SAP heeft de beschikbaarheid aangekondigd van TabPFN-3.5, het nieuwe kunstmatige intelligentiemodel van Prior Labs, binnen SAP AI Core. Het bedrijf presenteert deze technologie als een gespecialiseerde optie voor het werken met gestructureerde tabulaire data, zoals financiële informatie, betalingen, leveranciers of klanten, en het genereren van voorspellingen zonder dat voorafgaand trainen of finetunen van een model voor elke specifieke toepassing nodig is.
De kernpunten van TabPFN-3.5 Plus in 20 seconden
- TabPFN-3.5 is nu beschikbaar binnen SAP AI Core om direct te werken met gestructureerde bedrijfsgegevens.
- Het model gebruikt in-context learning en vereist geen apart training of voorafgaande aanpassing.
- Het kan omgaan met ontbrekende waarden, diverse datatypes en kolommen met duizenden verschillende waarden.
- SAP citeert externe benchmarks zoals TabArena en BeyondArena ter ondersteuning van haar beweringen over nauwkeurigheid en schaalbaarheid.
- Prior Labs is in juli 2026 onderdeel geworden van SAP na een overname waarbij meer dan 1 miljard euro werd geïnvesteerd.
De voorstellen richten zich op een soort informatie die in veel bedrijfsomgevingen voorkomt, maar die niet direct past bij de capaciteiten van grote taalmodellen (LLM). SAP noemt bijvoorbeeld kasstroomprognoses, betalingsachterstanden, leveranciersrisicobeoordelingen, kansen voor cross-selling en klantenverlooprisico’s.
Terwijl LLM- modellen vooral ontworpen zijn voor taal en kennis, zijn fundamentele tabulaire modellen, bekend als TFM (Tabular Foundation Models), gespecialiseerd in gestructureerde data georganiseerd in rijen en kolommen.
Dit verschil heeft praktische gevolgen. In een bedrijfsproces kunnen data velden bevatten die incompleet zijn, verschillende datatypes of identifiers met duizenden categorieën. Het voor te bereiden van dergelijke data voor traditionele machine learning modellen kan intensief zijn, met speciale transformaties en configuraties. SAP beweert dat TabPFN-3.5 ontworpen is om met minder voorbereiding met deze gegevens te werken.
Een model voor bedrijfsgegevens zonder specifieke training
TabPFN-3.5 maakt gebruik van in-context learning, een techniek waarmee het model voorspellingen kan doen op basis van voorbeelden die in de ontvangen gegevens zijn opgenomen. Volgens SAP elimineert dit de noodzaak om een apart model te trainen voor elke dataset of om meerdere configuratietests uit te voeren voordat resultaten worden bereikt.
De focus ligt ook op het native kunnen omgaan met ontbrekende waarden en verschillende datatypes. Daarnaast wordt benadrukt dat het modell columns aankan met duizenden uniekewaarde, zoals productcodes of klant-ID’s.
Deze functionaliteit is vooral relevant in bedrijfsomgevingen, waar tabellen vaak niet de ideale, homogene structuur hebben die traditionele machine learning vereist.
SAP ziet TabPFN-3.5 niet als een algemeen vervangend LLM. In plaats daarvan positioneert het zich als een technologie die zich onderscheidt door gebruik te maken van gestructureerde data voor het genereren van voorspellingen, terwijl LLM’s vooral gericht zijn op taal en kennis. Het idee is dat klanten op basis van bestaande gegevens voorspellingen kunnen genereren zonder een volledig nieuw trainingsproces te hoeven opzetten per toepassing.
Voorbeelden van toepassingsgebieden zijn het inschatten van risico’s bij leveranciers, het voorspellen van betalingsachterstanden of het inschatten van klantenverloop. Daarbij gaat het niet altijd om gegenereerde teksten, maar vooral om voorspellingen gebaseerd op meerdere gestructureerde variabelen.
SAP integreert Prior Labs in haar bedrijfs-ICT-strategie
De introductie van TabPFN-3.5 Plus binnen SAP AI Core weerspiegelt ook de integratie van Prior Labs in SAP. De Duitse onderneming werd in juli 2026 overgenomen, na een investering van meer dan 1 miljard euro om haar AI-ontwikkelingen voor gestructureerde data uit te breiden.
SAP bevestigt dat Prior Labs onder haar eigen naam blijft opereren binnen de SAP-structuur. Deze overname stelt SAP in staat om een technologie te integreren die specifiek is ontwikkeld voor gestructureerde gegevens, naast haar bestaande modelfamilie SAP-RPT.
Volgens SAP-CTO Philipp Herzig bevatten echte bedrijfsdata vaak complexe relaties en variabele condities, wat het gebruik van traditionele ML-methoden bemoeilijkt. Deze verklaring is onderdeel van de algemene communicatie en helpt het positioneren van TabPFN-3.5 in het SAP-portfolio.
Om haar prestatieclaims te ondersteunen, wijst SAP op resultaten van benchmarks zoals TabArena en BeyondArena, externe tests voor het evalueren van voorspellingsmodellen op echte gegevens. SAP stelt dat TabPFN-3.5 Plus momenteel het meest nauwkeurige en schaalbare tabulaire model is. Dit is echter gebaseerd op SAP’s beoordeling op basis van deze benchmarks en moet niet worden opgevat als een universeel kenmerk van de technologie.
Het model is toegankelijk via SAP AI Core. Voor SAP-klanten betekent dit dat zij TabPFN-3.5 Plus kunnen gebruiken binnen het SAP AI-platform, zonder zelf de volledige infrastructuur te hoeven onderhouden.
Hoe een dergelijk model past binnen bestaande analyse- en voorspellingsprocessen zal voor bedrijven de vraag zijn. Het ontbreken van een training kan in sommige gevallen een vermindering in voorbereidingstijd en kosten betekenen, al geeft SAP geen concrete cijfers over tijdswinst, kostenbesparing of verbeterde nauwkeurigheid voor specifieke gebruikers.
Het is ook belangrijk te onderscheiden dat het beschikbaar zijn van een model niet gelijk staat aan volledige automatisering van bedrijfsbeslissingen. TabPFN-3.5 kan voorspellingen genereren, maar de daadwerkelijke toepassing ervan – bijvoorbeeld bij leveranciersbeheer, incasso’s of financiële planning – hangt af van de integratie binnen de organisatie en haar systemen.
SAP streeft daarbij naar een AI-strategie die zich aanpast aan typen informatie. In plaats van te focussen op één allesomvattend model, ontwikkelt SAP gespecialiseerde modellen voor concrete problemen en voor de data die haar klanten al gebruiken.
Veelgestelde vragen
Wat is TabPFN-3.5?
Een fundamenteel tabular model van Prior Labs, ontworpen voor het maken van voorspellingen op gestructureerde data. SAP biedt het nu aan als TabPFN-3.5 Plus binnen SAP AI Core.
Vereist TabPFN-3.5 training?
Volgens SAP niet. Het model doet voorspellingen zonder apart training of finetuning door gebruik te maken van in-context learning.
Welke data kan TabPFN-3.5 analyseren?
SAP geeft aan dat het model met tabulaire gegevens kan werken die ontbrekende waarden bevatten, verschillende datatypes gebruiken en kolommen met duizenden unieke waarden hebben, zoals productcodes of klant-ID’s.
Wanneer heeft SAP Prior Labs overgenomen?
De overname vond plaats in juli 2026. SAP kondigde vóór de overname een investering van meer dan 1 miljard euro aan om haar onderzoek op het vlak van AI voor gestructureerde data uit te breiden.