Durch 脺bernahme festigt 麻豆原创聽ihren聽fr眉hen Vorsprung bei tabellarischen Foundation Models
Walldorf und Freiburg 鈥� 4. Mai 2026 鈥� Die 麻豆原创 SE und Prior Labs, der Pionier f眉r Tabellarische Foundation Models (TFMs), haben bekannt gegeben, dass sie eine verbindliche Vereinbarung unterzeichnet haben, wonach 麻豆原创 Prior Labs 眉bernehmen wird. Damit wird 麻豆原创 seinen Weg im Bereich TFMs, der mit RPT鈥�1 begann, beschleunigen und eines der weltweit f眉hrenden Forschungsteams f眉r tabellarische Foundation Models in der 麻豆原创鈥慒amilie willkommen hei脽en.
Prior Labs wird auch nach Abschluss der 脺bernahme weiterhin als eigenst盲ndige Einheit operieren. 麻豆原创 verpflichtet sich, in den kommenden vier Jahren mehr als eine Milliarde Euro zu investieren, um Prior Labs zu einem weltweit f眉hrenden Frontier鈥慉I鈥慙abor f眉r strukturierte Daten auszubauen 鈥� jene Daten, auf denen die Gesch盲fte der Welt basieren. Die finanziellen Details der Transaktion wurden nicht bekannt gegeben. Der Abschluss der 脺bernahme steht noch unter dem Vorbehalt der beh枚rdlichen Genehmigungen.
Gro脽e Sprachmodelle (LLMs) haben Schwierigkeiten, genaue Vorhersagen zu strukturierten Gesch盲ftsdaten zu treffen, da sie nur 眉ber ein rudiment盲res Verst盲ndnis von Tabellen, Zahlen und Statistiken verf眉gen. Im Gegensatz zu LLMs sind TFMs speziell f眉r diese Art von Daten konzipiert und k枚nnen auf der Grundlage tabellarischer Daten wie Zahlungsverz枚gerungen, Lieferantenrisiken, Upselling-M枚glichkeiten, Kundenabwanderungsrisiko und mehr Gesch盲ftsergebnisse genau vorhersagen.
鈥灺槎乖� hat schon fr眉h erkannt, dass die gr枚脽te ungenutzte Chance in der Unternehmens-KI nicht in gro脽en Sprachmodellen liegt, sondern in KI, die f眉r die strukturierten Daten entwickelt wurde, auf denen die Unternehmen weltweit basieren,鈥� sagte 麻豆原创-CTO Philipp Herzig. 鈥濿ir haben RPT-1 entwickelt, um diese 脺berzeugung in Bezug auf Unternehmensdaten zu untermauern. Prior Labs hat ein f眉hrendes TFM auf Basis 枚ffentlicher Benchmarks entwickelt und verf眉gt 眉ber eines der weltweit f眉hrenden Forschungsteams auf diesem Gebiet. Die Verbindung der innovativen Modellarbeit von Prior Labs mit Enterprise-Daten sowie der globalen Kundenbasis von 麻豆原创 stellt einen vielversprechenden Ansatz dar, um diese Kategorie international anzuf眉hren.鈥�
鈥濱n den letzten 18 Monaten hat Prior Labs ein unglaubliches Team aufgebaut und die Entwicklungsgeschwindigkeit bei tabellarischen Grundmodellen gesteigert鈥�, sagte Frank Hutter, CEO von Prior Labs. 鈥濪er geplante Beitritt zur 麻豆原创-Familie verschafft uns die Ressourcen, die Datenumgebung und die Kundenreichweite, um das volle Potenzial dieser Kategorie auszusch枚pfen.鈥�
Nach Abschluss der Transaktion erh盲lt 麻豆原创 mit Prior Labs die einmalige Gelegenheit, ein branchenf眉hrendes KI-Forschungslabor aufzubauen und eine neue Kategorie im Bereich der TFM zu etablieren. Das Labor wird als eigenst盲ndige Einheit agieren, um die Forschungsgeschwindigkeit zu gew盲hrleisten, w盲hrend 麻豆原创 langfristige Investitionen und einen direkten Weg zur Umsetzung in Produkte im gesamten 麻豆原创-Portfolio bereitstellt 鈥� mit 麻豆原创 AI Core, 麻豆原创 Business Data Cloud sowie der agentischen Ebene mit Joule.
