Ali Ghodsi

Ali Ghodsi (* 1978 im Iran) 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, aus dem heraus er 2013 gemeinsam mit sechs weiteren Forscher:innen Databricks gründete. 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 Warenhaus-System zu binden.

Mit dem Aufkommen generativer KI positionierte Ghodsi Databricks ab 2023 zunehmend als Infrastrukturanbieter für das Training und den Betrieb eigener KI-Modelle von Unternehmen, unter anderem durch die milliardenschwere Übernahme der KI-Trainingsplattform MosaicML. Databricks konkurriert dabei direkt mit dem Cloud-Data-Warehouse-Anbieter Snowflake um die Frage, welche Plattform zur zentralen Datenschicht für Unternehmens-KI wird.

Mehrere große Finanzierungsrunden zwischen 2024 und 2026 hoben die Bewertung von Databricks auf zuletzt 190 Milliarden US-Dollar (CNBC 2026), ohne dass das Unternehmen bislang an die Börse gegangen ist. Ghodsi äußert sich öffentlich regelmäßig zu Fragen der Datenhoheit von Unternehmen, zu offenen KI-Formaten und, seit 2026, zur These, künstliche allgemeine Intelligenz sei in einem engeren Sinne bereits erreicht – eine Einschätzung, die in der Branche umstritten ist.

Werdegang

Ghodsi wurde 1978 im Iran geboren; 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 beteiligt, einem Cluster-Management-System, und trug zu Apache Spark bei, dem verteilten Datenverarbeitungs-Framework, das als Nachfolger des älteren Hadoop-Systems schnellere Verarbeitung großer Datenmengen im Arbeitsspeicher ermöglichte. Mitentwickelt hat er dabei auch 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 – Andy Konwinski, Arsalan Tavakoli-Shiraji, Ion Stoica, Matei Zaharia, Patrick Wendell und Reynold Xin, gemeinsam als „Apache Spark Seven“ bekannt – Databricks, um 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; zugleich ist er als Adjunct Professor weiterhin mit der UC Berkeley verbunden.

Vom Lakehouse zur KI-Plattform

Ghodsis zentraler strategischer Beitrag zu Databricks ist das Konzept des „Data Lakehouse“ – die Idee, dass Unternehmen ihre Daten in offenen Dateiformaten in einem Data Lake halten sollen, statt sie in ein proprietäres Data-Warehouse-System zu kopieren, und darauf sowohl klassische Analyse- als auch KI-Workloads betreiben können. 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 einsetzen.

Mit dem Aufstieg generativer KI nach 2022 erweiterte Databricks dieses Angebot um Infrastruktur für das Training eigener Sprachmodelle. Im Juni 2023 gab das Unternehmen die Übernahme von MosaicML bekannt, einer auf effizientes KI-Modelltraining spezialisierten Plattform, für rund 1,3 Milliarden US-Dollar (TechCrunch 2023) – dem Sechsfachen der vorherigen Investorenbewertung des Startups. Ghodsi begründete den Schritt damit, das „Lakehouse“ zum besten Ort für den Aufbau generativer KI und großer Sprachmodelle zu machen. In den folgenden Jahren positionierte er Databricks damit als Gegenentwurf zu Anbietern, deren Kund:innen auf vorgefertigte, fremdtrainierte Modelle angewiesen bleiben.

Diese Strategie bringt Databricks in direkte Konkurrenz zum Cloud-Data-Warehouse-Anbieter Snowflake, der ein konkurrierendes, stärker geschlossenes Architekturmodell verfolgt. Ghodsi bezeichnete den Lakehouse-Ansatz öffentlich als „super disruptiv“ gegenüber etablierten Warehouse-Anbietern; Snowflake selbst räumte ein, durch das offene Lakehouse-Format Umsatzeinbußen zu erwarten. Der Wettbewerb der beiden Unternehmen gilt in der Branche als eine der zentralen strukturellen Auseinandersetzungen 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 2025); 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, angeführt von Insight Partners, Fidelity Management & Research und JPMorgan Asset Management; die annualisierte Umsatzrate überstieg zu diesem Zeitpunkt 4,8 Milliarden US-Dollar bei einem Wachstum von mehr als 55 Prozent gegenüber dem Vorjahr (Databricks, 2025). Im August 2026 schloss Databricks eine weitere Runde über fünf Milliarden US-Dollar bei einer Bewertung von 190 Milliarden US-Dollar ab (CNBC 2026); die annualisierte Umsatzrate überschritt zu diesem Zeitpunkt sieben Milliarden US-Dollar bei einem Wachstum von mehr als 80 Prozent gegenüber dem Vorjahresquartal (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 zudem mit der These für Aufsehen, künstliche allgemeine Intelligenz (AGI) sei in einem engeren Sinne bereits erreicht: Ein System, das die intellektuellen Aufgaben leiste, die Menschen erledigen, und dabei die meiste Zeit klüger sei als die meisten Menschen, erfülle die grundlegende Definition von AGI. Ghodsi grenzte diese Einschätzung ausdrücklich von der in der Branche inzwischen gebräuchlicheren, deutlich anspruchsvolleren Verwendung des Begriffs ab, die eher eine Superintelligenz meine – ein System, das in Sekunden leiste, wofür die gesamte Menschheit gemeinsam Jahre bräuchte. Nach eigener Aussage hatte Ghodsi eine ähnliche Einschätzung bereits im Dezember 2025 geäußert. Die Reaktionen auf seine Aussage fielen gemischt aus; ob Ghodsis engere AGI-Definition sich als Branchenkonsens durchsetzt, ist 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, ohne dass sich daraus bislang eine systematische fachliche Auseinandersetzung mit seiner spezifischen Definition rekonstruieren lässt; welche Kriterien für oder gegen ein Erreichen von AGI im engeren, von Ghodsi verwendeten Sinne sprechen, bleibt in der öffentlichen Debatte uneinheitlich diskutiert. Zur persönlichen Biografie Ghodsis vor seiner akademischen Laufbahn in Schweden – etwa Zeitpunkt und Umstände der Übersiedlung aus dem Iran – liefern die ausgewerteten Quellen keine belastbaren Angaben; 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

1. 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
2. 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/
3. CNBC, 19. August 2025: „Databricks says it’s valued at over $100 billion in latest funding round.” https://www.cnbc.com/2025/08/19/databricks-valuation-over-100-billion.html
4. CNBC, 16. Dezember 2025: „Databricks raises capital at $134 billion valuation in latest funding round.” https://www.cnbc.com/2025/12/16/databricks-funding-valuation.html
5. 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
6. 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/
7. TIME, 2026: „Databricks’ CEO Believes AGI Is Already Here.” https://time.com/7338006/ai-agi-databricks-ali-ghodsi/
8. 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

← Zurück zur Lexikon-Übersicht