Databricks senkt Kosten für KI-Coding-Tools laut eigenen Angaben um bis zu 90 Prozent durch Unity Gateway

Steigende Kosten, dann eine Stabilisierung

In einem am 22. Oktober 2026 veröffentlichten Blogbeitrag erklärte Databricks, die internen Ausgaben für KI-Coding-Tools seien nach der breiten Einführung bei den Entwicklern exponentiell gestiegen, da die Tools nach Verbrauch statt nach Lizenzplätzen abgerechnet werden. Patrick Wendell, Mitgründer von Databricks und zuständig für die KI-Produkte des Unternehmens, sagte, die Kosten hätten gedroht, die mit den Tools erzielten Produktivitätsgewinne wieder aufzuzehren. Databricks zufolge ist der Token-Verbrauch pro Entwickler inzwischen weitgehend konstant, obwohl die Gesamtnutzung und der generierte Mehrwert weiter gestiegen sind.

Von starren Obergrenzen zu einem Gateway

Wendell sagte, der erste Versuch von Databricks, die Kosten zu kontrollieren, eine starre Ausgabenobergrenze, habe Probleme verursacht, weil er Arbeiten mitten in der Aufgabe abbrach und vor allem die aktivsten Nutzer betraf. Einige von ihnen wechselten daraufhin zu privaten Accounts, die das Unternehmen nicht mehr überwachen konnte. Databricks erklärt, die starren Obergrenzen durch ein internes System namens Unity Gateway ersetzt zu haben, das vor einer Sperrung stufenweise vorgeht: zunächst eine Warnung, dann eine erforderliche Genehmigung, dann eine automatische Herabstufung auf ein günstigeres Modell. Eine Sperrung gilt laut Databricks als letztes Mittel. Das Unternehmen gibt außerdem an, Entwicklern regelmäßig Aufschlüsselungen ihrer eigenen KI-Ausgaben zu schicken, was allein für eine Reduzierung um rund 10 Prozent verantwortlich sei.

Vier Stellschrauben und ihre Wirkung

Databricks beschrieb vier Methoden zur Senkung der Stückkosten: die Verschiebung der Standardnutzung auf neuere, günstigere Modelle bei deren Veröffentlichung; die Weiterleitung einzelner Aufgaben an das kostengünstigste Modell, das sie bewältigen kann; die Schaffung von Transparenz über die eigenen Ausgaben für Entwickler; und die Reduzierung des Token-Overheads. Wendell sagte, die Verlagerung des Datenverkehrs auf bessere, günstigere Modelle, sobald diese verfügbar sind, sei allein der größte Faktor gewesen und habe die Kosten um 50 Prozent oder mehr gesenkt. In Kombination mit den anderen drei Stellschrauben seien die Stückkosten laut Databricks in manchen Fällen um bis zu 90 Prozent gesunken. Der Smart Router des Unternehmens, Teil von Unity Gateway, senke die durchschnittlichen Kosten pro Aufgabe um mehr als 30 Prozent, während die Ausgabequalität nahe an der des teuersten Modells bleibe.

Interne Benchmarks

Databricks erklärte, einen eigenen Benchmark aus realen Pull Requests seiner mehrere Millionen Codezeilen umfassenden Codebasis entwickelt zu haben, wobei Ergebnisse durch das Ausführen von Tests bewertet werden und nicht durch ein weiteres KI-Modell als Richter, da öffentliche Benchmarks nicht widerspiegeln, wie sich die Tools auf einer großen Unternehmens-Codebasis verhalten. Anhand dieses Benchmarks habe das Open-Source-Modell GLM 5.2 bei der Qualität mit Opus 4.8 gleichgezogen, koste pro Aufgabe aber etwa ein Drittel weniger. Ein Modell, das pro Token 1,7-mal günstiger war, habe pro Aufgabe tatsächlich mehr gekostet, weil es mehr Tokens verbrauchte. Das Unternehmen gab zudem an, dass das Harness, also das um ein Modell gebaute Coding-Tool, die Kosten etwa so stark beeinflusse wie die Modellwahl selbst und bei identischem Modell einen mehr als doppelt so hohen Kostenunterschied verursachen könne. Allein die Feinabstimmung von Harness- und Caching-Einstellungen habe fast 50 Prozent an Einsparungen gebracht.

Einführung von Astra

Databricks erklärte, ein Modell namens Astra an rund 3.500 Entwickler ausgerollt zu haben, und gibt an, das erste Unternehmen zu sein, das einen solchen Rollout öffentlich teilt. Astra habe sich bei komplexen Aufgaben wie dem Systemdesign besser bewährt, die Ausgaben jedoch um etwa 60 Prozent erhöht, ohne bei Routineaufgaben einen klaren Nutzen zu bringen. Das veranlasste Databricks, Astra innerhalb von Unity Gateway ein eigenes, auf schwierigere Probleme beschränktes Budget zuzuweisen.

Sämtlicher Datenverkehr der Coding-Tools bei Databricks, einschließlich Claude Code, Codex, Cursor und des eigenen Omnigent-Harness des Unternehmens, läuft über Unity Gateway. Databricks zufolge begann das System als interne Lösung für die eigenen KI-Ausgaben und wurde zur Grundlage für das Gateway.

Quelle: Databricks Blog, „The AI Bill is coming“, veröffentlicht am 22. Oktober 2026.