oder SQL-Kenntnisse voraus
• Unternehmen mit fixem IT-Budget, die genaue Monatskosten brauchen, das DBU-Modell macht Forecasting schwierig

Preise im Detail

Workload (AWS Premium, Stand Oktober 2026)	DBU-Preis	Cloud-Compute
Lakeflow Jobs Classic (Batch-ETL)	ab 0,15 USD/DBU	separat im eigenen Account
Lakeflow Jobs Serverless	ab 0,35 USD/DBU	inklusive
SQL Serverless	0,70 USD/DBU	inklusive
SQL Pro	0,55 USD/DBU	selbstverwaltetes Warehouse
SQL Classic	0,22 USD/DBU	selbstverwaltetes Warehouse
Free Edition (Lernen)	0 USD	–

Databricks rechnet je Workload nach Tier ab. Auf AWS und GCP wählst du zwischen Premium und Enterprise, der frühere “Standard”-Tier ist beendet: Bestehende Standard-Workspaces werden laut Databricks zum 1. Oktober 2025 (AWS, GCP) beziehungsweise 1. Oktober 2026 (Azure) auf Premium hochgestuft. Die Preise der Tabelle sind Listenpreise in US-Dollar, einen Eurobetrag nennt die Preisseite nicht. Auf Azure entspricht der dortige Premium-Tier funktional dem Enterprise-Tier von AWS und GCP, abgerechnet und supportet wird Azure Databricks direkt über Microsoft.

Einordnung: Die DBU-Preise sind nur die halbe Wahrheit, bei Classic-Clustern fallen zusätzlich die Cloud-Compute-Kosten (EC2, Azure VM, GCE) an, die Databricks im Kunden-Account abrechnet. Serverless-Optionen bündeln Compute und DBU in einem Preis, kosten pro DBU dafür mehr. Was eine Pipeline im Monat kostet, hängt von Workload, Compute und Tier ab; Databricks bietet dafür einen Preisrechner an. Premium ist die Einstiegsstufe, Enterprise bringt laut Preisseite “Advanced compliance and security for mission-critical data”, dazu kommen optionale Add-ons für erweiterte Sicherheit (15 % des Produktumsatzes vor Rabatten). Ehrliches Capacity Planning vor dem Vertrag ist Pflicht.

Stärken im Detail

Lakehouse-Architektur als echtes Differenzierungsmerkmal. Statt Daten zwischen Data Lake (S3) und Warehouse (Snowflake, Redshift) zu kopieren, läuft alles auf einem Storage-Layer. Delta Lake bringt ACID-Transaktionen, Schema-Evolution und Time Travel auf Object Storage. Das spart nicht nur Storage-Kosten, sondern eliminiert eine ganze Klasse von Synchronisationsproblemen.

Spark ist erwachsen, und Databricks macht ihn benutzbar. Mit der Photon-Engine und dem Serverless-Modus nimmt dir Databricks viel Konfiguration ab: Serverless-Jobs wählen laut Preisseite die Instanztypen automatisch und skalieren mit einem erweiterten Autoscaler. Wer schon einmal selbst einen Spark-Cluster auf Kubernetes betrieben hat, weiß diese Bequemlichkeit zu schätzen.

Unity Catalog liefert echte Governance. Tabellen, Views, Funktionen, ML-Modelle und Volumes (unstrukturierte Daten) liegen in einem hierarchischen Catalog. Zugriffsrechte vergibst du auf Spalten- und Zeilenebene, Lineage wird automatisch erfasst, sensible Felder lassen sich taggen und maskieren. Für regulierte Industrien ist das praktisch alternativlos.

Die KI-Werkzeuge stecken im Lakehouse-Workflow. AI Search (semantische Vektorsuche, Keyword- und Hybridsuche in einer API), Model Serving für klassische ML-Modelle, generative Modelle und Agenten, der Feature Store und Databricks Model Training (Fine-Tuning offener LLMs oder eigene LLMs auf Unternehmensdaten) lassen sich direkt aus der Plattform nutzen. Den Namen „Mosaic AI“ zeigen die geprüften Produktseiten nicht mehr, er steckt nur noch in Adressen wie /mosaic-ai-training. Wer Retrieval-Augmented-Generation auf eigenen Daten bauen will, braucht keine separate Vector-DB und keinen separaten Inference-Server.

