Databricks startet CustomerLake als Angriff auf Legacy-CDP-Stacks

Databricks gibt als Ziel eine Milliarde personalisierter 1:1-Erlebnisse pro Tag mit CustomerLake aus – seiner neuen agentischen Customer Data Platform, die am 16. Juni 2026 auf dem DATA + AI SUMMIT vorgestellt wurde. Zum Vergleich: Das entspricht bei gleichmäßiger Verteilung über 24 Stunden rund 11.574 Entscheidungen pro Sekunde – und zu Spitzenzeiten deutlich mehr. Bei dieser Zahl handelt es sich um ein Marketing-Ziel, nicht um einen validierten Durchsatzwert. Die Ankündigung nennt weder Latenz noch Kosten pro Entscheidung, noch welcher Kunde derzeit auch nur annähernd dieses Volumen verarbeitet.

Was passiert ist

Auf seinem jährlichen Summit kündigte Databricks CustomerLake an und positioniert es als native CDP auf Lakehouse-Basis, die von Unity Catalog verwaltet wird. Das Produkt befindet sich in der Private Preview mit vier namentlich genannten Design-Partnern: HP, Circle K, AB InBev und Getnet by Santander. Das ist eine bewusst gemischte Auswahl: ein PC- und Druckhersteller, eine Convenience-Retail-Kette, ein CPG-Getränkekonzern und ein Zahlungsabwickler. Der gemeinsame Nenner: First-Party-Kundendaten in großem Maßstab kombiniert mit einer ins Stocken geratenen Personalisierungs-Roadmap auf Legacy-Systemen.

CustomerLake bündelt fünf Funktionen in einer Produktoberfläche: Kundendaten-Vereinheitlichung, Identity Resolution, Audience Building, Kampagnenautomatisierung und Aktivierung. Das Produkt wird mit zwei Agent-Typen geliefert: Campaign Agents, die Zielgruppen aufbauen und Kampagnen automatisieren, sowie Profile Agents, die rohe Kundendaten in geschäftsfertige Datensätze umwandeln. Dazu kommen Reverse ETL, agentische Identity Resolution und ein Identity Marketplace mit Acxiom, Epsilon, LiveRamp, TransUnion und Adstra.

Die Liste der Launch-Partner umfasst sechzehn Namen, darunter Adobe, Meta (Audience und Conversions API), The Trade Desk, Braze, Bloomreach, Iterable, Snapchat, Magnite, Twilio, IAS und Unity. Unity bringt 256 Millionen monatlich aktive Nutzer in den USA und 2,85 Milliarden weltweit für die Aktivierung in Reichweite. Databricks-CEO Ali Ghodsi formulierte die Kernthese direkt: Marketing „hört auf, eine Abfolge von Kampagnen zu sein, und wird zu einer kontinuierlichen Schleife." Was die Pressemitteilung nicht klärt: das Preismodell, das DBU-Verbrauchsprofil pro Agent-Aufruf oder SLA-Garantien für die Echtzeit-Aktivierung. Das sind die Zahlen, die darüber entscheiden werden, ob das Produkt im gewünschten Zeitrahmen zum GA-Status gelangt.

Technische Architektur

Die Architektur-Wette ist klar: das Datenkopier-Problem eliminieren. Bei einer typischen Legacy-CDP-Implementierung werden Kundendatensätze aus dem Data Warehouse in Segment, Tealium oder Treasure Data repliziert, dort transformiert und anschließend an Aktivierungs-Endpunkte weitergeleitet. Jeder Schritt erzeugt Latenz, Abstimmungsaufwand und Governance-Drift. Databricks argumentiert, dass das Halten von Identity Resolution, Audience-Logik und Agent-Ausführung innerhalb des Lakehouse diese Pipeline zusammenfasst.

Unity Catalog ist hier das Governance-Fundament – und das ist wichtiger, als der Marketing-Text vermuten lässt. Wenn Profile Agents rohe Event-Streams in geschäftsfertige Datensätze umwandeln, benötigen sie Durchsetzung von Richtlinien auf Zeilen- und Spaltenebene für personenbezogene Daten, Einwilligungsflags und jurisdiktionelle Einschränkungen (DSGVO, CCPA, LGPD). Das innerhalb von Unity Catalog zu tun anstatt in einer externen CDP bedeutet: Dieselbe Richtlinie, die eine Finance-Abfrage steuert, steuert auch einen Kampagnen-Trigger. Das ist ein echter technischer Vorteil – sofern er einer Prüfung standhält.

