# Databricks Reviews **Vendor:** Databricks Inc. **Category:** [Großdatenverarbeitung und Verteilungssysteme](https://www.g2.com/de/categories/big-data-processing-and-distribution) **Average Rating:** 4.6/5.0 **Total Reviews:** 800 ## About Databricks Databricks ist eine einheitliche Daten- und KI-Plattform, die Organisationen dabei hilft, Datenpipelines, Analysen, maschinelles Lernen, KI-Anwendungen und -Agenten zu erstellen, zu verwalten und zu skalieren. Mehr als 20.000 Organisationen weltweit – darunter adidas, AT&T, Bayer, Block, Mastercard, Rivian, Unilever und 70 % der Fortune 500 – verlassen sich auf Databricks, um mit Unternehmensdaten und KI im großen Maßstab zu arbeiten. Mit Hauptsitz in San Francisco und über 30 Büros weltweit bietet Databricks eine einheitliche Plattform, die Agent Bricks, Lakeflow, Lakehouse, Lakebase, Genie und Unity Catalog umfasst. Databricks wurde 2013 von den ursprünglichen Entwicklern von Apache Spark™, Delta Lake, MLflow und Unity Catalog gegründet und basiert auf einer offenen Lakehouse-Architektur, die Daten, Analysen und KI zusammenführt. Die Plattform wird von Dateningenieuren, Datenwissenschaftlern, Analysten, Entwicklern, Teams für maschinelles Lernen, KI-Teams und Geschäftsanwendern genutzt, um über den gesamten Daten- und KI-Lebenszyklus hinweg zusammenzuarbeiten. Zu den wichtigsten Fähigkeiten von Databricks gehören: - Datenengineering: Erstellen, automatisieren und verwalten Sie zuverlässige Batch-, Streaming- und Echtzeit-Datenpipelines. - Analytik und Business Intelligence: Führen Sie SQL-Analysen durch, erstellen Sie Dashboards und ermöglichen Sie Geschäftsteams, Daten zu erkunden. - Datenverwaltung: Entdecken, sichern und verwalten Sie Daten- und KI-Ressourcen über Teams, Clouds und Workloads hinweg. - Maschinelles Lernen und KI: Entwickeln Sie Modelle, erstellen Sie generative KI-Anwendungen und erstellen Sie produktionsreife KI-Agenten. - Datenanwendungen: Erstellen und implementieren Sie datengesteuerte Anwendungen unter Verwendung von verwalteten Unternehmensdaten. Verfügbar über AWS, Azure und Google Cloud, hilft Databricks Organisationen, über Clouds hinweg zu arbeiten, Datensilos zu reduzieren und die Zusammenarbeit über Teams und Tools hinweg zu vereinfachen. Kunden nutzen Databricks für Anwendungsfälle wie Kundenpersonalisierung, Betrugserkennung, vorausschauende Wartung, Echtzeitanalysen, Cybersicherheit, Gesundheitsforschung, Finanzrisikomanagement, Lieferkettenoptimierung und KI-gestützte Entscheidungsfindung. Databricks wird in verschiedenen Branchen eingesetzt, darunter Finanzdienstleistungen, Gesundheitswesen und Biowissenschaften, Einzelhandel, Fertigung, Energie und der öffentliche Sektor. Organisationen nutzen die Plattform, um die Dateninfrastruktur zu modernisieren, die KI-Einführung zu beschleunigen und Unternehmensdaten in Geschäftswert umzuwandeln. ## Databricks Pros & Cons **What users like:** - Benutzer loben die **Benutzerfreundlichkeit und die zahlreichen Funktionen** von Databricks, die ihre Datenverarbeitungs- und maschinellen Lernaufgaben verbessern. (192 reviews) - Benutzer loben die **Benutzerfreundlichkeit** von Databricks, was ihre Gesamterfahrung mit der intuitiven Benutzeroberfläche verbessert. (155 reviews) - Benutzer schätzen die **nahtlosen Integrationen** von Databricks, die die Echtzeitverarbeitung verbessern und verschiedene Entwicklungssprachen unterstützen. (141 reviews) - Benutzer schätzen die **nahtlose Zusammenarbeit** , die Databricks bietet, und verbessern die Teamarbeit bei Datenprojekten mit Echtzeiteinblicken. (114 reviews) - Benutzer schätzen die **integrierten Analysefunktionen** von Databricks, die die Abläufe verbessern und umfassende Einblicke in die Technologie bieten. (113 reviews) - Skalierbarkeit (111 reviews) - ML-Integration (106 reviews) - Benutzer schätzen die **einfachen Integrationen** von Databricks, die nahtlos mit der Cloud-Infrastruktur verbunden sind und das Datenmanagement verbessern. (102 reviews) - Maschinelles Lernen (97 reviews) - Benutzer lieben die **effektiven Datenverwaltungsfunktionen** von Databricks, die Arbeitsabläufe vereinfachen und die Entscheidungsfindung verbessern. (87 reviews) **What users dislike:** - Benutzer bemerken eine signifikante **Lernkurve** bei Databricks, insbesondere aufgrund seiner komplexen Berechtigungen und Berechnungsmodi. (78 reviews) - Benutzer finden Databricks **teuer** , insbesondere bei der Verarbeitung großer Datenmengen, was seine Zugänglichkeit für einige Kunden einschränkt. (71 reviews) - Benutzer finden die **steile Lernkurve** von Databricks herausfordernd, insbesondere für diejenigen, die neu in Big-Data-Tools sind. (64 reviews) - Benutzer finden die **Komplexität** von Databricks herausfordernd, insbesondere bei fortgeschrittenen Funktionen und den anfänglichen Einrichtungserfordernissen. (45 reviews) - Benutzer erleben anfangs einen **komplexen Einrichtungsprozess** , aber der Support hilft, die Erfahrung im Laufe der Zeit zu vereinfachen. (35 reviews) - Leistungsprobleme (34 reviews) - Benutzer stehen vor **unintuitiven UI-Problemen** , die zu zufälligen Fehlern führen und die Erfahrung für nicht-technische Benutzer erschweren. (34 reviews) - Schlechtes UI-Design (33 reviews) - Benutzer finden die **fehlenden Funktionen** in Databricks einschränkend, was die Produktivität behindert und das Gesamterlebnis kompliziert macht. (31 reviews) - Kosten (29 reviews) ## Databricks Reviews ### 1. Dies ist sehr leistungsstark für Big Data und maschinelles Lernen, aber achten Sie auf die Clusterkosten! **Rating:** 5.0/5.0 stars **Reviewed by:** Aruna P. | Senior IT Manager, Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** June 03, 2026 **Was gefällt Ihnen an Databricks am besten?** Das Beste ist, dass wir jetzt keine Infrastruktur mehr verwalten müssen. Mein Team hat früher zu viel Zeit damit verbracht, Apache Spark-Cluster einzurichten, Yarn zu verwalten und Speicherabstürze vor Ort zu beheben. Mit Databricks konnten wir – innerhalb von 2-3 Klicks – einen Cluster hochfahren; die kollaborativen Notebooks sind sehr schön! Dateningenieure und Datenwissenschaftler teilen sich dasselbe Notebook, sodass sie gleichzeitig am selben Notebook zusammenarbeiten können. Wir können Python, Scala und SQL an einem Ort zusammen haben, ohne die Umgebung zu wechseln. Ein weiteres sehr solides Feature ist Delta Lake; diese bieten uns Transaktionen über Rohdaten, was uns seit der Vergangenheit vor vielen Datenkorruptionsproblemen bewahrt hat. **Was gefällt Ihnen an Databricks nicht?** Ehrlich gesagt, sind die Kosten ziemlich hoch. Sie berechnen für DBUs (Databricks Units) und dann kommt noch die Gebühr des Cloud-Anbieters hinzu (wir nutzen AWS). Wenn man nicht überwacht, schießt die Rechnung wie eine Rakete in die Höhe. Manchmal vergessen meine Entwickler, die Cluster herunterzufahren, und wenn die automatische Beendigung nicht korrekt konfiguriert ist, läuft es die ganze Nacht und wir bekommen am nächsten Morgen eine unangenehme Überraschung im Abrechnungsportal. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Wir hatten unsere Daten an vielen verschiedenen Orten, bevor wir Databricks nutzten. Die Marketingdaten waren woanders, die Transaktionsdatenbank war woanders. Wir hatten möglicherweise viele Probleme mit Silodenken. Wir portieren Databricks, um unsere Lakehouse-Architektur zu implementieren. Wir setzen Databricks ein, um unsere Lakehouse-Architektur zu erstellen. Jetzt werden alle Rohdaten nach S3 übertragen und dort bereinigt, verarbeitet und BI-Reporting wird auf Databricks durchgeführt. Das hat uns sehr geholfen, unser Geschwindigkeitsproblem zu lösen. Unsere täglichen ETLs dauerten früher 6 - 8 Stunden. Heute werden dieselben Pipelines dank der Spark-Optimierung in Databricks in 45 Minuten oder weniger abgeschlossen. Das Reporting meines Geschäftsteams erfolgt pünktlich am Morgen; somit ist die Entscheidungsfindung sehr schnell. **Official Response from Aunalisa Arellano:** > Wir schätzen Ihr Feedback zu den Vorteilen der Nutzung von Databricks für Ihre Datenverwaltung und -verarbeitung. Es ist großartig zu hören, dass es Ihnen geholfen hat, Ihre Daten zu zentralisieren und die Verarbeitungsgeschwindigkeit zu verbessern. Wir verstehen Ihre Bedenken hinsichtlich der Kosten und der Möglichkeit unerwarteter Abrechnungsspitzen. Wir empfehlen, die Cluster-Nutzung genau zu überwachen und die automatische Beendigung in Betracht zu ziehen, um die Kosten zu verwalten. Bitte zögern Sie nicht, sich direkt an Ihr Account-Team zu wenden, wenn Sie weitere Fragen oder Feedback haben. ### 2. Databricks-Notebooks machen die Zusammenarbeit nahtlos über Python, SQL und Scala hinweg. **Rating:** 5.0/5.0 stars **Reviewed by:** Joseph F. | Cloud Engineer, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** March 25, 2026 **Was gefällt Ihnen an Databricks am besten?** Databricks-Kollaborationsnotebooks sind wirklich nützlich und ermöglichen es mir, in jeder Sprache zu arbeiten, die ich benötige, um meine Anforderungen effektiv zu erfüllen. Die Fähigkeit, Python, SQL und sogar Scala innerhalb eines Dashboards zu mischen, macht die Zusammenarbeit und Teamarbeit viel reibungsloser. Ich schätze auch, wie einfach es sich in andere Tools und Cloud-Plattformen integriert, sodass es sich ohne großen Aufwand in meine bestehenden Arbeitsabläufe einfügt. **Was gefällt Ihnen an Databricks nicht?** Ich mag ihren Kundensupport und die häufigen Updates sind ein großer Grund, warum dies zu meinem Favoriten für Datenmanagement geworden ist. Ich schätze auch, wie gut es sich mit externen Tools wie Power BI für Berichterstattung integriert, es ist wirklich gut. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Es vereinfacht die Zusammenarbeit zwischen Teams und hilft uns, mit großen Datensätzen zu arbeiten, ohne sich zu sehr um Infrastruktur oder Analyseaufwand kümmern zu müssen. Berechnungen und Berichterstattung sind schnell, was unsere Entwicklungszyklen verbessert und den Austausch zwischen den Ingenieur- und Analyseteams reduziert hat. **Official Response from Janelle Glover:** > Es ist großartig zu hören, dass Databricks die Zusammenarbeit zwischen Teams vereinfacht und die Entwicklungszyklen für Sie verbessert. Wir bemühen uns, eine Plattform bereitzustellen, die den Infrastruktur- und Analyseaufwand reduziert, sodass sich Teams auf ihre Kernziele konzentrieren können. ### 3. Beseitigt die Fragmentierungssteuer für ML-Teams, aber die Migration des Unity-Katalogs erfordert Geduld. **Rating:** 5.0/5.0 stars **Reviewed by:** Sachin G. | Machine Learning Engineer, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** June 03, 2026 **Was gefällt Ihnen an Databricks am besten?** Verwaltung von End-to-End-Maschinenlern-Pipelines, insbesondere das Training und die Bereitstellung von Multi-Agenten-Modellen und Empfehlungssystemen. Was ich an Databricks am meisten schätze, ist, wie es den Koordinationsaufwand – die Fragmentierungssteuer – zwischen unseren Dateningenieur- und Data-Science-Teams vollständig eliminiert. Vor Databricks verloren wir täglich Stunden damit, Daten zwischen nicht verwalteten Data Lakes, proprietären Data Warehouses und unseren isolierten Maschinenlern-Compute-Clustern zu verschieben. Dass MLflow nativ im Databricks-Arbeitsbereich verwaltet wird, ist ein großer Vorteil für meinen täglichen Arbeitsablauf. Ich muss mir keine Sorgen mehr machen, Tracking-Server einzurichten oder Infrastruktur zu warten, nur um meine Trainingsmetriken zu protokollieren, da Databricks die automatischen Updates und die Wartung nahtlos übernimmt. Jedes Experiment wird automatisch verfolgt, und das Modellregister übernimmt nahtlos die Versionskontrolle, was die Übergabe von der Experimentierung zur Produktionsbereitstellung unglaublich reibungslos macht. Darüber hinaus haben die jüngsten Updates von MLflow zur Bewertung von GenAI-Agenten, insbesondere die Möglichkeit, trace-abgeleitete Baselines zu verwenden, um ausführbare Bewertungsskripte zu generieren, mir unzählige Stunden manueller Zusammenstellung erspart. **Was gefällt Ihnen an Databricks nicht?** Der Übergang zum Unity Catalog war für unser Team eine erhebliche Hürde. Die Aktualisierung unseres Legacy-Arbeitsbereichs zur Unterstützung der zentralisierten Zugriffskontrolle und der Abstammungsverfolgung des Unity Catalogs beinhaltete eine steile Lernkurve, insbesondere beim Umgang mit der Vererbung von Berechtigungen und der Sicherstellung, dass die richtigen Schema-Berechtigungen überall gewährt wurden. Darüber hinaus, obwohl die Plattform viel DevOps-Arbeit schön abstrahiert, kann sie die zugrunde liegenden Infrastrukturkosten verschleiern. Es ist viel zu einfach für einen Ingenieur, einen überdimensionierten Rechencluster für eine einfache explorative Datenanalyse-Aufgabe zu starten, was zu plötzlichen und schweren Spitzen in unserer monatlichen Cloud-Rechnung führt. Man muss äußerst diszipliniert sein, um strenge Auto-Terminationsrichtlinien und Cluster-Management-Regeln festzulegen, um die Kosten im Griff zu behalten. Die Benutzeroberfläche kann sich auch manchmal etwas mühsam anfühlen, da man durch mehrere Ebenen im Katalog-Explorer klicken muss, nur um die Modell-Detailseite anzuzeigen und die Tabellen-zu-Modell-Abstammung zu verfolgen. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Das Hauptproblem, das Databricks für uns gelöst hat, war der massive Engpass bei der Bereitstellung von Machine-Learning-Modellen in der Produktion. Wir hatten mit dem klassischen Problem zu kämpfen, dass ein Modell in einem lokalen Notebook perfekt funktionierte, aber in der Produktion aufgrund von Umgebungsinkompatibilitäten und fehlender ordnungsgemäßer Versionskontrolle scheiterte. Durch die Standardisierung auf Databricks und die verwaltete MLflow-Umgebung haben wir eine strenge, dokumentierte Genehmigungskette etabliert, die sowohl unseren technischen Standards als auch unseren strengen Compliance-Anforderungen entspricht. Ein praktisches Beispiel dafür war, als wir kürzlich ein Multi-Agenten-System zur Verhinderung von Kundenabwanderung bereitgestellt haben. Wir konnten die Inferenz ausführen, die Sicherheits- und Relevanzmetriken des Agenten mit den integrierten Richtern von MLflow überwachen und die Ausgaben kontinuierlich auf einer einheitlichen Plattform verfolgen. Diese konsolidierte Architektur hat unsere Bereitstellungszeiten drastisch verkürzt und die Zeit, die wir mit dem Debuggen von Produktionsfehlern verbrachten, erheblich reduziert. **Official Response from Aunalisa Arellano:** > Vielen Dank, dass Sie Ihr ausführliches Feedback zu Ihrer Erfahrung mit Databricks geteilt haben. Wir freuen uns zu hören, dass Sie die Vorteile der nahtlosen Verwaltung von End-to-End-Maschinenlern-Pipelines genießen. Wir verstehen, dass der Übergang zum Unity Catalog für Ihr Team Herausforderungen mit sich gebracht hat, und wir schätzen Ihre Geduld, während Sie diesen Prozess durchlaufen. Ihre Einblicke in die Infrastrukturkosten und die Benutzeroberfläche sind wertvoll, und wir werden dieses Feedback mit unserem Team für weitere Verbesserungen teilen. Wir sind bestrebt, eine Plattform bereitzustellen, die Ihre Arbeitsabläufe optimiert und die Produktivität steigert. Wenn Sie spezielle Anliegen haben oder Unterstützung bei der Migration zum Unity Catalog oder einem anderen Aspekt von Databricks benötigen, zögern Sie bitte nicht, uns zu kontaktieren. Wir sind hier, um Sie auf jedem Schritt des Weges zu unterstützen. Vielen Dank, dass Sie sich für Databricks entschieden haben! ### 4. Phänomenale Spark-Leistung, frustrierende Benutzererfahrung und atemberaubende Rechnungen **Rating:** 5.0/5.0 stars **Reviewed by:** Jagdish S. | Associate Data Scientist, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** June 02, 2026 **Was gefällt Ihnen an Databricks am besten?** Ich leite ein Data-Science-Team in einem mittelständischen Unternehmen, wo wir alles von unordentlichen Datenpipelines bis hin zu schweren Machine-Learning-Aufgaben bewältigen. Databricks ist der Kern unserer Infrastruktur. Wir nutzen es, um rohe Kundentelemetrie zu erfassen, sie zu bereinigen und massive PySpark-Jobs auszuführen, um unsere prädiktiven Modelle zu trainieren. Wir verlassen uns auch stark auf die MLflow-Integration, um unser Modellregister zu verwalten und Bereitstellungen zu handhaben. Im Wesentlichen ist es der Infrastrukturspielplatz, auf dem all unsere schweren Datenarbeiten stattfinden. Die schiere rohe Leistung ist unübertroffen. Wenn Sie mit massiven, aufgeblähten Datensätzen zu tun haben, die lokale Maschinen oder Standard-Cloud-Instanzen überfordern, bewältigt Databricks sie wie ein Biest. Die verwaltete Spark-Umgebung nimmt einen großen Teil der Infrastrukturkopfschmerzen weg, die mit dem Einrichten von Clustern von Grund auf verbunden sind. Aus einer reinen Data-Science-Perspektive ist es ein großer Vorteil, kollaborative Notebooks zu haben, in denen mein Team einsteigen, gleichzeitig Python oder SQL schreiben und Daten sofort visualisieren kann, ohne die Werkzeuge wechseln zu müssen. Die MLflow-Integration ist ebenfalls fantastisch; die Möglichkeit, Hyperparameter zu verfolgen, Artefakte zu protokollieren und Modelle im exakt gleichen Arbeitsbereich zu registrieren, in dem die Daten tatsächlich leben, bewahrt uns vor einer fragmentierten Werkzeugverbreitung und hält unsere MLOps-Pipelines unglaublich straff. **Was gefällt Ihnen an Databricks nicht?** Die Benutzererfahrung kann äußerst frustrierend sein, und die Plattform fühlt sich oft wie eine Ansammlung völlig unterschiedlicher Werkzeuge an, die zusammengeklebt wurden. Die Benutzeroberfläche ist umständlich, unintuitiv und ändert sich ständig, was bedeutet, dass man Zeit damit verschwendet, nur um sich im Arbeitsbereich zurechtzufinden. Das Debuggen eines fehlgeschlagenen Spark-Jobs ist ebenfalls ein absoluter Albtraum – man muss sich durch endlose Schichten von verworrenen Treiber- und Executor-Logs wühlen, nur um einen einfachen Syntax- oder Speicherfehler zu finden. Aber mein absolut größtes Problem ist die Preisstruktur. Die Abrechnung ist völlig undurchsichtig. Sie berechnen Ihnen Databricks-Einheiten (DBUs) zusätzlich zu den Standard-Computekosten Ihres Cloud-Anbieters, und wenn ein Junior-Entwickler versehentlich einen Hochkonkurrenz-Cluster über das Wochenende ohne strikt konfiguriertes Auto-Termination laufen lässt, erwartet Sie am Montag eine schwindelerregende Rechnung. