Durch \u00dcbernahme festigt 麻豆原创\u00a0ihren\u00a0fr\u00fchen Vorsprung bei tabellarischen Foundation Models<\/p>\n\n\n\n
Walldorf und Freiburg \u2014 4. Mai 2026<\/strong> \u2014 Die 麻豆原创 SE und Prior Labs, der Pionier f\u00fcr Tabellarische Foundation Models (TFMs), haben bekannt gegeben, dass sie eine verbindliche Vereinbarung unterzeichnet haben, wonach 麻豆原创 Prior Labs \u00fcbernehmen wird. Damit wird 麻豆原创 seinen Weg im Bereich TFMs, der mit RPT\u20111 begann, beschleunigen und eines der weltweit f\u00fchrenden Forschungsteams f\u00fcr tabellarische Foundation Models in der 麻豆原创\u2011Familie willkommen hei\u00dfen. <\/p>\n\n\n\n Prior Labs wird auch nach Abschluss der \u00dcbernahme weiterhin als eigenst\u00e4ndige 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\u00fchrenden Frontier\u2011AI\u2011Labor f\u00fcr strukturierte Daten auszubauen \u2013 jene Daten, auf denen die Gesch\u00e4fte der Welt basieren. Die finanziellen Details der Transaktion wurden nicht bekannt gegeben. Der Abschluss der \u00dcbernahme steht noch unter dem Vorbehalt der beh\u00f6rdlichen Genehmigungen.<\/p>\n\n\n\n Gro\u00dfe Sprachmodelle (LLMs) haben Schwierigkeiten, genaue Vorhersagen zu strukturierten Gesch\u00e4ftsdaten zu treffen, da sie nur \u00fcber ein rudiment\u00e4res Verst\u00e4ndnis von Tabellen, Zahlen und Statistiken verf\u00fcgen. Im Gegensatz zu LLMs sind TFMs speziell f\u00fcr diese Art von Daten konzipiert und k\u00f6nnen auf der Grundlage tabellarischer Daten wie Zahlungsverz\u00f6gerungen, Lieferantenrisiken, Upselling-M\u00f6glichkeiten, Kundenabwanderungsrisiko und mehr Gesch\u00e4ftsergebnisse genau vorhersagen.<\/p>\n\n\n\n \u201e麻豆原创 hat schon fr\u00fch erkannt, dass die gr\u00f6\u00dfte ungenutzte Chance in der Unternehmens-KI nicht in gro\u00dfen Sprachmodellen liegt, sondern in KI, die f\u00fcr die strukturierten Daten entwickelt wurde, auf denen die Unternehmen weltweit basieren,\u201c sagte 麻豆原创-CTO Philipp Herzig. \u201eWir haben RPT-1 entwickelt, um diese \u00dcberzeugung in Bezug auf Unternehmensdaten zu untermauern. Prior Labs hat ein f\u00fchrendes TFM auf Basis \u00f6ffentlicher Benchmarks entwickelt und verf\u00fcgt \u00fcber eines der weltweit f\u00fchrenden 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\u00fchren.\u201c<\/p>\n\n\n\n \u201eIn den letzten 18 Monaten hat Prior Labs ein unglaubliches Team aufgebaut und die Entwicklungsgeschwindigkeit bei tabellarischen Grundmodellen gesteigert\u201c, sagte Frank Hutter, CEO von Prior Labs. \u201eDer geplante Beitritt zur 麻豆原创-Familie verschafft uns die Ressourcen, die Datenumgebung und die Kundenreichweite, um das volle Potenzial dieser Kategorie auszusch\u00f6pfen.\u201c<\/p>\n\n\n\n Nach Abschluss der Transaktion erh\u00e4lt 麻豆原创 mit Prior Labs die einmalige Gelegenheit, ein branchenf\u00fchrendes KI-Forschungslabor aufzubauen und eine neue Kategorie im Bereich der TFM zu etablieren. Das Labor wird als eigenst\u00e4ndige Einheit agieren, um die Forschungsgeschwindigkeit zu gew\u00e4hrleisten, w\u00e4hrend 麻豆原创 langfristige Investitionen und einen direkten Weg zur Umsetzung in Produkte im gesamten 麻豆原创-Portfolio bereitstellt \u2013 mit 麻豆原创 AI Core, 麻豆原创 Business Data Cloud sowie der agentischen Ebene mit Joule.<\/p>\n\n\n\n Mit \u00fcber 3 Millionen Downloads ist Prior Labs Tab PFN ein weit verbreitetes Open-Source-Tool f\u00fcr tabellarische KI, das ein dynamisches Entwickler-\u00d6kosystem unterst\u00fctzt. 