Ali Ghodsi (* 1978) ist ein iranisch-schwedisch-US-amerikanischer Informatiker und Unternehmer. Er ist Mitgründer und seit Januar 2016 Vorstandsvorsitzender (CEO) von Databricks, einem der wertvollsten privat gehaltenen Technologieunternehmen der Welt. Ghodsi war an der UC Berkeley an der Entwicklung von Apache Spark beteiligt, dem quelloffenen Datenverarbeitungssystem, aus dem Databricks 2013 hervorging.
Zusammenfassung
Ghodsis Weg führt von einer Kindheit im Iran über eine akademische Laufbahn in Schweden zu einem Forschungsaufenthalt an der UC Berkeley. Dort gründete er 2013 gemeinsam mit sechs weiteren Forscher:innen Databricks.
Das Unternehmen vermarktete zunächst kommerziellen Support für Apache Spark, entwickelte daraus aber das Konzept des „Data Lakehouse” – eine Architektur, die Rohdaten-Speicherung und strukturierte Datenanalyse in einem offenen Format zusammenführt, statt Kund:innen an ein proprietäres System zu binden.
Mit dem Aufkommen generativer KI ab 2023 positionierte Ghodsi Databricks zunehmend als Infrastrukturanbieter für das Training und den Betrieb eigener KI-Modelle. Ein wichtiger Schritt war die milliardenschwere Übernahme der KI-Trainingsplattform MosaicML.
Databricks konkurriert dabei direkt mit dem Cloud-Data-Warehouse-Anbieter Snowflake. Die zentrale Frage lautet: welche Plattform wird zur bevorzugten Datenschicht für Unternehmens-KI?
Mehrere große Finanzierungsrunden zwischen 2024 und 2026 hoben die Bewertung von Databricks auf zuletzt 190 Milliarden US-Dollar (CNBC 2026), ohne dass das Unternehmen an die Börse gegangen ist.
Öffentlich äußert sich Ghodsi regelmäßig zu Fragen der Datenhoheit von Unternehmen und zu offenen KI-Formaten. Seit 2026 tritt er zudem für die These ein, dass künstliche allgemeine Intelligenz im engeren Sinne bereits erreicht ist – eine Position, die in der Branche umstritten ist.
Werdegang
Ghodsi stammt aus dem Iran; öffentlich zugängliche Quellen nennen keine näheren Angaben zu seiner Kindheit oder dem Zeitpunkt seiner Übersiedlung nach Schweden. In Schweden erwarb er 2002 einen Master-Abschluss in Computertechnik sowie 2003 einen MBA in Logistik und Marketing, jeweils an der Mittuniversitetet (Mid Sweden University).
2006 promovierte er am KTH Royal Institute of Technology in Stockholm bei Seif Haridi mit einer Arbeit zu verteilten Hashtabellen-Algorithmen. Von 2008 bis 2009 war er anschließend Assistenzprofessor am KTH. In dieser Zeit war er auch Mitgründer von Peerialism AB, einem Stockholmer Unternehmen für Peer-to-Peer-Datenübertragung.
2009 wechselte Ghodsi als Gastwissenschaftler an das AMPLab der UC Berkeley, wo er mit Scott Shenker, Ion Stoica, Michael Franklin und Matei Zaharia zusammenarbeitete. Dort war er an der Entwicklung von Apache Mesos, einem Cluster-Management-System, beteiligt und trug zu Apache Spark bei – dem verteilten Framework für schnellere Datenverarbeitung im Arbeitsspeicher.
Zusätzlich entwickelte er das Konzept der Dominant Resource Fairness: ein Verfahren zur fairen Verteilung mehrerer knapper Ressourcen in Rechencluster-Umgebungen.
2013 gründete Ghodsi gemeinsam mit sechs weiteren AMPLab-Forscher:innen Databricks: Andy Konwinski, Arsalan Tavakoli-Shiraji, Ion Stoica, Matei Zaharia, Patrick Wendell und Reynold Xin – die Gruppe wurde später als „Apache Spark Seven” bekannt. Ziel war, Apache Spark kommerziell nutzbar zu machen.
Ghodsi übernahm zunächst die Rolle des VP of Engineering und Product Management, ehe er im Januar 2016 zum CEO des Unternehmens wurde. Seither leitet er das internationale Wachstum von Databricks und ist zugleich als Adjunct Professor mit der UC Berkeley verbunden.
Vom Lakehouse zur KI-Plattform
Ghodsis zentraler strategischer Beitrag zu Databricks ist das Konzept des „Data Lakehouse”. Die Idee dahinter: Unternehmen sollen ihre Daten in offenen Dateiformaten in einem Data Lake halten, statt sie in ein proprietäres Data-Warehouse-System zu kopieren. Darauf können sie sowohl klassische Analyse- als auch KI-Workloads betreiben.