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Bevor wir zu Databricks wechselten, waren unsere Data-Engineering- und Data-Science-Teams völlig isoliert. Ingenieure legten Dateien in der Cloud-Speicherung ab, und wir hatten Schwierigkeiten, diese Daten abzurufen, Schemata zuzuordnen und Modelle zu trainieren, ohne dass uns der Speicher ausging. Databricks löste diese Fragmentierung grundlegend. Zum Beispiel haben wir kürzlich eine Echtzeit-Empfehlungsmaschine gebaut, bei der wir Millionen von täglichen Benutzerereignissen verarbeiten mussten. Mit Databricks haben wir eine End-to-End-Pipeline erstellt, die das Data-Engineering übernimmt, das Modell trainiert und das Modellregister in unserer Produktionsumgebung unter einem Dach bereitstellt. Dadurch verkürzte sich unsere Zeit bis zur Produktion von Monaten auf Tage, was es trotz der UX-Kopfschmerzen und hohen Kosten zu einem notwendigen Übel für ein Unternehmen macht, das Daten in unserem Umfang verarbeitet. **Official Response from Jess Darnell:** > Wir freuen uns sehr zu hören, dass Databricks eine entscheidende Rolle bei der Verbesserung des Workflows und der Leistung Ihres Data-Science-Teams gespielt hat. Wir verstehen Ihre Frustration mit der Benutzererfahrung und der Preisstruktur und arbeiten ständig daran, diese Aspekte unserer Plattform zu verbessern. Ihr Feedback ist für uns wertvoll und wird mit unserem Team zur weiteren Überlegung geteilt. ### 5. Einheitliche skalierbare Datenverarbeitungs- und maschinelles Lernen-Plattform **Rating:** 4.0/5.0 stars **Reviewed by:** Anita P. | Business Intelligence Analyst, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** June 03, 2026 **Was gefällt Ihnen an Databricks am besten?** Als Data Scientist, der für ein mittelständisches Unternehmen arbeitet, ist mein Hauptanwendungsfall für Databricks die zentrale Engine für unsere gesamte Datenverarbeitungs- und prädiktive Modellierungspipeline. Ich nutze es jeden Tag, um rohe, unstrukturierte Daten aus unserem Cloud-Speicher abzurufen, sie mit komplizierten SQL-Abfragen zu erkunden und dann maschinelle Lernmodelle mit PySpark und Python zu erstellen und zu trainieren. Im Grunde bietet es unseren Dateningenieur- und Data-Science-Teams einen gemeinsamen Ort, um gleichzeitig mit denselben großen Datensätzen zu arbeiten, ohne ständig Dateien oder Anmeldedaten austauschen zu müssen. Aus der Perspektive des täglichen Workflows liebe ich die Fluidität der kollaborativen Notebook-Umgebung. Die Möglichkeit, mit verschiedenen Sprachen am selben Arbeitsplatz zu arbeiten, ist ein großer Vorteil. Ich kann in einer Zelle eine optimierte SQL-Abfrage durchführen, um einen umfangreichen Datensatz abzurufen, ihn in der nächsten mit PySpark verarbeiten und ihn anschließend mit Python-Bibliotheken visualisieren. Dies beseitigt vollständig die Notwendigkeit, ständig zwischen verschiedenen Tools oder IDEs hin- und herzuwechseln. Ein weiterer großer Vorteil für meine tägliche Arbeit ist die sofortige Verbindung mit MLflow. Es macht es sehr einfach, zu einer vorherigen Version zurückzukehren, verfolgt automatisch die Hyperparameter-Optimierung, vergleicht mehrere Modellläufe und verwaltet den gesamten Lebenszyklus eines Modells. Ich genieße es wirklich, wie Databricks den Aufwand für die Verwaltung von Spark-Clustern wegnimmt, man kann mit wenigen Klicks einen verteilten Cluster hochfahren und sich auf das Schreiben von Algorithmen konzentrieren, anstatt DevOps zu betreiben. **Was gefällt Ihnen an Databricks nicht?** Und trotz all seines Potenzials bringt die Arbeit mit Databricks gewisse tägliche Schwierigkeiten mit sich. Was für ein mittelständisches Unternehmen wie uns am wichtigsten ist, ist das aggressive Preismodell für Rechenkosten. Die monatliche Zahlung kann sehr schnell außer Kontrolle geraten, wenn man nicht zwanghaft seine Cluster-Konfigurationen und Auto-Termination-Einstellungen überwacht, insbesondere wenn ein hochspeicherfähiger Cluster versehentlich über das Wochenende in Betrieb bleibt. Ein weiterer großer Schmerzpunkt ist die integrierte Git-Integration. Databricks Repos war hilfreich, jedoch fühlt sich das Management von komplizierten Merge-Konflikten oder Branch-Management immer noch unerwartet umständlich an im Vergleich zu einer regulären lokalen IDE wie VS Code. Schließlich ist die Lernkurve für neue Mitarbeiter ziemlich steil. Die Benutzeroberfläche könnte kompliziert sein und das Debuggen von verteilten Rechenfehlern kann ein großes Hindernis für junge Data Scientists sein, die sich einarbeiten. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Das größte grundlegende Problem, das Databricks für unser Unternehmen gelöst hat, war der Abbau der getrennten Silos zwischen unseren Dateningenieuren und dem Data-Science-Team. Wir haben diesen Effekt kürzlich in der realen Welt gesehen, als wir an einem Projekt zur Erstellung eines Betrugserkennungsalgorithmus arbeiteten. In der vorherigen Vorgehensweise musste ich ein Ticket an die Dateningenieure einreichen, Tage warten, bis sie die Daten extrahiert und bereinigt hatten, und dann versuchen, das Modell lokal zu trainieren. Ich erhielt veraltete Daten, bis ich sie bekam, und mein Rechner stürzte ständig aufgrund von Speicherbeschränkungen ab. Ich konnte sofort eine Verbindung zu unserem Delta Lake herstellen, PySpark nutzen, um die riesige Datenmenge ohne Speicherprobleme zu verarbeiten, und das Modell auf einem skalierbaren Cluster trainieren, alles im selben Ökosystem mit Databricks. Diese All-in-One-Lösung verkürzte unsere Modellausrollungsdauer von etwa einem Monat auf ein paar Tage und verbesserte dramatisch, wie schnell wir umsetzbaren Geschäftswert bieten können. **Official Response from Aunalisa Arellano:** > Wir freuen uns zu hören, dass Databricks in der Lage war, Ihre Datenverarbeitung und das prädiktive Modellierungspipeline zu optimieren und dass Sie die kollaborative Notebook-Umgebung und die Unterstützung mehrerer Sprachen als vorteilhaft für Ihren täglichen Arbeitsablauf empfinden. ### 6. Ausgezeichnet für Big-Data-Teams, aber sehr schwierig, die Kosten und den Zugriff zu verwalten. **Rating:** 4.0/5.0 stars **Reviewed by:** Keshav R. | Senior System Engineer, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** June 03, 2026 **Was gefällt Ihnen an Databricks am besten?** Der Hauptvorteil aus IT-Sicht ist, dass Databricks die Infrastrukturprobleme beseitigt. Früher haben unsere Dateningenieure immer darum gebeten, Spark-Cluster einzurichten, Bibliotheken zu verwalten und VM-Ausfälle zu handhaben. Databricks erledigt all dies automatisch. Das automatische Skalieren funktioniert sehr reibungslos; es fügt Knoten hinzu, wenn die Arbeitslast hoch ist, und entfernt sie später, sodass die Infrastruktur sehr effizient genutzt wird. Auch die Integration mit AWS- und Azure-IAM-Rollen ist sehr solide. Wir können es problemlos mit unserem Active Directory für Single Sign-On (SSO) verbinden, was die Benutzeraufnahme sehr schnell macht. Die Notizbuchfreigabefunktion wird von meinen Teams ebenfalls geschätzt, da sie ohne das Teilen von Code-Dateien über E-Mail oder Slack zusammenarbeiten können. **Was gefällt Ihnen an Databricks nicht?** Der größte Schmerzpunkt für IT-Betrieb ist die Kostenkontrolle. Die Abrechnung von Databricks verwendet DBUs (Databricks Units), und es ist sehr schwierig, das monatliche Budget vorherzusagen. Ein weiteres Problem ist die Startzeit des Clusters. Es dauert etwa 4 bis 7 Minuten, um ein neues Cluster hochzufahren. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Wir verwenden Databricks, um unsere gesamten Datenverarbeitungs- und Machine-Learning-Pipelines zu zentralisieren. Vorher waren die Daten in verschiedenen Silos verstreut, und die Pflege unterschiedlicher Umgebungen für Dateningenieure und Data Scientists war ein operativer Albtraum. Jetzt bietet Databricks eine einzige Plattform. Aus betrieblicher Sicht reduziert es die Support-Ticket-Belastung meines Teams um mindestens 40 %, da Benutzer ihre Cluster innerhalb der von uns festgelegten Grenzen selbst bedienen können. Es spart viele Ingenieurstunden, die wir früher für die Wartung der Open-Source-Apache-Spark-Infrastruktur aufwenden mussten. **Official Response from Aunalisa Arellano:** > Es ist großartig zu hören, dass Databricks Ihnen geholfen hat, Ihre Datenverarbeitungs- und maschinellen Lernpipelines zu zentralisieren, wodurch die betriebliche Komplexität und die Anzahl der Support-Tickets für Ihr Team reduziert wurden. Wir erkennen die Bedeutung der Kosten- und Cluster-Startzeitprobleme an und schätzen Ihre Einblicke, während wir bestrebt sind, das Databricks-Erlebnis zu verbessern. ### 7. Verwaltete Spark-Cluster und kollaborative Notizbücher, die einfach funktionieren **Rating:** 4.5/5.0 stars **Reviewed by:** Ranjit P. | System Administrator, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** June 03, 2026 **Was gefällt Ihnen an Databricks am besten?** Das Beste an Databricks sind die verwalteten Spark-Cluster. Früher war das manuelle Einrichten von Apache Spark auf AWS oder Azure ein großes Problem. Jetzt kann ich mit Databricks einen Cluster mit nur wenigen Klicks hochfahren. Die Auto-Scaling-Funktion funktioniert sehr gut, bei der Verarbeitung großer Datenlasten fügt sie automatisch Knoten hinzu und reduziert sie, wenn die Arbeit erledigt ist, was einige Cloud-Kosten spart. Auch die kollaborativen Notebooks sind erstaunlich. Meine Teammitglieder und ich können gleichzeitig am selben Python- oder SQL-Code arbeiten, genau wie bei Google Docs. Die Integration mit Delta Lake ist ebenfalls ein großer Vorteil, da sie ACID-Transaktionen direkt auf Cloud-Speicher ermöglicht, sodass Datenkorruptionsprobleme jetzt sehr selten sind. **Was gefällt Ihnen an Databricks nicht?** Das größte Problem ist die Preisgestaltung. Databricks DBUs (Databricks Units) sind ziemlich teuer, und wenn man nicht vorsichtig mit den Clusterkonfigurationen umgeht oder versehentlich einen Cluster laufen lässt, wird die Cloud-Rechnung schnell sehr hoch. Die Kostenmanagement-Tools innerhalb der Plattform könnten viel besser sein. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Wir lösen das große Problem der Datensilos und langsamen ETL (Extract, Transform, Load) Pipelines. Vor Databricks arbeiteten unser Data-Science-Team und unser Data-Engineering-Team in unterschiedlichen Umgebungen, und der Datentransfer zwischen ihnen war mühsam. Jetzt fungiert Databricks als eine einzige Unified Analytics Platform. Wir importieren Rohdaten in Azure/AWS, bereinigen sie mit Spark SQL, und die Machine-Learning-Experten nutzen dieselbe Plattform, um Modelle zu trainieren. Dadurch hat sich unsere Datenverarbeitungszeit von Stunden auf Minuten verkürzt, was uns hilft, Kundenprojekte viel schneller zu liefern. **Official Response from Aunalisa Arellano:** > Es ist großartig zu hören, dass Databricks Ihrem Team geholfen hat, die Herausforderungen von Datensilos und langsamen ETL-Pipelines zu lösen. Wir sind bestrebt, eine einheitliche Analyseplattform bereitzustellen, die nahtlose Zusammenarbeit und schnellere Datenverarbeitung für unsere Nutzer ermöglicht. ### 8. Eine großartige einheitliche Plattform für KI, aber achten Sie auf die Clusterkosten **Rating:** 4.5/5.0 stars **Reviewed by:** Atul C. | Junior Data Scientist, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** May 30, 2026 **Was gefällt Ihnen an Databricks am besten?** Eingebettet in unseren DevOps-Workflow habe ich festgestellt, dass das Beste an Databricks ist, dass es das gesamte Team zusammenbringt. Unsere Dateningenieure und KI-Entwickler können dann im exakt gleichen Umfeld erstellen, zusammenarbeiten und arbeiten, ohne ständig Dateien hin- und herschicken zu müssen. Es ist sehr ähnlich wie das Arbeiten an einem Google-Dokument, nur dass man programmiert. Ein großer Vorteil ist auch, dass MLflow direkt in den Arbeitsbereich integriert ist. Es zeichnet alle Experimente, Parameter und Versionen meiner Modelle auf, ohne dass eine komplizierte zusätzliche Einrichtung erforderlich ist. **Was gefällt Ihnen an Databricks nicht?** Umgekehrt gibt es einige Dinge, die ärgerlich sein können. Die Preisgestaltung ist ziemlich kompliziert und wenn man nicht vorsichtig beim Verwalten der Rechencluster ist oder die automatische Beendigung nicht konfiguriert, können die Kosten schnell eskalieren. Ich mag auch die Wartezeit beim Starten eines neuen Clusters nicht. Nachdem ich 5-10 Minuten dort gesessen habe, um eine kleine Codeänderung zu testen, kann ich leicht meine Konzentration verlieren. Außerdem ist die Plattform etwas komplex zu erlernen und neue Junior-Ingenieure brauchen ihre Zeit, um sich einzuarbeiten. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Unsere größte Herausforderung war das Fehlen eines reibungslosen Übergangs zwischen der Datenvorbereitung und der Modellbereitstellung, und das wurde durch Databricks gelöst. Unsere Teams arbeiteten früher isoliert, bevor wir diese Software nutzten. In der aktuellen Entwicklung unserer neuesten Kundenempfehlungsmaschine konnten wir beispielsweise unsere Datenpipelines so einrichten, dass sie die eingehenden Live-Daten automatisch bereinigen und dann automatisch unsere Modell-Neutrainingsskripte ausführen, alles von einem einzigen Ort aus. Es hat unseren Arbeitsablauf erheblich vereinfacht und die gesamte Projektbereitstellungszeit von einigen Wochen auf wenige Tage verkürzt. **Official Response from Jess Darnell:** > Vielen Dank, dass Sie Ihre Erfahrungen mit Databricks geteilt haben. Wir freuen uns zu hören, dass es eine großartige einheitliche Plattform für Ihr Team ist, die nahtlose Zusammenarbeit und Integration mit MLflow ermöglicht. Wir verstehen Ihre Bedenken bezüglich der Clusterkosten und Wartezeiten und arbeiten kontinuierlich daran, die Benutzererfahrung zu verbessern und transparentere Preisoptionen anzubieten. ### 9. Prominent beim Skalieren von LLMs und Pipelines, aber achte auf die Cloud-Rechnung! **Rating:** 4.5/5.0 stars **Reviewed by:** Anupama J. | Junior Data Analyst, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** June 02, 2026 **Was gefällt Ihnen an Databricks am besten?** Als Forscher im Bereich KI scheint die Infrastruktur das Hauptproblem zu sein, insbesondere das Einrichten von Clustern, das Erstellen von Treibern und das Skalieren des verteilten Trainings. Databricks kümmert sich um all das von selbst. Ich kann ganz einfach und schnell einen Cluster von Knoten für GPUs mit PyTorch und DeepSpeed vorkonfiguriert in wenigen Klicks bereitstellen. Dieses integrierte MLflow ist ein Lebensretter, um Experimente im Auge zu behalten. Alle Hyperparameter oder Architekturänderungen in Bezug auf ein Einbettungsmodell werden jedes Mal automatisch nachverfolgt. ESSENTIELL: Ich muss nicht mehr kämpfen, um saubere und versionierte Datensätze von Dateningenieuren für Trainingszwecke zu erhalten, wenn ich mit Delta Lake arbeite. Sich in diesen Feature Stores zurechtzufinden, ist mit dem Unity Catalog ebenfalls sehr einfach. **Was gefällt Ihnen an Databricks nicht?** Erstens, es ist wirklich teuer, bhai. Auf einem extrem großen A100-GPU-Cluster, wenn du oder jemand in deinem Team vergisst, die automatische Beendigung zu konfigurieren, wirst du morgen einen sehr düsteren Tag mit den Finanzen haben. Die Ausgaben können sich schnell summieren. Zusätzlich, obwohl sie zu leichtgewichtig sind, um eine ideale Plattform für verteiltes Deep Learning zu sein, kann der Debugging-Workflow mühsam sein. Die Schnittmenge der Rechenknoten macht es schwierig, den genauen PyTorch-Out-Of-Memory- oder CUDA-Out-Of-Memory-Fehler in den Spark-Protokollen zu finden. Ich habe auch das Gefühl, dass die native MLflow-Benutzeroberfläche in Databricks nicht so fortschrittlich und spezialisiert ist wie einige der Tools wie Weights & Biases. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Es füllt die ozeanische Kluft zwischen Forschung in KI und Datenengineering. Früher war es ein mehrstufiger Albtraum in verschiedenen Umgebungen, Terabytes unstrukturierter Textdaten vorzutrainieren. Ich kann eine umfangreiche Datenvorbereitung mit Spark durchführen und sofort zu Python wechseln, um mein Modell im selben Ökosystem zu trainieren. Es hilft, guten Willen im gesamten Team zu kommunizieren. Alles befindet sich in einem Arbeitsbereich, sodass mein Übergang von Rohdaten über Experimentverfolgung bis hin zur endgültigen Registrierung des Modells im Register in einer einheitlichen Pipeline erfolgt. **Official Response from Jess Darnell:** > Vielen Dank für Ihr Feedback - wir schätzen Ihre Bewertung! ### 10. Databricks ist super schnell mit Big Data, aber langsam beim Lernen. **Rating:** 4.0/5.0 stars **Reviewed by:** Khushi S. | Data Analyst Intern, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** June 02, 2026 **Was gefällt Ihnen an Databricks am besten?** Ich arbeite als Datenanalyst und jeden Tag nutze ich Databricks, um meine Datenaufgaben zu erledigen. Das Beste daran ist die Verarbeitungsgeschwindigkeit. Wir haben große Tabellen geladen und es dauerte zu lange, bevor wir große Tabellen mit normalen Datenbanken laden konnten. Meine umfangreichen SQL-Abfragen sind in Databricks sehr schnell, dank der Verwendung des Apache Spark-Backends. Zusätzlich ist die Notebook-Funktion für mich sehr nützlich. Ich kann SQL-Code in einer Zelle erstellen und in der nächsten Zelle kann ich Python- oder Pandas-Code schreiben, um bestimmte Datenbereinigungen durchzuführen. Es ist auch einfach, Databricks mit unseren Power BI-Dashboards zu verbinden. **Was gefällt Ihnen an Databricks nicht?