Jede Datenanalyse kennt diesen peinlichen Moment. Man hat den Datensatz geöffnet. Man versteht die Fragestellung im Großen und Ganzen. Und dann – passiert nichts. Nicht, weil die Statistik zu kompliziert wäre, sondern weil die Schritte zwischen „Ich habe Daten“ und „Ich analysiere sie“ unnötig kompliziert erscheinen. Welches Menü? Welche Variablen gehören wohin? Wie nennt man diese Art von Analyse überhaupt?
JMP Assistant löst dieses Dilemma nicht, indem es für den Schüler denkt. Es löst es, indem es die Arbeit so beschleunigt, dass wir die Unterrichtszeit für das Wesentliche nutzen können: die Bedeutung des Ergebnisses zu erkennen, zu prüfen, ob es die richtige Frage beantwortet, und die nächsten Schritte zu planen.
Zwei Werkzeuge, eine klare Unterscheidung
Bevor wir fortfahren, sollten wir genau erläutern, wie sich Assistant von LearnBot unterscheidet, das wir in Folge 2 vorgestellt haben. Der Unterschied ist einfach und wichtig:
- LearnBot [4] ist ein Tutor für JMP und Statistik im Allgemeinen. Er beantwortet allgemeine Fragen („Was bedeutet VIF?“, „Welche Analysemethode sollte ich verwenden?“) in einfacher Sprache. Er ist rein textbasiert und im Hilfemenü zu finden. Er greift nicht auf Ihre Daten zu und führt keine Aktionen in JMP aus.
- Der Assistant [3] unterscheidet sich grundlegend: Er agiert aktiv . Er kennt Ihre offenen Datensätze und Analysen, versteht Ihre Fragestellung im Kontext, generiert im Hintergrund JSL-Code (JMP Scripting Language) und führt die Analyse direkt in JMP aus – mit realen Ergebnissen, die Sie überprüfen, bearbeiten und weiterentwickeln können. LearnBot führt Sie durch den Prozess. Der Assistant arbeitet mit Ihnen zusammen.
Was macht der Assistent?: kein Geheimnis
Der Assistant [3] ist kostenlos im JMP Marketplace erhältlich. Nach der Installation erscheint er im JMP-Menü unter „Add-Ins“. Der grundlegende Workflow im Ausführungsmodus, der standardmäßig eingestellt ist, ist unkompliziert:
- Öffnen Sie Ihre Datentabelle in JMP Student Edition und starten Sie den Assistant.
- Wählen Sie im Fensterkontextbereich den Datensatz und alle geöffneten Analysen aus, mit denen Sie arbeiten möchten.
- Formulieren Sie Ihre analytische Frage in einfacher Sprache oder wählen Sie aus den vorgeschlagenen Ausgangspunkten.
- Klicken Sie auf „Senden“ . Der Assistent generiert JSL-Code, führt ihn sofort aus und gibt Ergebnisse mit einer Erklärung der durchgeführten Aktionen, Hinweisen auf die zu erwartenden Ergebnisse und Vorschlägen für die nächsten Schritte zurück.
Der Assistent speichert den Verlauf Ihrer analytischen Konversationen. Frühere Chats sind über die linke Leiste zugänglich. Um einen alten Chat erneut zu öffnen, müssen jedoch möglicherweise die entsprechenden JMP-Fenster geöffnet sein, um den vollständigen Kontext wiederherzustellen.
Bei Interpretationsfragen zu bereits generierten Ergebnissen wechseln Sie in den Fragemodus . Dieser führt keinen neuen Code aus, sondern reagiert auf Ihre Beschreibung und berücksichtigt dabei Ihren aktuellen Analysekontext. Beide Modi sind im selben Fenster verfügbar und müssen vor dem Klicken auf „Senden“ ausgewählt werden.
Persönlichzdie Erfahrung
Die Einstellungen des Assistenten ermöglichen es Benutzern, ihre Rolle (Ingenieur oder Wissenschaftler), ihren Bereich (aus einer langen Liste, die unter anderem Luft- und Raumfahrt, Biomedizin, Chemie und Umwelt umfasst) und ihr JMP-Erfahrungsniveau (1 bis 5) zu konfigurieren. Diese Einstellungen beeinflussen, wie der Assistent seine Antworten formuliert: die Sprache, die Beispiele und den Detaillierungsgrad.
