Ein Prior-Labs-Turbo für SAP-RPT-1

Large Language Modelle versus Relational Pre-trained Transformer

Bereits die Bezeichnung der großen KI-Modelle impliziert ihr Scheitern vor den Abap-Tabellen aus dem SAP-ERP. Large Language Modelle sind Sprachmodelle, die verstehen und sprachbasierte Antworten liefern. In einer ERP-Welt aus Zahlen, Formeln und Attributen sind sprachbasierte KI-Systeme schnell überfordert.

Während also die globale KI-Welt geradezu hypnotisiert auf textbasierte Large Language Models (LLMs) starrt, positioniert sich das spezialisierte KI-Start-up Prior Labs aus Freiburg (DE) als entscheidender Gamechanger im ungleich komplexeren Bereich der strukturierten und relationalen Geschäftsdaten. Bei genauer Betrachtung wird schnell klar, dass Prior Labs keineswegs eine Konkurrenz zur SAP-eigenen Entwicklung SAP-RPT-1 darstellt, sondern vielmehr das technische Rückgrat von SAPs künftiger KI-Strategie bilden soll, denn SAP übernimmt Prior Labs in einem strategischen Schachzug, der Investitionen von über einer Milliarde Euro über die nächsten vier Jahre vorsieht.

Prior Labs leistet dabei Pionierarbeit und bietet mit seinem Produkt TabPFN-2.5 ein sogenanntes Frontier Model an, das exakt auf die Vorhersage und Analyse von strukturierten Tabellendaten ausgerichtet ist. Ergänzt wird dieses Angebot durch das Model Context Protocol, welches autonomen KI-Agenten die native Fähigkeit verleiht, präzise Vorhersagen auf Basis dieser relationalen Daten zu treffen.

SAP-RPT-1, ein GPT für Abap-Tabellen

Die Notwendigkeit für solche spezialisierten Modelle und die SAP-eigene Entwicklung SAP-RPT-1 ergibt sich aus einem gravierenden architektonischen Defizit klassischer Sprachmodelle. Herkömmliche LLMs von OpenAI oder Anthropic sind brillante Rhetoriker, scheitern aber oft kläglich an simpler Arithmetik, da sie Zahlen wie 1000 durch Tokenisierung in isolierte Zeichen zerlegen und dadurch mathematisch halluzinieren.

SAP-RPT-1 löst dieses Problem, indem es Zahlen als singuläre, relationale Werte erkennt und die semantische Logik von Datenbankzeilen und -spalten nativ versteht, was es faktisch zu einem „GPT für Abap-Tabellen“ macht. Das revolutionäre Konzept hinter SAP-RPT-1 basiert auf dem sogenannten In-Context Learning: Das Modell muss nicht mehr in zeit- und kostenintensiven Phasen aufwendig mit Kundendaten feingetuned werden, sondern liest die tabellarischen Daten direkt zur Laufzeit über einen API-Aufruf ein, führt Klassifikationen oder numerische Regressionen durch und vergisst die Daten danach wieder. Die Vorteile für den SAP-Bestandskunden liegen in der extrem schnellen Bereitstellung verlässlicher, faktenbasierter Vorhersagen ohne lange Trainingsphasen und in einem deutlich geringeren Ressourcen- und Rechenverbrauch im Vergleich zu klassischen LLMs.

KI-Zäsur: RPT-1, Prior Labs und Abap-1

Für die SAP-Community und insbesondere für die Zukunft der jahrzehntelang dominierenden Programmiersprache Abap bedeuten die gebündelten KI-Angebote von Prior Labs, RPT-1 und dem spezifischen Modell Abap-1 eine existenzielle Zäsur. Das Modell Abap-1, das integraler Bestandteil des Assistenten „Joule for Developers“ ist, fungiert aktuell primär als algorithmisches Reparaturwerkzeug, um den historisch gewachsenen, veralteten Custom-Code der Anwender automatisiert in das strenge architektonische Zwangskorsett des SAP Clean Core zu pressen.

Wenn nun aber künftig Modelle wie RPT-1 und die Technik von Prior Labs die eigentliche betriebswirtschaftliche Logik der Datenbanken SAP Hana analysieren, prognostizieren und steuern, während Abap-1 die syntaktische Code-Ebene beherrscht, wird die klassische, handwerkliche Abap-Entwicklung obsolet. ABAP verliert seinen Status als wettbewerbsdifferenzierende Ingenieurskunst und degradiert zu einer reinen Maschinensprache, die von Agentic AI maschinell orchestriert wird, wodurch der Clean Core faktisch von autonomen Algorithmen statt von menschlichen Programmierern verwaltet wird. Eine revolutionäre Technik, die Professor Alexander Zeier von Nova Intelligence auf dem Competence Center Summit 2026 in Salzburg am 10. und 11. Juni präsentieren wird – hier geht es zur Anmeldung!

SAP BTP GenAI Hub und Prior Labs TabPFN

Dieser Wandel wird auch den GenAI-Hub der Business Technology Platform (SAP BTP) radikal transformieren. Bislang fungierte dieser Hub vorwiegend als Broker, der den Kunden einen strukturierten Zugang zu externen Textmodellen der Hyperscaler ermöglichte. Mit der Einführung von SAP-RPT-1 im vierten Quartal 2025 und der Übernahme von Prior Labs wandelt sich die BTP zu einer proprietären Festung für unternehmensspezifische, relationale KI. Da Prior Labs sein Modell TabPFN bereits für Umgebungen wie Databricks, AWS Sagemaker und Microsoft Azure AI Foundry anbietet, ist eine tiefe Integration in die SAP BTP nicht nur denkbar, sondern die logische architektonische Konsequenz. Prior Labs wird somit unausweichlich ein integraler Bestandteil der SAP Business Data Cloud und der BTP werden, um die Datenföderation und die semantische Hoheit der SAP zu zementieren.

