SAP greift für ein sehr junges deutsches KI-Unternehmen ungewöhnlich tief in die Tasche. Das Ziel ist Prior Labs aus Freiburg, gegründet vor nur 18 Monaten und bislang mit lediglich 9,3 Millionen Dollar Pre-Seed-Kapital finanziert.
Gekauft wird nicht das nächste Team für große Sprachmodelle. Prior Labs entwickelt Foundation Models für strukturierte Daten. Das liegt deutlich näher am Kern von SAPs Unternehmenssoftware als der Wettlauf um Chatbots für Verbraucher.
Die Eckdaten
SAP hat den Kaufpreis nicht offiziell genannt. Berichte sprechen jedoch von einer Zusage über 1 Milliarde Euro, rund 1,16 Milliarden Dollar, über vier Jahre. Die Transaktion soll fast vollständig in bar erfolgen; mehr als 500 Millionen Dollar sollen zu Beginn direkt an die drei Gründer gehen.
Prior Labs wurde 2024 in Freiburg von CEO Frank Hutter, Noah Hollmann und Sauraj Gambhir gegründet. Die Pre-Seed-Runde im Februar 2025 führte Balderton Capital an. Zu den Angel-Investoren gehören Hugging-Face-Mitgründer Thomas Wolf und Black-Forest-Labs-Mitgründer Robin Rombach. Yann LeCun, früherer Chief AI Scientist von Meta, ist als Berater gelistet.
Warum TabPFN wichtig ist
Das Kernprodukt heißt TabPFN, kurz für Tabular Prior-data Fitted Networks. Es handelt sich um eine Familie von Foundation Models, die für Tabellendaten trainiert werden.
Textmodelle sind auf Sprache optimiert. TabPFN soll Tabellen verstehen: Verkaufsdaten, fehlende Felder, Ausreißer, Verteilungen und Beziehungen zwischen Spalten. Es geht nicht darum, Analysecode um ein Modell herum zu schreiben, sondern darum, dass das Modell die Struktur der Tabelle selbst erfasst.
Die Open-Source-Modelle von TabPFN wurden auf Hugging Face kumuliert mehr als 3 Millionen Mal heruntergeladen. Für ein kleines deutsches Forschungslabor ist das ein starkes Signal in der Community für strukturierte Daten.
SAPs strategische Lesart
SAP-Technologiechef Philipp Herzig formulierte die These klar: Die größte unerschlossene Chance in der Enterprise-KI seien nicht große Sprachmodelle, sondern KI für strukturierte Daten.
Das passt zu SAPs Position. ERP-Tabellen, Finanzbelege, Verkaufsbücher, Lagerdaten, HR-Datensätze und Fertigungsaufträge sind nicht wie natürliche Sprache organisiert. Sie in ein allgemeines LLM zu pressen, kann ungenau oder sehr teuer werden. SAP sitzt zugleich auf einigen der wichtigsten strukturierten Unternehmensdaten der Welt.
Prior Labs liefert eine Modellschicht, die genau für diese Daten gedacht ist. Wenn SAP Unternehmensdaten, TabPFN-ähnliche Modelle und die eigene Anwendungsschicht verbinden kann, entsteht bei Bestandskunden ein schwer angreifbarer KI-Zugang.
Der Hinweis NemoClaw
In der Ankündigung steckte noch ein Detail. SAP erklärte, nicht autorisierte KI-Agenten per API-Strategie zu blockieren. Nvidias NemoClaw erhält dagegen über die Joule-Agents-Plattform Zugang als von SAP anerkannte Architektur.
Damit fügt SAP nicht nur KI-Funktionen in ERP ein. Der Konzern will auch kontrollieren, welche Agenten hineindürfen und wie dieser Zugang vermittelt wird. Prior Labs stellt die Modellschicht, Joule Agents die Orchestrierung, NemoClaw ein freigegebenes Agenten-Framework.
Das ähnelt Salesforce mit Agentforce und ServiceNow mit AI Control Tower. Die großen Anbieter von Unternehmens-SaaS kämpfen um dieselbe Fläche: Wer definiert Standardschnittstellen und Zugangsregeln für KI im Unternehmen?
Kann die Wette aufgehen?
Das erste Risiko: TabPFN ist noch stark forschungsnah. Viele Open-Source-Downloads beweisen nicht, dass die Technik in großen Produktionsumgebungen reibungslos funktioniert. Der Weg vom Demo zur allgemeinen Verfügbarkeit für Großkunden dürfte mindestens ein bis zwei Jahre dauern.
Das zweite Risiko ist das enger werdende Wettbewerbsfenster. Microsoft Fabric soll intern an ähnlichen Foundation Models für strukturierte Daten arbeiten, und auch bei OpenAI gibt es Interesse an GPT-Tabular-Ansätzen. SAP hat früh zugegriffen, muss aber einen Schutzwall aufbauen, bevor große Modellanbieter denselben Markt adressieren.
Schließlich bleibt Integration schwierig. Ein kleines deutsches Forschungsteam in einem deutschen Großkonzern wirkt kulturell passend, doch SAPs Produktzyklen und der Rhythmus eines Labors unterscheiden sich deutlich.
Wenn TabPFN jedoch zum faktischen Standard für strukturierte Unternehmensdaten wird, hätte SAP eine zentrale Modellschicht des KI-Zeitalters in das eigene Ökosystem geholt. Dann sähe 1 Milliarde Euro rückblickend günstig aus.
Quellen: SAP bets $1.16B on 18-month-old German AI lab and says yes to NemoClaw (TechCrunch); CocoLoop, SAP Acquires AI Startup Prior Labs With EUR1B Investment to Unlock Enterprise Structured Data (The AI Insider)