Echte EU-Regionen sind wählbar, aber kein Default. Workspaces lassen sich in AWS Frankfurt (eu-central-1), AWS Irland, Azure West Europe (Niederlande) deployen, auf AWS außerdem in Paris. Die Region wird bei der Workspace-Erstellung aktiv gewählt, es gibt keinen erzwungenen EU-Standard, und US-Regionen sind ebenso verfügbar. Wer DSGVO-konform verarbeiten will, muss die EU-Region also bewusst setzen und im Vertrag fixieren.

Schwächen ehrlich betrachtet

Das Pricing ist undurchsichtig, und das ist ein systemisches Problem, kein Detailfehler. DBU-Verbrauch hängt von Compute-Tier, Photon-Aktivierung, Cluster-Größe und Worker-Anzahl ab. Dazu kommen die Cloud-Compute-Kosten in deinem eigenen Account. Ohne Cost-Monitoring, Tagging-Disziplin und Quota-Limits eskalieren die Kosten. Workaround: Cluster-Policies, Job-Cluster statt All-Purpose, Auto-Termination und das Cost-Reporting in Account-Console konsequent nutzen.

Die Lernkurve ist steil und mehrdimensional. Teams müssen Spark verstehen (Lazy Evaluation, Partitionen, Shuffle), Delta Lake (Optimize, Z-Order, Vacuum), Cluster-Konfiguration (Driver vs. Worker, Photon, Auto-Scaling), Unity Catalog (Catalogs, Schemas, External Locations) und Workflows. Eine ernsthafte Einarbeitung dauert mehrere Wochen, wer das unterschätzt, baut schlechte Pipelines.

Vendor-Lock-in trotz offener Formate. Delta Lake ist Open Source, Spark ist Open Source, die Workflows, das Job-Scheduling, die Notebooks und das Unity-Catalog-Permission-Modell sind es nicht. Eine Migration weg von Databricks ist möglich, aber teuer. Viele Kunden sind faktisch gefangen, weil das Ökosystem so dicht ist.

Für kleine Datenmengen ist die Plattform massiv überdimensioniert. Wer 50 GB pro Tag verarbeitet, braucht keinen Lakehouse. Eine PostgreSQL plus dbt plus MLflow erledigt dasselbe für einen Bruchteil der Kosten und mit weniger Komplexität. Databricks lohnt sich erst ab Datenmengen, die einen einzelnen Server überfordern, typischerweise Hunderte GB bis viele TB.

Kein deutscher Support, keine deutsche Dokumentation. Die Dokumentation gibt es laut Sprachauswahl auf Englisch, Japanisch, Portugiesisch und Französisch, nicht auf Deutsch; einen deutschsprachigen Support nennt der Anbieter nicht. Für Teams, deren Senior-Engineers fließend Englisch sprechen, ist das kein Problem, für gemischte Teams in mittelständischen Unternehmen schon.

Erweiterte Sicherheit kostet extra. Die Preisseite führt Audit-Logs und Policy-Controls unter Premium, “Advanced compliance and security” unter Enterprise, und ein Add-on für erweiterte Sicherheit und Compliance schlägt mit 15 % des Produktumsatzes vor Rabatten zu Buche. Den früheren Standard-Tier hat Databricks beendet.

Alternativen im Vergleich

Wenn du willst…	…nimm besser
SQL-zentrische Analytics mit ML-Add-on, ohne Spark-Komplexität	BigQuery ML
Visuelle, drag-and-drop-orientierte Data-Science-Plattform	Dataiku
Nur ML-Lifecycle-Management ohne ganze Lakehouse-Investition	MLflow (Open Source, von Databricks selbst)
Open-Source-Lösung für Data Science, lokal oder on-premises	KNIME Analytics Platform
Fertige Industrial-AI-Suite ohne eigene Modellentwicklung	C3.ai

Snowflake und Microsoft Fabric sind die direktesten Konkurrenten und werden in echten Vendor-Auswahlprozessen meistens parallel evaluiert. Snowflake punktet bei reiner SQL-Analytik mit dem klareren Pricing-Modell, Fabric bei tiefer Microsoft-Integration und Power-BI-Anbindung. Wer schwerpunktmäßig KI baut und nicht nur Reporting, liegt mit Databricks vorn.

