Large Tabular Models greifen die Tabellen-Schwäche von ChatGPT, Claude und Gemini an
TL;DR
LLMs wie ChatGPT, Claude und Gemini tun sich mit größeren Tabellen schwer, weil sie Sequenzen von Tokens modellieren. Tabellen sind anders: Zeilen- und Spaltenreihenfolge kann sich ändern, ohne dass sich die Bedeutung ändert. Das Startup Fundamental positioniert Large Tabular Models als Gegenmittel. Sein Modell NEXUS wurde am 5. Februar 2026 mit 275 Millionen US-Dollar Funding vorgestellt und ist für Vorhersagen auf strukturierten Daten gebaut.
Nauti's Take
Das ist einer der seltenen AI-Trends, bei dem der langweilige Use Case wahrscheinlich der wertvolle ist. Niemand baut gern zehn Wochen lang Feature Engineering für Betrugserkennung, Churn oder Bestandsprognosen, nur damit ein Modell halbwegs stabil läuft.
LTMs klingen deshalb weniger sexy als Chatbots, könnten aber näher am echten Geld sitzen. Die PR ist deutlich spürbar, vor allem rund um NEXUS.
Trotzdem lohnt der Blick, weil Tabellen in Firmen oft wichtiger sind als jeder Chatverlauf.
Einordnunganzeigen
Die meisten Unternehmensdaten liegen nicht in hübschen Dokumenten, sondern in Tabellen, Logs, CRM-Exports und Messreihen. Wenn LTMs halten, was Fundamental und andere versprechen, wandert ein Teil der Datenanalyse aus monatelangen Spezialprojekten in schneller nutzbare Vorhersagesysteme. Der Haken bleibt: Trainingdaten, Datenschutz und Vergleichbarkeit zwischen Branchen sind deutlich schwieriger als bei Text.
Quellen