Große Tabellenmodelle übertreffen LLMs bei strukturierten Daten
Google/DeepMind
Feedzai
Mastercard
Amazon Web Services
Eine neue Art generativer KI, das große Tabellenmodell (LTM), entsteht, um strukturierte Daten wie Tabellenkalkulationen zu verarbeiten, mit denen große Sprachmodelle (LLMs) Schwierigkeiten haben. Das Startup Fundamental hat NEXUS veröffentlicht, ein LTM, das von AWS übernommen wurde, während Google und andere Mitbewerber eigene Modelle herausgebracht haben. LTMs modellieren tabellarische Daten direkt und ermöglichen genaue Vorhersagen ohne die sequenziellen Einschränkungen von LLMs.
Große Sprachmodelle (Large Language Models, LLMs) hinter Chatbots wie ChatGPT, Claude und Gemini glänzen bei Text und Bildern, scheitern jedoch an der Analyse strukturierter Daten wie Tabellenkalkulationen, die für Banken, Marketingagenturen und die wissenschaftliche Forschung entscheidend sind. Das Startup Fundamental kam am 5. Februar 2026 mit 275 Millionen US-Dollar Finanzierung aus der Versenkung hervor und brachte NEXUS auf den Markt, ein großes Tabellenmodell (Large Tabular Model, LTM), das speziell für Tabellendaten entwickelt wurde. Im Gegensatz zu LLMs, die Sequenzen modellieren, lernen LTMs gemeinsam numerische Werte, ihre Bedeutungen und Beziehungen und liefern deterministische Vorhersagen, die unabhängig von der Spaltenreihenfolge sind. NEXUS wurde mithilfe von Partnerschaften, öffentlichen Datensätzen und Datenerweiterung auf Milliarden von Tabellen vortrainiert, jedoch nicht auf Kundendaten – es läuft auf einer vertraulichen Computing-Plattform. Im Juni hat Amazon Web Services NEXUS in Amazon SageMaker integriert. Zu den Wettbewerbern gehören Feedzai, Mastercard und Google mit TabFM. Forscher haben außerdem FlexTab, TabICL und iLTM veröffentlicht. Experten prognostizieren, dass die automatisierte Datenanalyse dominieren wird, wobei LTMs und LLMs einander wie die Gehirnhälften des Menschen ergänzen.
Quelle: IEEE Spectrum AI —
Original