** Es gibt einige Dinge, mit denen ich Probleme habe. Erstens ist da die Startzeit des Clusters. Morgens dauert es 5-10 Minuten, bis es hochfährt, aber sobald ich mich einlogge. Wenn das Management einen dringenden Bericht anfordert, muss ich mich hinsetzen und warten, bis der Cluster grün wird. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Das Hauptproblem, das es löst, ist die Fähigkeit, große Datenmengen eines Unternehmens zu verarbeiten, ohne dass das System einfriert. Früher war es mühsam, mit Millionen von Zeilen umzugehen. Jetzt kann ich problemlos große Datensätze abfragen, filtern und aggregieren. Es hilft meinem Team, da Dateningenieure und Datenanalysten denselben Arbeitsbereich teilen. Falls Dateningenieure eine neue Tabelle erstellen, kann ich sie sofort sehen und direkt in meinem Notebook abfragen. Notebooks zu verwenden, um sie mit anderen Teammitgliedern zu teilen und überprüfen zu lassen, ist ähnlich wie die Nutzung von Google Docs, was meine tägliche Berichterstattung unglaublich schnell macht. **Official Response from Jess Darnell:** > Wir schätzen Ihr Feedback zu den Vorteilen der Nutzung von Databricks für die Verarbeitung großer Datensätze und die nahtlose Zusammenarbeit zwischen Dateningenieuren und Datenanalysten. Wir erkennen das Problem mit der Startzeit der Cluster an und werden uns bemühen, die Leistung in diesem Bereich zu verbessern. ### 11. Bestes Werkzeug zur Arbeit mit großen Händlerdaten, erfordert jedoch ein technisches Team. **Rating:** 4.5/5.0 stars **Reviewed by:** Dilkash N. | Assistant Sales Manager (Institutional Sales), Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** June 02, 2026 **Was gefällt Ihnen an Databricks am besten?** Wir haben ein sehr großes Händler- und Vertriebsnetz in ganz Indien in unserem Sanitärgeschäft. Täglich werden große Verkaufsdaten generiert. Geschwindigkeit ist mein Lieblingsaspekt an Databricks. Immer wenn wir früher einfache Excel-Tabellen oder alte Software verwendet haben, hängte es sich immer auf. Und jetzt verarbeitet unser Unternehmensdatenteam Millionen von Zeilen in kurzer Zeit. Als Senior Sales Specialist stelle ich sicher, dass ich mein Gebiets-Dashboard und meine Prognoseberichte mindestens täglich morgens erhalte. Es bringt alle verstreuten Daten auf gute Weise zusammen. **Was gefällt Ihnen an Databricks nicht?** Das Schlimmste ist, dass es sich um hochgradig technische Software handelt. Als Vertriebsmitarbeiter kann ich sie nicht direkt zur Datenlokalisierung anwenden. Ich muss jedes Mal das Datenengineering- oder IT-Team bitten, zu programmieren oder eine Abfrage zu erstellen, wenn ich einen neuen benutzerdefinierten Bericht wünsche. Die benutzerfreundliche, nicht-technische Schnittstelle wird immer komplizierter. Und mein Management sagt ständig, dass dies sehr viel kostet. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Wir lösen das Problem der Zielverfolgung und Bestandsabstimmung. Wir haben eine breite Palette von Produkten, wie Fliesen, Wasserhähne und Waschbecken, in Cera. Databricks unterstützt unser Unternehmen dabei zu verstehen, welche Region welches Produkt mehr verkauft und den Trend auf dem Markt. Mein Vorteil ist dadurch, dass ich meine lokalen Händler entsprechend beraten kann, was die Bestellung für den nächsten Monat betrifft. Es bietet hochpräzise Verkaufsprognosen und spart mir meine manuelle Berichtszeit, und ich erreiche meine Verkaufsziele mit Leichtigkeit. **Official Response from Jess Darnell:** > Wir freuen uns zu hören, dass Databricks Ihnen bei Geschwindigkeit und Datenkonsolidierung hilft. Wir verstehen die Herausforderungen der technischen Komplexität und werden weiterhin daran arbeiten, die Benutzeroberfläche für nicht-technische Benutzer zu verbessern. ### 12. Databricks vereint Datenengineering, Analytik und ML für schnellere Zusammenarbeit **Rating:** 4.0/5.0 stars **Reviewed by:** Rudi T. | Cloud Platform Engineer, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** June 02, 2026 **Was gefällt Ihnen an Databricks am besten?** Was mir am meisten gefällt, ist, wie Databricks Datenengineering, Analytik und maschinelles Lernen in einer Umgebung zusammenbringt. Unsere Teams müssen nicht mehr zwischen mehreren Tools wechseln, um Pipelines zu erstellen, Daten zu analysieren und Modelle zu trainieren, was die Arbeit konsistenter und effizienter macht. Die Notebook-Erfahrung ist wirklich kollaborativ und hilft uns, viel schneller von der Erkundung zur Entwicklung zu gelangen. Die Integration mit Spark und Delta Lake erleichtert es uns auch, große Datensätze effizient zu verarbeiten und organisiert zu bleiben, während Projekte wachsen. **Was gefällt Ihnen an Databricks nicht?** Die Plattform kann für neue Benutzer überwältigend wirken, aufgrund der schieren Anzahl an verfügbaren Funktionen. Einige der fortgeschritteneren Konfigurationen erfordern auch ein solides Verständnis von Cloud-Infrastruktur und Cluster-Management, was zur Lernkurve beitragen kann. Die Kostenüberwachung erfordert ebenfalls besondere Aufmerksamkeit, insbesondere für Teams, die häufig große Arbeitslasten ausführen. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Databricks hat uns geholfen, unsere Datenplattform zu modernisieren und mehrere unverbundene Tools zu ersetzen. Wir nutzen es jetzt als zentrale Plattform für ETL-Verarbeitung, Analysen und maschinelles Lernen. Dadurch hat sich unsere betriebliche Komplexität verringert und die Zusammenarbeit zwischen Dateningenieuren und Analysten hat sich verbessert. **Official Response from Jess Darnell:** > Wir freuen uns zu hören, dass Sie die einheitliche Umgebung und die kollaborative Notebook-Erfahrung von Databricks für Ihre Teams hilfreich finden. Wir verstehen, dass die Plattform für neue Benutzer überwältigend wirken kann, und wir arbeiten kontinuierlich daran, die Benutzererfahrung zu verbessern und mehr Ressourcen für Lernen und Unterstützung bereitzustellen. ### 13. Trotz der Lernkurve großartig zum Skalieren von ML-Modellen. **Rating:** 5.0/5.0 stars **Reviewed by:** Lokesh S. | Senior Data Scientist, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** May 28, 2026 **Was gefällt Ihnen an Databricks am besten?** Wir sind ein mittelgroßes Technologieunternehmen, in dem ich als Senior Data Scientist arbeite, und wir nutzen Databricks als unsere Hauptplattform für die Datenaufnahme sowie für das Training und die Bereitstellung von Machine-Learning-Modellen. Vorher arbeiteten unsere Data Scientists und Ingenieure in getrennten Welten und tauschten ständig Skripte hin und her, was einen enormen Engpass verursachte. Jetzt bereinigen wir unsere riesigen Datenaufbereitungs-Datensätze, führen fortgeschrittene PySpark-Pipelines aus und zeichnen jedes Modellexperiment auf einer einzigen cloudbasierten Plattform auf. Was mir an Databricks am meisten gefällt, ist, dass es alle Datenteams in einem einzigen Arbeitsbereich vereint. Es ist eine großartige Funktion von kollaborativen Notebooks, die von mehreren Teammitgliedern gleichzeitig genutzt werden können, die in Python, SQL oder sogar R gleichzeitig Code schreiben können, wodurch Peer-Reviews und Debugging viel schneller werden. Die integrierte Unterstützung für MLflow ist ebenfalls ein großer Vorteil für meine Arbeit. Alle meine Experimentparameter und Modellmetriken werden automatisch überwacht und ich muss nicht raten, um herauszufinden, welche Version eines Modells beim Training am besten funktioniert hat. Außerdem kann ich, wenn ich ein großes Rechencluster einrichten muss, dies mit ein paar Klicks tun und mich auf die Modellierung meiner Daten konzentrieren, anstatt mich um DevOps-Aufgaben, Infrastruktur-Setup und dergleichen kümmern zu müssen. **Was gefällt Ihnen an Databricks nicht?** Aber die Website ist nicht ohne ihre Nachteile. Die steile Lernkurve, insbesondere beim Onboarding neuer Mitarbeiter aus einer gut definierten Panda-/lokalen Python-Umgebung, ist der herausforderndste Teil. Das Erlernen des Spark-Ökosystems und des verteilten Rechnens erfordert viel Zeit und Mühe. Manchmal ist es schwierig, die Kosten der Preisstruktur zu verstehen, und man kann am Ende zu viel ausgeben, wenn man nicht achtsam ist. Da die Berechnung auf Basis der Nutzung berechnet wird, könnte man in sein monatliches Budget eingreifen, wenn man versehentlich einen großen Cluster eingeschaltet lässt, und es ist sicherlich kein einfaches Dashboard. Zu guter Letzt kann die Benutzeroberfläche etwas überladen und langsam werden, wenn man ein großes Notebook mit Dutzenden oder sogar Hunderten von Ausgaben in visuellen Zellen hat, die alle gleichzeitig angezeigt werden. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Bei der Lösung von Problemen in der realen Welt hat Databricks gerade unsere Modellbereitstellungspipeline gelöst! Früher dauerte es Wochen, den Code mit dem Engineering-Team umzuschreiben, um ein prädiktives Kundenabwanderungsmodell von meinem lokalen Rechner in ein Produktionssystem zu überführen. Ich bin auch kürzlich an der Entwicklung und Bereitstellung einer Echtzeit-Empfehlungsmaschine beteiligt, die ich in wenigen Tagen trainieren, überwachen und als vollwertigen Endpunkt an die Ingenieure übergeben konnte. Es hat im Grunde die "Es funktioniert auf meinem Rechner"-Probleme beseitigt. Wir haben die Markteinführungszeit für neue Datenprodukte erheblich verkürzt und konnten Terabytes an Kundendaten ohne Überlastung und ohne Zusammenbruch unserer Infrastruktur verwalten. **Official Response from Jess Darnell:** > Vielen Dank, dass Sie Ihre Erfahrungen mit Databricks geteilt haben! Wir freuen uns zu hören, dass es Ihre Datenteams transformiert und eine gemeinsame Plattform für die Zusammenarbeit bereitgestellt hat. Wir schätzen Ihr Feedback zur Benutzerfreundlichkeit und Kostenkontrolle und arbeiten kontinuierlich daran, uns in diesen Bereichen zu verbessern. Es ist großartig zu hören, dass Databricks geholfen hat, Laufzeitumgebungen zu standardisieren und Silos zwischen Abteilungen zu beseitigen, was zu effizienterer bereichsübergreifender Teamarbeit führt. ### 14. Databricks steigert die Produktivität mit einem einheitlichen Arbeitsbereich und KI-unterstützter Entwicklung **Rating:** 5.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Beratung | Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** May 27, 2026 **Was gefällt Ihnen an Databricks am besten?** Als ADE gefällt mir an Databricks am meisten, dass es die Infrastruktur-Reibung beseitigt, sodass ich mich rein auf die Daten-Engineering-Logik konzentrieren kann. Ich schätze auch den einheitlichen Arbeitsbereich sehr: Ich kann PySpark für Datenextraktion und -transformation schreiben, zu SQL für explorative Analysen wechseln und die Datenherkunft überprüfen, alles in einem einzigen Browser-Tab, was einen enormen Produktivitätsschub darstellt. Darüber hinaus sind die integrierten KI-Funktionen unglaublich hilfreich, da sie mir ermöglichen, mir weniger Sorgen um die Syntax zu machen und mehr Zeit mit der Logik selbst zu verbringen. Schließlich ist durch die nahtlosen Integrationen über die Lakehouse Federation und das unkomplizierte Onboarding meine Arbeit viel reibungsloser geworden. **Was gefällt Ihnen an Databricks nicht?** Während die Plattform hervorragend für die Entwicklung ist, kann das DBU-Verbrauchsmodell und das Clustermanagement auf meinem Niveau etwas einschüchternd wirken. Als Anfänger habe ich viel Zeit damit verbracht, verschiedene Logikstücke zu testen, und es war leicht zu vergessen, den Allzweck-Cluster danach zu beenden, was zu minimalem, aber dennoch unnötigem Kreditverbrauch führte. Zum Glück gibt es die Auto-Termination, die geholfen hat, die Kredite vor dem Verschwinden zu bewahren. Dennoch würde eine aggressivere Auto-Termination-Einstellung oder eine intelligentere Pausenfunktion es einfacher machen, jeglichen Kreditverlust von vornherein zu vermeiden. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Databricks hilft, das lokale Umgebungschaos zu lösen, das oft Junior-Ingenieure verlangsamt. Durch die Bereitstellung einer einsatzbereiten Lakebase-Architektur kann ich Datenengineering auf Unternehmensebene üben, ohne mich mit VPNs verbinden oder komplexe Docker-Setups bewältigen zu müssen. In meinem Projekt hat es den gesamten Ablauf abgedeckt: Rohdaten einlesen, transformieren und für analytische Abfragen bereitstellen. Dies kommt auch meinem Team zugute, da ich viel schneller in reale Datenpipelines einsteigen und früher beitragen kann. Gleichzeitig lerne ich, wie man produktionsreife ETL-Workflows erstellt, ohne dass meine erfahrenen Kollegen Stunden damit verbringen müssen, mir bei der Fehlersuche in meiner lokalen Python/Spark-Umgebung zu helfen. Ein unerwarteter Vorteil war, wie nahtlos die Zusammenarbeit ist. Da die Notebooks cloudbasiert sind und mit dem Arbeitsbereich verbunden sind, war das Teilen meines Projekts mit erfahrenen Ingenieuren für Code-Reviews so einfach wie das Senden eines Links. Darüber hinaus hat mich die Art und Weise, wie Databricks Metadaten handhabt, früh in meiner Karriere erkennen lassen, wie wichtig Datenverwaltung ist. **Official Response from Jess Darnell:** > We're glad to hear that Databricks has been such a productivity boost for you! The unified workspace and AI-assisted development are indeed powerful features that many of our users appreciate. We understand your concerns about the DBU consumption model and cluster management. We're constantly working to improve the user experience, and your feedback will be taken into consideration for future enhancements. ### 15. Zentralisierte Verwaltung, leistungsstarkes Migrationstool **Rating:** 5.0/5.0 stars **Reviewed by:** Jaswanth J. | Data Engineer, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** May 26, 2026 **Was gefällt Ihnen an Databricks am besten?** Ich mag den Unity Catalog als eine einzige Governance-Schicht, die den Zugriffskontrolle zentralisiert und feingranulare Berechtigungen über Datenressourcen bietet. Die Workspace-API und Automatisierungsfunktionen sind wertvoll zur Optimierung von Abläufen. Ich schätze, dass Volumes die Mounts ersetzen und die Sicherheit durch zugangsdatenfreien Zugriff verbessern. Die Lakehouse Federation vereinfacht die Kostenkonsolidierung und reduziert die Kosten für Datenbewegungen. Photon und ML Runtime auf derselben Plattform zu haben, steigert die Betriebseffizienz. Die anfängliche Einrichtung war benutzerfreundlich, dank der Anleitung vom Databricks-Portal. **Was gefällt Ihnen an Databricks nicht?** * Migrationstools sind manuell und fragmentiert * Die Konvertierung von Mount-zu-Volume-Pfaden hat keinen automatisierten Pfad * Der Clustersicherheitsmodus NONE existiert weiterhin * Hive Metastore und UC koexistieren ungeschickt * Benutzerdefinierte WHL-Bibliotheken auf Mount haben keinen sauberen Upgrade-Pfad **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Databricks bietet zentralisierten Zugriffskontrolle mit fein abgestuften Berechtigungen, identitätsbasiertem Zugriff ohne Offenlegung von Speicheranmeldeinformationen, einheitliche Datenentdeckung und -herkunft und reduziert den betrieblichen Aufwand durch Konsolidierung von Plattformen und effizienteres Datenmanagement. **Official Response from Jess Darnell:** > Wir freuen uns zu hören, dass Sie den Unity-Katalog und die Workspace-API zur Optimierung der Abläufe schätzen. Wir verstehen Ihre Bedenken hinsichtlich der manuellen und fragmentierten Migrationswerkzeuge und arbeiten kontinuierlich daran, diesen Aspekt unserer Plattform zu verbessern. ### 16. Eine All-in-One-Plattform für Daten, Analytik und maschinelles Lernen **Rating:** 5.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Unterhaltung | Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** May 29, 2026 **Was gefällt Ihnen an Databricks am besten?** Ich schätze wirklich, dass diese Plattform alles von der Rohdatenaufnahme und SQL-Analytik bis hin zum maschinellen Lernen mit Notebooks unterstützt. Es ist nicht nur ein weiteres externes Tool; es fühlt sich an wie eine vollständig integrierte Lösung für eine gesamte Organisation. Ich schätze auch, dass sie sowohl technische als auch geschäftliche Benutzer unterstützt. **Was gefällt Ihnen an Databricks nicht?** Die Verwaltung von Kosten und die Optimierung der Cluster-Nutzung können manchmal herausfordernd sein und erfordern internes Wissen über die zugrunde liegende Architektur, wie z.B. die Konfiguration von CPU und RAM für Jobs. Dies kann das Gesamtbudget erheblich beeinflussen, insbesondere für kleine Unternehmen. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Databricks hilft uns, täglich Millionen von Datensätzen in einer angemessenen Zeit zu verarbeiten und gleichzeitig die Skalierbarkeit unserer Lösungen aufrechtzuerhalten. Es ermöglicht uns auch, Lösungen nicht nur innerhalb von Databricks selbst zu erstellen und zu integrieren, sondern auch durch die Bereitstellung externer Pakete. Darüber hinaus bieten die Befehlszeilen-Tools Flexibilität, um sich in unseren aktuellen CI/CD-Workflow zu integrieren, was uns hilft, die Bereitstellungszeiten zu verkürzen. **Official Response from Jess Darnell:** > Wir schätzen Ihr Feedback zu den Vorteilen von Databricks bei der Verarbeitung großer Datenmengen und der Integration mit externen Paketen. Wir verstehen die Auswirkungen des Kostenmanagements auf kleine Unternehmen und konzentrieren uns darauf, Lösungen zur Bewältigung dieses Anliegens bereitzustellen. ### 17. Zentralisiertes Dashboard mit reibungsloser, kostensparender automatischer Skalierung **Rating:** 4.5/5.0 stars **Reviewed by:** Kimberly G. | Software Engineer, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** March 29, 2026 **Was gefällt Ihnen an Databricks am besten?** Alles ist in einem einzigen Dashboard zentralisiert: Spark-Jobs, Notebooks und Datenpipelines. Autoskalierung und automatische Beendigung helfen wirklich, die Kosten unter Kontrolle zu halten, und es war eine angenehme Überraschung, dass beides reibungslos ohne spürbare Verzögerung läuft. Das Teilen von Notebooks mit dem Team ist unkompliziert und reduziert viel Hin und Her. **Was gefällt Ihnen an Databricks nicht?