ClickHouse erreicht 250 Mio. USD ARR und setzt auf Claude Agents

Open House 2026 eröffnete diese Woche mit Zahlen, die eine Diskussion auf Vorstandsebene erzwingen. ClickHouse hat seinen jährlichen Umsatz innerhalb von zwölf Monaten verdreifacht, die Marke von 4.000 Kunden überschritten und die Keynote genutzt, um einen agentischen Analytics-Layer auf Basis von Anthropics Claude vorzustellen. Für jeden Plattform-Verantwortlichen, bei dem in den nächsten zwei Quartalen eine Vertragsverlängerung bei Snowflake, Databricks oder BigQuery ansteht, hat sich in diesem Moment die Verhandlungsposition verändert.

Die eigentliche Geschichte hinter der Pressemitteilung dreht sich um Stückkosten und darum, wo das neue KI-Workload-Budget tatsächlich landet. Dieses Budget wird gerade in Finanzausschüssen diskutiert, und die damit verbundene Architekturentscheidung wird die Einstellungspläne bis 2027 prägen.

Was passiert ist

Wie iTWire berichtete, eröffnete ClickHouse seine zweite jährliche Nutzerkonferenz mit der Ankündigung, dass das Unternehmen 250 Millionen US-Dollar jährlichen Run-Rate-Umsatz überschritten hat – mehr als das Dreifache des Vorjahreswerts – und 4.000 Kunden erreicht hat. Die Wachstumskurve ist entscheidend: Als das Unternehmen im Januar 2026 seine Series-D-Finanzierung über 400 Millionen US-Dollar abschloss, hatte es gerade die Marke von 3.000 Kunden überschritten. Ein Quartal später kamen weitere tausend neue Logos hinzu.

Die Kundenliste liest sich wie ein Who's-who der Workloads, die traditionelle Data Warehouses an ihre Grenzen bringen. Neu angekündigt wurden unter anderem Capital One, Lovable, Decagon, Polymarket und Airwallex. Zur bestehenden Basis gehören bereits Anthropic, Meta, Cursor, Sony, Tesla, Memorial Sloan Kettering, Lyft und Instacart. Die Mischung ist bemerkenswert: reguliertes Finanzwesen, Prediction Markets, KI-native Startups und eines der größten Modelllabore der Welt.

Das zentrale Launch-Produkt ist ClickHouse Agents, ein vollständig verwalteter agentischer Analytics-Dienst, der auf Claude läuft. Er wird mit einer Chat-Oberfläche, einem sandboxed Code-Interpreter, teilbaren Artefakten, Skills-Management, Memory und Multi-Agent-Workflows ausgeliefert. Es handelt sich um einen No-Code-Agent-Builder, der nativ mit MCP-kompatiblen Drittanbietersystemen verbunden ist und eine native Integration mit der AWS Agent Registry umfasst.

Rund um dieses Hauptprodukt gruppieren sich fünf weitere Produktschritte: Managed Postgres in der Public Beta mit nativer Integration in ClickHouse Analytics, Managed ClickStack für Infrastruktur- und Modelltraining-Observability, Langfuse (im Januar übernommen) für Agent-Korrektheit und Modellkostentracking, die allgemeine Verfügbarkeit der Volltextsuche, automatische Query-Optimierung, mit der das Unternehmen behauptet, auf Augenhöhe mit etablierten Warehouses bei TPC-H zu liegen, agentisches Onboarding vom Sign-up bis zur ersten Produktionsabfrage sowie Cross-Region-Replikation für Enterprise-Resilienz.

Dann kam das scharfe Instrument: CostBench, ein offener Benchmark, der ClickHouse Cloud mit Snowflake, Databricks, BigQuery und Redshift hinsichtlich der Kosten pro Query vergleicht. ClickHouses zentrale Aussage lautet: 23-fach bessere Kosteneffizienz als der nächste Wettbewerber.

Technische Analyse

Die interessante Architekturentscheidung ist nicht das Agent-Produkt selbst, sondern der darunter liegende Stack-Aufbau. ClickHouse bewirbt nun eine einzige Vendor-Oberfläche, die transaktionalen Zustand (Managed Postgres), Echtzeit-Analytics (die Kernengine, siehe ClickHouse Docs), Observability sowohl für Infrastruktur als auch für KI-Systeme (ClickStack plus Langfuse) und die Agent-Runtime, die all das abfragt, abdeckt. Das ist ein bewusster Landraub an der Grenze zwischen OLTP, OLAP und AI Ops.

