In der KI-Diskussion herrscht derzeit ein wahrer Informationsdschungel. Wöchentlich tauchen neue Begriffe und Akronyme auf – agentenbasierte KI, Reasoning LLMs, Vibe Coding – und damit ein neuer Druck auf Unternehmen, eine KI-Strategie zu entwickeln oder eine Plattform einzuführen, stets unter dem impliziten Risiko, den Anschluss zu verlieren. Auch Wissenschaftler und Ingenieure, die JMP nutzen, sind von diesem Druck betroffen. Sie hören ihn von ihren Vorgesetzten und fragen uns, was das für die Werkzeuge bedeutet, auf die sie täglich angewiesen sind.
Unsere Antwort ist einfach: Der Kernnutzen von JMP hat sich nicht verändert und wird sich auch in Zukunft nicht verändern. Was sich geändert hat, ist unsere Fähigkeit, diesen Nutzen zugänglicher, besser auffindbar und erweiterbarer zu machen – und unsere KI-Infrastruktur spielt dabei eine wichtige Rolle. Wir tun dies jedoch bewusst, nach Ihren Vorstellungen, nicht nach unseren.
Warum der analytische Workflow von JMP unersetzlich bleibt
The JMP analytic workflowDer analytische JMP-Workflow
Bevor wir darüber diskutieren, wo KI ihren Platz hat, sollten wir genau definieren, was JMP leistet, was kein Sprachmodell nachbilden kann.
JMP wurde von Grund auf interaktiv konzipiert. Benutzer ziehen eine Spalte in den Graph Builder und sehen ihre Daten sofort – ohne Code, Syntax oder Eingabeaufforderung. Ein Klick auf einen Punkt in einem Diagramm wird in der Datentabelle und allen anderen Diagrammen der gesamten Analysesitzung hervorgehoben. Diese Vernetzung ist jedoch keine bloße Funktion, sondern ein grundlegendes Prinzip. Kurz gesagt: Wissenschaftler und Ingenieure mit Fachwissen und der richtigen Analyseumgebung sind die treibende Kraft für neue Erkenntnisse.
Der analytische Workflow von JMP verläuft von links nach rechts. Er beginnt mit einer Person und einem Problem. JMP übersetzt Geschäftsfragen in analytische Fragestellungen, führt die Anwender zu den passenden Methoden und bietet eine interaktive, visuelle Umgebung, in der schnell Erkenntnisse gewonnen werden. JMP Live erweitert diesen Nutzen anschließend auf das gesamte Unternehmen – es macht Arbeitsergebnisse sichtbar, ermöglicht den Austausch bewährter Methoden und überträgt die Analyse von einzelnen Laptops auf die unternehmensweite Zusammenarbeit.
Große Sprachmodelle stehen nicht im Zentrum dieses Arbeitsablaufs. Sie werden an bestimmten Stellen eingesetzt und beschleunigen Teile davon. Der Wissenschaftler oder Ingenieur steuert weiterhin die Analyse und liefert den Mehrwert.
Die Kurve, die alles erklärt
JMP gets more valuable as problems get harder and rarer.JMP gewinnt an Wert, je schwieriger und seltener die Probleme werden.
Es gibt eine hilfreiche Methode, um zu veranschaulichen, warum JMP und LLMs keine Konkurrenten sind. Stellen Sie sich ein Diagramm vor, in dem die Problemkomplexität auf der X-Achse abgetragen ist, mit häufigen, gut dokumentierten Problemen links und seltenen, wertvollen Problemen rechts.
Das Trainingsdatenvolumen von LLM nimmt mit zunehmender Komplexität und Seltenheit der Probleme rapide ab. Die Effektivität von LLM hängt damit zusammen. Für gängige Probleme, wie das Schreiben eines einfachen Python-Skripts oder das Debuggen eines häufig auftretenden Fehlers, gibt es Tausende von Beispielen online, und LLMs eignen sich hervorragend dafür. Doch sobald man sich in Richtung neuartiger Versuchsdesigns, komplexer multivariater Analysen und Problemen bewegt, die in der jeweiligen Branche noch niemand gelöst hat, bricht die Effektivität von LLM zusammen. Es gibt schlichtweg keine Trainingsdaten für Ergebnisse, die noch nicht existieren.
Die Effektivität von JMP verhält sich umgekehrt. Je komplexer und seltener die Probleme werden, desto wertvoller wird JMP. Versuchsplanung, explorative Datenanalyse, Entdeckungen an der Grenze des bisher Unbekannten – das ist JMP-Gebiet. Die These sollte klar formuliert werden: Eine Fülle von Trainingsdaten bedeutet nicht automatisch geschäftlichen Nutzen. Lernmodelle werden anhand von häufig vorkommenden Daten trainiert. Die für Ihr Unternehmen relevanten Probleme sind diejenigen, für die die wenigsten Trainingsdaten verfügbar sind.
Man kann einen LLM nicht beispielsweise auffordern, „das nächste Blockbuster-Medikament zu entwickeln und dabei keine Fehler zu machen“. JMP-Anwender arbeiten an der Grenze des noch Unbekannten, und dieser Arbeitsablauf lässt sich nicht allein durch KI automatisieren.
