Konzeptkarte

TabPFN / TabICL — Tabellarische Foundation Models

Stand 10. Oktober 2026

Redaktion: Cédric Mary, alleiniger Redakteur und verantwortlich für die Veröffentlichung — 27 Jahre im SAP-Ökosystem. Wie diese Seiten entstehen und wo Automatisierung eingesetzt wird.

Was ist TabPFN / TabICL?

TabPFN (Prior Labs, seit Juli 2026 im Besitz von SAP) und TabICL (Inria) sagen tabellarische Zielwerte per In-Context-Learning vorher — ohne Training und Tuning. TabPFN-3.5 (15. Sept. 2026; Plus, Thinking, Fast) ist die aktuelle Version; TabPFN-3.5 Plus ist in SAP AI Core allgemein verfügbar, Tabular Orchestration folgt ab November 2026.

Tabellarische Foundation Models (TFMs) übertragen den Transformer und das In-Context-Learning (ICL) auf Tabellenkalkulationen und Datenbanktabellen. Statt für jede Vorhersageaufgabe ein neues Modell zu trainieren, erhält ein einziges vortrainiertes Netz die gelabelten Zeilen der Aufgabe als Eingabe und sagt die ungelabelten Zeilen in einem Vorwärtsdurchlauf vorher. TabPFN und TabICL sind die beiden bekanntesten offenen Familien; SAPs eigenes SAP-RPT (C165, C237) gehört zur selben Klasse. Seit 2026 ist das für SAP-Berater keine Forschungskuriosität mehr: SAP besitzt Prior Labs, das Unternehmen hinter TabPFN, und TabPFN-3.5 Plus ist in SAP AI Core allgemein verfügbar.

Wer entwickelt was

TabPFN wird von Prior Labs entwickelt (Freiburg, mit Büros in Berlin und New York). SAP hat die Übernahme am 4. Mai 2026 angekündigt und am 17. Juli 2026 abgeschlossen und sich verpflichtet, über vier Jahre mehr als 1 Mrd. € in ein Frontier-AI-Labor für strukturierte Daten zu investieren; Prior Labs bleibt innerhalb von SAP eine eigenständige Einheit und behält seine Open-Source-Strategie bei (C102).
TabICL ist kein Modell von Prior Labs. Es stammt vom SODA-Team von Inria gemeinsam mit der ENS Paris, wurde auf der ICML 2025 veröffentlicht und hat mit TabICLv2 einen offenen Nachfolger auf GitHub (soda-inria/tabicl).

Warum es zählt

TabPFN ist jetzt ein SAP-Asset: SAP hat die Übernahme von Prior Labs am 17. Juli 2026 abgeschlossen und TabPFN-3.5 Plus am 15. September 2026 in SAP AI Core allgemein verfügbar gemacht.
Ein tabellarisches Foundation Model liefert für eine neue Vorhersageaufgabe in Stunden eine nutzbare Baseline statt eines mehrwöchigen Zyklus aus Feature Engineering und Training.
Wer die Familie kennt (TabPFN vs. TabICL vs. SAP-RPT vs. Gradient Boosting), kann einen fairen Benchmark aufsetzen, statt standardmäßig das Modell eines Herstellers zu wählen.

Kernpunkte

Tabellarische Foundation Models sagen ungelabelte Zeilen aus gelabelten Eingabezeilen vorher (In-Context-Learning) — ohne Gradientenschritt und ohne Hyperparametersuche.
TabPFN stammt von Prior Labs (Übernahme angekündigt am 4. Mai 2026, abgeschlossen am 17. Juli 2026, >1 Mrd. € über vier Jahre); TabICL ist ein Inria-Modell (ICML 2025), kein Prior-Labs-Modell.
TabPFN-Versionen: v1 (2022/ICLR 2023), v2 (Nature 2025), v2.5 (Nov. 2025), TabPFN-3 (Mai 2026), TabPFN-3.5 (15. Sept. 2026: Basis, Plus, Thinking, Fast).
TabPFN-3.5 dokumentiert bis zu 1.000.000 Zeilen (abhängig von der Merkmalszahl) und bis zu 20.000 Merkmale (6.000 empfohlen); Ranglistenaussagen stammen vom Hersteller.
TabPFN-3.5 Plus ist seit dem 15. Sept. 2026 in SAP AI Core allgemein verfügbar; Tabular-Orchestration-Unterstützung ist ab November 2026 geplant.
SAP-RPT-1.6 (niedrige Latenz/hoher Durchsatz) und SAP-RPT-1.6-large (höchste Qualität, größerer Kontext, mehr Zielklassen) sind die aktuelle SAP-RPT-Generation, ausgeliefert mit einer RPT Playground API mit einer Begrenzung von 1.000 Anfragen/Stunde — SAP-RPT-1.5 ist die vorherige, nicht die aktuelle Generation.
Der Inferenzkosten, nicht die Trainingskosten, sind der Kompromiss, der die Eignung eines TFM bestimmt: Der gesamte gelabelte Kontext wird zur Vorhersagezeit verarbeitet, sodass Latenz und Rechenaufwand mit der Kontextgröße skalieren, anders als ein vortrainiertes Baumensemble, das in Millisekunden scort.
Die Lizenz von TabPFN (modifizierte Apache-Lizenz, TABPFN-3.0 License v1.0) ist von SAP AI Cores eigenen Servicebedingungen getrennt — beide prüfen, bevor man sich auf einen Vertriebskanal festlegt.

Begriffe auf dieser Seite

In-Context-Learning (ICL): Anpassung zur Inferenzzeit: Ein vortrainiertes Modell nutzt gelabelte Beispiele aus seiner Eingabe, um neue Fälle vorherzusagen, ohne Gewichte zu ändern.
Prior-data Fitted Network (PFN): Ein auf synthetischen Datensätzen aus einer A-priori-Verteilung vortrainierter Transformer, sodass ein Vorwärtsdurchlauf bayessche Vorhersage für einen neuen Datensatz annähert — die Idee hinter TabPFN.
Attention erst über Spalten, dann über Zeilen: TabICL-Design: Attention über Spalten und danach über Zeilen erzeugt ein Zeilen-Embedding fester Größe vor dem In-Context-Learning und hält große Tabellen beherrschbar.
TabPFN-3.5 Plus: TabPFN-3.5-Variante mit proprietärer Textverarbeitung für textreiche Tabellen; die in SAP AI Core allgemein verfügbare Variante.
Tabular Orchestration: Workflow in SAP AI Core, der Kontextabruf und Modell-Routing für tabellarische Foundation Models verwaltet; für TabPFN-3.5 Plus ab November 2026 angekündigt.

Quellen

Vollständige Karte für Mitglieder. Was die vollständige Karte ergänzt: den vollständigen Entscheidungsrahmen · den Vergleich SAP · Snowflake · Databricks · Fabric · die häufigen Fallstricke und ihre Behebung · die Kurzreferenz · die Architekturschemata · die Codeblöcke · die zitierfähigen Kennzahlen.

In der App öffnen →

Offene SAP-Projekte

Aktuelle SAP-Analytics-Projekte und Stellen im DACH-Raum: SAP-Analytics-Projekte im DACH-Raum.