Tabellen bekommen eigene AI-Modelle, weil ChatGPT und Co. bei strukturierten Daten schwächeln
TL;DR
IEEE Spectrum beschreibt Large Tabular Models als neue Modellklasse für Tabellen, weil LLMs strukturierte Daten oft schlecht verstehen: Zeilen und Spalten sind keine lineare Textsequenz. Startup Fundamental hat NEXUS am 5. Februar 2026 mit 275 Millionen US-Dollar Funding vorgestellt. Das Modell ist für Vorhersagen über Tabellen gebaut und soll mit wenig Feature Engineering auskommen.
Nauti's Take
Das Thema ist größer als der nächste Modellname. LLMs sind gut darin, über Daten zu reden, aber Tabellenarbeit verlangt stabile Vorhersagen, saubere Spaltenlogik und weniger Halluzination.
Genau dort sitzt ein echter Markt, weil Unternehmen nicht noch einen Chatbot brauchen, sondern Antworten aus ihren vorhandenen Daten. Trotzdem riecht NEXUS derzeit auch nach gut verpackter Enterprise-Story: viel Funding, AWS-Siegel, starke Versprechen.
Erst echte Benchmarks und harte Kundenszenarien zeigen, ob LTMs XGBoost wirklich ablösen oder nur die nächste Schicht über klassischem Machine Learning werden.
Einordnunganzeigen
Die meisten Unternehmensdaten liegen nicht in Chatfenstern, sondern in Spreadsheets, Datenbanken und Logs. Wenn LTMs wirklich über Tabellen hinweg lernen, könnten Teams schneller Prognosen für Betrug, Marketing, Lager, Forschung oder Medizin bauen. Der Haken: Viele Aussagen kommen von Anbietern, und sensible Tabellendaten bleiben ein harter Prüfstein für Vertrauen, Zugriff und Governance.
Quellen