SAP BTP versus SAP API Policy

Trotz dieser vielversprechenden technischen Perspektiven drohen SAP-Bestandskunden bei der Nutzung externer KI-Systeme über APIs massive kommerzielle und rechtliche Gefahren, die SAP geschickt zu monetarisieren sucht. Die kürzlich verschärfte SAP API Policy reglementiert rigoros, dass Drittsysteme und insbesondere autonome KI-Agenten nur noch über explizit dokumentierte und freigegebene Schnittstellen auf das ERP-System zugreifen dürfen.

Massendatenextraktionen für externe Data Warehouses oder KI-Lösungen werden massiv erschwert oder untersagt, was die Anwender in die teuren SAP-eigenen Lösungen wie Datasphere oder die Business Data Cloud (SAP BDC) zwingt. Zudem lauert hier die gefürchtete Kostenfalle des Digital-Access (indirekte Nutzung), bei der Kunden exorbitant hohe Lizenzgebühren zahlen müssen, sobald externe KI-Agenten massenhaft automatisierte Buchungen oder Lesezugriffe im S/4-System auslösen. Eine Anbindung von Prior Labs an ein S/4-System wird SAP daher strategisch über die eigenen, streng kontrollierten BTP-Dienste und Zero-Copy-Partnerschaften orchestrieren, um den Datenfluss lückenlos zu überwachen und zu vergebühren.

Die Richtlinie verbietet explizit die Nutzung von APIs für nicht detailliert dokumentierte Zwecke, für systematische und großflächige Massendatenextraktionen und untersagt insbesondere das Zusammenspiel mit autonomen generativen KI-Systemen oder Agenten von Drittanbietern, sofern diese Einsatzszenarien nicht ausdrücklich im SAP Business Accelerator Hub dafür freigegeben sind.

Für den Rise-Kunden schließt sich hier eine kaufmännische Falle: Während das Rise-Architekturmodell die Nutzung von APIs für jegliche externe Kommunikation zwingend vorschreibt, beschneidet die API-Policy genau diese Freiheit drastisch, um zu verhindern, dass externe KI-Tools oder Drittanwendungen den lukrativen historischen Datenschatz ohne zusätzliche SAP-Mautgebühren ausbeuten. Wenn Anwenderunternehmen versuchen, ihre durch Rise in die Cloud transferierten Daten effizient für externe Analyseplattformen wie Microsoft Fabric abzuziehen, blockiert SAP die performanten Schnittstellen und zwingt die Unternehmen de facto in die hauseigenen, teuren Daten-Ökosysteme wie die Business Data Cloud (BDC) oder SAP Datasphere.

Zudem droht durch das fatale Zusammenspiel von Rise-Architektur und API-Restriktionen die unkalkulierbare Kostenfalle der indirekten Nutzung, in der SAP-Welt als Digital-Access gefürchtet. Sobald nämlich autonome KI-Agenten über die streng reglementierten APIs auf das cloudbasierte S/4-System zugreifen und eigenständig geschäftskritische Belege wie Kundenaufträge oder Rechnungen erzeugen, greifen neue Preismodelle, über die SAP horrende Lizenzgebühren für genau diesen externen Datenverkehr kassieren kann. Die kritische und lehrreiche Schlussfolgerung für jeden SAP-Bestandskunden lautet daher, dass Rise with SAP und die API-Policy keine voneinander getrennten IT-Maßnahmen sind, sondern ein meisterhaft orchestrierter Kontrollgriff: Rise with SAP entreißt den Kunden durch den Clean Core die technische Autonomie im Maschinenraum der Datenbank, während die API-Policy die digitale Souveränität an den Systemgrenzen konfisziert, womit der ERP-Weltmarktführer die absolute Kontrolle und die Monetarisierung der Datenströme der Zukunft zementiert.

SAP-Exit-Strategie: Prior Labs

In der kritischen IT-Szene und bei unabhängigen Analysten wird das Engagement von Prior Labs aufgrund der revolutionären Ansätze bei tabellarischen Daten mit höchstem Respekt beurteilt. Die übergreifende SAP-KI-Strategie rund um RPT-1 wird jedoch weitaus skeptischer wahrgenommen und teils als „KI-Chaostheorie“ verspottet.

Viele Experten hegen den fundierten Verdacht, dass SAP mit RPT-1 lediglich versucht, alte statistische Verfahren der Predictive Analysis Library (PAL) aus der Hana-Datenbank mit modernen Marketing-Buzzwords als neues Foundation Model zu verkaufen, um den technischen Rückstand gegenüber den echten KI-Pionieren zu kaschieren.

Während Prior Labs tatsächlich echte Innovation im Bereich des maschinellen Lernens für Strukturdaten liefert, muss der Weltkonzern SAP erst noch beweisen, dass die milliardenschwere Integration dieser Technologie einen reellen betriebswirtschaftlichen Mehrwert für die Kunden schafft und nicht bloß als Vorwand dient, um den Vendor-Lock-in auf der BTP weiter zu verschärfen.