NVIDIA Kumo Relational: Was die Herstellerzahlen belegen und was nicht

NVIDIA will Vorhersagen auf Unternehmensdatenbanken ohne Feature Engineering ermöglichen

NVIDIA hat Kumo Relational neu vorgestellt, ein vortrainiertes relationales Foundation Model. Es soll direkt auf Unternehmensdatenbanken mit mehreren verknüpften Tabellen Prognosen erstellen, etwa zu Abwanderung (Churn), Nachfrage oder Betrug.

NVIDIA beschreibt das Verfahren so: Zu jeder Anfrage sammelt das Modell bis zu 10.000 historische Beispiele aus der Datenbank als Kontext. Die Vorhersage entsteht danach in einem einzigen Forward-Pass. Laut NVIDIA sind weder aufgabenspezifisches Training noch Feature Engineering nötig, ebenso wenig das Zusammenführen der Tabellen zu einer einzigen Merkmalstabelle. Klassische Pipelines brauchen genau diesen Schritt. Er kostet Zeit und verwirft Beziehungsinformationen zwischen den Tabellen. Das Modell soll die Struktur aus Primär- und Fremdschlüsseln stattdessen selbst nutzen. Die NIM-Dokumentation formuliert den Kern ähnlich: Das Modell arbeitet mit Beispielen, die mit der Anfrage mitgeliefert werden, statt für jede Prognoseaufgabe ein eigenes trainiertes Modell zu verlangen.

Zugang gibt es auf zwei Wegen. Die Open-Source-Bibliothek „structured-data-models“ arbeitet GPU-nativ. Alternativ hostet ein NVIDIA NIM das Modell für die Inferenz. Anfragen laufen dort über den „Kumo Relational Client“ aus einer Python-Anwendung an einen Endpoint. NVIDIA verlinkt Dokumentation und ein Paper (arXiv 2604.12596).

41 Aufgaben, 15 Datenbanken, 8 % Vorsprung: Die Messwerte stammen vom Hersteller

Die Leistungsdaten kommen von NVIDIA selbst. Demnach soll Kumo Relational auf 41 Aufgaben in 15 Datenbanken sowohl überwachte Relational-Deep-Learning-Modelle als auch von Experten gebaute Gradient-Boosted-Tree-Pipelines schlagen. Auf dem SAP-SALT-Benchmark liege es beim Mean Reciprocal Rank (MRR) 8 % vor AutoGluon-Ensembles. Es sei das erste Few-Shot-Foundation-Model, das überwachtes Machine Learning auf gängigen relationalen Benchmarks übertreffe. Zudem skaliere es auf Datenbanken mit mehr als 500 Milliarden Zeilen.

Ein arXiv-Paper mit dem Titel „KumoRFM-2“ scheint die Angaben zu stützen. Es nennt dieselbe Zahl von 41 Benchmarks, einen Vorsprung von bis zu 8 % und denselben Anspruch, als erstes Few-Shot-Modell überwachte Ansätze zu schlagen. Das Vortraining verläuft dort entlang von vier Achsen: Zeilen und Spalten je Tabelle sowie Fremdschlüssel und Cross-Sample auf Datenbankebene. Die Autoren versprechen außerdem, dass mehrere verbundene Tabellen ohne manuelles Flachklopfen verarbeitet werden und die zeitliche Konsistenz erhalten bleibt. Gegenüber dem Vorgänger werde die Aufgabeninformation früher eingespeist, was robuster gegen verrauschte Daten mache; auch bei Cold Start halte das Modell sich gut. Das sind Angaben der Autoren, nicht überprüfte Befunde. Dass es sich um dasselbe Modell wie Kumo Relational handelt, legen Zahlen und Wortlaut nahe. Ausdrücklich belegt ist es im vorliegenden Material nicht.

Unabhängig reproduziert ist davon bislang nichts. Die Zahlen sind Selbstauskünfte des Herstellers beziehungsweise seiner Autoren.

Was Dritte messen: eine Aufgabe, ein Vorgänger und Kritik an der Baseline

Unabhängige Daten sind rar. Eine Forschungsarbeit zu einem Hybrid aus Sprachmodell und Graph Neural Network nennt für KumoRFM auf der RelBench-Aufgabe driver-dnf (Datensatz rel-f1) einen ROC-AUC von 82,63. LightGBM erreicht dort 68,86, ein Relational-Deep-Learning-Modell 72,62. Der Wert gilt jedoch für genau eine Aufgabe und für den Vorgänger KumoRFM, nicht für Kumo Relational. Er zeigt eine Richtung, aber keinen Beleg für die Aussage über 41 Aufgaben.