** Ältere Anfragen zu finden, ist wirklich schmerzhaft. Alles, was über ein paar Wochen hinausgeht, wird schwer nachzuverfolgen, was es schwierig macht, meine tägliche Arbeit reibungslos fortzusetzen und ohne ständige Unterbrechungen weiterzuarbeiten. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Wir führen ETL- und ML-Workloads aus, ohne uns allzu sehr um die zugrunde liegende Infrastruktur kümmern zu müssen. Ich kann auch Inventarinformationen verwalten, zumindest bis zu einem gewissen Grad, ohne eine Menge verschiedener Tabs öffnen zu müssen. Ich verbringe weniger Zeit mit der Fehlersuche bei Clustern und mehr Zeit damit, tatsächlich mit den Daten zu arbeiten. **Official Response from Janelle Glover:** > Es ist fantastisch zu hören, dass Databricks Ihnen dabei hilft, ETL- und ML-Workloads nahtlos auszuführen, sodass Sie sich mehr auf die Arbeit mit den Daten und weniger auf die Verwaltung der Infrastruktur konzentrieren können. Wir sind begeistert, Teil Ihres Erfolgs zu sein. ### 18. Konsolidierung unseres Datenstapels mit Databricks, die Leistung und Produktivität gesteigert hat **Rating:** 5.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Einzelhandel | Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** May 14, 2026 **Was gefällt Ihnen an Databricks am besten?** Der Wechsel von einem Airflow + Snowflake Setup zu Databricks hat eine Koordinationsschicht entfernt, die wir normalisiert hatten: Jobs, die andere Jobs planen, Reverse-ETL-Pipelines, nur um analytische Ergebnisse zurück in operative Systeme zu bringen, und ein separates Feature-Store, das nicht mehr synchron mit den Trainingsdaten war. Die Integrationen waren ein großer Teil des Grundes, warum der Übergang reibungsloser verlief als erwartet: native Konnektoren für Cloud-Speicher, Git-basierte Repo-Synchronisation für versionskontrollierte Notebooks und das Databricks SDK, das sich sauber in unsere bestehenden CI/CD-Pipelines einfügte, bedeuteten, dass wir nicht alles von Grund auf neu aufbauen mussten. Databricks Workflows ersetzten unsere Airflow DAGs problemlos, Unity Catalog gab uns Lineage und Zugriffskontrolle über unsere gesamte Medaillon-Architektur ohne ein separates Tool, und Lakebase ermöglichte es uns, den Online-Feature-Store vollständig abzuschaffen, da Modell-Features jetzt dort leben, wo die Daten bereits sind. Die Leistung bei groß angelegten Aggregationen über unsere Datensätze von stationären Geschäften verbesserte sich spürbar, und die Workspace-UI macht es dem gesamten Team leicht, Notebooks, Pipelines und Kataloge ohne Kontextwechsel zu navigieren. Die KI-unterstützten Funktionen in der Notebook-Umgebung beschleunigen die Entwicklung tatsächlich. Die Autovervollständigung und Fehlervorschläge, die den Datenkontext verstehen, sind im Alltag nützlicher, als sie klingen. Die Einarbeitung neuer Ingenieure verlief ebenfalls schneller als erwartet, angesichts der Tiefe der Plattform, mit umfassender Dokumentation und einem reaktionsschnellen Support-Team während der Migration. Aus einer ROI-Perspektive bedeutete die Konsolidierung der Tools weniger Anbieter-Verträge, weniger Pipeline-Wartung und eine Umleitung der Ingenieurszeit auf die eigentliche Produktarbeit. **Was gefällt Ihnen an Databricks nicht?** Das Kostenmodell ist der hartnäckigste Reibungspunkt – die Rechenkosten können schnell eskalieren, wenn das Lebenszyklusmanagement des Clusters nicht straff ist, und für ein Team, das seine Governance darüber, wer was hochfährt, noch entwickelt, könnte die Abrechnungsübersicht von Haus aus detaillierter sein. Die Benutzeroberfläche, obwohl im Allgemeinen sauber, wird bei größerem Umfang schwieriger zu navigieren; wenn Sie Dutzende von Workflows, Notebooks und Katalogen haben, halten die Werkzeuge zur Arbeitsbereichsorganisation mit der Ausbreitung nicht ganz Schritt. Auf der Integrationsseite fühlen sich einige Drittanbieter-Connectoren an, als wären sie nachträglich hinzugefügt worden – die Erfahrung ist nicht immer so nahtlos wie bei den nativen, und gelegentliche Versionskompatibilitätsprobleme haben unerwartete Debugging-Zeiten verursacht. Die Leistung bei sehr großen, nicht optimierten Abfragen kann Sie immer noch mit Kaltstartlatenz bei serverlosem Rechnen überraschen, was wichtig ist, wenn Sie während der Entwicklung schnell iterieren. Die KI-Assistentenfunktionen verbessern sich, sind aber immer noch inkonsistent – das Kontextbewusstsein lässt bei komplexen Projekten mit mehreren Dateien nach und die Vorschläge verfehlen gelegentlich das Ziel auf eine Weise, die Sie eher verlangsamt als unterstützt. Die Qualität der Support-Antworten war bei kritischen Problemen gut, aber bei differenzierten technischen Fragen ist die erste Antwort manchmal generisch, und es erfordert eine zusätzliche Eskalationsrunde, um jemanden mit tiefem Produktwissen zu erreichen. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Das Kernproblem, das wir lösten, war die operative Ausbreitung — wir hatten analytische Daten an einem Ort und operative Daten an einem anderen, mit einer Flotte von Pipelines, nur um sie synchron zu halten. Bei der Arbeit mit hochvolumigen Daten aus stationären Geschäften über eine Medaillon-Architektur rechtfertigten die Leistungsgewinne bei großen Aggregationen allein den Umzug; Abfragen, die zuvor eine sorgfältige Dimensionierung des Lagers erforderten, werden jetzt problemlos auf automatisch skalierender Rechenleistung gehandhabt. Die Konsolidierung auf eine Plattform bedeutete auch, dass unsere KI- und ML-Workflows nicht mehr Bürger zweiter Klasse waren — Feature Engineering, Modelltraining und Bereitstellung finden jetzt in derselben Umgebung statt, in der die Daten leben, was eine ganze Kategorie von Infrastruktur, die wir warteten, entfernte. Die Benutzeroberfläche des Arbeitsbereichs, obwohl nicht perfekt im großen Maßstab, erleichterte es, das breitere Team einzuarbeiten, ohne dass jeder tiefes Plattformwissen benötigte, um von Tag eins an produktiv zu sein. **Official Response from Jess Darnell:** > Wir freuen uns zu hören, dass Databricks einen so positiven Einfluss auf Ihren Daten-Stack hatte und die Leistung und Produktivität gesteigert hat. Es ist großartig zu wissen, dass die Integrationen, Leistungsverbesserungen und KI-unterstützten Funktionen einen solchen Unterschied für Ihr Team gemacht haben. Wir schätzen Ihr Feedback und sind bestrebt, unsere Plattform kontinuierlich zu verbessern. ### 19. Hochleistungsanalysen mit Databricks SQL und Unity Catalog Governance **Rating:** 4.0/5.0 stars **Reviewed by:** Arpit V. | Data Platform Engineer, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** June 02, 2026 **Was gefällt Ihnen an Databricks am besten?** Databricks bietet hervorragende Leistung bei der Arbeit mit großen Datenmengen. Die Databricks SQL-Umgebung erleichtert es auch Geschäftsanwendern und Analysten, Einblicke zu gewinnen, ohne so stark auf Ingenieurteams angewiesen zu sein. Funktionen wie der Unity Catalog stärken die Governance und vereinfachen die Verwaltung des Zugriffs über Abteilungen hinweg. **Was gefällt Ihnen an Databricks nicht?** Die Lernkurve kann steil erscheinen, besonders für Benutzer, die von traditionellen Data-Warehouse-Lösungen kommen. Meiner Erfahrung nach kann auch die Abfrageoptimierung zusätzlichen Aufwand erfordern, da bestimmte Workloads zusätzliche Anpassungen benötigen, um die besten Ergebnisse zu erzielen. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Wir benötigten eine Lösung, die sowohl Data Warehousing als auch fortgeschrittene Analysen bewältigen konnte, ohne neue Datensilos zu schaffen. Databricks hat uns geholfen, unsere Datenbestände zu zentralisieren und gleichzeitig eine starke Governance aufrechtzuerhalten. Dadurch können Teams schneller auf vertrauenswürdige Daten zugreifen und Berichte mit weniger Verzögerungen erstellen, was die Entscheidungsfindung in der gesamten Organisation verbessert hat. **Official Response from Jess Darnell:** > Wir freuen uns zu hören, dass Databricks hervorragende Leistungen für Ihre großen Datenmengen erbringt und dass die SQL-Umgebung es Geschäftsbenutzern und Analysten erleichtert, Einblicke zu gewinnen. ### 20. All-in-One-Plattform für Datenengineering, ML, KI und Datenmanagement **Rating:** 4.5/5.0 stars **Reviewed by:** Akanksh M. | Machine Learning Engineer, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** April 01, 2026 **Was gefällt Ihnen an Databricks am besten?** Es vereint alle Technologiestacks auf einer Plattform – Datenengineering, maschinelles Lernen, KI und Datenmanagement – sodass alles an einem Ort ist. Es enthält auch erweiterte Funktionen, die die Plattform vollständig und leistungsfähig erscheinen lassen. **Was gefällt Ihnen an Databricks nicht?** Wir benötigen mehr Open-Source-Direktverbindungen zu sowohl Legacy- als auch aktuellen Plattformen, um eine bessere Datenextraktion zu ermöglichen. Diese Verbindungen sollten sowohl die Echtzeit-Extraktion als auch die Echtzeit-Datenwiedergabe unterstützen. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Es bringt alle Arten von Daten an einem Ort zusammen, was das Daten- und Zugriffsmanagement erleichtert. Ich kann Data Warehouses erstellen und die Daten dann an AI BI-Dashboards und ML-Modelle weiterleiten, was sehr nützlich ist. Besondere Funktionen wie der Feature Store, Bereitstellungspunkte, AI BI-Dashboard und Genie helfen mir, die Daten zu verstehen, effektiver damit zu arbeiten und letztendlich meine Ziele zu erreichen. **Official Response from Janelle Glover:** > Vielen Dank, dass Sie mit uns geteilt haben, was Ihnen an Databricks am besten gefällt. Wir freuen uns, dass Ihnen der Feature Store, das AI BI Dashboard und Genie gefallen. Wir verstehen die Bedeutung von Open-Source-Konnektoren und Echtzeit-Extraktion und arbeiten kontinuierlich daran, unsere Plattform zu verbessern, um Ihre Bedürfnisse besser zu erfüllen. ### 21. Vereinheitlichte Analytik-Kraftpaket mit kleinen Problemen **Rating:** 4.0/5.0 stars **Reviewed by:** mohammad Gufran j. | Senior Associate Engineer (Azure Platform and Databrick Engineer), Informationstechnologie und Dienstleistungen, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** April 25, 2026 **Was gefällt Ihnen an Databricks am besten?** Was mir an Databricks am meisten gefällt, ist, dass es Datenengineering, Analytik und KI-Workflows in einer gemeinsamen Plattform vereint, was die Zusammenarbeit erheblich erleichtert. Es ist wertvoll für die Arbeit mit großen Datensätzen und Notebooks und hilft dabei, geeignete Pipelines einzurichten, ohne den Aufwand, zu viele separate Tools verwalten zu müssen. **Was gefällt Ihnen an Databricks nicht?** Kostenübersicht und Ressourcennutzer können schwer zu verfolgen sein, besonders wenn mehr Teams zusammenkommen und Jobs die Plattform nutzen. Ich möchte auch das Berechtigungsmanagement synchronisieren. Klare Fehlersuche bei einem Jobfehler und ein reibungsloseres Erlebnis bei der Verwaltung und Konfiguration des Arbeitsbereichs. Der CDC-Lake-Flow bleibt immer bei einer letzten Tabelle hängen und gibt bisher kein klares Bild. Serverlose Protokolle sind manchmal sehr schwer zu verfolgen, was es schwierig macht, den Grund für Jobfehler zu verstehen. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Ich finde, dass Databricks die Verarbeitung und Analyse von groß angelegten Daten durch die Vereinheitlichung von Datenengineering, Analytik und KI-Workflows auf einer Plattform löst. Es vereinfacht die Zusammenarbeit an Notebooks und Automatisierungs-Workflows, was eine schnellere Arbeit mit großen Datensätzen mithilfe von Spark ermöglicht. **Official Response from Jess Darnell:** > Wir freuen uns zu hören, dass Sie Databricks als wertvoll erachten, um Datenengineering, Analytik und KI-Workflows auf einer Plattform zu vereinen, die Zusammenarbeit zu erleichtern und die Verarbeitung großer Datenmengen zu vereinfachen. ### 22. Einheitliche Plattform mit leistungsstarken Funktionen, benötigt schnellere Cluster-Starts **Rating:** 4.0/5.0 stars **Reviewed by:** Yash P. | Software Developer, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** April 23, 2026 **Was gefällt Ihnen an Databricks am besten?** Ich schätze, wie Databricks alles auf eine einheitliche Plattform gebracht hat, die es unseren Teams ermöglicht, in gemeinsamen Notebooks zusammenzuarbeiten und die Datenkonsistenz mit den ACID-Transaktionen von Delta Lake sicherzustellen. Mein Lieblingsfeature ist Auto Loader, das automatisch neue Datendateien erfasst, sobald sie im Cloud-Speicher landen, und unserem Team 2-3 Stunden pro Woche bei der manuellen Überwachung der Pipeline spart. Unity Catalog war für uns ein Wendepunkt, da es einen zentralen Ort für Governance und Zugriffskontrolle bietet, was vorher ein Chaos war. Die anfängliche Einrichtung war unkompliziert, und wir hatten unseren ersten Cluster und Notebooks innerhalb eines Tages mit S3 verbunden, was angesichts der Leistungsfähigkeit der Plattform beeindruckend war. Die Anleitungen zur Arbeitsbereichskonfiguration und Cloud-Integration sind gut nachvollziehbar. **Was gefällt Ihnen an Databricks nicht?** Die Startzeit des Clusters überrascht uns immer noch. Ein Kaltstart kann zwischen 3-5 Minuten dauern, was frustrierend ist, wenn man mitten in einer iterativen Debugging-Sitzung steckt und nur schnell eine Lösung testen möchte. Auch das Kostenmanagement benötigt einige Verbesserungen, da die Abrechnungs-Dashboards zwar besser werden, es aber immer noch einige Mühe kostet, genau herauszufinden, welcher Job oder Benutzer die Kosten in die Höhe treibt. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Ich verwende Databricks, um unsere Datenverarbeitung und maschinelles Lernen zu vereinheitlichen, wodurch die Lieferverzögerungen der Pipeline um 40 % reduziert werden. Es ermöglicht die Zusammenarbeit im Team mit konsistenten Daten, spart Stunden mit dem Autoloader und vereinfacht die Governance mit dem Unity Catalog. **Official Response from Jess Darnell:** > Wir freuen uns zu hören, dass Sie die einheitliche Plattform und die leistungsstarken Funktionen von Databricks, wie den Auto Loader und den Unity Catalog, genießen. Wir verstehen Ihre Frustration über die Startzeit der Cluster und das Kostenmanagement und arbeiten kontinuierlich daran, diese Aspekte zu verbessern, um ein besseres Benutzererlebnis zu bieten. ### 23. Optimierte Datenverarbeitung mit unvergleichlicher Geschwindigkeit **Rating:** 5.0/5.0 stars **Reviewed by:** Antarix K. | AI Architect, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** April 22, 2026 **Was gefällt Ihnen an Databricks am besten?** Ich nutze Databricks für die Echtzeit-Datenaufnahme und -verarbeitung sowie für die Batch-Verarbeitung. Ich finde es einfach zu bedienen mit PySpark, und ich schätze, dass es als eine einzige Plattform sowohl für Echtzeit- als auch für Batch-Verarbeitung dient. Die In-Memory-Verarbeitung reduziert die Verarbeitungszeit drastisch, und die Arbeit mit Dataframes macht den Umgang mit strukturierten Daten unkompliziert. Ich mag die schnelle Ausführung und die Möglichkeit, Daten zu bereinigen, zu bearbeiten und zu manipulieren, alles auf derselben Plattform. Es ist auch einfach zu implementieren, und ich genieße die reibungslose CI-Pipeline mit nur einem Klick. Die anfängliche Einrichtung war ziemlich einfach, und der Produktsupport machte es zu einem Kinderspiel. **Was gefällt Ihnen an Databricks nicht?** Databricks sollte ein agentisches Framework integrieren, um eine einzige Anlaufstelle für Daten und KI zu schaffen. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Databricks bietet eine benutzerfreundliche Plattform für sowohl Echtzeit- als auch Batch-Verarbeitung. Es integriert sich leicht mit PySpark und unterstützt In-Memory-Verarbeitung, was die Verarbeitungszeit erheblich reduziert. Dataframes vereinfachen den Umgang mit strukturierten Daten. **Official Response from Jess Darnell:** > Wir freuen uns zu hören, dass Databricks die Echtzeit- und Batch-Verarbeitung für Sie erleichtert hat und dass es die Verarbeitungszeit erheblich reduziert hat. Wir sind bestrebt, ein nahtloses Erlebnis zu bieten und werden weiterhin daran arbeiten, neue Funktionen zu integrieren, um unseren Nutzern Vorteile zu bieten. ### 24. Leistungsstarke Plattform für Datenanalyse **Rating:** 4.0/5.0 stars **Reviewed by:** Aditya Y. | Student, Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** June 01, 2026 **Was gefällt Ihnen an Databricks am besten?** Für mein Team und mich vereint Databricks Datenengineering sowie Analytik und maschinelles Lernen auf einer Plattform. Ehrlich gesagt, erleichtert es unsere Arbeit mit großen Datensätzen. Auch ihre Preisgestaltung ist gut. **Was gefällt Ihnen an Databricks nicht?** Ehrlich gesagt können einige fortgeschrittene Funktionen von Databricks anfangs schwierig zu konfigurieren sein, oder ich sollte einfach sagen, dass die anfängliche Einrichtung für Anfänger komplex sein kann. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Für unser Team hilft es, große Datensätze effizient zu verwalten und zu analysieren. Ich muss sagen, es verbessert die Zusammenarbeit zwischen den Teams und erleichtert es, Erkenntnisse für Geschäftsentscheidungen zu gewinnen. **Official Response from Jess Darnell:** > Wir freuen uns zu hören, dass Databricks eine leistungsstarke Plattform für Ihre Datenanalysebedürfnisse ist, die Datenengineering, Analytik und maschinelles Lernen an einem Ort vereint. Wir schätzen Ihr Feedback zu den Preisen ebenfalls. ### 25. Optimierte Datenarchitektur & KI-Lösungen **Rating:** 4.0/5.0 stars **Reviewed by:** Siddhesh S. | Business Intelligence Developer, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** September 12, 2024 **Was gefällt Ihnen an Databricks am besten?