TabPFN-3.5 is een zogenoemd tabular foundation-model (TFM). Waar generatieve taalmodellen in eerste instantie ontwikkeld zijn om taal te verwerken, richten dergelijke modellen zich op gegevens die in tabellen of andere gestructureerde datasets zijn opgeslagen.

Voor bedrijven gaat het bijvoorbeeld om financiële gegevens, klantendata, productinformatie, transacties, leveranciersgegevens en operationele data. Op basis daarvan kan het model patronen herkennen en voorspellingen genereren.

SAP positioneert TabPFN-3.5 Plus onder meer voor toepassingen zoals cashflow-prognoses, het voorspellen van betalingsachterstanden en klantverloop, het identificeren van commerciële opportuniteiten en het inschatten van leveranciersrisico's.

Belangrijk verschil met klassieke machine-learningmodellen is dat TabPFN-3.5 volgens SAP geen afzonderlijke training of uitgebreide afstemming per toepassing nodig heeft.

Het model werkt met in-context learning en kan rechtstreeks voorspellingen maken op basis van aangeleverde tabeldata. Daarbij kan het omgaan met ontbrekende waarden, uiteenlopende data-types en inconsistenties in data sets.

Ook kolommen met veel verschillende waarden, zoals klantnummers, productcodes of andere identificatoren, kunnen rechtstreeks worden verwerkt.

Daarmee probeert SAP een deel van het handmatige werk weg te nemen dat bij traditionele machine learning-projecten nodig is voor data-voorbereiding, feature engineering, modelselectie en optimalisatie.

TabPFN-3.5 Plus wordt voor SAP-klanten beschikbaar gemaakt via SAP AI Core. Daardoor kan het model worden gekoppeld aan bestaande bedrijfsdata en toepassingen binnen de SAP-omgeving.

De technologie kan onder meer relevant zijn voor financiële afdelingen, sales, procurement, supply chain en customer service. In plaats van voor elk voorspellingsprobleem afzonderlijk een model te ontwikkelen, moet een foundation model meerdere soorten tabulaire analyses kunnen ondersteunen.

Volgens SAP behaalt TabPFN-3.5 Plus sterke resultaten in de externe benchmarks TabArena en BeyondArena. Die benchmarks vergelijken modellen voor voorspellende analyses op tabulaire data sets. De kwalificatie van het model als het meest nauwkeurige en schaalbare model is afkomstig van SAP en de aangehaalde benchmarkresultaten.

De technologie komt van Prior Labs, dat gespecialiseerd is in foundation models voor gestructureerde data. SAP rondde de overname van het bedrijf in juli 2026 af.

Prior Labs blijft als zelfstandige entiteit actief. SAP kondigde eerder aan meer dan 1 miljard euro te willen investeren in de verdere ontwikkeling van het bedrijf tot een AI-onderzoekscentrum voor toepassingen op gestructureerde bedrijfsdata.

Met de integratie van TabPFN-3.5 Plus in SAP AI Core wordt de technologie nu rechtstreeks beschikbaar voor SAP-klanten.

Meer info: 0800/50.550 of https://www.sap.com