2019 veröffentlichte Databricks unter Ghodsi dazu Delta Lake als Open-Source-Speicherschicht, nachdem bereits 2018 das Machine-Learning-Werkzeug MLflow erschienen war. Ghodsi beschreibt den Ansatz wiederholt als bewusste Entscheidung gegen Vendor-Lock-in: Kund:innen sollen Eigentümer:innen ihrer eigenen Daten bleiben, auch wenn sie unterschiedliche Analysewerkzeuge nutzen.
Mit dem Aufstieg generativer KI nach 2022 erweiterte Databricks sein Angebot um Infrastruktur für das Training eigener Sprachmodelle. Im Juni 2023 übernahm das Unternehmen MosaicML, eine auf effizientes KI-Modelltraining spezialisierte Plattform, für rund 1,3 Milliarden US-Dollar (TechCrunch 2023) – das Sechsfache der vorherigen Startup-Bewertung.
Ghodsi begründete den Schritt damit, das „Lakehouse” zum besten Ort für den Aufbau generativer KI und großer Sprachmodelle zu positionieren. In den Folgejahren etablierte er Databricks damit als Gegenentwurf zu Anbietern, deren Kund:innen auf vorgefertigte, fremdtrainierte Modelle angewiesen sind.
Diese Strategie bringt Databricks in direkte Konkurrenz zu Snowflake, dem führenden Cloud-Data-Warehouse-Anbieter mit geschlossenerem Architekturmodell. Ghodsi bezeichnete seinen Lakehouse-Ansatz öffentlich als „super disruptiv” gegenüber etablierten Warehouse-Anbietern. Snowflake selbst räumte ein, durch das offene Format Umsatzeinbußen zu erwarten.
Der Wettbewerb der beiden Unternehmen gilt in der Branche als zentrale Auseinandersetzung darüber, welche Plattform zur bevorzugten Datenschicht für Unternehmens-KI wird.
Finanzierung und Bewertung
Zwischen 2025 und 2026 durchlief Databricks mehrere große private Finanzierungsrunden. Im August 2025 bewertete eine Runde das Unternehmen erstmals mit über 100 Milliarden US-Dollar (CNBC 2025a). Databricks wurde damit nach SpaceX, ByteDance und OpenAI erst das vierte venture-finanzierte Unternehmen, das diese Schwelle überschritt.
Im Dezember 2025 folgte eine weitere Runde über gut vier Milliarden US-Dollar – bei einer Bewertung von 134 Milliarden US-Dollar (CNBC 2025b), angeführt von Insight Partners, Fidelity Management & Research und JPMorgan Asset Management. Die annualisierte Umsatzrate überstieg zu diesem Zeitpunkt 4,8 Milliarden US-Dollar und wuchs um mehr als 55 Prozent gegenüber dem Vorjahr (Databricks 2025).
Im August 2026 schloss Databricks eine weitere Runde über fünf Milliarden US-Dollar ab – bei einer Bewertung von 190 Milliarden US-Dollar (CNBC 2026). Die annualisierte Umsatzrate überschritt zu diesem Zeitpunkt sieben Milliarden US-Dollar und wuchs um mehr als 80 Prozent gegenüber dem Vorjahrsquartal (Forbes 2026).
Einen Börsengang hat Databricks trotz wiederholter Spekulationen bislang nicht vollzogen; ein S-1-Registrierungsdokument lag Stand August 2026 nicht vor. Ghodsi bezeichnete 2026 selbst als „schlechtes Jahr“ für einen Börsengang angesichts eines überfüllten Kalenders großer Technologie-IPOs; Beobachter:innen gehen inzwischen eher von 2027 oder später aus, sofern Databricks den Schritt überhaupt vollzieht, statt weiter privates Kapital aufzunehmen.
Positionen zu offener KI und AGI
Ghodsi vertritt öffentlich wiederholt die Position, Unternehmen sollten die Kontrolle über ihre Daten und, zunehmend, über ihre KI-Modelle behalten, statt sich vollständig auf geschlossene Anbieter zu verlassen – eine Haltung, die er als Erweiterung des ursprünglichen Lakehouse-Arguments auf die KI-Ebene darstellt.
Im Sommer 2026 sorgte er mit einer provokanten These für Aufsehen: künstliche allgemeine Intelligenz (AGI) sei in einem engeren Sinne bereits erreicht. Sein Kriterium ist konkret – ein System erfüllt diese Definition, wenn es intellektuelle Aufgaben erfüllen kann, die Menschen erfüllen, und dabei die meiste Zeit klüger ist als die meisten Menschen.