RelBench ist der Standard-Benchmark für Deep Learning auf relationalen Datenbanken. Er wurde in einem NeurIPS-2024-Paper um Jure Leskovec und andere vorgestellt, und die meisten Vergleiche laufen darauf. Er soll sicherstellen, dass Methoden unter gleichen Bedingungen gemessen werden.

Kritik kommt von beri.net. Das Portal hält das Spitzenergebnis von KumoRFM – 76,71 gegen 62,44 AUROC für LightGBM im Zero-Shot-Setting auf RelBench – für einen Vergleich mit einer Baseline, die für ein Paper gebaut wurde. Die Leistung auf einem realen Warehouse sei nicht veröffentlicht. Zwei Einschränkungen gelten. Auch diese Zahlen betreffen KumoRFM, nicht eindeutig Kumo Relational. Außerdem ist die Baseline-Kritik eine Einschätzung und kein Messwert. Sie zeigt aber, wovon die Größe des Vorsprungs abhängen kann: von Qualität und Tuning der Vergleichsmodelle.

„Ohne Training“ heißt nicht ohne gelabelte Daten

„No Training Required“ lautet der Titel von NVIDIA. Gemeint ist offenbar: kein aufgabenspezifisches Training. Die Anfrage braucht trotzdem gelabelte historische Beispiele aus der eigenen Datenbank, denn daraus leitet das Modell im Forward-Pass seine Vorhersage ab. Wer keine verwertbaren Labels hat, profitiert davon nicht.

Das KumoRFM-2-Paper beschreibt außerdem Fine-Tuning, das die Leistung weiter steigern soll. Ob der NVIDIA-Release Fine-Tuning anbietet, lässt das Material offen. Eine Arbeit zu RT-J erinnert daran, dass bestehende Modelle für unbekannte Datensätze oft Zehntausende Beispiele benötigen. Der Kontextansatz mit bis zu 10.000 Beispielen ist demnach ein Versprechen gegenüber diesem Stand, kein Freibrief.

Die Aussage, das Modell funktioniere „für Menschen und Agenten gleichermaßen“, ist eine Herstellerbehauptung. Belege dafür fehlen im Material.

Lizenz und Konkurrenz: Was vor einem Produktiveinsatz zu klären ist

Bei der Lizenz widersprechen sich zwei Darstellungen. NVIDIA nennt Bibliothek und NIM als Zugänge und erwähnt keine Einschränkung. „Open Source“ bezieht sich im Text nur auf die Bibliothek, nicht auf die Modellgewichte. Laut beri.net beschränkt dagegen der Lizenztext des Produktionscontainers, Stand 9. Oktober 2026, das Modell auf nichtkommerzielle Forschung oder Evaluation. Mögliche Erklärungen: unterschiedliche Produkte (ein Container von Kumo gegenüber dem NVIDIA-NIM), unterschiedliche Artefakte (Bibliothek gegenüber Gewichten) oder unterschiedliche Stände. Das Material klärt das nicht. Die Lizenz des NIM ist darin nicht genannt. Vor einem Produktiveinsatz muss die Rechtsabteilung den Lizenztext des tatsächlich eingesetzten Artefakts prüfen.

Konkurrenz gibt es bereits. Prior Labs veröffentlicht RelArena, einen Vergleichsrahmen für RelBench v1 mit standardisierten Tuning-Regimes. Das Unternehmen gibt an, sein TabPFN-Rel stehe derzeit auf Rang 1 in RelArena. Der Relational Transformer arbeitet zero-shot ohne Kontextbeispiele. RT-J setzt auf Kontexteffizienz mit Hunderten Beispielen.

Die Herstellerbehauptung lässt sich auf zwei Wegen prüfen. Extern: eine Replikation auf RelBench oder RelArena mit identischen Baselines und Tuning-Budgets. Intern: ein Test mit eigenen Warehouse-Daten und zeitlichem Holdout gegen das produktive Gradient-Boosting-Modell. So fließt keine Zukunftsinformation in die Bewertung ein. Ob Kumo Relational dabei gewinnt, ist offen.