Google TabFM: Revolution der Tabellenanalyse mit Zero-Shot-Lernen

• Spaltenweiser Aufmerksamkeit: Erfasst Abhängigkeiten zwischen den Merkmalen
• Zeilenweiser Aufmerksamkeit: Erfasst Abhängigkeiten zwischen den Datenpunkten

Dieser zweistufige Mechanismus erzeugt festdimensionale Embeddings von Zeilen und Spalten und ermöglicht es dem Modell, zur Inferenzzeit auf beliebige Tabellenstrukturen zu generalisieren . Der Ansatz kombiniert Elemente früherer tabellarischer Foundation-Modelle, darunter den Zeilen/Spalten-Attention-Mechanismus von TabPFN und das In-Context-Learning von TabICL .

Training ausschließlich auf synthetischen Daten

TabFM wurde ausschließlich auf Hunderten Millionen synthetischer Datensätze trainiert, die von strukturellen Kausalmodellen (SCMs) erzeugt wurden . Dieser Ansatz umgeht die Knappheit und Qualitätsprobleme von Open-Source-Tabellendaten, die oft sensible oder geschützte Informationen enthalten und daher nicht frei für groß angelegtes Pre-Training genutzt werden können . Durch die Kontrolle des Datenerzeugungsprozesses stellte Google ein vielfältiges und gut verteiltes Trainingskorpus sicher, ohne auf reale Geschäftsdaten angewiesen zu sein .

TabArena-Ranking: Spitzenleistung

TabFM wurde auf TabArena validiert, einem Live-Elo-basierten Benchmark für tabellarische ML-Methoden mit einer öffentlichen Rangliste auf tabarena.ai . Laut den von Google veröffentlichten Ergebnissen:

• TabFM-Ensemble (mit 32 Ensembles sowie Querschnitts- und SVD-Merkmalen) erzielt die besten Ergebnisse auf TabArena und führt die Rangliste sowohl für Klassifikations- als auch für Regressionsaufgaben an .
• TabFM-Single (ein einzelner Vorwärtsdurchlauf ohne Ensembling) erreicht starke zweite Plätze und ist wettbewerbsfähig mit oder sogar besser als frühere tabellarische Foundation-Modelle wie TabPFN v2 und getunte Gradient-Boosted-Trees .

Die genauen Elo-Punkte hängen vom aktuellen Stand der Live-Rangliste ab, aber Googles eigene Darstellungen zeigen TabFM-Ensemble sowohl bei Klassifikation als auch Regression an der Spitze . Anfang Juli 2026 wurde die Position des besten Einzelmodells auf der TabArena-Klassifikationsrangliste von TabPFN-3 (Elo 1721) gehalten, wobei ensemblebasierte Methoden wie AutoGluon extreme (4h) die absolute Obergrenze darstellten . TabFMs Eintritt verschiebt diese Wettbewerbslandschaft.

Lizenzierung: Duales Lizenzmodell

TabFM verwendet ein duales Lizenzmodell:

Die Modellgewichte werden unter einer nicht-kommerziellen, quellverfügbaren Lizenz veröffentlicht – das bedeutet, sie sind nicht vollständig Open Source im Sinne der OSI-Definition oder des 4-Stufen-Rahmens der G7 von 2026 . Der Inferenzcode und die Beispiel-Notebooks hingegen verwenden die permissive Apache-2.0-Lizenz . Dieses Muster ähnelt Googles Ansatz bei anderen Forschungsmodellen wie Gemma (das bei neueren Generationen später auf Apache 2.0 umgestellt wurde ) und entspricht der Praxis von Prior Labs, das die Modellgewichte von TabPFN unter nicht-kommerziellen Bedingungen veröffentlicht .

BigQuery-Integration via AI.PREDICT

Google plant, TabFM in den Wochen nach der Ankündigung direkt in BigQuery zu integrieren . BigQuery-Nutzer können dann Zero-Shot-Klassifikation und Regression mit dem AI.PREDICT SQL-Befehl durchführen, der dem Syntaxmuster der bestehenden Managed-Inference-Funktionen von BigQuery ML folgt (ähnlich wie AI.FORECAST für TimesFM) . Die erwartete Syntax lautet:

Diese Integration würde es Datenteams ermöglichen, TabFM-Vorhersagen direkt in SQL anzuwenden, ohne separate ML-Infrastruktur oder Modellbereitstellungen verwalten zu müssen . Zum Zeitpunkt der Ankündigung (1. Juli 2026) wurde diese Integration als unmittelbar bevorstehend beschrieben, war aber noch nicht in den BigQuery-Release-Notes vermerkt . Googles bestehende BigQuery-ML-Umgebung unterstützt bereits Managed Inference für TimesFM (AI.FORECAST), benutzerdefinierte Modelle (ML.PREDICT) und Open-Source-Modelle von Drittanbietern über Hugging Face ; TabFM wäre das erste tabellarische Foundation-Modell, das eine integrierte AI.PREDICT-Abkürzung erhält.

Wichtige Einschränkungen

• Der offizielle Blogbeitrag von Google Research wurde am 1. Juli 2026 veröffentlicht, was sehr aktuell ist . Einige Details – das vollständige wissenschaftliche Paper, die genauen Live-TabArena-Werte zum Veröffentlichungszeitpunkt und der genaue BigQuery-Veröffentlichungszeitplan – können sich noch ändern.
• Zum Zeitpunkt dieser Analyse war kein offizielles Google-Research-Paper oder arXiv-Preprint öffentlich verfügbar. Technische Architekturdetails stammen aus sekundärer Berichterstattung und dem Blogbeitrag .
• Die derzeit für BigQuery ML dokumentierte AI.PREDICT-Funktion verwendet ML.PREDICT mit einem registrierten Modellobjekt ; die AI.PREDICT-Syntax für TabFM könnte eine neue integrierte Abkürzung analog zu AI.FORECAST für TimesFM sein, die zum Zeitpunkt der Erstellung dieses Artikels noch nicht in den Release-Notes dokumentiert war.
• Die nicht-kommerzielle Lizenz der TabFM-Gewichte schränkt die kommerzielle Nutzung ohne separate Vereinbarung ein, was die Einführung in Unternehmen beeinträchtigen könnte.