Ghodsi grenzte diese Einschätzung bewusst von der in der Branche geläufigeren, deutlich anspruchsvolleren Definition ab. Diese meint Superintelligenz – ein System, das in Sekunden leistet, wofür die Menschheit gemeinsam Jahre bräuchte. Nach eigener Aussage hatte Ghodsi bereits im Dezember 2025 eine ähnliche These vertreten.
Die Reaktionen auf diese Aussage fielen gemischt aus. Ob sich Ghodsis engere AGI-Definition als Branchenkonsens durchsetzt, bleibt offen. In öffentlichen Auftritten betont er seither stärker, das eigentliche Hindernis für Unternehmens-KI liege nicht mehr in der Modellintelligenz, sondern im fehlenden Unternehmenskontext, den Modelle für zuverlässige Antworten benötigten.
Kontroversen und Kritik
Zu Ghodsis AGI-These liegt öffentlich dokumentierter Widerspruch aus der Branche vor. Allerdings lässt sich daraus bislang keine systematische fachliche Auseinandersetzung mit seiner spezifischen Definition rekonstruieren – welche Kriterien für oder gegen ein Erreichen von AGI im engeren Sinne sprechen, bleibt in der öffentlichen Debatte uneinheitlich diskutiert.
Zur persönlichen Biografie Ghodsis vor seiner akademischen Laufbahn in Schweden liefern die ausgewerteten Quellen keine belastbaren Angaben. Zeitpunkt und Umstände seiner Übersiedlung aus dem Iran bleiben ungeklärt; dieser Teil seiner Geschichte gilt als offen.
Verwandte Begriffe
- Scaling Laws – die Trainingsgesetzmäßigkeiten, die den Rechenbedarf großer KI-Modelle bestimmen und damit auch die Nachfrage nach Plattformen wie Databricks treiben
- Compute (Rechenleistung) – die Ressource, um deren effiziente Bereitstellung Databricks mit der MosaicML-Übernahme konkurriert
- DeepSeek – Beispiel eines Unternehmens, dessen Aufstieg die Debatte um offene versus geschlossene KI-Modelle mitprägte, wie sie auch Ghodsi führt
- Jensen Huang – Nvidia-CEO, dessen Chips die Rechengrundlage für die von Databricks angebotenen KI-Trainingsdienste liefern
Quellenangaben
- Databricks Newsroom, 26. Juni 2023: „Databricks Signs Definitive Agreement to Acquire MosaicML, a Leading Generative AI Platform.” https://www.databricks.com/company/newsroom/press-releases/databricks-signs-definitive-agreement-acquire-mosaicml-leading-generative-ai-platform
- TechCrunch, 26. Juni 2023: „Databricks picks up MosaicML, an OpenAI competitor, for $1.3B.” https://techcrunch.com/2023/06/26/databricks-picks-up-mosaicml-an-openai-competitor-for-1-3b/
- CNBC, 2025a. „Databricks says it’s valued at over $100 billion in latest funding round.” 19. August 2025. https://www.cnbc.com/2025/08/19/databricks-valuation-over-100-billion.html
- CNBC, 2025b. „Databricks raises capital at $134 billion valuation in latest funding round.” 16. Dezember 2025. https://www.cnbc.com/2025/12/16/databricks-funding-valuation.html
- CNBC, 13. August 2026: „Databricks wraps $5 billion funding round at $190 billion valuation.” https://www.cnbc.com/2026/08/13/databricks-funding-round-190-billion-valuation.html
- Forbes, 13. August 2026: „Databricks Hits $190 Billion Valuation As CEO Ali Ghodsi Claims AGI Has Already Arrived.” https://www.forbes.com/sites/victordey/2026/08/13/databricks-hits-190-billion-valuation-as-ceo-ali-ghodsi-claims-agi-already-arrived/
- TIME, 2026: „Databricks’ CEO Believes AGI Is Already Here.” https://time.com/7338006/ai-agi-databricks-ali-ghodsi/
- Yahoo Finance: „Databricks CEO Ali Ghodsi on Snowflake rivalry and the ‘why’ behind Databricks’ latest billion-dollar deal.” https://finance.yahoo.com/news/databricks-ceo-ali-ghosdi-snowflake-104622130.html
- Kungliga biblioteket (LIBRIS), o. J. Katalogeintrag zur KTH-Dissertation „Distributed k-ary System“. libris.kb.se/bib/11898786 (Belegt Geburtsjahr 1978 über die Ansetzungsform „Ghodsi, Ali, 1978-“.)