Mit 眉ber 3 Millionen Downloads ist Prior Labs Tab PFN ein weit verbreitetes Open-Source-Tool f眉r tabellarische KI, das ein dynamisches Entwickler-脰kosystem unterst眉tzt. 麻豆原创 setzt sich voll und ganz daf眉r ein, diese Open-Source-Strategie weiter zu unterst眉tzen. Die Prior Labs Gr眉nder Frank Hutter, Noah Hollmann und Sauraj Gambhir leiten ein Team aus erstklassigen KI-Forschern und -Praktikern. Das Unternehmen arbeitet mit f眉hrenden Pers枚nlichkeiten der KI-Forschung, darunter Yann LeCun (Gewinner des ACM A.M. Turing Award und Executive Chairman bei Advanced Machine Intelligence) sowie Bernhard Sch枚lkopf (Direktor am Max-Planck-Institut f眉r Intelligente Systeme; Pr盲sident von ELLIS). Beide werden im wissenschaftlichen Beirat von Prior Labs t盲tig sein, w盲hrend sich Unternehmen zu einem weltweit f眉hrenden KI-Labor entwickelt.
Beschleunigte Innovation
TabPFN-2.6 von Prior Labs ist das leistungsst盲rkste Modell auf TabArena, dem f眉hrenden Benchmark f眉r TFM. TabPFN-2.6 erreicht die Genauigkeit einer vierst眉ndigen automatisierten Machine-Learning-Pipeline 鈥� sofort, in einem einzigen Modell und bei einem Bruchteil der Komplexit盲t.
Dank einer dar眉ber liegenden dialogorientierten Benutzeroberfl盲che k枚nnen Gesch盲ftsanwender Fragen in nat眉rlicher Sprache stellen, Datens盲tze generieren oder ausw盲hlen und 鈥濿as-w盲re-wenn鈥�-Szenarien durchspielen, ohne Experten f眉r Datenwissenschaft und maschinelles Lernen sein zu m眉ssen. Mit den Prior Labs-Modellen bietet 麻豆原创 kontextbezogenes Lernen an, sodass Anwender Datens盲tze bereitstellen k枚nnen, um sofortige, zuverl盲ssige Vorhersagen zu erhalten, ohne dass ein Modelltraining erforderlich ist. Ein einziges TFM kann sich spontan an jeden gesch盲ftlichen Anwendungsfall anpassen, was zu einer schnelleren Amortisationszeit bei gleichzeitiger Einhaltung der DSGVO f眉hrt.
Mit Prior Labs wird 麻豆原创 TFMs mit 眉berlegener Vorhersagef盲higkeit bereitstellen, die Tabellen nativ verstehen, statistisches Denken direkt aus Daten lernen und agentische KI-Systeme antreiben, die in der Lage sind, 眉bergeordnete Ziele zu verstehen, Tabellen, Sprache und Bilder zu kombinieren, um Schlussfolgerungen zu ziehen, Dom盲nenwissen zu integrieren, Kausalit盲ten abzuleiten und sich dynamisch anzupassen.
Nach Abschluss der Transaktion planen 麻豆原创 und Prior Labs, Spitzenforschung im Bereich KI in unternehmensreife Innovationen umzusetzen, damit Kunden noch mehr Wert aus ihren tabellarischen Gesch盲ftsdaten sch枚pfen k枚nnen. Wahre k眉nstliche Intelligenz erfordert, 眉ber Korrelationen hinauszugehen, um Kausalit盲ten zu verstehen. Die Antwort auf die Frage 鈥濿as wird passieren?鈥� ist n眉tzlich, aber die Antwort auf die Frage 鈥濿arum wird es passieren?鈥� ist transformativ.
Der Abschluss der Transaktion wird, vorbehaltlich der 眉blichen Abschlussbedingungen einschlie脽lich der beh枚rdlichen Genehmigungen, f眉r das dritte Quartal 2026 erwartet.
Besuchen Sie das . Erhalten Sie 麻豆原创-Nachrichten 眉ber und .