Für die Lehre sind diese Optionen relevant. Dozierende können Studierende bitten, ihren Themenbereich dem Kurskontext und ihrem Kenntnisstand entsprechend anzupassen. Ein Student im ersten Studienjahr und ein Forscher im fünften Studienjahr werden auf dieselbe Fragestellung entsprechend unterschiedliche Antworten geben. Dieser Unterschied allein ist schon eine Diskussion im Seminar wert.
Wie das in der Praxis aussieht
Das folgende Beispiel verwendet den Palmer Penguins-Datensatz, eine bekannte Lehrressource, die über JMP verfügbar ist, um zu zeigen, wie ein realer Assistant-Workflow von der Frage bis zur Erkenntnis aussieht.
Eine Studentin möchte den Zusammenhang zwischen den Schnabeldimensionen verschiedener Pinguinarten untersuchen und gibt daher folgende Frage ein: „ Gibt es einen Zusammenhang zwischen Schnabellänge und Schnabeltiefe bei den einzelnen Pinguinarten? Ich würde eine einzelne Grafik bevorzugen, die alle Arten zusammen zeigt.“
Step 1: Assistant recognizes the open data set and open analyses; it explains its analytical approach before running anything.Schritt 1: Der Assistent erkennt den offenen Datensatz und die offenen Analysen; er erläutert seinen analytischen Ansatz, bevor er irgendetwas ausführt.
Der Assistent antwortet zunächst mit einer Erklärung, warum Graph Builder die richtige Plattform für ein Streudiagramm mit mehreren überlagerten Arten ist. Er weist außerdem auf das Risiko des Simpson-Paradoxons hin: Ein negativer Gesamttrend kann positive Trends innerhalb einzelner Arten verschleiern. Der Student sieht die Begründung vor dem Ergebnis.
Dann wird es ausgeführt. Das Streudiagramm erscheint in JMP Student Edition mit Regressionsgeraden und Konfidenzintervallen für jede Art.
Step 2: Assistant executes the analysis in JMP: Graph Builder output with species-colored scatter plot and JSL code available for inspection.Schritt 2: Der Assistent führt die Analyse in JMP durch: Ausgabe des Graph Builders mit artenfarbenem Streudiagramm und JSL-Code zur Überprüfung.
Der JSL-Code, der den Graphen erzeugt hat, ist sichtbar und überprüfbar, was für die meisten Anfänger nur eine Randnotiz sein mag, für fortgeschrittenere Kurse jedoch eine echte Lernressource darstellt.
In jeder Antwort im Ausführungsmodus generiert der Assistent stets zwei strukturierte Folgeabschnitte: Was ist in den JMP-Ergebnissen zu suchen? und Welche Analysen sollten als Nächstes durchgeführt werden? Jeder Abschnitt ist konkret, nummeriert und als mögliche nächste Schritte formuliert.
Step 3: Suggested next steps keep the analytical conversation moving and update as the Window Context changes.Schritt 3: Die vorgeschlagenen nächsten Schritte halten die analytische Konversation in Gang und werden aktualisiert, sobald sich der Fensterkontext ändert.
Kein Suchen in Menüs. Kein Wechseln zwischen Tabs. Nur eine Frage, eine Analyse und ein klarer Weg nach vorn.
Die Frage ist, ob es an Können mangelt.
Hier zeigt sich schnell, was Studierende beim Einsatz des Assistant feststellen: Die Qualität der Ergebnisse hängt vollständig von der Qualität der Eingaben ab. Die Formulierung einer präzisen, aussagekräftigen analytischen Frage ist nicht länger ein vorbereitender Schritt, sondern die zentrale Kompetenz.
Vergleichen Sie diese beiden Aufgabenstellungen:
- ✘ „Analysiere meine Pinguindaten“ liefert vage Ergebnisse und nur begrenzte Erkenntnisse.