** Ich liebe es, wie einfach es ist, mehrere Daten-Workloads wie Data Warehouse, Data Lakes und Model Registry für die Organisation in einer einzigen Schnittstelle mit Databricks zu integrieren. **Was gefällt Ihnen an Databricks nicht?** Ich denke, die Arbeit mit dem Katalog erfordert immer noch ein separates geöffnetes Tab. Wenn wir es in den Bereich für mehrere Tabs innerhalb der Databricks-Benutzeroberfläche integrieren könnten, würde dies den Kontextwechsel reduzieren und den Benutzern helfen, fokussiert und produktiv zu bleiben. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Ich verwende Databricks, um Workflows für Datenarchitektur und KI-Lösungen zu erstellen und das Problem der Verwaltung mehrerer Workloads zu lösen. Es ist einfach, Data Warehouses, Lakes und Registrierungen in einer Oberfläche zu integrieren. **Official Response from Janelle Glover:** > Danke, dass Sie Ihre positive Erfahrung mit der Databricks Data Intelligence Platform geteilt haben. Wir verstehen die Frustration beim Aktualisieren einzelner Tabellen aus mehreren Threads und werden daran arbeiten, dies in zukünftigen Updates zu beheben. ### 26. Vereinheitlichte Datenverarbeitung, Analytik und maschinelles Lernen auf einer skalierbaren Databricks-Plattform **Rating:** 5.0/5.0 stars **Reviewed by:** Syed F. | Data Engineer, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** March 27, 2026 **Was gefällt Ihnen an Databricks am besten?** Was mir an Databricks am meisten gefällt, ist, wie es Datenengineering, Analytik und maschinelles Lernen auf einer Plattform vereint. Es rationalisiert die gesamte Datenpipeline – von der Aufnahme und Transformation bis hin zur Bereitstellung – sodass ich nicht auf mehrere separate Tools angewiesen bin, um End-to-End-Workflows zu erledigen. Die Integration mit Spark und Delta Lake ist ein weiterer großer Vorteil, da sie es sowohl skalierbar als auch zuverlässig macht, wenn man mit großen Datensätzen arbeitet. **Was gefällt Ihnen an Databricks nicht?** Eine Herausforderung bei Databricks ist das Kostenmanagement und die Kostentransparenz. Da die Rechenleistung über Cluster und Jobs abstrahiert wird, kann es manchmal schwierig sein, die Kosten ohne zusätzliche Überwachung oder Governance nachzuverfolgen und zu optimieren. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Löst das Problem fragmentierter Datenökosysteme, in denen Datenengineering, Analytik und maschinelles Lernen in separaten Tools behandelt werden. **Official Response from Janelle Glover:** > Wir freuen uns zu hören, dass Sie Databricks für Datenengineering, Analysen und maschinelles Lernen wertvoll finden. Vielen Dank, dass Sie Ihr Feedback mit uns teilen! ### 27. Benutzerfreundliche, kostengünstige Datenverarbeitung im großen Maßstab mit schnellem Support **Rating:** 5.0/5.0 stars **Reviewed by:** nanda m. | Junior data engineer , Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** May 27, 2026 **Was gefällt Ihnen an Databricks am besten?** Es hat eine benutzerfreundliche Oberfläche und lässt sich leicht mit anderen Clouds integrieren. Wir können TBs an Daten ohne großen Aufwand verarbeiten. Im Vergleich zu anderen Datenverarbeitungstools ist der Preis niedriger. Es enthält auch Ginee AI, und damit können wir die Datenverarbeitung viel einfacher handhaben. Wenn wir auf Probleme stoßen, lösen sie das Problem in kürzerer Zeit. **Was gefällt Ihnen an Databricks nicht?** Es ist sehr schwierig für neue Benutzer zu verwenden. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Ich bin Dateningenieur, daher nutze ich dies, um die TBs der Daten zu verarbeiten. Für ML-Flows. Integrieren Sie sich mit dem Data-Science- und Analytics-Team. **Official Response from Jess Darnell:** > We're glad to hear that you find Databricks user-friendly, affordable, and supportive for processing large amounts of data. We appreciate your feedback and are continuously working to improve the user experience for new users. ### 28. Einheitliche Datenplattform, geringe Kosten- und Komplexitätsherausforderungen **Rating:** 4.5/5.0 stars **Reviewed by:** Abiola O. | DevOps Engineer **Reviewed Date:** April 16, 2026 **Was gefällt Ihnen an Databricks am besten?** Ich mag, dass Databricks eine einheitliche Plattform für Data Engineering und Data Science bietet, die Reibungen zwischen Teams beseitigt und die Fähigkeit zur Beschleunigung von Entwicklung und Bereitstellungen verbessert. Es funktioniert besonders gut für End-to-End-CICD-Pipelines. **Was gefällt Ihnen an Databricks nicht?** Nun, was verbessert werden kann, ist meiner Meinung nach vielleicht das Kostenmanagement. Wenn dies untersucht werden kann, um es für die Benutzer kosteneffizienter zu gestalten, wird es einen großen Unterschied machen. Und zusätzlich dazu stellt die betriebliche Komplexität manchmal eine komplexe Plattform dar, die neue Benutzer nur schwer navigieren können. Wenn dies angegangen werden kann, dann denke ich, dass es für Ingenieure viel einfacher sein sollte, damit zu arbeiten. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Ich nutze Databricks für skalierbare Workflows über Multi-Cloud-Umgebungen hinweg, um die Vereinheitlichung von Datensilos zu lösen und Engpässe in der komplexen Datenverarbeitung zu minimieren. Es optimiert Kosten und Governance und bietet gleichzeitig einen kollaborativen Arbeitsbereich, Echtzeit-Datenaufnahme sowie verbesserte Systemzuverlässigkeit und -leistung. **Official Response from Jess Darnell:** > Es ist großartig zu hören, dass Databricks Ihnen bei skalierbaren Workflows, der Datenvereinheitlichung und der Minimierung von Engpässen in der komplexen Datenverarbeitung hilft. Wir schätzen Ihre Einblicke in die Vorteile, die es bietet. ### 29. Löst die Probleme der Entwickler mit Genie, Lakeflow Connect und DLT **Rating:** 5.0/5.0 stars **Reviewed by:** Shreeram P. | MIS & Customer Retention, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** April 30, 2026 **Was gefällt Ihnen an Databricks am besten?** Diese Plattform löst die Probleme von Entwicklern, indem sie Funktionen wie Genie, Lakeflow Connect und DLT anbietet. **Was gefällt Ihnen an Databricks nicht?** Bevor ich es benutze, möchte ich die Berechnung und die Gebühren verstehen und wie man es richtig verwendet. Grundsätzlich muss ich zuerst viel lernen. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Es löste unsere Herausforderungen bei der Datenpipeline und der Erstellung von Dashboards. Mit SDP und AI/BI Genie sind wir vom manuellen Management der Datenpipeline dazu übergegangen, sie einfach in SQL zu deklarieren und alles für uns erledigen zu lassen. Anstatt viel Zeit mit dem Erstellen von Dashboards zu verbringen, können wir jetzt einfach Fragen in natürlicher Sprache stellen und die Antworten erhalten, die wir benötigen, ohne viel Zeit zu verschwenden. **Official Response from Jess Darnell:** > Wir freuen uns zu hören, dass Databricks in der Lage war, Ihre Herausforderungen bei der Erstellung von Datenpipelines und Dashboards mit Funktionen wie Genie, Lakeflow Connect und DLT zu lösen. ### 30. Mühelose Datenverarbeitung mit ML-Funktionen **Rating:** 4.5/5.0 stars **Reviewed by:** Shweta T. | Procurement Officer, Krankenhaus & Gesundheitswesen, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** May 31, 2026 **Was gefällt Ihnen an Databricks am besten?** Ich mag, wie Databricks Parabytes an Rohinformationen mühelos verarbeitet hat, indem es Speicher und Rechenleistung so kombiniert hat, dass Datensilos und Versionskonflikte beseitigt wurden. Die integrierten maschinellen Lernfunktionen verwandelten mehrwöchige Projekte in etwas, das ich in wenigen Tagen prototypisieren konnte, komplett mit nahtlosem Modell-Tracking und Entwicklung, die mir Vertrauen in Produktionsumgebungen gaben. Die anfängliche Einrichtung und Integration mit Tools verlief reibungsloser als erwartet. **Was gefällt Ihnen an Databricks nicht?** Ich fand die Benutzeroberfläche oft überwältigend bei tieferen Erkundungen mit so vielen geschichteten Optionen. Ich musste mich auf die Wissensdatenbank verlassen, um die Schwierigkeiten zu überwinden. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Databricks beseitigte Datensilos und Versionskonflikte und bewältigte mühelos große Datenmengen. Es verwandelte langwierige Machine-Learning-Projekte in schnelle Prototypen mit nahtlosem Modell-Tracking und -Entwicklung, was mein Vertrauen in Produktionsumgebungen stärkte. **Official Response from Jess Darnell:** > Es ist großartig zu hören, dass Databricks Ihnen geholfen hat, Datensilos und Versionskonflikte zu beseitigen, wodurch Ihre Machine-Learning-Projekte effizienter geworden sind und Ihr Vertrauen in Produktionsumgebungen gestärkt wurde. ### 31. Nahtlose Integration und skalierbare Leistung mit Raum für UI-Verbesserungen **Rating:** 4.0/5.0 stars **Reviewed by:** Ashley F. | Senior Executive, Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** April 20, 2026 **Was gefällt Ihnen an Databricks am besten?** Ich benutze Databricks, um ETL-Pipelines zu erstellen und groß angelegte Daten mit Spark zu verarbeiten. Ich mag Databricks am meisten wegen seiner nahtlosen Integration mit Apache Spark, den kollaborativen Notebooks und seiner Fähigkeit, groß angelegte Datenverarbeitung effizient auf einer einheitlichen Plattform zu handhaben. Die nahtlose Apache Spark-Integration ermöglicht es mir, riesige Datensätze schnell zu verarbeiten, ohne mir Gedanken über die Cluster-Einrichtung machen zu müssen, während kollaborative Notebooks es einfach machen, in Echtzeit mit meinem Team zu arbeiten. Die skalierbare Architektur sorgt für zuverlässige Leistung, selbst bei großen Datenlasten. Die anfängliche Einrichtung von Databricks war ziemlich unkompliziert, insbesondere mit der Cloud-Integration. **Was gefällt Ihnen an Databricks nicht?** Die Benutzeroberfläche kann sich manchmal etwas überladen anfühlen, die Startzeiten für Cluster können langsam sein, und die Preise können für kleinere Projekte oder längere Nutzung teuer werden. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Ich nutze Databricks, um große Datenmengen effizient zu verarbeiten, ETL-Workflows zu vereinfachen und in einer einheitlichen Umgebung mit meinem Team zusammenzuarbeiten, um schneller datenbasierte Erkenntnisse zu gewinnen. **Official Response from Jess Darnell:** > Wir freuen uns zu hören, dass Sie die nahtlose Integration mit Apache Spark und die kollaborativen Funktionen von Databricks genießen. Wir schätzen Ihr Feedback zur Benutzeroberfläche und den Startzeiten der Cluster und arbeiten kontinuierlich daran, diese Bereiche zu verbessern. Bezüglich der Preisgestaltung bieten wir verschiedene Optionen an, um unterschiedliche Projektgrößen und Nutzungsdauern zu berücksichtigen. Vielen Dank, dass Sie Ihre Erfahrungen mit uns teilen! ### 32. BI und Datenengineering an einem Ort, mit KI-Assistent **Rating:** 4.0/5.0 stars **Reviewed by:** Corrado P. | Service Designer and Workshop Facilitator, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** April 23, 2026 **Was gefällt Ihnen an Databricks am besten?** Möglichkeit, Data Warehousing und Data Lakes zu einem "Lakehouse" zu kombinieren. So kann ich BI und Datenengineering an einem Ort durchführen, anstatt mehrere Systeme zusammenzufügen. KI verwenden, um das Schreiben und die Ausführung von SQL zu verbessern und zu beschleunigen. **Was gefällt Ihnen an Databricks nicht?** Unity Catalog ist leistungsstark, aber die Einrichtung einer feingranularen Zugriffskontrolle über Daten, Schemata und Arbeitsbereiche hinweg kann besonders in größeren Organisationen knifflig werden. Die Benutzeroberfläche einiger Teile der Plattform wirkt ausgereift, andere weniger. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Databricks löst im Wesentlichen die Fragmentierung und Ineffizienz im gesamten Datenlebenszyklus, und die Vorteile ergeben sich aus der Beseitigung vieler Reibungen zwischen Teams, Werkzeugen, Systemen und Daten. **Official Response from Jess Darnell:** > Es ist großartig zu hören, dass Databricks die Fragmentierung und Ineffizienz im gesamten Datenlebenszyklus für Sie löst und dass es die Reibung zwischen Teams, Tools, Systemen und Daten beseitigt. ### 33. Verwandeln Sie Tabellendaten in vertrauenswürdige Visualisierungen mit hilfreichem Debugging **Rating:** 4.5/5.0 stars **Reviewed by:** Aruthra L. | Data Engineer, Logistik und Lieferkettenmanagement, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** April 02, 2026 **Was gefällt Ihnen an Databricks am besten?** Ich mag das Konzept, Daten in Visualisierungen für jede Tabelle zu verwandeln. Genie Code hilft auch beim Debuggen und Validieren der Daten, was es einfacher macht, dem zu vertrauen, womit ich arbeite. **Was gefällt Ihnen an Databricks nicht?** Als proprietäre Plattform, die auf Open-Source-Grundlagen aufgebaut ist, kann sie dennoch Risiken einer Anbieterbindung einführen, insbesondere durch Komponenten wie den Unity Catalog und ihre benutzerdefinierten APIs. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Databricks löst in erster Linie die langjährigen Herausforderungen fragmentierter Datenarchitekturen, indem es das Lakehouse-Paradigma einführt. Es kombiniert die kostengünstige, skalierbare Speicherung von Data Lakes mit der Zuverlässigkeit, ACID-Transaktionen und Leistung traditioneller Data Warehouses. Dies beseitigt Datensilos, reduziert kostspielige ETL-Duplikationen und bietet eine einheitliche Plattform für strukturierte, semi-strukturierte und unstrukturierte Daten. **Official Response from Janelle Glover:** > Vielen Dank für Ihr Feedback! Wir freuen uns zu hören, dass Databricks Ihnen hilft, Herausforderungen im Zusammenhang mit fragmentierten Datenarchitekturen zu lösen und dass Sie den Genie Code als hilfreich beim Debuggen und Validieren von Daten empfinden. ### 34. Databricks hat unsere ETL-Migration mit Delta Lake und einheitlicher Analytik vereinfacht. **Rating:** 3.5/5.0 stars **Reviewed by:** Yuvi M. | Data Engineer, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** April 02, 2026 **Was gefällt Ihnen an Databricks am besten?** Databricks hat meinen täglichen Arbeitsablauf transformiert und mich von ständigen SQL Server/ADF-Kopfschmerzen zu skalierbaren, einheitlichen Analysen gebracht. Die Migration von gespeicherten Prozeduren in Spark SQL-Notebooks verlief überraschend reibungslos, und die Verwendung von Delta Lake MERGE anstelle komplizierter UPDATE-Logik hat mir Wochen des Umschreibens erspart. Die hilfreichsten Funktionen für mich waren die ACID-Transaktionen und die Schema-Evolution von Delta Lake, die meine spärlichen Versandladungen wirklich gut handhaben. Unity Catalog war ebenfalls ein großer Gewinn, da es das Hin und Her von RDS-Zugriffstickets eliminiert, indem es eine geregelte Tabellenteilung ermöglicht. Darüber hinaus verwandelt Genie natürliche Sprachabfragen fast augenblicklich in produktionsreife Spark SQL. Auf der positiven Seite haben sich die Kosten durch Autoscaling-Cluster um etwa 70 % im Vergleich zu den immer aktiven Pipelines von ADF reduziert. Ich mag es auch, PySpark und SQL in einem einzigen Notebook kombinieren zu können, was komplexe Joins und Unterabfragen viel einfacher zu verwalten macht. Und ich vermisse die alten NOLOCK-Hinweis-Debatten nicht – eingebaute Optimierungen kümmern sich darum. Wenn Sie ETL-Pipelines migrieren, beseitigt Databricks viel von der SQL-zu-Cloud-Reibung, während es dennoch auf Unternehmensvolumen skaliert, ohne das Budget zu sprengen. **Was gefällt Ihnen an Databricks nicht?** Der Cluster verbindet sich ziemlich oft neu, was während aktiver Arbeitssitzungen störend sein kann. Außerdem bemerke ich, wenn ich komplexe oder umfangreiche Abfragen ausführe, eine deutliche Verzögerung der Antwortzeiten, und diese Verlangsamung kann die Produktivität beeinträchtigen. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Databricks hat uns geholfen, unsere Datenengineering- und Analyse-Workflows in einer einzigen, einheitlichen Plattform zu zentralisieren. Es löst die Herausforderung, groß angelegte Datenpipelines zu verwalten, indem es unserem Team ermöglicht, massive Datensätze effizient mit Spark zu verarbeiten und zu transformieren. Die kollaborative Notebook-Umgebung hat auch die Produktivität gesteigert, indem sie es Dateningenieuren und Analysten erleichtert, zusammenzuarbeiten. Insgesamt hat es die Zeit, die wir für die Datenvorbereitung aufwenden, erheblich reduziert und uns ermöglicht, uns mehr auf die Gewinnung von Erkenntnissen zu konzentrieren. **Official Response from Janelle Glover:** > Vielen Dank, dass Sie Ihre positive Erfahrung mit Databricks geteilt haben, insbesondere in Bezug auf den reibungslosen Migrationsprozess, die Kosteneinsparungen durch Autoscaling-Cluster und Ihre Erfahrungen mit Genie und Unity Catalog. Wir verstehen Ihre Bedenken hinsichtlich der Cluster-Wiederverbindungen und der Abfrageantwortzeiten und arbeiten aktiv daran, die Leistung der Plattform für alle Benutzer zu verbessern. ### 35. Skalierbare Leistung mit überschaubaren Kompromissen **Rating:** 4.5/5.0 stars **Reviewed by:** Janani D. | Senior Data Engineer, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** April 02, 2026 **Was gefällt Ihnen an Databricks am besten?** Die kollaborativen Notebooks sind mit Abstand mein Lieblingsteil von Databricks. Ich liebe es, mit meinem Team in ein Notebook zu springen, Spark SQL-Abfragen live an diesen riesigen Versanddatensätzen zu optimieren und alles sofort synchronisieren zu sehen – ohne jegliche Versionskontrolle. Es ist viel besser, als Notebooks hin und her zu mailen oder mit Merge-Konflikten zu kämpfen; es fühlt sich an wie Pair-Programming, aber für Datenpipelines. Und wenn man das mit der Zuverlässigkeit von Delta Lake kombiniert, um meine ETL-Jobs bei intermodalen Streckendaten stabil zu halten, ist es letztendlich ein großer Workflow-Sparer. Die größten Vorteile der Notebooks für mich sind die Echtzeitbearbeitung und -freigabe, die alle während des Debuggens auf dem gleichen Stand hält, die integrierte Versionshistorie, die es mir ermöglicht, Fehler schnell rückgängig zu machen, und die nahtlose Spark-Integration, sodass ich nicht ständig den Kontext wechseln muss, wenn ich große Datenumwandlungen durchführe. **Was gefällt Ihnen an Databricks nicht?