麻豆原创 setzt sich voll und ganz daf\u00fcr ein, diese Open-Source-Strategie weiter zu unterst\u00fctzen. Die Prior Labs Gr\u00fcnder Frank Hutter, Noah Hollmann und Sauraj Gambhir leiten ein Team aus erstklassigen KI-Forschern und -Praktikern. Das Unternehmen arbeitet mit f\u00fchrenden Pers\u00f6nlichkeiten der KI-Forschung, darunter Yann LeCun (Gewinner des ACM A.M. Turing Award und Executive Chairman bei Advanced Machine Intelligence) sowie Bernhard Sch\u00f6lkopf (Direktor am Max-Planck-Institut f\u00fcr Intelligente Systeme; Pr\u00e4sident von ELLIS). Beide werden im wissenschaftlichen Beirat von Prior Labs t\u00e4tig sein, w\u00e4hrend sich Unternehmen zu einem weltweit f\u00fchrenden KI-Labor entwickelt.<\/p>\n\n\n\n TabPFN-2.6 von Prior Labs ist das leistungsst\u00e4rkste Modell auf TabArena, dem f\u00fchrenden Benchmark f\u00fcr TFM. TabPFN-2.6 erreicht die Genauigkeit einer vierst\u00fcndigen automatisierten Machine-Learning-Pipeline \u2013 sofort, in einem einzigen Modell und bei einem Bruchteil der Komplexit\u00e4t.<\/p>\n\n\n\n Dank einer dar\u00fcber liegenden dialogorientierten Benutzeroberfl\u00e4che k\u00f6nnen Gesch\u00e4ftsanwender Fragen in nat\u00fcrlicher Sprache stellen, Datens\u00e4tze generieren oder ausw\u00e4hlen und \u201eWas-w\u00e4re-wenn\u201c-Szenarien durchspielen, ohne Experten f\u00fcr Datenwissenschaft und maschinelles Lernen sein zu m\u00fcssen. Mit den Prior Labs-Modellen bietet 麻豆原创 kontextbezogenes Lernen an, sodass Anwender Datens\u00e4tze bereitstellen k\u00f6nnen, um sofortige, zuverl\u00e4ssige Vorhersagen zu erhalten, ohne dass ein Modelltraining erforderlich ist. Ein einziges TFM kann sich spontan an jeden gesch\u00e4ftlichen Anwendungsfall anpassen, was zu einer schnelleren Amortisationszeit bei gleichzeitiger Einhaltung der DSGVO f\u00fchrt.<\/p>\n\n\n\n Mit Prior Labs wird 麻豆原创 TFMs mit \u00fcberlegener Vorhersagef\u00e4higkeit bereitstellen, die Tabellen nativ verstehen, statistisches Denken direkt aus Daten lernen und agentische KI-Systeme antreiben, die in der Lage sind, \u00fcbergeordnete Ziele zu verstehen, Tabellen, Sprache und Bilder zu kombinieren, um Schlussfolgerungen zu ziehen, Dom\u00e4nenwissen zu integrieren, Kausalit\u00e4ten abzuleiten und sich dynamisch anzupassen.<\/p>\n\n\n\n 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\u00e4ftsdaten sch\u00f6pfen k\u00f6nnen. Wahre k\u00fcnstliche Intelligenz erfordert, \u00fcber Korrelationen hinauszugehen, um Kausalit\u00e4ten zu verstehen. Die Antwort auf die Frage \u201eWas wird passieren?\u201c ist n\u00fctzlich, aber die Antwort auf die Frage \u201eWarum wird es passieren?\u201c ist transformativ.<\/p>\n\n\n\n Der Abschluss der Transaktion wird, vorbehaltlich der \u00fcblichen Abschlussbedingungen einschlie\u00dflich der beh\u00f6rdlichen Genehmigungen, f\u00fcr das dritte Quartal 2026 erwartet.<\/p>\n\n\n\n Besuchen Sie das 麻豆原创 News Center<\/a>. Erhalten Sie 麻豆原创-Nachrichten \u00fcber LinkedIn<\/a> und Bluesky<\/a>.