CEO Aaron Katz formulierte es explizit: „Mehr als 1.000 neue Kunden und eine Verdreifachung des ARR innerhalb von Monaten nach unserem Series D zeigen uns: Das ist kein Zyklus, sondern ein struktureller Wandel in dem, was Dateninfrastruktur leisten muss." Übersetzt: ClickHouse wettet darauf, dass Agent-Workloads – mit ihren hochgradig parallelen, latenzarmen und kostensensitiven Query-Mustern – nichts mit den Batch-Reporting-Workloads gemein haben, für die Snowflake und BigQuery vor einem Jahrzehnt konzipiert wurden.

Die CostBench-Methodik verdient genaue Betrachtung. Das Unternehmen gibt an, das reale Compute-Abrechnungsmodell jedes Anbieters auf denselben analytischen Workload anzuwenden und so direkt vergleichbare Kosten-pro-Query-Ergebnisse zu erzeugen. Der vollständige Benchmark und der interaktive Explorer sind unter clickhouse.com/benchmarks verfügbar. Snowflake und Databricks werden innerhalb von Wochen Antworten veröffentlichen – das tun sie immer. Doch das Framing hat sich bereits verschoben: Das Gespräch im Jahr 2026 dreht sich um Kosten pro Query bei Agent-Parallelität, nicht um rohe Scan-Geschwindigkeit auf einem Quartals-Board-Deck.

Die Claude-Integration ist der Teil, den die meisten Teams unterschätzen werden. Indem ClickHouse Anthropic als Modellanbieter wählt und MCP-kompatible Konnektoren sowie eine AWS Agent Registry Integration liefert, positioniert sich das Unternehmen innerhalb der entstehenden Agent-Interoperabilitätsstandards, statt einen geschlossenen Garten zu bauen. Das ist ein Signal für den Arbeitsmarkt genauso wie ein Produktsignal. Der Talentpool, der Claude, MCP und Columnar Databases versteht, ist klein und wird teurer.

Die Langfuse-Akquisition ist wichtiger, als die Ankündigung vermuten lässt. Agent-Observability – Korrektheit, Evaluation und Modellkostentracking – ist die fehlende Schicht in nahezu jedem produktiven KI-Deployment. Sie innerhalb derselben Abrechnungsbeziehung wie das Data Warehouse zu besitzen, ist eine ernsthafte Lock-in-Geschichte.

Wer unter Druck gerät

Drei Gruppen sollten das genau lesen. Die erste sind etablierte Warehouse-Anbieter. Wenn CostBench einer unabhängigen Reproduktion standhält – selbst bei der Hälfte des behaupteten Vorteils –, kippt die Beschaffungsrechnung für jeden KI-lastigen Workload erheblich. Snowflakes Preismodell insbesondere wurde für eine Welt gebaut, in der Abfragen sporadisch und teuer waren. Agent-Traffic ist das Gegenteil: konstant, klein und kostensensitiv.

Die zweite Gruppe sind interne Plattform-Teams, die zwischen 2020 und 2023 ihren Analytics-Stack nach dem Muster „ein Warehouse, BI obendrauf" aufgebaut haben. Der KI-Workload, den Ihr Produktteam in Q3 launchen wird, hat andere Zugriffsmuster als die Dashboards, für die Ihr Warehouse dimensioniert wurde. Sie werden das merken, wenn die Rechnung kommt – nicht wenn das Architecture Review stattfindet.

Die dritte Gruppe – und hier wird es unangenehm – ist die große Zahl von Analytics Engineers, deren Karriere auf Transformations-Pipelines beruht, die für tägliche Batches optimiert sind. Tools wie dbt bleiben unverzichtbar, aber der Schwerpunkt verlagert sich hin zu Sub-Sekunden-Query-Mustern und agent-gestützten Analytics, die nicht in das nächtliche DAG-Modell passen.

