Der Softwarekonzern SAP setzt auf eine neue Generation künstlicher Intelligenz, die speziell für Tabellenkalkulation und Finanzprognosen entwickelt wurde. Mit der Übernahme des Freiburger Startups Prior Labs für über eine Milliarde Euro vollzieht der Walldorfer Konzern einen strategischen Kurswechsel weg von reinen Text-Chatbots hin zu spezialisierten Analysesystemen.
Der Milliarden-Deal mit Prior Labs
SAP gab am 17. Juli 2026 bekannt, dass die Übernahme von Prior Labs abgeschlossen ist. Das Freiburger Startup wurde vor nur 18 Monaten gegründet und hat sich mit seinem TabPFN-Modell einen Namen gemacht – einer KI, die in der renommierten Fachzeitschrift Nature veröffentlicht wurde und inzwischen über vier Millionen Downloads verzeichnet.
Im Kern geht es um sogenannte Tabular Foundation Models (TFMs). Anders als herkömmliche Sprachmodelle, die auf Text trainiert sind, verstehen diese Systeme die Logik von Tabellen und Datenbanken. Sie können Muster in strukturierten Daten erkennen und Prognosen erstellen – eine Fähigkeit, die für Unternehmen enorm wertvoll ist.
SAPs Technologiechef Philipp Herzig sieht in der Integration von KI mit strukturierten Unternehmensdaten eine „bislang kaum genutzte Chance“. Die Technologie von Prior Labs soll mit bestehenden SAP-Produkten wie SAP HANA Cloud und dem SAP Knowledge Graph kombiniert werden. Trotz der Übernahme bleibt Prior Labs als eigenständige Marke erhalten – mit Standorten in Freiburg, Berlin und New York. Das Startup wird seine Open-Source-Modelle weiterentwickeln und von einem Beirat unterstützt, dem prominente Forscher wie Yann LeCun und Bernhard Schölkopf angehören.
Warum ChatGPT bei Excel versagt
Die Entscheidung für spezialisierte Tabellen-KI hat handfeste technische Gründe. Aktuelle Forschung zeigt, dass Standard-Sprachmodelle wie ChatGPT bei der Arbeit mit Excel-Tabellen an ihre Grenzen stoßen. Das Kernproblem: die Tokenisierung.
Während KI-Systeme die Analyse von Unternehmensdaten revolutionieren, müssen Firmen auch die neuen rechtlichen Rahmenbedingungen im Blick behalten. Dieser kostenlose Report klärt auf, welche rechtlichen Pflichten und Bedrohungen durch die EU-KI-Verordnung jetzt auf Unternehmer zukommen. KI-Umsetzungsleitfaden für Unternehmen kostenlos herunterladen
Die meisten großen Sprachmodelle zerlegen Zahlenwerte in kleine Fragmente – sogenannte Tokens. Dabei gehen die mathematischen Beziehungen zwischen den Zahlen verloren, komplexe Berechnungen werden unzuverlässig. Ein weiteres Problem: Fehlt den Modellen der Kontext zu einem völlig neuen Datensatz, liefern sie ungenaue Ergebnisse.
Auch Microsofts SpreadsheetLLM, das speziell für Formeln und Zellbezüge entwickelt wurde, kämpft noch mit der schieren Größe und Komplexität von Unternehmens-Tabellen. Neuere Ansätze wie LaTable von der Universität Cambridge setzen deshalb auf Diffusionsmodelle, die numerische Daten grundlegend anders verarbeiten als Text.
Der wachsende Markt für Tabellen-KI
SAP ist nicht allein mit seiner Strategie. Der Markt für spezialisierte Tabellen-KI boomt:
- Google hat am 16. Juli 2026 sein NotebookLM in Gemini Notebook umbenannt und eine Funktion eingeführt, die jedem Notebook einen eigenen Cloud-Computer zur Code-Ausführung bereitstellt. Erste Tests zeigen eine Verbesserung von über 65 Prozent bei der Aufgabenausführung.
- Moonshot AI launchte Kimi K3, ein Modell mit 2,8 Billionen Parametern, das speziell für Forschung und Tabellenautomatisierung entwickelt wurde. Die Open-Source-Veröffentlichung ist für den 27. Juli 2026 geplant.
- Das Startup Fundamental, das an Large Tabular Models (LTMs) arbeitet, hat kürzlich hunderte Millionen Euro eingesammelt.
- Tools wie tableArth.ai und Formula Bot erlauben es Nutzern inzwischen, Excel-Dateien mit einfachen Sprachbefehlen zu analysieren – inklusive automatischer Diagramme und Dashboards.
Der Preis der Automatisierung: Vertrauen ist teuer
Doch die neue KI-Welle bringt auch ein unerwartetes Problem mit sich: die sogenannte Verifikationssteuer. Eine Studie des Marktforschungsinstituts IDC vom Februar 2026, an der über 2.200 Finanzexperten teilnahmen, zeigt ein ernüchterndes Bild.
Mit der zunehmenden Automatisierung von Finanz- und IT-Prozessen steigen auch die Anforderungen an die digitale Sicherheit und Compliance. Dieser kostenlose Leitfaden verschafft Ihnen den nötigen Überblick über Fristen, Pflichten und Risikoklassen, den Ihre Fachabteilungen jetzt dringend brauchen. EU AI Act in 5 Schritten verstehen – Gratis-E-Book sichern
In Deutschland verbringen fast ein Drittel der Finanzentscheider zwischen 15 und 29 Stunden pro Woche damit, KI-generierte Ergebnisse zu überprüfen. 28 Prozent der durch KI eingesparten Zeit gehen sofort wieder für die notwendige Kontrolle drauf. Kein Wunder also, dass many Unternehmen bereit sind, für sogenannte „Glass-Box“-Tools zu zahlen – Systeme, die ihre Entscheidungen nachvollziehbar erklären.
Sicherheitsexperten schlagen zudem Alarm: Je autonomer KI-Agenten bei Finanztransaktionen und im Einkauf agieren, desto anfälliger werden sie für ausgeklügelte Angriffe. Getarnte externe Eingaben könnten etwa unbefugte Überweisungen auslösen. Die Branche setzt daher auf einen Zero-Trust-Ansatz und behält menschliche Kontrollinstanzen in allen KI-gesteuerten Finanzprozessen bei.
