Databricks — Juli 2026

Die Sessions adressieren konkrete Baustellen für AI-Builder: Pricing bei Modell-Commoditisierung, Sicherheitsarchitektur für autonome Agenten und AI-natives Go-to-Market. Frühbuchertickets sparen bis zu 330 USD.

Der Stellenabbau zeigt, wie Enterprise-SaaS-Anbieter aktiv Personalkosten in KI-Investitionen umschichten. Monday.coms AI Work Platform mit No-Code-App-Builder, anpassbarem KI-Agenten und Workflow-Automatisierung wird künftig das Kernprodukt – relevant für Teams, die KI-Agenten in bestehende Workflows integrieren wollen.

Enterprise-Kunden wechseln zu token-effizienteren chinesischen Open-Weight-Modellen, was den Preisdruck auf US-Anbieter wie OpenAI und Anthropic massiv erhöht. Routing-Infrastruktur (z. B. Databricks) gewinnt an Bedeutung, während Frontier-Modell-Verbote durch die Trump-Administration neue Compliance-Risiken für AI-Builder schaffen.

Databricks steigert seine Bewertung binnen fünf Monaten von 134 auf 188 Mrd. Dollar und positioniert sich als führende Enterprise-AI-Plattform mit Produkten für Agenten, Daten-Governance und kosteneffizientem Modell-Einsatz. Für AI-Builder relevant: Das Unternehmen zeigt, dass nicht nur Modellwahl, sondern auch die Wahl des Agentic-Harness erheblich die Kosten beeinflusst.

Orbital soll Anomalie-Analysen von Tagen auf Minuten komprimieren und ermöglicht Simulationen von Anlagenänderungen. Für AI-Builder im Industriebereich zeigt das Modell, wie domänenspezifische Multimodell-Architekturen (Zeitreihe + Physik + LLM) Mehrwert gegenüber reinen LLMs schaffen können.

Es gibt keinen definierten regulatorischen Rahmen für die Freigabe von Frontier-Modellen in den USA – Genehmigungen beruhen auf informellen Gesprächen mit Kabinettsmitgliedern. Für AI-Builder bedeutet das Rechtsunsicherheit und Abhängigkeit von politischen Netzwerken statt klarer Compliance-Anforderungen.

GLM 5.2 erreicht dieselbe Coding-Qualität wie Claude Opus 4.8 für $1,28 statt $1,94 pro Task – ein konkreter Kostenvorteil von ~34%. Databricks empfiehlt Unternehmen, eigene Benchmarks auf realen Codebasen zu bauen statt auf öffentliche Evals zu vertrauen.

Agents brauchen andere Infra-Primitive als Menschen: schnelle Sandbox-Starts (bis zu 100.000 parallele RL-Rollouts), GPU-Snapshotting, elastische Inferenz und harte Guardrails. Wer agentenbasierte Systeme baut, sollte die beschriebenen Designprinzipien von Modal als Referenz für eigene Infra-Entscheidungen nutzen.

Cerf prognostiziert, dass Interoperabilität zwischen KI-Agenten formal standardisiert werden muss – natürliche Sprache reiche wegen Mehrdeutigkeit nicht aus. Wer diese Standards früh definiert, könnte die Agentic Economy ähnlich prägen wie TCP/IP das frühe Internet.