In f\u00fcnf Monaten haben sich Tabular Foundation Models von einer Nische zu einer breit anerkannten Plattformkategorie entwickelt, die Milliarden an Investitionen, gro\u00dfe \u00dcbernahmen und wachsende Aufmerksamkeit von Anbietern auf sich zieht. Wenn Sie mit strukturierten Unternehmensdaten arbeiten, und das tun die meisten Organisationen, lohnt es sich, diese Entwicklung zu beobachten.<\/p>\n\n\n\n
Was passiert ist, in chronologischer Reihenfolge.<\/p>\n\n\n\n
In einem Forbes-Beitrag<\/a> argumentierte die Risikokapitalgeberin Rocio Wu Dianoux, dass Large Language Models (LLMs) zwar die Arbeit mit Text ver\u00e4ndert haben, die weitaus gr\u00f6\u00dfere Chance jedoch in strukturierten Daten liege: in den Tabellen, Spreadsheets und relationalen Datenbanken, die Unternehmensprozesse antreiben. Die These: Branchen, die auf strukturierten Daten basieren (Finanzwesen, Versicherungen, Fertigung), setzen weiterhin auf tausende aufgabenspezifische Machine-Learning-Modelle (ML), jedes mit eigener Pipeline, eigenem Feature Engineering und eigenem Monitoring. Ein universelles Foundation Model f\u00fcr Tabellen k\u00f6nnte diese Komplexit\u00e4t aufl\u00f6sen. Der Artikel verweist auf eine neue Generation von Unternehmen in diesem Bereich, darunter Prior Labs<\/strong>, Fundamental<\/strong>, Neuralk AI<\/strong> und Wood Wide AI<\/strong>. Jedes verfolgt unterschiedliche architektonische Ans\u00e4tze zur Repr\u00e4sentation tabellarischer und relationaler Daten, zum Erlernen spalten\u00fcbergreifender Abh\u00e4ngigkeiten und zur Generalisierung \u00fcber Aufgaben hinweg.<\/p>\n\n\n\n Wenige Wochen sp\u00e4ter trat Fundamental<\/strong> aus dem Stealth-Modus heraus, mit $255 Mio. Finanzierung ($30 Mio. Seed plus $225 Mio. Series A) bei einer Bewertung von $1,4 Mrd. Die Runde wurde von Oak HC\/FT angef\u00fchrt, mit Beteiligung von Salesforce Ventures, Battery Ventures und Valor Equity Partners. Zu den Angel-Investoren z\u00e4hlen die CEOs von Perplexity, Datadog und Brex (TechCrunch<\/a>).<\/p>\n\n\n\n Fundamentals Flaggschiff-Modell NEXUS<\/strong> ist ein deterministisches Large Tabular Model (LTM), entwickelt, um Ergebnisse aus Unternehmensdaten vorherzusagen: Bedarfsprognosen, Betrugserkennung, Kundenabwanderung und Preisvorhersagen. Das Unternehmen, gegr\u00fcndet von DeepMind-Alumni, hatte bereits mehrere Vertr\u00e4ge im siebenstelligen Bereich mit Fortune-100-Unternehmen sowie eine strategische Deployment-Partnerschaft mit AWS abgeschlossen.<\/p>\n\n\n\n Die Gr\u00f6\u00dfenordnung der Finanzierung signalisiert etwas Wichtiges. Investoren behandeln Tabular AI als Plattformkategorie.<\/p>\n\n\n\n Der etablierte KI-Plattform-Anbieter H2O.ai<\/strong> stieg mit TabH2O<\/a> ins Tabular-Foundation-Model-Rennen ein, einem Foundation Model f\u00fcr tabellarische Daten, ausgeliefert als einfache API. Das Wertversprechen: Datei hochladen, Vorhersage erhalten. Der Dienst erfordert kein Modell-Training, kein Infrastruktur-Management und speichert keine Kundendaten.<\/p>\n\n\n\n TabH2O ist auf Millionen synthetischer Tabellendatens\u00e4tze vortrainiert und ersetzt die klassische ML-Pipeline aus Feature Engineering, Modellauswahl und Hyperparameter-Tuning. H2O.ai positioniert es als Werkzeug sowohl f\u00fcr den eigenst\u00e4ndigen Einsatz als auch als Capability Layer f\u00fcr AI-Agenten, die mit strukturierten Daten arbeiten.<\/p>\n\n\n\n Das ist relevant, weil H2O.ai kein Start-up ist, das eine These verfolgt. Es ist ein etablierter AutoML-Anbieter, der best\u00e4tigt, dass Tabular Foundation Models die n\u00e4chste Evolutionsstufe des Marktes darstellen, den das Unternehmen mit aufgebaut hat.<\/p>\n\n\n\n Der gr\u00f6\u00dfte Deal kam am 4. Mai, als SAP die \u00dcbernahme von Prior Labs ank\u00fcndigte<\/strong>, dem Freiburger Pionier f\u00fcr Tabular Foundation Models und Entwickler von TabPFN. SAP verpflichtete sich, \u00fcber vier Jahre mehr als 1 Milliarde Euro<\/strong> zu investieren, um Prior Labs zu einem global f\u00fchrenden Frontier-AI-Lab f\u00fcr strukturierte Unternehmensdaten auszubauen.<\/p>\n\n\n\n Die strategische Logik: LLMs tun sich schwer mit den strukturierten, numerischen Daten, die Unternehmensprozesse antreiben. Tabular Foundation Models wie TabPFN sind genau f\u00fcr diese Daten gebaut und erm\u00f6glichen Anwendungsf\u00e4lle wie Predictive Maintenance, Bedarfsprognosen, Churn-Analysen und Cashflow-Vorhersagen direkt auf SAP-Daten.<\/p>\n\n\n\n Zeitgleich hat Prior Labs TabPFN-3 ver\u00f6ffentlicht. Das Modell skaliert nun auf Datens\u00e4tze mit bis zu einer Million Zeilen und bringt mit \u201eThinking\u201c (Test-time Compute Scaling) im API-Angebot eine zus\u00e4tzliche Leistungsstufe. Ein klares Signal, dass die Kategorie sowohl in der Performance als auch in der Kommerzialisierung rasch reift.<\/p>\n\n\n\n Eine ausf\u00fchrliche Analyse, was das f\u00fcr SAPs Plattformstrategie<\/strong> bedeutet, finden Sie in unserer BARC Perspective on SAP’s dual acquisition of Prior Labs and Dremio<\/a>.<\/p>\n\n\n\n Vier Datenpunkte in f\u00fcnf Monaten ergeben ein klares Bild:<\/p>\n\n\n\nFebruar 2026: Fundamental sammelt 255 Mio. Dollar f\u00fcr sein Large Tabular Model ein<\/h2>\n\n\n\n
April 2026: H2O.ai launcht TabH2O<\/h2>\n\n\n\n
Mai 2026: SAP \u00fcbernimmt Prior Labs und investiert \u00fcber 1 Milliarde Euro<\/h3>\n\n\n\n
Warum das wichtig ist<\/h2>\n\n\n\n