Die Behauptung zur agentischen Identity Resolution ist der Punkt, den ich am kritischsten hinterfragen würde. Regelbasierte Identity Graphs sind deterministisch und auditierbar. Probabilistische ML-basierte Auflösung hat eine höhere Trefferquote, ist aber schwerer gegenüber Regulierern oder Kundensupport-Mitarbeitern zu erklären, die mit Beschwerden wie „Warum haben Sie meiner Frau eine E-Mail geschickt?" konfrontiert werden. Databricks gibt an, dass CustomerLake Regeln und Agents kombiniert, aber die Ankündigung legt das Konfidenz-Scoring-Modell nicht offen – auch nicht die Fallback-Logik, wenn Agents mit dem deterministischen Graph nicht übereinstimmen, oder wie Identity-Resolution-Entscheidungen für die Reproduzierbarkeit versioniert werden.

Reverse ETL und native Integrationen zu sechzehn Partnern sind inzwischen Standard. Interessanter ist der Identity Marketplace: Acxiom, Epsilon, LiveRamp, TransUnion und Adstra innerhalb derselben Governance-Grenze wie First-Party-Daten. Das komprimiert einen der unübersichtlichsten Workflows im AdTech (Einkauf, Verknüpfung und Ablauf von Third-Party-Identitätsdaten) in eine einzige Beschaffungsoberfläche. Die offene Frage ist die Datenlizenzierungs-Ökonomie. Falls Databricks einen Anteil der über den Marketplace abgewickelten Third-Party-Datenausgaben einbehält, ist das ein grundlegend anderes Geschäftsmodell als ein reines Infrastrukturgeschäft. Das wird in der Pressemitteilung nicht offengelegt. Wenn sich das als Marketplace-Revenue-Share entwickelt, sollten wir innerhalb von vier Quartalen Veränderungen in den Partner-Revenue-Angaben von Databricks sehen.

Wer unter Druck gerät

Die offensichtlichen Verlierer auf dem Papier sind eigenständige CDPs: Segment (jetzt Twilio), Treasure Data, mParticle, Tealium, ActionIQ und Hightouch auf der Reverse-ETL-Seite. Das Bild ist jedoch differenzierter. Twilio steht auf der Launch-Partner-Liste von CustomerLake, was bedeutet, dass die Muttergesellschaft von Segment nun gleichzeitig mit Databricks konkurriert und integriert. Das ist eine langfristig unhaltbare Position, und ich erwarte, dass sich eine dieser Beziehungen innerhalb von achtzehn Monaten verändert.

Adobe steckt in einem ähnlichen Dilemma. Adobe Real-Time CDP ist der direkte Produktkonkurrent, dennoch ist Adobe als Launch-Partner gelistet. Die Lesart: Adobes Aktivierungsoberfläche (Experience Cloud, Journey Optimizer) ist zu wertvoll für Databricks, um sie zu umgehen, und Adobes Datenfundament ist gegenüber dem Lakehouse zu schwach, um die Integration abzulehnen. Beide Seiten sichern sich ab. Es ist zu erwarten, dass Adobe seine eigene Databricks-Alternative-Positionierung rund um AEP in den nächsten beiden Summits beschleunigt.

Snowflake ist der strategisch bedeutsamere Schatten-Konkurrent. Snowflake hat seinen eigenen Customer-Data- und Clean-Room-Ansatz ausgebaut, und CustomerLake zielt direkt auf diese Roadmap. Das entscheidende Vergleichsmaß ist die Time-to-Audience: Wie viele Minuten vergehen von einem neuen Event im Lake bis zu dem Moment, in dem der Kunde über einen Meta Conversions API-Push erreichbar ist? Legacy-CDPs benötigen laut Ankündigung Wochen für das Ausliefern von Kampagnen. CustomerLake muss nachweislich in Sekunden arbeiten, um den Kategorieanspruch zu rechtfertigen. Ein Benchmark wird in der Ankündigung nicht veröffentlicht – das ist relevant, weil „Wochen versus Echtzeit" der gesamte Kern des Verkaufsarguments ist.