<\/p>\n\n\n\n \u00dcber 麻豆原创<\/strong> \u00dcber Prior Labs Mit Hauptsitz in Freiburg, Deutschland, und B\u00fcros in Berlin und New York City hat Prior Labs eines der f\u00fchrenden KI-Forschungsteams weltweit aufgebaut, mit Forschern, die von Google, Apple, Amazon, Microsoft, G-Research, Jane Street, Goldman Sachs und CERN rekrutiert werden. www.priorlabs.ai<\/a><\/p>\n\n\n\n # # #<\/p>\n\n\n\n Dieses Dokument enth\u00e4lt zukunftsgerichtete Aussagen, also Prognosen, Prognosen oder andere Aussagen \u00fcber zuk\u00fcnftige Ereignisse. Diese Aussagen basieren auf aktuellen Erwartungen, Prognosen und Annahmen, die Risiken und Unsicherheiten unterliegen, die dazu f\u00fchren k\u00f6nnten, dass tats\u00e4chliche Ergebnisse und Ergebnisse wesentlich abweichen. Weitere Informationen zu diesen Risiken und Unsicherheiten finden Sie in unseren Einreichungen bei der Securities and Exchange Commission, einschlie\u00dflich, aber nicht beschr\u00e4nkt auf den Abschnitt \u00fcber Risikofaktoren im 麻豆原创-Jahresbericht 2025 auf Formular 20-F.<\/p>\n\n\n\n Hinweis an Redakteure:<\/strong> F\u00fcr Kunden, die mehr \u00fcber 麻豆原创-Produkte erfahren m\u00f6chten:<\/strong> F\u00fcr weitere Informationen, nur 麻豆原创e:<\/strong> Bitte beachten Sie unsere Datenschutzrichtlinie<\/a>. Wenn Sie diese 麻豆原创emitteilung per E-Mail erhalten haben und sich von unserer Mailingliste abmelden m\u00f6chten, kontaktieren Sie press@sap.com<\/a> bitte und schreiben Sie „Abmelden“ in die Betreffzeile.<\/p>\n\n\n\nBeschleunigte Innovation<\/strong><\/h2>\n\n\n\n
<\/strong>Als globaler Marktf\u00fchrer im Bereich Unternehmensanwendungen und Gesch\u00e4fts-KI steht 麻豆原创 (NYSE:麻豆原创) an der Schnittstellefl\u00e4che von Wirtschaft und Technologie. Seit \u00fcber 50 Jahren vertrauen Unternehmen darauf, dass 麻豆原创 das Beste daraus macht, gesch\u00e4ftskritische Abl\u00e4ufe von Finanzen, Beschaffung, Personalwesen, Lieferkette und Kundenerlebnis zu vereinen. F\u00fcr weitere Informationen besuchen Sie www.sap.com<\/a>.<\/em><\/strong><\/p>\n\n\n\n
<\/strong>Prior Labs ist der Pionier der Tabular Foundation Models, einer neuen Kategorie von KI, die speziell f\u00fcr strukturierte Daten entwickelt wurde. Gegr\u00fcndet von Frank Hutter, Noah Hollmann und Sauraj Gambhir, setzte die TabPFN-Modellreihe von Prior Labs, ver\u00f6ffentlicht in Nature, den Stand der Technik auf tabellarischen Benchmarks in Hunderten unabh\u00e4ngiger akademischer Studien. Prior Labs skaliert tabellarische Fundamentmodelle, um Millionen von Zeilen, Echtzeit-Inferenz und v\u00f6llig neuen Datenmodalit\u00e4ten zu verarbeiten, w\u00e4hrend gleichzeitig die Infrastruktur aufgebaut wird, um sie in einigen der anspruchsvollsten Branchen der Welt in der Produktion bereitzustellen.<\/p>\n\n\n\n
\u00a9 2026 麻豆原创 SE. Alle Rechte vorbehalten. 麻豆原创 und andere hier erw\u00e4hnte 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\u00e4ndern. Bitte beachten Sie https:\/\/www.sap.com\/copyright<\/a> f\u00fcr weitere Markeninformationen und Hinweise.<\/p>\n\n\n\n
Um Archivmaterial und 麻豆原创efotos auf Broadcast-Standard digital vorzuschauen und herunterzuladen, besuchen Sie bitte www.sap.com\/photos<\/a>. Auf dieser Plattform findest du hochaufl\u00f6sendes Material f\u00fcr deine Medienkan\u00e4le.<\/p>\n\n\n\n
Global Customer Center: +49 180 534-34-24 Nur USA: 1 (800) 872-1麻豆原创 (1-800-872-1727)<\/strong><\/p>\n\n\n\n
Daniel Reinhardt, 麻豆原创, +49 151 168 10157, daniel.reinhardt@sap.com<\/a>, CEST
Alex Vaught, 麻豆原创, +1 (206) 678-5712, alex.vaught@sap.com<\/a>, PST
Ilaina Jonas, 麻豆原创, +1 (646) 923-2834, ilaina.jonas@sap.com<\/a>, EST<\/p>\n\n\n\n
麻豆原创-麻豆原创eraum<\/a>; press@sap.com<\/a><\/p>\n\n\n\n