So steigst du ein

Schritt 1: Lege dir kostenlos einen Free-Edition-Workspace auf databricks.com/try-databricks an. Damit übst du Notebooks, Spark-Syntax und Delta-Tabellen risikofrei. Alternativ: 14-tägige Testphase eines vollwertigen Workspaces in deinem AWS- oder Azure-Account, um Cost-Mechanik realistisch zu erleben.

Schritt 2: Baue eine Pilot-Pipeline mit echten, aber überschaubaren Daten, etwa 10-50 GB. Lade Rohdaten in eine Bronze-Table, transformiere in Silver, aggregiere in Gold (Medallion-Architektur). Nutze ausschließlich Job-Cluster und setze Auto-Termination auf 10 Minuten. So lernst du Spark, Delta Lake und Cost-Mechanik gleichzeitig.

Schritt 3: Vor dem Produktiv-Rollout: Cluster-Policies definieren, Tagging-Strategie festlegen, Cost-Alerts einrichten und Unity Catalog mit deinem Identity Provider (Entra ID, Okta) verbinden. Ohne diese Hausaufgaben werden die ersten Monatsrechnungen unangenehm.

Ein konkretes Beispiel

Ein mittelständischer Maschinenbauer aus Stuttgart, 800 Mitarbeitende, betreibt eine Flotte von 12.000 verkauften Maschinen weltweit. Sensoren liefern täglich rund 600 GB Telemetriedaten in einen S3-Bucket. Bisher lief die Auswertung über ein Konstrukt aus Python-Skripten auf einem EC2-Server und einer Postgres-Datenbank, die Ad-hoc-Analysen brauchten Stunden, ein Predictive-Maintenance-Modell war nie produktiv geworden.

Mit Databricks (AWS Frankfurt, Premium-Tier, EU-Region) baut das Data-Team in vier Monaten eine Medallion-Architektur: Bronze-Table mit Raw-Telemetry, Silver-Table mit bereinigten und angereicherten Sensorwerten, Gold-Tables mit Aggregaten pro Maschine, Standort und Bauteil. Ein Predictive-Maintenance-Modell läuft als Daily Job auf MLflow, die Vorhersagen landen in einer Delta-Tabelle, die der Service-Außendienst über Power BI liest. Monatskosten: rund 4.800 EUR (1.200 USD DBU, 2.000 EUR EC2, 1.000 EUR S3 und Egress) plus 600 EUR für Premium-Features. Spürbarer Effekt: Servicetechniker fahren 18 Prozent gezielter, ungeplante Ausfälle bei Bestandskunden sinken um etwa ein Viertel im ersten Jahr. Wäre das Datenvolumen 50 GB statt 600 GB gewesen, hätte sich das Investment nicht gelohnt.

DSGVO & Datenschutz

• EU-Region wählbar, aber kein Default: Workspaces lassen sich in AWS eu-central-1 (Frankfurt), AWS Irland, Azure West Europe (Niederlande) oder in Paris (AWS) deployen. Die Region wird bei der Workspace-Erstellung aktiv gewählt, US-Regionen stehen gleichberechtigt zur Auswahl, einen erzwungenen EU-Standard gibt es nicht. Die EU-Region muss bewusst gesetzt und im Vertrag festgeschrieben werden.
• AVV mit Databricks Inc. abschließbar: Databricks stellt ein Data Processing Addendum bereit, das Kunden herunterladen und elektronisch unterzeichnen können, dazu eine Ergänzung für Standardvertragsklauseln. ISO-Zertifizierungen und ein SOC-2-Type-II-Report sind über das Due-Diligence-Paket beziehungsweise das Account-Team erhältlich.
• US-Konzern, EU-Region, der CLOUD-Act-Vorbehalt bleibt: Databricks Inc. ist US-Unternehmen, fällt damit unter den US CLOUD Act. EU-Region reduziert das Risiko, eliminiert es aber nicht. Wer auf maximale Souveränität angewiesen ist, sollte das im Risk Assessment berücksichtigen.
• Unity Catalog liefert das Audit-Fundament: Wer Personenbezugsdaten verarbeitet, kann mit Unity Catalog Spalten-Maskierung, Tag-basierte Klassifikation (z.B. “PII”) und Lineage-Reports umsetzen, ein Vorteil gegenüber selbstgebauten Spark-Setups.
• KI-Dienste: Nicht jedes Feature ist in jeder Region verfügbar (die Preisseite verweist dafür auf die Feature-Region-Übersichten). Prüfe für Model Serving und Foundation-Model-Zugriffe vor dem Einsatz, in welcher Region sie laufen.

