SAPs milliardsatsing på Prior Labs: Slik vil tabell-KI forandre næringslivet

Den 17. juli 2026 fullførte SAP oppkjøpet av Prior Labs, en oppstart fra Freiburg som ble grunnlagt bare 18 måneder tidligere . SAP forplikter seg til å investere over én milliard euro over fire år for å gjøre selskapet til et uavhengig forskningslaboratorium i verdensklasse for strukturert data . Prior Labs har utviklet såkalte tabellbaserte fundamentmodeller (TFMs) – KI spesialbygget for rad- og kolonnedata, ikke for fritekst . Kjerne-modellen, TabPFN, er en forhåndstrent transformer som gir nøyaktige spådommer på sekunder .

Teknologien og bruksområdene

TabPFN ble publisert i det vitenskapelige tidsskriftet Nature i januar 2025 og er sitert over 1000 ganger . Modellen matcher nøyaktigheten til en firetimers maskinlæringspipeline på et enkelt gjennomløp som varer sekunder . Teknologien er allerede i bruk i krevende bransjer:

• Jernbanevedlikehold – En casestudie på Prior Labs’ nettsider viser at Prior Labs samarbeider med Hitachi om prediktivt vedlikehold av jernbanespor .
• Finansielle spådommer – En casestudie dokumenterer at Prior Labs og TD Bank har utforsket TabPFN for finansielle prognoser i stor skala .
• Helse og biovitenskap – Forskning spenner fra kreftdiagnostikk (bukspyttkjertelkreft), onkologi, nevrologi og kardiologi ; en casestudie med BostonGene brukte TabPFN til å identifisere immunsystemprofiler .
• Miljø og energi – Modellen er brukt til å forutsi skogbrannrisiko og til sanntidsvarsling av fornybar energi .
• Batterimaterialer – TabPFN-2.5 brukes også til miljøprognoser som algeoppblomstring og skogbrannrisiko .

Nyeste modell: TabPFN-3 med Tenkemodus

TabPFN-3 ble lansert 12. mai 2026 . Den støtter datasett på opptil én million rader og 200 kolonner, med støtte for tekstkolonner i API-et . API-tilbudet TabPFN-3-Plus (Thinking) introduserer inferens-tidsberegning (test-time compute) – modellen bruker mer tid under trening for å oppnå betydelig høyere nøyaktighet . På TabArena-tester slår TabPFN-3-Plus (Thinking) alle ikke-TabPFN-modeller med over 200 Elo og er 10 ganger raskere enn AutoGluon 1.5 extreme . TabPFN-3 i seg selv forblir åpen kildekode .

Avtalens struktur og uavhengighetsvilkår

• Kjøpesum – Ikke offentliggjort, men SAP investerer over én milliard euro over fire år for å vokse Prior Labs .
• Uavhengighet – Prior Labs fortsetter som en uavhengig enhet og beholder sitt merke, ledelse, forskningsagenda og kunderelasjoner .
• Åpen kildekode – SAP støtter fullt ut Prior Labs’ strategi om åpen kildekode. TabPFN-3 er utgitt som åpen kildekode, og modellen har over 3 millioner nedlastinger .
• Ledelse – Grunnleggerne Frank Hutter, Noah Hollmann og Sauraj Gambhir fortsetter å lede teamet . Turing-prisvinner Yann LeCun og Bernhard Schoelkopf fra Max Planck er med i det vitenskapelige rådet .

Strategisk begrunnelse fra ledelsen

Philipp Herzig, SAPs teknologisjef (CTO), sier SAP så tidlig at den største uutnyttede muligheten i bedrifts-KI ikke var store språkmodeller, men KI bygget for strukturert bedriftsdata. Han uttalte: «Å kombinere deres forskning på banebrytende modeller med bedriftsdata og kunderekkevidde er hvordan vi har tenkt å lede denne kategorien globalt» .

Frank Hutter, administrerende direktør i Prior Labs, sa: «Å bli en del av SAP-familien gir oss ressursene, datamiljøet og kunderekkevidden til å ta denne kategorien til sitt fulle potensial» . I et LinkedIn-innlegg etter avslutningen la han til: «Samme team, samme kontorer, samme oppdrag, åpne modeller, støttet med over én milliard euro. Hva endres? Skalaen og planleggingshorisonten. SAP er den perfekte partneren med en enorm mengde tabulær data og distribusjon» .

Det kombinerte selskapet planlegger å satse på forskning innen bedrifts-KI, vitenskapelige oppdagelser, kausalitet, relasjonsdata og agentbaserte systemer – og bevege seg fra korrelasjon til årsakssammenheng, samt muliggjøre agent-KI som forstår tabeller, språk og bilder for å resonnere og tilpasse seg dynamisk . SAP har også skissert «moonshot»-ambisjoner innen medisinsk data og materialvitenskap, med anvendelser som allerede er demonstrert innen kreftdiagnostikk, klinisk beslutningstaking og batterimaterialeforskning .