Marketing-Technology-Teams in den vier angekündigten Kundenunternehmen müssen in den nächsten 12 bis 24 Monaten parallele Ausgaben für bestehende CDPs rechtfertigen, während die Private Preview sich stabilisiert. Dieses Budget-Gespräch wird für denjenigen Anbieter unangenehm sein, der HP oder AB InBev derzeit für Kundendaten-Infrastruktur in Rechnung stellt.

Playbook für Daten-Teams

Wer Analytics- oder Martech-Infrastruktur verantwortet, sollte in diesem Quartal drei konkrete Schritte unternehmen. Erstens: Auditieren Sie den aktuellen CDP-Datenfluss und messen Sie die End-to-End-Latenz von der Event-Erfassung bis zum Aktivierungs-Endpunkt. Wird diese in Stunden oder Tagen gemessen, haben Sie nun eine Vergleichsbasis, um CustomerLake oder Ähnliches zu testen. Halten Sie diese Zahl fest, bevor das Verkaufsgespräch beginnt.

Zweitens: Inventarisieren Sie Ihre Identity-Resolution-Logik. Wenn sie in einer Black-Box-CDP liegt, extrahieren Sie das Regelwerk in versionsverwaltete dbt-Modelle oder Äquivalentes, damit es portierbar ist. Das größte Lock-in-Risiko bei jeder CDP – ob agentisch oder nicht – sind Identity Graphs, die sich nicht exportieren lassen. Tun Sie das unabhängig davon, ob Sie eine Migration planen.

Drittens: Testen Sie die Governance auf Belastbarkeit. Wenn Unity Catalog das Verkaufsargument ist, bitten Sie Ihren Databricks-Ansprechpartner um eine konkrete Demonstration, wie eine Entscheidung eines Profile Agents protokolliert, einer bestimmten Modellversion zugeordnet und rückgängig gemacht wird, wenn ein Einwilligungswiderruf mitten in einer Kampagne eingeht. „Governed" ist ein Marketing-Begriff, bis jemand den Audit-Trail zeigt. Die Ankündigung enthält diese Artefakte nicht – das ist in der Private Preview zu erwarten, sollte aber vor einer GA-Beschaffung nicht verhandelbar sein.

Für Teams in Fintech und Payments ist der Design-Partner-Slot von Getnet by Santander das entscheidende Signal. Wenn einer agentischen CDP Händler-CRM-Daten bei einem globalen Zahlungsunternehmen anvertraut werden, wurde die Compliance-Hülle bereits gedehnt, um Financial-Services-Governance aufzunehmen. Das verringert die Ausrede für andere regulierte Branchen, abseits zu stehen. Vorhersage: Innerhalb von 12 Monaten nach dem GA-Start werden mindestens zwei der zehn größten globalen Banken einen CustomerLake- oder vergleichbaren agentischen CDP-Proof-of-Concept bekannt geben.

Wichtigste Erkenntnisse

• Databricks zielt mit CustomerLake auf eine Milliarde personalisierter Erlebnisse täglich, hat jedoch keine Latenz-, Durchsatz- oder Cost-per-Decision-Benchmarks veröffentlicht. Die Zahl ist als Ambition zu verstehen, nicht als Spezifikation.
• Der strategische Hebel liegt darin, die Kopieren-Transformieren-Aktivieren-Schleife zu eliminieren, die Legacy-CDPs definiert, und Identity, Modelle und Aktivierung innerhalb der Unity-Catalog-Governance zu halten.
• Sechzehn Launch-Partner – darunter Adobe, Meta und Twilio – signalisieren Ökosystem-Stärke, verdecken aber auch direkte Wettbewerbs-Überschneidungen, die sich innerhalb von 18 Monaten auflösen werden.
• Vier Design-Partner (HP, Circle K, AB InBev, Getnet by Santander) decken PC, Retail, CPG und Payments ab – ein Zeichen dafür, dass Databricks horizontal vorgeht und nicht auf eine Vertikale setzt.
• Zu beobachten: das Erlösmodell des Identity Marketplace. Falls Databricks einen Anteil der Third-Party-Identity-Ausgaben einbehält, sollten sich Partner-Revenue-Angaben innerhalb von vier Quartalen spürbar verschieben.