- ✔ „Gibt es einen Zusammenhang zwischen Schnabellänge und Schnabeltiefe pro Pinguinart, dargestellt in einem einzigen Diagramm?“ liefert genau die Analyse, die im obigen Screenshot zu sehen ist.
Die zweite Eingabeaufforderung ist diejenige, die der Student in Schritt 1 eingegeben hat. Ein Student, der sie nicht formulieren kann, hat das Problem noch nicht verstanden, und kein KI-Tool wird es für ihn formulieren.
| Eine gute Analyse beginnt mit einer guten Frage.Kein KI-Tool wird diese Frage für Sie stellen. |
Ein wichtiger Realitätscheck
JMP Assistant ist kein Data Scientist. Er versteht Ihren Forschungskontext nicht. Er übersetzt Ihre Frage in eine Analyse – nicht mehr. Ist Ihre Frage unpassend, ist auch die Antwort unpassend. Betrachten Sie ihn als Ausgangspunkt, nicht als endgültiges Urteil. Der in jeder Assistant-Sitzung angezeigte KI-generierte Hinweis erinnert daran, dass die Beurteilung durch den Studierenden den letzten Schritt in jedem Analyseprozess darstellt.
Was dies für Dozenten bedeutet
Der unmittelbarste Vorteil ist die Zeitersparnis. Studierende verbringen nicht mehr 20 Minuten damit, das richtige Menü zu suchen. Da sie innerhalb von Sekunden mit der Analyse beginnen können, bleibt ihnen Zeit, sich auf das Wesentliche zu konzentrieren: das Verstehen der Ergebnisse.
Wenn Studierende mit bereits durchgeführten Analysen in den Unterricht kommen, verschiebt sich die Diskussion von „Wie mache ich das?“ zu „Haben wir die richtige Frage gestellt?“ Was bedeuten diese Ergebnisse tatsächlich? Würde ein anderer Ansatz die Schlussfolgerung verändern?
In Folge 4 geht es um die andere Seite der Medaille: Wo KI im Klassenzimmer echte Risiken birgt und was Lehrende tun können, um Schutzmechanismen zu schaffen, die das Denkvermögen erhalten.
Probieren Sie Folgendes:
Installieren Sie JMP Assistant [3] kostenlos vom JMP Marketplace. Öffnen Sie einen Datensatz, den Sie bereits in Ihrem Kurs verwenden. Stellen Sie dem Assistant die Frage, bei der Ihre Studierenden am häufigsten Schwierigkeiten haben. Anstatt sich dann auf die Antwort zu konzentrieren, fragen Sie sich: Wie könnte ich diese Ausgabe in eine Diskussion umwandeln? Genau in diesem Perspektivwechsel wird der pädagogische Wert des Tools deutlich.
Referenzen
[1] JMP-Akademieprogramm , jmp.com/academic
[2] JMP Studentenversion , jmp.com/student
[3] JMP Assistant (JMP Marketplace) , marketplace.jmp.com
[4]LearnBot (JMP Marketplace) , marketplace.jmp.com
[5] Wie die visuelle Benutzeroberfläche von JMP durch natürlichsprachgestützte Analyse-Workflows verbessert wird , D. Valente, JMP Community Blog
[6]GAISE College-Berichtsrevision (in Bearbeitung, 2025)
Über den Autor
Volker Kraft ist Principal Academic Ambassador (EMEA) bei JMP Statistical Discovery (einem Unternehmen der SAS-Gruppe) und Teil des globalen akademischen Teams von JMP. Seit 2011 unterstützt er Universitäten in ganz Europa bei der Integration von JMP in Lehre und Forschung. Sein Hintergrund liegt in der Sprachtechnologieforschung – einem Feld, in dem statistische Strenge und ingenieurwissenschaftlicher Pragmatismus lange vor dem allgemeinen Aufkommen von KI Hand in Hand gehen mussten. Sie erreichen ihn über die JMP-Community oder auf LinkedIn .
Folge 3 von 5 • Weiter: Verantwortungsvoller Unterricht mit KI:Risiken, Leitplanken und was ich auf die harte Tour gelernt habe
