SAP heeft een over­een­komst gesloten voor de over­name van Prior Labs. Prior Labs geldt als pionier op het gebied van tabular foun­da­tion models, ofwel AI-modellen die speciaal zijn ontwik­keld voor gestruc­tu­reerde bedrijfs­data in tabellen. Met de voor­ge­nomen over­name versterkt SAP zijn positie in deze nieuwe AI-cate­gorie. De basis daar­voor legde SAP eerder al met SAP-RPT‑1.

Prior Labs blijft na afron­ding van de trans­actie als zelf­stan­dige enti­teit werken. SAP inves­teert de komende vier jaar meer dan één miljard euro om Prior Labs uit te bouwen tot een toon­aan­ge­vend fron­tier AI-lab in Europa. De focus ligt op AI voor de gestruc­tu­reerde data waarop bedrijven wereld­wijd draaien.

De finan­ciële details van de trans­actie zijn niet bekend­ge­maakt. De over­name moet nog worden goed­ge­keurd door de toezicht­hou­ders.

AI voor tabellen, cijfers en bedrijfsdata

Veel zake­lijke AI-toepas­singen draaien om gestruc­tu­reerde data. Denk aan tabellen met klant­ge­ge­vens, beta­lingen, leve­ran­ciers­in­for­matie, verkoop­kansen of opera­ti­o­nele risico’s. Grote taal­mo­dellen, zoals LLM’s, zijn daar minder geschikt voor. Ze begrijpen tekst goed, maar hebben een beperkte basis voor tabellen, cijfers en statis­tiek.

Tabular foun­da­tion models (TFMs) zijn juist voor dit type data gebouwd. Ze voor­spellen bedrijfs­uit­kom­sten op basis van tabel­data. Voor­beelden zijn betaal­ver­tra­gingen, leveranciersrisico’s, upsel­l­kansen en klant­ver­loop. Daar­door passen TFMs goed bij zake­lijke processen waarin nauw­keu­rig­heid, snel­heid en betrouw­baar­heid belang­rijk zijn.

Zelfstandig AI-lab met directe route naar toepassingen

Na afron­ding van de over­name krijgt SAP met Prior Labs de kans om een toon­aan­ge­vend AI-onder­zoekslab op te bouwen en de cate­gorie van tabular foun­da­tion models verder vorm te geven. Het lab blijft zelf­standig werken om de snel­heid van onder­zoek te behouden. SAP levert de lange­ter­mijn­in­ves­te­ring en de route naar toepas­sing binnen het SAP-port­folio.

Daarbij spelen SAP AI Core, SAP Busi­ness Data Cloud en de agentic laag met Joule een belang­rijke rol. Zo ontstaat een directe verbin­ding tussen funda­men­teel AI-onder­zoek en zake­lijke toepas­singen voor klanten.

Opensourcetool voor tabular AI

Prior Labs heeft met TabPFN een veel­ge­bruikte opens­our­ce­tool voor tabular AI ontwik­keld. De tool is inmid­dels meer dan drie miljoen keer gedown­load en onder­steunt een actieve ontwik­ke­laars­ge­meen­schap. SAP geeft aan deze opens­our­cestra­tegie te blijven onder­steunen.

Het team van Prior Labs staat onder leiding van mede­op­rich­ters Frank Hutter, Noah Holl­mann en Sauraj Gambhir. Het bedrijf werkt samen met voor­aan­staande weten­schap­pers, onder wie Yann LeCun, winnaar van de ACM A.M. Turing Award en execu­tive chairman bij Advanced Machine Intel­li­gence, en Bern­hard Schö­l­kopf, direc­teur van het Max Planck Insti­tute for Intel­li­gent Systems en presi­dent van ELLIS. Beiden krijgen een plek in de weten­schap­pe­lijke advies­raad van Prior Labs.

Sneller van onderzoek naar zakelijke waarde

Prior Labs’ TabPFN‑2.6 is volgens SAP het best pres­te­rende model op TabA­rena, een belang­rijke bench­mark voor tabular foun­da­tion models. Het model haalt direct de nauw­keu­rig­heid van een geau­to­ma­ti­seerde machi­ne­learning­pi­pe­line van vier uur, maar dan met één model en veel minder complexi­teit.

Met een gespreks­in­ter­face boven op deze modellen kunnen zake­lijke gebrui­kers straks vragen stellen in gewone taal. Ze kunnen data­sets gene­reren of selec­teren en what-if-scenario’s uitvoeren zonder dat ze zelf data scien­tist of machi­ne­learning­ex­pert hoeven te zijn.

Voorspellen zonder modeltraining

SAP wil met de modellen van Prior Labs ook in-context learning leveren. Gebrui­kers voeren daarbij data­re­cords aan en krijgen direct betrouw­bare voor­spel­lingen, zonder eerst een model te trainen. Eén TFM past zich zo snel aan verschil­lende zake­lijke situ­a­ties aan. Dat verkort de tijd tot waarde en onder­steunt volgens SAP ook de nale­ving van de AVG.

Met Prior Labs wil SAP tabular foun­da­tion models leveren die tabellen van nature begrijpen en statis­tisch rede­neren direct uit data leren. Die modellen moeten agentic AI-systemen onder­steunen die zake­lijke doelen begrijpen, tabellen, taal en beelden combi­neren, domein­kennis gebruiken, oorzaak en gevolg beter inschatten en zich dyna­misch aanpassen.

Van verbanden naar oorzaak en gevolg

Na afron­ding van de trans­actie willen SAP en Prior Labs toon­aan­ge­vend AI-onder­zoek vertalen naar zake­lijke inno­va­ties. Klanten moeten daar­door meer waarde halen uit hun gestruc­tu­reerde bedrijfs­data. Volgens SAP vraagt echte intel­li­gentie om meer dan het herkennen van verbanden. De vraag wat er gaat gebeuren is waar­devol, maar de vraag waarom iets gebeurt is vaak bepa­lend.

“SAP zag al vroeg dat de grootste onbe­nutte kans in enter­prise AI niet lag bij grote taal­mo­dellen, maar bij AI voor de gestruc­tu­reerde data waarop bedrijven wereld­wijd draaien”, zegt Philipp Herzig, CTO van SAP. “Met SAP-RPT‑1 hebben we laten zien wat die over­tui­ging bete­kent voor bedrijfs­data. Prior Labs heeft een toon­aan­ge­vend TFM ontwik­keld op publieke bench­marks en een van de sterkste onder­zoeks­teams in deze cate­gorie opge­bouwd. Door hun fron­tier model-werk te combi­neren met enter­prise data en ons klant­be­reik, willen we deze cate­gorie wereld­wijd leiden.”

Prior Labs verder opschalen

“Prior Labs heeft in de afge­lopen acht­tien maanden een geweldig team opge­bouwd en de ontwik­ke­ling van tabular foun­da­tion models versneld”, zegt Frank Hutter, CEO van Prior Labs. “Als onder­deel van de SAP-familie krijgen we de middelen, dataom­ge­ving en klant­toe­gang om deze cate­gorie volledig tot ontwik­ke­ling te brengen.”

SAP verwacht de trans­actie in het tweede of derde kwar­taal van 2026 af te ronden. De afron­ding hangt af van gebrui­ke­lijke voor­waarden, waar­onder goed­keu­ring door de toezicht­hou­ders.