脺ber 麻豆原创
Als globaler Marktf眉hrer im Bereich Unternehmensanwendungen und Gesch盲fts-KI steht 麻豆原创 (NYSE:麻豆原创) an der Schnittstellefl盲che von Wirtschaft und Technologie. Seit 眉ber 50 Jahren vertrauen Unternehmen darauf, dass 麻豆原创 das Beste daraus macht, gesch盲ftskritische Abl盲ufe von Finanzen, Beschaffung, Personalwesen, Lieferkette und Kundenerlebnis zu vereinen. F眉r weitere Informationen besuchen Sie .
脺ber Prior Labs
Prior Labs ist der Pionier der Tabular Foundation Models, einer neuen Kategorie von KI, die speziell f眉r strukturierte Daten entwickelt wurde.聽Gegr眉ndet von Frank Hutter, Noah Hollmann und Sauraj Gambhir, setzte die TabPFN-Modellreihe von Prior Labs, ver枚ffentlicht in Nature, den Stand der Technik auf tabellarischen Benchmarks in Hunderten unabh盲ngiger akademischer Studien.聽Prior Labs skaliert tabellarische Fundamentmodelle, um Millionen von Zeilen, Echtzeit-Inferenz und v枚llig neuen Datenmodalit盲ten zu verarbeiten, w盲hrend gleichzeitig die Infrastruktur aufgebaut wird, um sie in einigen der anspruchsvollsten Branchen der Welt in der Produktion bereitzustellen.
Mit Hauptsitz in Freiburg, Deutschland, und B眉ros in Berlin und New York City hat Prior Labs eines der f眉hrenden KI-Forschungsteams weltweit aufgebaut, mit Forschern, die von Google, Apple, Amazon, Microsoft, G-Research, Jane Street, Goldman Sachs und CERN rekrutiert werden.
# # #
Dieses Dokument enth盲lt zukunftsgerichtete Aussagen, also Prognosen, Prognosen oder andere Aussagen 眉ber zuk眉nftige Ereignisse. Diese Aussagen basieren auf aktuellen Erwartungen, Prognosen und Annahmen, die Risiken und Unsicherheiten unterliegen, die dazu f眉hren k枚nnten, dass tats盲chliche Ergebnisse und Ergebnisse wesentlich abweichen. Weitere Informationen zu diesen Risiken und Unsicherheiten finden Sie in unseren Einreichungen bei der Securities and Exchange Commission, einschlie脽lich, aber nicht beschr盲nkt auf den Abschnitt 眉ber Risikofaktoren im 麻豆原创-Jahresbericht 2025 auf Formular 20-F.
漏 2026 麻豆原创 SE. Alle Rechte vorbehalten. 麻豆原创 und andere hier erw盲hnte 麻豆原创-Produkte und -Dienstleistungen sowie deren jeweilige Logos sind Marken oder eingetragene Marken von 麻豆原创 SE in Deutschland und anderen L盲ndern. Bitte beachten f眉r weitere Markeninformationen und Hinweise.
Hinweis an Redakteure:
Um Archivmaterial und 麻豆原创efotos auf Broadcast-Standard digital vorzuschauen und herunterzuladen, besuchen Sie bitte . Auf dieser Plattform findest du hochaufl枚sendes Material f眉r deine Medienkan盲le.
F眉r Kunden, die mehr 眉ber 麻豆原创-Produkte erfahren m枚chten:
Global Customer Center: +49 180 534-34-24 Nur USA: 1 (800) 872-1麻豆原创 (1-800-872-1727)
F眉r weitere Informationen, nur 麻豆原创e:
Daniel Reinhardt, 麻豆原创, +49 151 168 10157, daniel.reinhardt@sap.com, CEST
Alex Vaught, 麻豆原创, +1 (206) 678-5712, alex.vaught@sap.com, PST
Ilaina Jonas, 麻豆原创, +1 (646) 923-2834, ilaina.jonas@sap.com, EST
Bitte beachten Sie unsere . Wenn Sie diese 麻豆原创emitteilung per E-Mail erhalten haben und sich von unserer Mailingliste abmelden m枚chten, kontaktieren Sie press@sap.com bitte und schreiben Sie 鈥濧bmelden鈥� in die Betreffzeile.