Gut kombiniert mit

Power BI oder Tableau für Self-Service-BI: Endnutzer:innen wollen Dashboards, keine Notebooks. Databricks SQL liefert performante Endpoints, die Power BI direkt anbindet, das Engineering-Team baut die Gold-Tables, Fachbereiche bauen ihre eigenen Reports darauf.

dbt für SQL-zentrische Transformationen: Wer SQL bevorzugt und ein versioniertes, getestetes Transformations-Layer braucht, kombiniert dbt mit Databricks. dbt-databricks-Adapter ist offiziell unterstützt, Models werden als Delta-Tables materialisiert.

MLflow als Modell-Tracking-Standard: Ohnehin in Databricks integriert, aber wer hybrid (lokal trainieren, in Databricks deployen) arbeitet, profitiert vom selben Tracking-Backend in beiden Welten. Modell-Registry, Experiment-Tracking und Stage-Promotion bleiben konsistent.

Unser Fazit

Vier Sterne, und das ist eine bewusste Entscheidung gegen die fünf. Databricks ist innerhalb seiner Klasse “ernsthafte Lakehouse-Plattform für Konzerne und gehobenen Mittelstand” konkurrenzlos: Lakehouse-Architektur, Spark-Performance, Unity-Catalog-Governance und die eingebauten KI-Werkzeuge sind im Markt unerreicht. Der fünfte Stern bleibt aus zwei Gründen aus: Erstens ist das DBU-Pricing-Modell nicht beherrschbar, ohne dedizierte FinOps-Disziplin aufzubauen, und das ist eine systemische Schwäche, kein kleiner Makel. Zweitens ist die Plattform für die Mehrheit deutscher Unternehmen (KMU, Datenmengen unter 1 TB) schlicht überdimensioniert. Wer in der Zielgruppe ist, bekommt das beste Werkzeug am Markt; wer falsch dimensioniert kauft, brennt Budget.

Was wir bemerkt haben

• Juni 2023, Databricks unterzeichnet die Vereinbarung zur Übernahme von MosaicML, den Transaktionswert nennt Databricks mit rund 1,3 Mrd. USD einschließlich Halteprämien. Abgeschlossen wurde sie am 19. Juli 2023; Kunden sollen damit laut Databricks eigene LLMs mit eigenen Daten auf der Plattform trainieren und bereitstellen.
• Oktober 2026, Die Job-Orchestrierung firmiert auf den Preisseiten jetzt unter “Lakeflow Jobs” mit zwei Varianten: Jobs Classic (ab 0,15 USD/DBU, Cloud-Compute separat) und Jobs Serverless (ab 0,35 USD/DBU, Compute inklusive). Im Online-Rechner ist nur noch zwischen Premium und Enterprise zu wählen. Der Standard-Tier wird laut Databricks beendet: Azure-Workspaces werden zum 1. Oktober 2026 auf Premium hochgestuft, AWS und GCP schon zum 1. Oktober 2025.
• Oktober 2026, Die Seite der Free Edition trägt den Titel „Replacing Databricks Community Edition“: Die Free Edition hat laut Databricks vollen Zugang zur Data + AI Platform, ist aber nicht für Produktion oder kommerzielle Nutzung gedacht. Die FAQ der Preisseite beschreibt die Community Edition weiterhin als kostenlose Plattform mit eingeschränktem Funktionsumfang zum Lernen von Spark; die beiden Anbieterseiten widersprechen sich hier.