** Ein wesentlicher Nachteil ist das Kostenmanagement – Gebühren können sich schnell summieren, wenn Cluster weiterlaufen, was eine sorgfältige Überwachung der DBU-Nutzung und der Auto-Termination-Einstellungen erfordert. Das Debuggen komplexer Spark-Job-Fehler in Notebooks erfordert oft das Durchsuchen umfangreicher Protokollausgaben, was die Lösungszeit erheblich verlängert. Darüber hinaus treten bei hoher Arbeitsbelastung gelegentlich Leistungsprobleme in der Benutzeroberfläche auf, was die Effizienz beeinträchtigt, wenn Reaktionsfähigkeit entscheidend ist. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Databricks adressiert zentrale Herausforderungen bei der Verwaltung von groß angelegten Datenverarbeitungen, wie Skalierungsbeschränkungen in traditionellen Datenbanken und die Komplexität der Integration unterschiedlicher Werkzeuge für ETL-Workflows. Es ermöglicht verteilte Spark-Verarbeitung über Cluster, um massive Datensätze effizient zu handhaben, während Delta Lake ACID-konforme Speicherung bietet, um die Datenintegrität bei sich entwickelnden Schemata oder gleichzeitigen Aktualisierungen sicherzustellen. Dies kommt mir zugute, indem es Pipelines, die BI-Tools speisen, rationalisiert, die Verarbeitungszeiten von Tagen auf Stunden reduziert und die manuelle Überwachung der Infrastruktur minimiert. Kollaborative Notebooks steigern zudem die Teamproduktivität durch Echtzeitbearbeitung, beseitigen Versionskontrollprobleme und beschleunigen Entwicklungszyklen. **Official Response from Janelle Glover:** > Wir freuen uns zu hören, dass Sie die kollaborativen Notebooks und die nahtlose Spark-Integration in Databricks genießen. Wir verstehen Ihre Bedenken bezüglich der Kostenverwaltung und der Benutzeroberflächenleistung und arbeiten kontinuierlich daran, diese Aspekte für ein besseres Benutzererlebnis zu verbessern. ### 36. Databricks vereint Daten und KI für mühelose ML in großem Maßstab **Rating:** 5.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Informationstechnologie und Dienstleistungen | Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** April 02, 2026 **Was gefällt Ihnen an Databricks am besten?** Was mir an Databricks am meisten gefällt, ist, wie es Daten und KI an einem Ort zusammenbringt, sodass man nicht zwischen verschiedenen Tools wechseln muss. Es macht das Erstellen und Skalieren von ML-Modellen viel einfacher, besonders mit dem integrierten Experiment-Tracking. Die Integration mit Apache Spark hilft, große Datensätze ohne zusätzlichen Aufwand zu verarbeiten. Insgesamt reduziert es einfach die Reibung zwischen Rohdaten und dem Erzielen nützlicher KI-Ergebnisse. **Was gefällt Ihnen an Databricks nicht?** Eine Sache, die ich bei Databricks herausfordernd finde, ist die Kostentransparenz - es kann schnell skalieren, und die Ausgaben vorherzusagen ist nicht immer einfach. Es gibt auch eine gewisse Lernkurve, besonders wenn man mit Notebooks, Jobs und Cluster-Konfigurationen arbeitet. Und für einfachere Anwendungsfälle kann es im Vergleich zu leichteren Lösungen übertrieben wirken. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Databricks löst das Problem fragmentierter Daten- und KI-Workflows, indem es alles - Datenengineering, Analytik und ML - auf einer Plattform zusammenführt. Es beseitigt die Notwendigkeit, Daten über mehrere Systeme zu verschieben, was die Latenz und die Komplexität der Pipeline reduziert. Für mich bedeutet das schnellere Experimente und eine reibungslosere Bereitstellung von KI-Modellen, ohne sich um die Infrastruktur kümmern zu müssen. Insgesamt hilft es, sich mehr auf die Lösung von Geschäftsproblemen zu konzentrieren, anstatt Werkzeuge zu verwalten. **Official Response from Janelle Glover:** > Vielen Dank, dass Sie uns mitgeteilt haben, wie Databricks dazu beigetragen hat, Ihre Daten- und KI-Workflows zu optimieren, die Latenz zu reduzieren und die Komplexität der Pipelines zu verringern. Wir sind bestrebt, eine Plattform bereitzustellen, die es den Nutzern ermöglicht, sich auf die Lösung von Geschäftsproblemen zu konzentrieren, anstatt sich mit der Verwaltung von Tools zu beschäftigen. ### 37. Effiziente ETL und KI-gesteuerte Datenvalidierung **Rating:** 4.5/5.0 stars **Reviewed by:** Dinesh Kumar D. | Senior Data Analyst, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** April 01, 2026 **Was gefällt Ihnen an Databricks am besten?** Ich mag die KI-unterstützte Umgebung in Databricks, die ich ausgiebig für ETL-Aufgaben und experimentelle AIBD-Dashboards nutze. Sie ist wirklich hilfreich beim Beheben von Code-Problemen und beim effizienten Umgang mit der Logikimplementierung. Das DLT-Feature ist ebenfalls eine großartige Ergänzung zur Unterstützung von Streaming-Daten. Ich finde Delta Lake sehr nützlich für zuverlässige Datenverarbeitung mit seinen ACID-Transaktionen, Schema-Durchsetzung und zuverlässigen versionierten Daten. Notebooks erleichtern die interaktive Entwicklung, das Testen und Debuggen von Datenlogik. Ich schätze auch die Workflows zur Automatisierung und Planung von Pipelines, die die Zuverlässigkeit verbessern und den manuellen Aufwand reduzieren. Databricks ist kostengünstiger im Vergleich zu anderen Plattformen wie Synapse und Snowflake, und es ist einfach, Versionen zu verfolgen und Fehler zu handhaben. Die anfängliche Einrichtung war unkompliziert, wobei die Erstellung des Arbeitsbereichs und die Einrichtung des Clusters für mein Team ziemlich einfach waren. **Was gefällt Ihnen an Databricks nicht?** Die DLT, eine meiner persönlichen Erfahrungen, als ich für einen Flow auf DLT eingestellt war, konnte ich keinen weiteren Flow mit derselben zuvor verwendeten Tabelle erstellen. Aus geschäftlicher Sicht ist es normal, eine Tabelle für verschiedene Berichtszwecke als Basistabelle zu verwenden und unterschiedliche Aktualisierungszeiten zu benötigen. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Ich führe ETL-Aufgaben und Berichterstattung mit Databricks durch. Es hilft beim Einrichten von Streaming-Daten mit DLT, und Funktionen wie Delta Lake verbessern die Datenqualität. Notebooks unterstützen die interaktive Logikentwicklung, während Workflows die Planung von Pipelines automatisieren und den manuellen Aufwand reduzieren. **Official Response from Janelle Glover:** > Vielen Dank, dass Sie Ihre positive Erfahrung mit Databricks geteilt haben. Wir freuen uns zu hören, dass die KI-unterstützte Umgebung, Delta Lake und die Kosteneffizienz für Ihre ETL-Aufgaben und Berichterstattung von Vorteil waren. Wir haben Ihr Feedback zu den Einschränkungen bei Delta Live Tables zur Kenntnis genommen und werden es für zukünftige Verbesserungen berücksichtigen. ### 38. Ermöglicht kollaborative Datenwissenschaft mit geringer Lernkurve **Rating:** 4.5/5.0 stars **Reviewed by:** Arman M. | Software Developer, Computersoftware, Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** April 01, 2026 **Was gefällt Ihnen an Databricks am besten?** Ich benutze Databricks für viele Dinge. Die Hauptaufgaben sind, aus den Daten Sinn zu machen, Datenblöcke anzusehen und maschinelles Lernen durchzuführen. Databricks macht diese Aufgaben sehr einfach und hilfreich, besonders für Datenprojekte. Es ist großartig für die Zusammenarbeit mit Freunden und die Entwicklung meines Python-Codes in Notebooks. Ich mag Databricks, weil es gute Fähigkeiten im Umgang mit großen Datenmengen hat und hervorragend für die Arbeit mit Daten und maschinellem Lernen geeignet ist. Es ist auch einfach zu verwenden, wenn man mit anderen zusammenarbeitet, da viele an einem Projekt arbeiten und ihre Ergebnisse teilen können. **Was gefällt Ihnen an Databricks nicht?** Databricks ist sehr leistungsstark, aber es gibt einige Dinge, die verbessert werden müssen. Es ist schwer für Anfänger zu lernen, wenn sie mit Spark arbeiten und Cluster einrichten, da dies anfangs verwirrend war. Manchmal können die Benutzeroberfläche und die Einstellungen kompliziert wirken. Ich denke, es wäre hilfreich, wenn es klare Einrichtungsanweisungen gäbe, damit neue Benutzer leicht mit Databricks beginnen können. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Ich benutze Databricks, um Daten zu verstehen, mit anderen zusammenzuarbeiten und Python-Code zu entwickeln. Es vereinfacht die Datenverarbeitung, maschinelles Lernen und den Umgang mit Daten, während es mehreren Personen ermöglicht, gleichzeitig an Notebooks zu arbeiten. **Official Response from Janelle Glover:** > Vielen Dank, dass Sie Ihre positiven Erfahrungen mit Databricks geteilt haben, einschließlich seiner Fähigkeiten zur Verarbeitung von Big Data und maschinellem Lernen. Wir verstehen die Herausforderungen beim Erlernen der Arbeit mit Spark und der Einrichtung von Clustern und sind bestrebt, unsere Ressourcen zu verbessern, um den Einstieg für Anfänger zu erleichtern. ### 39. Vielseitige Plattform mit robuster Datenverwaltung **Rating:** 4.5/5.0 stars **Reviewed by:** Harthika S. | Senior Data Engineer, Computersoftware, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** March 31, 2026 **Was gefällt Ihnen an Databricks am besten?** Ich persönlich mag die Databricks-Benutzeroberfläche, besonders den Dunkelmodus. Technisch gesehen finde ich den eingebauten Stammbaum und die Governance von Unity Catalog sehr wertvoll. Die inkrementelle Dateiverarbeitung von Auto-loader mit genau-einmal-Garantien und die ACID-Zuverlässigkeit von Delta Lake sind meine persönlichen Favoriten. Die ACID-Transaktionen von Delta Lake stellen sicher, dass unsere Datenpipelines entweder vollständig erfolgreich sind oder vollständig zurückgesetzt werden, was verhindert, dass teilweise Schreibvorgänge Tabellen beschädigen. Zeitreisen in Delta Lake ermöglichen es uns, frühere Versionen unserer Tabelle für Audits abzufragen, ohne separate Snapshots zu benötigen. Die Fähigkeit von Unity Catalog, den Stammbaum automatisch über unsere gesamte Pipeline zu verfolgen, ist für regulatorische Audits entscheidend, und seine rollenbasierte Zugriffskontrolle und Spaltenmaskierung stellen sicher, dass der Datenzugriff ordnungsgemäß über Teams hinweg verwaltet wird. Die Einrichtung des Arbeitsbereichs und der Notebooks war unkompliziert, was die anfängliche Einrichtung relativ einfach machte. **Was gefällt Ihnen an Databricks nicht?** Die Migration von hive_metastore zu Unity Catalog ist mühsam mit begrenzten Werkzeugen - UCX hilft, aber es ist immer noch eine schwere Aufgabe. Die Orchestrierung von Databricks zu dbt Cloud fehlt eine saubere native Übergabe, was benutzerdefinierten API-Polling-Code erzwingt, der fragil und schwer zu debuggen ist. Die Kostentransparenz für das Serverless SQL Warehouse könnte detaillierter sein - es ist schwierig, den DBU-Verbrauch bestimmten Pipelines oder dbt-Modellen zuzuordnen, ohne manuell in Systemtabellen zu graben. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Databricks hat unseren fragmentierten Daten-Stack durch eine Plattform für Ingestion, ETL, Analytik und Governance ersetzt. Unity Catalog kümmert sich um die Anforderungen an die regulatorische Abstammung, indem es die Datenherkunft automatisch verfolgt. **Official Response from Janelle Glover:** > Vielen Dank, dass Sie Ihre positive Erfahrung mit Databricks geteilt haben! Wir freuen uns zu hören, dass Sie die UI, den Unity Catalog und die Delta Lake-Funktionen für Ihre Anforderungen an Datenverwaltung und Zuverlässigkeit als wertvoll empfinden. ### 40. Eine All-in-One-Plattform **Rating:** 4.0/5.0 stars **Reviewed by:** Pang L. | Machine Learning Engineer, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** March 18, 2026 **Was gefällt Ihnen an Databricks am besten?** Es ist eine All-in-One-Plattform für Dateningenieure, Analysten, Datenwissenschaftler und Geschäftsanwender. **Was gefällt Ihnen an Databricks nicht?** Es ist einfach, zu viel auszugeben, und es ist ein Anbieter-Lock-in. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Datenengineering, Modelltraining und Inferenz, GenAI. Databricks löst das Problem der fragmentierten Tools über den gesamten Daten- und KI-Lebenszyklus hinweg. Traditionell benötigten Teams separate Plattformen für Datenengineering, Analytik, maschinelles Lernen und KI — was zu Silos, doppelter Arbeit und Governance-Herausforderungen führte. Mit Databricks befinden sich Datenengineering-Pipelines, Modelltraining und Inferenz sowie GenAI-Entwicklung alle in einer einheitlichen Umgebung. Das bedeutet, dass Dateningenieure Pipelines erstellen und orchestrieren können, Datenwissenschaftler Modelle trainieren und bereitstellen können, und Teams GenAI-Anwendungen entwickeln und bereitstellen können — ohne ständig Daten zu verschieben oder zwischen Tools kontextwechseln zu müssen. **Official Response from Janelle Glover:** > Vielen Dank, dass Sie die spezifischen Probleme geteilt haben, die Databricks für Sie löst. Wir sind bestrebt, den Daten- und KI-Lebenszyklus zu optimieren, um Silos, doppelte Arbeiten und Governance-Herausforderungen zu beseitigen. ### 41. Vereinigt die Datenverarbeitung mit der Zuverlässigkeit von Delta Lake **Rating:** 5.0/5.0 stars **Reviewed by:** Tan Suong N. | Cloud Engineer, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** March 29, 2026 **Was gefällt Ihnen an Databricks am besten?** Ich nutze Databricks in meiner Unternehmensumgebung und in Projekten, um Daten aus verschiedenen Quellen zu erfassen, sie in großem Maßstab zu transformieren und zu bereinigen und zuverlässige Datensätze für Analysen und Berichterstattung vorzubereiten. Es ermöglicht mir, Datenpipelines effizient mit Spark, SQL und Notebooks zu erstellen und zu verwalten. Ich schätze es sehr, dass Datenaufnahme, großflächige Verarbeitung, Analysen und Zusammenarbeit an einem Ort vereint sind, was meinen Arbeitsablauf viel effizienter und reibungsloser macht. Ich lege großen Wert auf die Zuverlässigkeit und das Vertrauen, das ich durch Funktionen wie Delta Lake erhalte, die Datenversionierung, Wiederherstellung und das Handling von Änderungen in meinen Projekten viel sicherer, kostengünstiger und einfacher machen. Delta Lake ist einer der Hauptgründe, warum Databricks für mich so wertvoll ist, da es direkt Zuverlässigkeit und Vertrauen anspricht, die in realen Datenprojekten ständige Herausforderungen darstellen. Die Möglichkeit, auf eine frühere Version zurückzusetzen, wenn etwas schiefgeht, gibt mir viel mehr Vertrauen beim Entwickeln, Testen oder Bereitstellen von Änderungen an Produktionspipelines. Darüber hinaus war die anfängliche Einrichtung relativ unkompliziert, da sich Databricks gut in unsere bestehende Cloud-Infrastruktur integriert. **Was gefällt Ihnen an Databricks nicht?** Die Lernkurve kann zu Beginn ziemlich steil sein, besonders für Benutzer, die neu in Spark oder in Konzepten der groß angelegten Datenverarbeitung sind. Das Debuggen komplexer Pipelines oder von Jobfehlern kann manchmal zeitaufwändig sein, wenn Fehlermeldungen nicht sehr intuitiv sind. Wenn Workflows und Umgebungen wachsen, können Governance und Umweltmanagement zusätzlichen Aufwand erfordern, um alles gut organisiert und konsistent zu halten. Kostenmanagement ist eine weitere Herausforderung, da der Ressourcenverbrauch schnell steigen kann, wenn Cluster und Jobs nicht sorgfältig konfiguriert oder überwacht werden. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Ich nutze Databricks, um Fragmentierung und Ineffizienz in meinem Datenfluss zu lösen, indem ich Ingestion, Transformation, Analytik und Zusammenarbeit auf einer Plattform handhabe. Es reduziert den operativen Aufwand, gewährleistet die Datenqualität und bietet Skalierbarkeit, wodurch die Verarbeitung großer Datenmengen ohne Infrastrukturprobleme verbessert wird. **Official Response from Janelle Glover:** > Vielen Dank, dass Sie Ihre positive Erfahrung mit Databricks geteilt haben! Wir freuen uns zu hören, dass unsere Plattform dazu beigetragen hat, Ihren Arbeitsablauf zu optimieren und Zuverlässigkeit und Vertrauen in Ihre Datenprojekte zu bieten. Wir verstehen die Herausforderungen mit der Lernkurve und dem Debugging und arbeiten kontinuierlich daran, die Benutzererfahrung zu verbessern und bessere Fehlermeldungen bereitzustellen. Wir schätzen Ihr Feedback und sind bestrebt, diese Herausforderungen anzugehen. ### 42. Skalierbare, einheitliche Plattform mit einer steilen Lernkurve **Rating:** 4.5/5.0 stars **Reviewed by:** Nitin P. | Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** March 29, 2026 **Was gefällt Ihnen an Databricks am besten?** Ich nutze Databricks für meine Büroprojekte und ich mag wirklich seine Fähigkeit, den gesamten Datenworkflow auf einer einzigen Plattform zu vereinheitlichen. Es ermöglicht mir, nahtlos mit Datenwissenschaftlern und Analysten zusammenzuarbeiten, was das Einlesen, Bereinigen, Analysieren und Modellieren von Daten erleichtert. Ich schätze seine Skalierbarkeits- und Automatisierungsfunktionen, die mir Zeit sparen und die Komplexität bei der Arbeit mit großen Datensätzen reduzieren. Ich mag auch, dass es eine skalierbare Rechen- und Speicherlösung bietet, die den Verwaltungsaufwand für die Infrastruktur reduziert. Die Integration von gemeinsamen Notebooks und Tools wie Databricks Genie hilft, die Zusammenarbeit zu verbessern und die Entwicklung zu beschleunigen. **Was gefällt Ihnen an Databricks nicht?** Ich habe keine größeren Probleme mit Databricks selbst gehabt, aber während meiner Anfangsphase der Nutzung der Plattform war es nicht sehr einfach, sich mit allen Funktionen, Werkzeugen und Konfigurationen vertraut zu machen. Databricks entwickelt sich schnell weiter und am Anfang war es etwas herausfordernd, mit dem Tempo der Updates Schritt zu halten und alle seine Möglichkeiten voll auszuschöpfen. Die anfängliche Einrichtung war mäßig herausfordernd. Obwohl die Plattform gut dokumentiert und benutzerfreundlich ist, erforderte es einige Lern- und Experimentierphasen, um sich mit allen Funktionen vertraut zu machen, Cluster zu konfigurieren und sie in unsere bestehenden Arbeitsabläufe zu integrieren. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Databricks löst Skalierbarkeits- und Leistungsprobleme, zentralisiert Daten aus mehreren Quellen und reduziert Silos. Es vereinfacht die Zusammenarbeit unter Datenfachleuten, bietet skalierbare Rechenleistung und integriert fortschrittliche Analysen, spart Zeit und reduziert die Komplexität bei großen Datensätzen. **Official Response from Janelle Glover:** > Es ist großartig zu hören, dass Databricks und Genie hilfreich waren, um Daten zu zentralisieren und die Zusammenarbeit in Ihrem Team zu verbessern. Wir verstehen, dass die anfängliche Einrichtung und die Lernkurve herausfordernd sein können, und wir arbeiten kontinuierlich daran, diese Bedenken zu adressieren. ### 43. Vielseitige Datenplattform mit nahtloser Integration **Rating:** 4.0/5.0 stars **Reviewed by:** Ayobami A. | Senior Consultant - BI, Data & Analytics, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** March 28, 2026 **Was gefällt Ihnen an Databricks am besten?** Was mir an Databricks am meisten gefällt, ist, dass es in andere Plattformen integrierbar ist. Ich kann buchstäblich einen Databricks-Arbeitsbereich mit Azure-Datenservices aus dem Azure-Portal einrichten, und ich kann Databricks auch innerhalb von AWS verwenden. Es gibt mir die Möglichkeit, meine Databricks-Notebooks in andere Umgebungen und Orchestrierungswerkzeuge oder ETL-Tools, wie Azure Data Factory, zu integrieren. **Was gefällt Ihnen an Databricks nicht?** Im Moment habe ich bemerkt, dass, wenn ich Azure Databricks benutze, insbesondere den Azure Databricks-Cluster, dieser normalerweise ausläuft, und das ist ziemlich frustrierend für mich. Meistens, wenn ich arbeite, gehe ich einfach in einen anderen Tab. Jedes Mal, wenn ich nach einer Minute oder zwei zurückkomme, ist es abgelaufen, und ich muss mich erneut anmelden. Diese Erfahrung kann frustrierend sein. Ich möchte, dass das überprüft wird. Ich weiß nicht, ob es ein Problem mit Databricks ist oder ob es ein Problem von der Azure-Seite aus mit dem intraidenten Authentifizierungsteil der Dinge ist. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Ich nutze Databricks, um meine Daten zu vereinheitlichen, indem ich die Governance im Unity-Katalog verwalte, was den Benutzerzugriff und das Teilen von Berichten vereinfacht. **Official Response from Janelle Glover:** > Es ist fantastisch zu hören, dass Databricks Ihnen hilft, Ihre Daten zu vereinheitlichen, die Governance im Unity-Katalog zu verwalten und den Benutzerzugriff sowie das Teilen von Berichten zu vereinfachen. Wir entschuldigen uns für die Frustration, die Sie mit dem Timeout des Azure Databricks-Clusters erlebt haben. Können Sie bitte unser Team über www.databricks.com/support kontaktieren, damit wir dies weiter untersuchen können? Vielen Dank! ### 44. Databricks vereint Datenengineering, Wissenschaft und Analytik außergewöhnlich gut. **Rating:** 5.0/5.0 stars **Reviewed by:** Naveena P. | Data Engineer, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** March 27, 2026 **Was gefällt Ihnen an Databricks am besten?** Die Fähigkeit, Datenengineering, Data Science und Analytik auf einer einzigen Plattform zu vereinen, ohne Kompromisse bei Governance, Leistung oder Flexibilität einzugehen, ist in der Branche immer noch selten. Databricks führt dies außergewöhnlich gut aus. **Was gefällt Ihnen an Databricks nicht?** Reduzierung der Startzeit von Allzweck- und Job-Clustern. Es wäre nützlicher und hilfreicher, wenn es so schnell wie serverlos starten würde. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Im Unternehmensbanking, wo regulatorische Compliance, Datenpräzision und operative Belastbarkeit unverzichtbar sind, löst Databricks einige unserer kritischsten Herausforderungen. Als leitender Dateningenieur, der End-to-End-ETL-Pipelines, Dashboard-Bereitstellung, Überwachungswarnungen und Datenverwaltung für einen großen Bankkunden verwaltet, ist die Plattform zum Rückgrat unserer modernen Datenarchitektur geworden. Databricks vereinheitlicht unsere fragmentierte Datenlandschaft durch Delta Lake und Unity Catalog und bietet uns ACID-konforme Transaktionen für zuverlässige ETL, automatisierte Abstammung für auditbereite Governance und feingranulare Zugriffskontrollen zum Schutz sensibler PII- und Finanzdaten – und ermöglicht gleichzeitig eine nahtlose Schema-Evolution, um die ständigen Änderungen in Quellsystemen zu bewältigen. Dies führt direkt zu schnelleren, vertrauenswürdigeren Berichten: Unsere Dashboards in Power BI und Tableau beziehen sich jetzt auf eine einzige Quelle der Wahrheit, wodurch Streitigkeiten über Kennzahlen zwischen Risiko-, Finanz- und Compliance-Teams beseitigt werden. Auf der operativen Seite ermöglicht die native Alarmierung, die in Slack und PagerDuty integriert ist, zusammen mit Databricks System Tables für Beobachtbarkeit, dass wir proaktiv Datenqualitätsprobleme oder SLA-Verstöße erkennen, bevor sie Geschäftsentscheidungen beeinflussen – was die Vorfalllösungszeit um über 60 % reduziert. Letztendlich verbessert Databricks nicht nur unsere Ingenieureffizienz; es ermöglicht uns, verantwortungsbewusst in einem stark regulierten Umfeld zu innovieren, indem es vertrauenswürdige Einblicke in großem Maßstab liefert und gleichzeitig die Prüfer zuversichtlich und die Stakeholder abgestimmt hält. **Official Response from Janelle Glover:** > Vielen Dank, dass Sie Ihre positive Erfahrung mit Databricks geteilt haben! Wir freuen uns zu hören, dass unsere Plattform Ihnen hilft, Datenengineering, Wissenschaft und Analytik zu vereinheitlichen und dabei Governance, Leistung und Flexibilität zu bewahren. ### 45. Umfassende Plattform mit Raum für Verbesserungen **Rating:** 4.0/5.0 stars **Reviewed by:** Sathya R. | Data Engineer, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** March 27, 2026 **Was gefällt Ihnen an Databricks am besten?** Ich finde Databricks eine All-in-One-Lösung, da es verschiedene Funktionen wie das Orchestrieren von Pipelines integriert. Es hat auch eine eingebaute KI namens Genie, die beim Erstellen von Jobs und anderen KI-bezogenen Aufgaben hilft. Ich schätze, dass Databricks im Vergleich zu anderen Anbietern wie AWS und Azure spezifische Funktionen bietet, die ihnen fehlen, was es mir ermöglicht, die Datenbank einfach zu nutzen und alles an einem Ort zuzugreifen. Die anfängliche Einrichtung war ziemlich einfach, da ich eine einzige Anlaufstelle nutzen konnte, um Tabellen direkt zu implementieren und zu aktualisieren, indem ich das Data Lakehouse nutzte, was im Vergleich zu anderen einfacher ist. **Was gefällt Ihnen an Databricks nicht?** Ich denke, Databricks könnte den Orchestrierungsteil verbessern. Obwohl es Orchestrierungsfähigkeiten für Pipelines und Jobs hat, fehlt die Benutzerfreundlichkeit, die etwas wie Airflow bietet, das speziell für Orchestrierung entwickelt wurde. Es wäre hilfreich, wenn Databricks ein Muster ähnlich dem von Airflow übernehmen würde, um eine bessere Orchestrierung und Verknüpfung von Jobs zu ermöglichen. Ich denke auch, dass der Genie-Teil verbessert werden könnte. Während der Genie gut funktioniert, kann die Ausgabedauer lang sein und dauert normalerweise mehr als fünf bis zehn Minuten, um bestimmte Aufgaben auszuführen. Daher würde ich auch in diesem Bereich Verbesserungen begrüßen. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Ich nutze Databricks als All-in-One-Lösung für verschiedene Aufgaben. Es orchestriert Pipelines und nutzt eine integrierte KI, wodurch es funktionsreicher ist als Alternativen wie AWS oder Azure. Dies ermöglicht es mir, Arbeitsabläufe zu optimieren, ohne auf mehrere Anbieter angewiesen zu sein. **Official Response from Janelle Glover:** > Vielen Dank, dass Sie Ihr Feedback zu Databricks mit uns geteilt haben. Wir freuen uns zu hören, dass Sie unsere Plattform als umfassende Lösung mit wertvollen Funktionen wie Genie empfinden. Wir schätzen Ihre Anregungen zu Verbesserungsmöglichkeiten und werden Ihre Vorschläge für zukünftige Updates berücksichtigen. ### 46. Nahtlose Integration, benötigt Leistungsoptimierung **Rating:** 4.0/5.0 stars **Reviewed by:** Pandi A. | Lead Data Engineer, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** March 27, 2026 **Was gefällt Ihnen an Databricks am besten?** Ich denke, der nützlichste Teil von Databricks ist seine einheitliche Architektur, in der man alles haben kann, wie eine Datenbank und ein Dashboard, alles in einem. Im Vergleich zu anderen Anbietern wie Azure oder AWS, bei denen ich mehrere Dienste benötigen würde, bietet Databricks alles in einem einzigen Dienst an. Das vereinfacht meine Arbeit, weil ich mich nicht um die Integration oder Netzwerkdetails zwischen verschiedenen Diensten kümmern muss. Die Bequemlichkeit, alles innerhalb von Databricks zu haben, bedeutet, dass ich mehrere Netzwerkaktualisierungen vermeiden kann, wenn ich mit Tools wie Power BI verbinde, was für mich ein herausragendes Merkmal ist. Außerdem war die anfängliche Einrichtung nach der Migration von Snowflake ziemlich einfach, da Databricks es uns ermöglicht, den Zugriff und die Sicherheit innerhalb eines einzigen Dienstes zu verwalten. **Was gefällt Ihnen an Databricks nicht?** Ja, also eine Sache, die aktualisiert werden muss, ist der Genie-Code. Wenn ich ihn mir anschaue, ist der Genie-Code hilfreich beim Generieren von Code, aber im Hintergrund verbraucht er viel Speicher. Zum Beispiel, wenn ich Databricks in Chrome öffne, benötigt es im Hintergrund mindestens ein oder zwei GB Speicher, und das dauert auch lange, um die Antwort zu generieren. Wenn wir das reduzieren könnten, wäre das großartig. Auch bei den Pipeline-Sachen, zum Beispiel, wenn man Airflow nimmt, Airflow ist speziell für unsere Position entwickelt. Wir verwenden Airflow und ich kann sehen, zum Beispiel, wenn ich Tausende von Jobs habe, kann ich jeden einzelnen Job sehen und was passiert. Aber mit Databricks ist es für mich eine schwierige Aufgabe, die Erfolge und Misserfolge zu sehen und die Diagramme zu verwalten. Wir haben mehrere Optionen, um es in Databricks zu überwachen, aber es ist schwierig im Vergleich zu Airflow. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Databricks hilft uns, Daten aus verschiedenen Standorten in einer einzigen Datenbank zu konsolidieren, vereinfacht das Stammdatenmanagement und erleichtert den Datenzugriff mit integrierten Dashboards, wodurch unser KI-gestütztes Verkaufs- und Interessenten-Tracking verbessert wird. **Official Response from Janelle Glover:** > Vielen Dank, dass Sie sich die Zeit genommen haben, uns Ihr Feedback zu geben. Wir freuen uns zu hören, dass Databricks Ihnen geholfen hat, Ihr Datenmanagement zu vereinfachen und Ihr KI-gestütztes Verkaufs- und Interessenten-Tracking zu verbessern. Wir haben Ihr Feedback zu Genie und dem Pipeline-Management zur Kenntnis genommen und werden Möglichkeiten prüfen, diese Funktionen für ein besseres Benutzererlebnis zu verbessern. ### 47. Databricks: Eine einheitliche, skalierbare Plattform für schnellere Zusammenarbeit und Innovation **Rating:** 5.0/5.0 stars **Reviewed by:** Jananisree T. | Software Engineer, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** March 27, 2026 **Was gefällt Ihnen an Databricks am besten?** Databricks sticht hervor, weil es eine einheitliche Plattform bietet, die Datenengineering, maschinelles Lernen und Analytik nahtlos kombiniert und die Zusammenarbeit zwischen Teams erheblich erleichtert. Ich schätze besonders, wie es die Arbeit mit Big Data vereinfacht, indem es sich mit beliebten Tools wie Apache Spark integriert, Skalierbarkeit bietet und schnellere Experimente ermöglicht. Die kollaborativen Notebooks, die starke Unterstützung für mehrere Programmiersprachen und die integrierten Sicherheitsfunktionen machen es sowohl leistungsstark als auch benutzerfreundlich. Insgesamt hilft es, Innovationen zu beschleunigen, indem es die Komplexität reduziert und die Produktivität über den gesamten Datenlebenszyklus hinweg verbessert. **Was gefällt Ihnen an Databricks nicht?** Ein Nachteil von Databricks ist, dass es für neue Benutzer aufgrund seiner Komplexität und steilen Lernkurve überwältigend wirken kann. Die Plattform bietet eine breite Palette leistungsstarker Funktionen, aber deren effektive Nutzung erfordert oft erhebliche technische Expertise. Darüber hinaus können die Kosten schnell steigen, wenn Cluster nicht sorgfältig verwaltet werden, und die Leistungsoptimierung erfordert manchmal tiefes Wissen über die Spark-Interna. Die Integration mit bestimmten externen Tools kann im Vergleich zu anderen Plattformen ebenfalls weniger nahtlos sein. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Databricks löst die Herausforderung, riesige Datenmengen zu verwalten und zu analysieren, indem es eine einheitliche Plattform für Datenengineering, maschinelles Lernen und Analytik bereitstellt. Es beseitigt die Notwendigkeit, mit mehreren Tools zu jonglieren, und macht Arbeitsabläufe effizienter und kollaborativer. Für mich bedeutet das schnelleren Zugang zu Erkenntnissen, einfacheres Experimentieren mit Modellen und reduzierte Komplexität bei der Handhabung von Big Data. Der Vorteil ist klar: verbesserte Produktivität, bessere Zusammenarbeit zwischen Teams und schnellere Entscheidungsfindung, die auf zuverlässigen Daten basiert. **Official Response from Janelle Glover:** > Wir schätzen Ihr Feedback zu den Vorteilen der Nutzung von Databricks für die Verwaltung und Analyse großer Datenmengen. Es ist großartig zu hören, dass unsere Plattform zu einer verbesserten Produktivität, einfacheren Experimenten mit Modellen und einer besseren Zusammenarbeit zwischen Teams beigetragen hat. Wir erkennen die Herausforderungen mit der Lernkurve und dem Kostenmanagement an und sind bestrebt, diese Bedenken zu adressieren, um unseren Nutzern besser zu dienen. ### 48. Einheitliche Lakehouse-Architektur für ETL, Analysen und ML in einem Stack **Rating:** 4.5/5.0 stars **Reviewed by:** Charumathi A. | Technical Lead- Data Engineering, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** March 27, 2026 **Was gefällt Ihnen an Databricks am besten?** Einheitliche Lakehouse-Architektur: Databricks ermöglicht es mir, meinen Data Lake mehr wie ein „Lakehouse“ zu behandeln, indem es die Flexibilität eines Data Lakes mit Funktionen eines Data Warehouses wie ACID-Transaktionen, Schema-Durchsetzung und Zeitreisen auf Delta-Tabellen kombiniert. Dadurch kann ich ETL, Ad-hoc-Analysen und ML auf einem einzigen Stack abwickeln, anstatt separate Warehouses, Lakes und Spark-Cluster jonglieren zu müssen. **Was gefällt Ihnen an Databricks nicht?** Die Plattform kann sich schwer anfühlen und ist manchmal langsam, besonders beim Arbeiten mit großen Notebooks oder beim Ausführen langer Jobs. Databricks kann auch teuer im Betrieb sein, insbesondere wenn Cluster im Leerlauf bleiben oder nicht gut optimiert sind. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Schnellere, kollaborative Workflows Databricks vereinfacht die Komplexität von Big Data, indem es einen Großteil des Spark- und Cluster-Managements abstrahiert, sodass ich mich mehr auf die Logik und weniger auf die Infrastruktur konzentrieren kann. Die integrierten Notebooks, Jobs und Versionierung machen es einfach, schnell Prototypen zu erstellen, mit Analysten und DS zusammenzuarbeiten und Code mit weniger Nacharbeit von der Experimentierung in die Produktion zu überführen. Einheitliche Plattform für Daten und KI Databricks reduziert den Bedarf an separaten Data-Lake-, Data-Warehouse- und ML-Tools, indem es eine einzige Lakehouse-Plattform bereitstellt, auf der Sie Daten speichern, transformieren und analysieren sowie ML-Workloads am selben Ort ausführen können. Dies hilft, das Tool-Wirrwarr zu reduzieren und erleichtert das Teilen von Daten und Modellen zwischen Engineering-, Analyse- und Data-Science-Teams. **Official Response from Janelle Glover:** > Vielen Dank, dass Sie uns mitgeteilt haben, was Ihnen an Databricks am besten gefällt! Wir schätzen Ihr Feedback und arbeiten kontinuierlich daran, die Leistung zu verbessern und die Kosten zu optimieren, um unseren Nutzern ein besseres Erlebnis zu bieten. ### 49. Vereinfacht die Datenverarbeitung, benötigt bessere Werkzeugintegration **Rating:** 4.0/5.0 stars **Reviewed by:** Aladdin A. | Senior Solutions Engineer - Cloud & AI Data, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** March 26, 2026 **Was gefällt Ihnen an Databricks am besten?** Ich mag die Funktionen von Genie, besonders den neuen Junior-Code, der es ermöglicht, SQL-bereite Skripte einfach durch Chatten in natürlicher Sprache zu erhalten. Das ist faszinierend, besonders mit der Governance-Schicht darüber mit Unity. Es beschleunigt sowohl die Arbeit von Analysten als auch von Ingenieuren, indem es hilft, Berichte zu erstellen und sie effizient bereitzustellen, insbesondere da es Zugriff auf die meisten Metadaten hat. Die Dokumentation ist ebenfalls nützlich und schlägt SQL-Code vor, der spontan bereitgestellt werden kann. Die Verbindung von Genie mit KI-Funktionen wie der ai_query macht es zu einer Superkraft. **Was gefällt Ihnen an Databricks nicht?** Ehrlich gesagt gibt es eine Menge Funktionen, die verbessert werden können, insbesondere die Konnektivität mit anderen Tools, wie Cloud-Tools, insbesondere wie Azure. Als Microsoft-Mitarbeiter preise ich Databricks an, aber viele unserer Kunden nutzen die Microsoft-Stacks intensiv. Manchmal fühlen sich diese Tools isoliert vom gesamten Stack an. Es gibt noch viel zu tun, um Modelle, die in Azure bereitgestellt werden, mit Dingen wie Unity-Katalogen oder Governance zu verbinden, die außerhalb von Databricks und dem Microsoft-Stack liegen können. Dies fühlt sich wie eine Diskrepanz an, insbesondere in stark regulierten Umgebungen, in denen On-Premise-Komponenten mit den Fähigkeiten von Databricks interagieren müssen. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Databricks vereinfacht die Bereitstellung von Diensten, optimiert die Datenverarbeitung und beschleunigt die Erstellung von Workflows. Es kombiniert Werkzeuge in einer verwalteten Plattform, was den Umgang mit Big Data einfacher und schneller macht. Seine KI-Schicht integriert sich gut, wodurch der Bedarf an mehreren Werkzeugen reduziert wird. **Official Response from Janelle Glover:** > Wir freuen uns zu hören, dass Sie die Funktionen von Genie genießen. Wir verstehen Ihre Bedenken bezüglich der Konnektivität mit anderen Tools, insbesondere Azure, und wir arbeiten kontinuierlich daran, die Integrationen zu verbessern, um ein nahtloses Erlebnis über verschiedene Plattformen hinweg zu bieten. ### 50. Hervorragende Erfahrung mit dieser Software **Rating:** 4.0/5.0 stars **Reviewed by:** Kriti K. | CFO, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** January 09, 2026 **Was gefällt Ihnen an Databricks am besten?** Databricks Data Intelligence ist eine Plattform, die dabei hilft, alle unsere geschäftlichen und offiziellen Daten zu verwalten und sie mit verschiedenen Abteilungen zu teilen, damit sie diese analysieren und eine detaillierte Analyse der vergangenen Leistungen erstellen können, um erforderliche Änderungen für zukünftiges Wachstum vorzunehmen. **Was gefällt Ihnen an Databricks nicht?** Eine der größten Herausforderungen, die wir bei der Arbeit mit der Databricks-Datenintelligenzplattform haben, ist, dass man dieses Tool nicht mit einem einzelnen Datenwissenschaftler verwenden kann. Man muss ein Team von Fachleuten haben, die mit großen Datenmengen umgehen und mehrere Grafiken und Analysen gemäß den verfügbaren Informationen erstellen können, und diese gesamte Aktivität erfordert eine Menge finanzieller Investitionen. **Welche Probleme löst Databricks für Sie, und wie profitieren Sie davon?** Diese Software hilft uns sicherzustellen, dass alle Daten der verschiedenen Abteilungen in einer einzigen Software untergebracht sind, sodass der Zugriff einfacher wird und Entscheidungen schneller getroffen werden können. Mit Hilfe dieses Tools werden die Daten aller Abteilungen wie Finanzen, Betrieb, Vertrieb und Marketing gleichzeitig gesichtet und gründlich überprüft. **Official Response from Janelle Glover:** > Es ist fantastisch zu hören, wie die Databricks Data Intelligence Platform Ihrem Unternehmen zugutekommt, indem sie den Zugang zu Daten aus verschiedenen Abteilungen vereinfacht und schnellere Entscheidungsfindung ermöglicht. Wir schätzen Ihr Feedback zur finanziellen Investition und werden es berücksichtigen, während wir weiterhin die Benutzererfahrung verbessern und sicherstellen, dass unsere Plattform für alle Benutzer zugänglich ist. ## Databricks Discussions - [Was ist Lakehouse in Databricks?](https://www.g2.com/de/discussions/what-is-lakehouse-in-databricks) - 4 comments, 2 upvotes - [Was sind die Merkmale von Databricks?](https://www.g2.com/de/discussions/what-are-the-features-of-databricks) - 4 comments, 2 upvotes - [What does Databricks software do?](https://www.g2.com/de/discussions/what-does-databricks-software-do) - 3 comments - [Was ist die einheitliche Analyseplattform von Databricks?](https://www.g2.com/de/discussions/what-is-databricks-unified-analytics-platform) - 3 comments - [View Databricks pricing details and edition comparison](https://www.g2.com/de/products/databricks/reviews?page=2§ion=pricing&secure%5Bexpires_at%5D=2026-06-07+12%3A26%3A00+-0500&secure%5Bsession_id%5D=ffc1c753-42e2-4d44-af66-67cf604ad243&secure%5Btoken%5D=cae5adad743c49b921b39a6158cf32e46b00d5756111caef2fdeec5018d3f70f&format=llm_user) ## Databricks Integrations - [Agentforce 360 Platform (formerly Salesforce Platform)](https://www.g2.com/de/products/agentforce-360-platform-formerly-salesforce-platform/reviews) - [Agentforce Sales (formerly Salesforce Sales Cloud)](https://www.g2.com/de/products/agentforce-sales-formerly-salesforce-sales-cloud/reviews) - [Alation](https://www.g2.com/de/products/alation/reviews) - [Amazon EC2](https://www.g2.com/de/products/amazon-ec2/reviews) - [Amazon Redshift](https://www.g2.com/de/products/amazon-redshift/reviews) - [Amazon Relational Database Service (RDS)](https://www.g2.com/de/products/amazon-relational-database-service-rds/reviews) - [Anaplan](https://www.g2.com/de/products/anaplan/reviews) - [Anomalo](https://www.g2.com/de/products/anomalo/reviews) - [Apache Airflow](https://www.g2.com/de/products/apache-airflow/reviews) - [Apache Kafka](https://www.g2.com/de/products/apache-kafka/reviews) - [Apache NiFi](https://www.g2.com/de/products/apache-nifi/reviews) - [Atlan](https://www.g2.com/de/products/atlan/reviews) - [AWS Glue](https://www.g2.com/de/products/aws-glue/reviews) - [AWS Lambda](https://www.g2.com/de/products/aws-lambda/reviews) - [Azure Blob Storage](https://www.g2.com/de/products/azure-blob-storage/reviews) - [Azure Databricks](https://www.g2.com/de/products/azure-databricks/reviews) - [Azure Data Factory](https://www.g2.com/de/products/azure-data-factory/reviews) - [Azure Data Lake Store](https://www.g2.com/de/products/azure-data-lake-store/reviews) - [Azure Functions](https://www.g2.com/de/products/azure-functions/reviews) - [Azure Logic Apps](https://www.g2.com/de/products/azure-logic-apps/reviews) - [Azure OpenAI Service](https://www.g2.com/de/products/azure-openai-service/reviews) - [Azure Pipelines](https://www.g2.com/de/products/azure-pipelines/reviews) - [Azure Portal](https://www.g2.com/de/products/azure-portal/reviews) - [Azure SQL Database](https://www.g2.com/de/products/azure-sql-database/reviews) - [Claude Code](https://www.g2.com/de/products/anthropic-claude-code/reviews) - [Confluent](https://www.g2.com/de/products/confluent/reviews) - [Crunchbase](https://www.g2.com/de/products/crunchbase/reviews) - [Customer.io](https://www.g2.com/de/products/customer-io/reviews) - [Dash](https://www.g2.com/de/products/dash-for-brands-ltd-dash/reviews) - [data.world](https://www.g2.com/de/products/data-world/reviews) - [DAT iQ](https://www.g2.com/de/products/dat-iq/reviews) - [dbt](https://www.g2.com/de/products/dbt/reviews) - [DigitalOcean](https://www.g2.com/de/products/digitalocean/reviews) - [Fivetran](https://www.g2.com/de/products/fivetran/reviews) - [GEN TDS](https://www.g2.com/de/products/gen-tds/reviews) - [Git](https://www.g2.com/de/products/git/reviews) - [GitHub](https://www.g2.com/de/products/github/reviews) - [GitLab](https://www.g2.com/de/products/gitlab/reviews) - [Google Analytics](https://www.g2.com/de/products/google-analytics/reviews) - [Google Cloud Run](https://www.g2.com/de/products/google-cloud-run/reviews) - [HubSpot Marketing Hub](https://www.g2.com/de/products/hubspot-marketing-hub/reviews) - [Immuta](https://www.g2.com/de/products/immuta/reviews) - [JD Edwards World](https://www.g2.com/de/products/jd-edwards-world/reviews) - [Microsoft Copilot Studio](https://www.g2.com/de/products/microsoft-microsoft-copilot-studio/reviews) - [Microsoft Fabric](https://www.g2.com/de/products/microsoft-fabric/reviews) - [Microsoft Power Apps](https://www.g2.com/de/products/microsoft-power-apps/reviews) - [Microsoft Power Automate](https://www.g2.com/de/products/microsoft-power-automate/reviews) - [Microsoft Power BI](https://www.g2.com/de/products/microsoft-microsoft-power-bi/reviews) - [Microsoft SharePoint](https://www.g2.com/de/products/microsoft-sharepoint/reviews) - [Microsoft SQL Server](https://www.g2.com/de/products/microsoft-sql-server/reviews) - [Microsoft Teams](https://www.g2.com/de/products/microsoft-teams/reviews) - [Monte Carlo](https://www.g2.com/de/products/monte-carlo/reviews) - [MySQL](https://www.g2.com/de/products/mysql/reviews) - [ObjectWay SpA](https://www.g2.com/de/products/objectway-spa/reviews) - [Oracle Database](https://www.g2.com/de/products/oracle-database/reviews) - [Pega Platform](https://www.g2.com/de/products/pega-platform/reviews) - [PostgreSQL](https://www.g2.com/de/products/postgresql/reviews) - [PowerBI Portal](https://www.g2.com/de/products/powerbi-portal/reviews) - [Prophecy](https://www.g2.com/de/products/prophecy-prophecy/reviews) - [Qualtrics Customer Experience](https://www.g2.com/de/products/qualtrics-customer-experience/reviews) - [React Native](https://www.g2.com/de/products/react-native/reviews) - [Salesforce Agentforce](https://www.g2.com/de/products/salesforce-agentforce/reviews) - [SAP Ariba](https://www.g2.com/de/products/sap-ariba/reviews) - [SAP ECC](https://www.g2.com/de/products/sap-ecc/reviews) - [SAS Viya](https://www.g2.com/de/products/sas-sas-viya/reviews) - [Seamless (formally Seamless.AI)](https://www.g2.com/de/products/seamless-formally-seamless-ai/reviews) - [ServiceNow IT Service Management](https://www.g2.com/de/products/servicenow-it-service-management/reviews) - [Sigma](https://www.g2.com/de/products/sigma-computing-sigma/reviews) - [Sisense](https://www.g2.com/de/products/sisense/reviews) - [SnapLogic Intelligent Integration Platform (IIP)](https://www.g2.com/de/products/snaplogic-intelligent-integration-platform-iip/reviews) - [Snowflake](https://www.g2.com/de/products/snowflake/reviews) - [Spark](https://www.g2.com/de/products/apache-spark/reviews) - [Spark SQL](https://www.g2.com/de/products/spark-sql/reviews) - [SplashBI](https://www.g2.com/de/products/splashbi/reviews) - [Spotfire Analytics](https://www.g2.com/de/products/spotfire-analytics/reviews) - [Tableau](https://www.g2.com/de/products/tableau/reviews) - [ThoughtSpot](https://www.g2.com/de/products/thoughtspot/reviews) - [Visual Studio Code](https://www.g2.com/de/products/visual-studio-code/reviews) - [Workday HCM](https://www.g2.com/de/products/workday-hcm/reviews) ## Databricks Features **Berichte** - Benutzeroberfläche "Berichte" - Schritte zur Beantwortung - Grafiken und Diagramme - Score-Karten - Armaturenbretter **Verwaltung** - Datenmodellierung - Empfehlungen - Workflow-Verwaltung - Dashboards und Visualisierungen **Management** - Reporting - Rechnungsprüfung **Einsatz** - Sprachliche Flexibilität - Flexibilität des Rahmens - Versionsverwaltung - Einfache Bereitstellung - Skalierbarkeit **system** - Datenerfassung und -aufbereitung **Datenaufbereitung** - Verbinder - Daten-Governance **Datenmanagement** - Datenintegration - Datenkompression - Datenqualität - Integrierte Datenanalyse - Maschinelles Lernen in der Datenbank - Data Lake Analytics **Management** - Datenbeschreibungsverzeichnis - Daten-Replikation - Abfragesprache - Datenmodellierung - Performance-Analyse **Management** - Business-Glossar - Datenermittlung - Daten-Profilierung - Reporting und Visualisierung - Datenherkunft **Einsatz** - Sprachliche Flexibilität - Flexibilität des Rahmens - Versionsverwaltung - Einfache Bereitstellung - Skalierbarkeit **Datenmanagement** - Datenintegration - Metadaten - Selbstbedienung - Automatisierte Workflows **Skalierbarkeit und Leistung - Generative KI-Infrastruktur** - Hohe Verfügbarkeit - Skalierbarkeit des Modelltrainings - Inferenz-Geschwindigkeit **Anpassung - KI-Agenten-Ersteller** - Natürliche Sprachkonfiguration - Tonanpassung - Sicherheitsleitplanken **Agentische KI - DataOps-Plattformen** - Autonome Aufgabenausführung - Mehrstufige Planung - Systemübergreifende Integration - Adaptives Lernen - Entscheidungsfindung **Verkehrsmanagement & Leistung - KI-Gateways** - Token-bewusste Ratenbegrenzung - Semantisches Caching - Multi-Modell-Routing & Fallbacks **Modellentwicklung** - Unterstützte Sprachen - Drag-and-Drop - Vorgefertigte Algorithmen - Modell-Training **Datenbank** - Datenerfassung in Echtzeit - Datenverteilung - Data Lake **Datentransformation** - Echtzeit-Analysen - Datenabfrage **Beachtung** - Einhaltung sensibler Daten - Schulungen und Richtlinien - Durchsetzung von Richtlinien - Überwachung der Einhaltung der Vorschriften **Funktionalität** - Extraktion - Transformation - Laden - Automatisierung - Skalierbarkeit **Management** - Katalogisierung - Überwachung - Regierend - Modell-Registry **Modellentwicklung** - Feature-Entwicklung **Datenmodellierung und -zusammenführung** - Datenabfrage - Filterung von Daten - Daten-Blending **Integration** - KI/ML-Integration - Integration von BI-Tools - Data-Lake-Integration **Instandhaltung** - Daten Migration - Backup und Wiederherstellung - Multi-User-Umgebung **Sicherheit** - Zugriffskontrolle - Rollen-Management - Compliance-Management **Transaktionen** - Metriken - Infrastruktur-Management - Zusammenarbeit **Analytics** - Analyse-Funktionen - Dasboard-Visualisierungen **Kosten und Effizienz - Generative KI-Infrastruktur** - Kosten pro API-Aufruf - Flexibilität bei der Ressourcenzuweisung - Energieeffizienz **Funktionalität - KI-Agenten-Ersteller** - Omni-Kanal-Support - Agentenmarke - Proaktive Reaktionsfähigkeiten - Nahtlose menschliche Eskalation **Governance & Beobachtbarkeit - KI-Gateways** - Datenschutz - Kostenverfolgung - Zentralisierte API-Schlüsselsicherheit **Machine-/Deep-Learning-Dienste** - Maschinelles Sehen - Verarbeitung natürlicher Sprache - Generierung natürlicher Sprache - Künstliche neuronale Netze **Integrationen** - Hadoop-Integration - Spark-Integration **Datenqualität** - Datenaufbereitung - Datenverteilung - Datenvereinheitlichung **Machine-/Deep-Learning-Dienste** - Verstehen natürlicher Sprache - Deep Learning **Einsatz** - On-Premise - Cloud **Sicherheit** - Datenverschlüsselung - Steuerung des Benutzerzugriffs **Wartung** - Daten-Qualitätsmanagement - Verwaltung von Richtlinien **Management** - Katalogisierung - Überwachung - Regierend **Überwachung und Verwaltung** - Beobachtbarkeit von Daten - Testmöglichkeiten **Generative KI** - Textgenerierung - Textzusammenfassung **Integration und Erweiterbarkeit - Generative KI-Infrastruktur** - Multi-Cloud-Unterstützung - Integration von Datenpipelines - API-Unterstützung und Flexibilität **Daten und Analytik - KI-Agentenentwickler** - Analytik & Berichterstattung - Kontextbewusstsein - Datenschutzkonformität **Einsatz** - Managed Service - Anwendung - Skalierbarkeit **Plattform** - Maschinelle Skalierung - Datenaufbereitung - Spark-Integration **Verbindung** - Hadoop-Integration - Spark-Integration - Multi-Source-Analyse - Data Lake **Leistung** - Skalierbarkeit **Cloud-Bereitstellung** - Hybrid-Cloud-Unterstützung - Funktionen für die Cloud-Migration **Generative KI** - Textgenerierung - Textzusammenfassung **Generative KI** - Textgenerierung - Textzusammenfassung **Sicherheit und Compliance - Generative KI-Infrastruktur** - DSGVO und Einhaltung gesetzlicher Vorschriften - Rollenbasierte Zugriffskontrolle - Datenverschlüsselung **Integration - KI-Agentenbauer** - Arbeitsablaufautomatisierung - API-Nutzung - Plattform-Interoperabilität - CRM-Datenintegration **Agentische KI - Analyseplattformen** - Autonome Aufgabenausführung - Mehrstufige Planung - Systemübergreifende Integration - Adaptives Lernen - Natürliche Sprachinteraktion - Proaktive Unterstützung - Entscheidungsfindung **Selbstbedienung** - Berechnete Felder - Filtern von Datenspalten - Datenermittlung - Suchen - Kollaboration / Workflow - Automatische Modellierung **Verarbeitung** - Cloud-Verarbeitung - Workload-Verarbeitung **Transaktionen** - Datenvisualisierung - Daten-Workflow - Geregelte Ermittlung - Eingebettete Analytik - Notizbücher **Sicherheit** - Daten-Governance - Datensicherheit **Generative KI** - KI-Textgenerierung - Textzusammenfassung - Text-zu-Bild **Generative KI** - Textgenerierung - Textzusammenfassung **Benutzerfreundlichkeit und Unterstützung - Generative KI-Infrastruktur** - Qualität der Dokumentation - Community-Aktivitäten **Agentische KI - Datenverwaltung** - Autonome Aufgabenausführung - Mehrstufige Planung - Systemübergreifende Integration - Adaptives Lernen - Natürliche Sprachinteraktion - Entscheidungsfindung **Bereitstellung & Integration - Analyseplattformen** - No-Code-Dashboard-Builder - Berichtplanung und Automatisierung - Eingebettete Analysen und White-Labeling - Datenquellenkonnektivität **Erweiterte Analytik** - Prädiktive Analytik - Datenvisualisierung - Big-Data-Dienste **Generative KI** - Textgenerierung - Textzusammenfassung **Agentic AI - Datenwissenschafts- und maschinelles Lernplattformen** - Autonome Aufgabenausführung - Mehrstufige Planung - Systemübergreifende Integration - Adaptives Lernen - Natürliche Sprachinteraktion - Proaktive Unterstützung - Entscheidungsfindung **Leistung & Skalierbarkeit - Analyseplattformen** - Große Datenverarbeitung und Abfragegeschwindigkeit - Gleichzeitige Benutzerunterstützung **Erweiterte Analysen & Modellierung - Analyseplattformen** - Datenmodellierung und Governance - Notebook- und Skriptintegration - Eingebaute prädiktive und statistische Modelle **Agentische KI-Fähigkeiten - Analyseplattformen** - Automatisch generierte Einblicke und Erzählungen - Natürliche Sprachabfragen - Proaktive KPI-Überwachung und Warnungen - KI-Agenten für analytische Nachverfolgungen **Personalisierte Intelligenz - Analyseplattformen** - Verhaltenslernen zur kontextuellen Abfrageverfeinerung - Rollenbasierte Einblick-Personalisierung - Konversations- und Prompt-basierte Analysen **Gebäude-Berichte** - Datentransformation - Datenmodellierung - Entwurf von WYSIWYG-Berichten - Integrations-APIs **Plattform** - Support für mobile Benutzer - Anpassung - Benutzer-, Rollen- und Zugriffsverwaltung - Internationalisierung - Sandbox / Testumgebungen - Leistung und Zuverlässigkeit - Breite der Partneranwendungen ## Top Databricks Alternatives - [Cloudera Data Platform](https://www.g2.com/de/products/cloudera-cloudera-data-platform/reviews) - 4.1/5.0 (131 reviews) - [Snowflake](https://www.g2.com/de/products/snowflake/reviews) - 4.5/5.0 (706 reviews) - [Teradata Autonomous Knowledge Platform](https://www.g2.com/de/products/teradata-autonomous-knowledge-platform/reviews) - 4.3/5.0 (355 reviews)