Text-to-SQL-Parsing und End-to-End-Fragebeantwortung (E2E TQA) sind die beiden Hauptansätze für die tabellenbasierte Fragebeantwortung. Trotz des Erfolgs bei mehreren Benchmarks wurden sie bisher noch nicht miteinander verglichen, und ihre Synergie wurde nicht untersucht. In dieser Arbeit identifizieren wir verschiedene Stärken und Schwächen durch die Bewertung von Stand-of-the-Art-Modellen auf Benchmark-Datensätzen: Text-to-SQL zeigt eine Überlegenheit bei der Bearbeitung von Fragen, die arithmetische Operationen und lange Tabellen betreffen; E2E TQA zeichnet sich hingegen durch die Fähigkeit aus, schwammige Fragen, nicht-standardisierte Tabellenschemata und komplexe Tabelleninhalte zu bearbeiten. Um beide Stärken zu kombinieren, schlagen wir einen synergetischen Ansatz für die tabellenbasierte Fragebeantwortung vor, der verschiedene Modelle durch eine Antwortselektion integriert, welche unabhängig vom Modelltyp ist. Weitere Experimente bestätigen, dass das Ensemble von Modellen durch einen feature-basierten oder LLM-basierten Antwortselektor erheblich die Leistung gegenüber einzelnen Modellen verbessert.