Der CFO jedes Series-B- oder späteren Unternehmens, das nennenswerte Ausgaben bei Snowflake, Databricks oder BigQuery hat, sollte seinen Head of Platform diese Woche fragen: Wie viel Prozent unseres Warehouse-Computes werden heute durch Agents oder Low-Latency-Applikations-Traffic getrieben – und was würde ein 12-monatiger Side-by-Side-Pilot auf ClickHouse Cloud in Engineering-Stunden kosten gegenüber dem, was er bei Compute-Kosten einsparen könnte? Das ist die einzige wichtigste Frage auf der Dateninfrastruktur-Roadmap gerade, und sie hat eine 90-Tage-Antwort.

Für regulierte Branchen (iGaming, Fintech, Prediction Markets) ist die Aufnahme von Capital One, Airwallex und Polymarket in die Kundenliste ein Signal dafür, dass die Compliance- und Audit-Reife ausreichend gereift ist, damit der General Counsel unterzeichnen kann. Das beseitigt einen der historischen Einwände.

Playbook für Data Teams

Wenn Sie eine Datenplattform verantworten, gibt es dieses Quartal drei konkrete Schritte. Erstens: Segmentieren Sie Ihre aktuellen Warehouse-Kosten nach Workload-Muster. Ermitteln Sie, wie viel Prozent hochgradig parallel, latenzarm, anwendungs- oder agentseitig sind. Dieser Bucket ist der Migrationskandidат. Alles andere kann vorerst dort bleiben, wo es ist.

Zweitens: Führen Sie CostBench gegen Ihren eigenen repräsentativen Workload aus, bevor Sie der Headline-Zahl vertrauen. Die 23x-Behauptung ist ein Marketing-Artefakt, bis Sie sie mit Ihrer eigenen Datenform und Ihrem eigenen Parallelitätsprofil reproduzieren. Starten Sie einen ClickHouse Cloud Trial, portieren Sie ein realistisches Query-Muster und vergleichen Sie mit Ihrer aktuellen Rechnung für denselben Workload. Zwei Engineers, zwei Wochen.

Drittens: Behandeln Sie den Agent-Layer als separate Beschaffungsentscheidung vom Warehouse. ClickHouse Agents ist interessant, aber Ihre Agent-Runtime an Ihren Warehouse-Anbieter zu binden, ist die Art von Entscheidung, für die Ihr Nachfolger Sie 2028 verfluchen wird. Der MCP-kompatible Ansatz und die AWS Agent Registry Integration deuten darauf hin, dass Portabilität zumindest architektonisch möglich ist. Überprüfen Sie das, bevor Sie irgendetwas in Produktion deployen.

Auf der Einstellungsseite ist das Angebot an Engineers, die columnar Query-Optimierung bei agentgetriebener Parallelität wirklich verstehen, knapp. Wenn Sie vorhaben, Workloads zu migrieren, sollten Sie entweder eine Senior-Einstellung oder ein sechsmonatiges Consulting-Engagement einkalkulieren. Die Talent-Prämie ist real und wird nicht günstiger, während ClickHouses Kundenzahl weiter steigt.

Die wichtigsten Erkenntnisse

• ClickHouse verdreifacht den ARR auf über 250 Mio. USD und gewinnt 1.000 Nettoneukunden in einem Quartal – Namen wie Capital One, Airwallex und Polymarket signalisieren die Akzeptanz in regulierten Branchen.
• ClickHouse Agents, betrieben von Claude mit MCP- und AWS Agent Registry Integration, positioniert das Unternehmen an der OLTP-OLAP-AI-Ops-Grenze, nicht nur in der Analytics-Box.
• CostBench behauptet einen 23-fachen Kostenvorteil gegenüber dem nächsten Cloud-Warehouse-Wettbewerber. Überprüfen Sie das an Ihrem eigenen Workload, bevor Sie es als gesetzt behandeln.
• Die Langfuse-Akquisition gibt ClickHouse eine Agent-Observability-Story (Korrektheit, Evaluation, Modellkostentracking), die den meisten Stacks fehlt.
• Teams, die in den nächsten zwei Quartalen Warehouse-Verlängerungen evaluieren, sollten jetzt fragen, wie viel Prozent ihres Computes KI-getrieben ist und ob das Preismodell ihres aktuellen Anbieters dazu passt.