Wo LLMs im JMP-Ökosystem einen echten Mehrwert schaffen
LearnBotLearnBot
Nachdem diese Grundlage geschaffen wurde, ergeben sich echte und sinnvolle Möglichkeiten, wie LLMs den JMP-Workflow beschleunigen können.
Kürzere Einarbeitungszeit für neue Nutzer. JMP hat eine kurze, aber steile Lernkurve. Einsteiger, die zwar über Fachkenntnisse verfügen, aber die Software noch nicht beherrschen, stoßen in den ersten Stunden schnell an ihre Grenzen. LearnBot (verfügbar im JMP Marketplace) begegnet dieser Problematik. Durch die Integration der umfangreichen Lerninhalte, der Dokumentation und des JSL Scripting Index in eine mit LLM angereicherte Wissensdatenbank ermöglicht LearnBot neuen Nutzern, ihre Fragen in natürlicher Sprache zu stellen und Antworten zu erhalten, die auf präzisen und aktuellen JMP-Inhalten basieren. Erste Ergebnisse sind vielversprechend.
Die Lücke zwischen Point-and-Click-Bedienung und Automatisierung schließen. JMPs Skriptsprache JSL ist außerordentlich leistungsstark. Sie ermöglicht die Entwicklung individueller Anwendungen, Integrationen und unternehmensspezifischer Tools. Telemetriedaten zeigen jedoch, dass die überwiegende Mehrheit der JMP-Nutzer sie nie verwendet; selbst die grundlegendste JSL-Aktivität, das Speichern eines Skripts in einer Datentabelle, wird nur in 16 % der Fälle genutzt. Diese Unterauslastung stellt einen erheblichen Engpass dar. Nutzer können ihre Anforderungen in einfacher Sprache beschreiben und erhalten im Gegenzug funktionierendes JSL. Die durch JSL ermöglichte Automatisierung und Anpassung wird somit für alle Nutzer zugänglich, nicht nur für den kleinen Expertenkreis, auf den sich ein Unternehmen üblicherweise verlässt.
Die verborgenen Funktionen von JMP auffindbar machen. Organisationen weltweit vertrauen seit über drei Jahrzehnten auf die Vorteile von JMP. Doch manchmal sind die Funktionen von JMP hinter Menüs mit roten Dreiecken oder Plattformoptionen verborgen, die die meisten Benutzer nie entdecken. Natürliche Sprachschnittstellen machen diese Tools für alle zugänglich. Ein Benutzer kann beschreiben, was er tun möchte, und wird direkt zum passenden Tool in JMP weitergeleitet, selbst wenn er es im Menü nie gefunden hätte.
Die Erweiterung „LLM Prompt Runner“ ermöglicht die Analyse von Freitext innerhalb des JMP-Workflows. Nutzer können Datentabelleninhalte direkt an ein LLM-System übergeben und strukturierte Ergebnisse (z. B. Stimmungsanalyse, Ursachenermittlung oder Klassifizierung) in die Datentabelle zurückgeben. So bleiben die Nutzer im gewohnten JMP-Workflow und nutzen gleichzeitig die LLM-Funktionen für Aufgaben, in denen sie ihre Stärken voll ausspielen können.
Die Infrastruktur, die wir aufbauen
JMP Scripting Index JMP-Skripting-Index: JMP ist auf maximale Flexibilität ausgelegt und setzt nicht auf einen einzelnen Anbieter. Wir gehen nicht davon aus, dass sich ein einzelner LLM-Anbieter durchsetzen wird. Unser Fokus liegt auf Infrastruktur und Schnittstellen, die es Kunden ermöglichen, JMP mit den Modellen und Diensten zu verbinden, die ihren Standards und ihrer Umgebung entsprechen.
So fügt sich das zusammen:
Zunächst zur Wissensdatenbank. Wir haben über 20.000 JSL-Skriptbeispiele auf JSL.jmp.com in Formaten veröffentlicht, die für Sprachwissenschaftler leicht verständlich sind; weitere 10.000 sind in Vorbereitung. Dadurch verbessern Sprachwissenschaftler ihre Fähigkeiten im Umgang mit JSL deutlich und werden sich auch weiterhin verbessern.
Zweitens die Übersetzerschicht. Wir verwenden Retrieval-Augmented Generation (RAG), um Halluzinationen zu minimieren und sicherzustellen, dass die Antwort auf eine Benutzerfrage auf genauen, relevanten und aktuellen JMP-Inhalten basiert.
Drittens, die Infrastruktur. Wir vereinfachen die Verbindung von JMP mit dem LLM Ihrer Wahl über Endpunktkonnektoren, sodass Kunden nicht mehr an einen einzelnen Anbieter gebunden sind. Diese Funktion wird im März 2027 verfügbar sein. Wenn Sie sie vorab testen möchten, treten Sie bitte dem JMP-Programm für frühe Anwender bei; wir freuen uns über Ihr Feedback.
Viertens: Tools. JMP erweitert seine Bibliothek kontinuierlich um hochwertige KI- und ML-Erweiterungen, die Anwender unterstützen, ihre Arbeitsabläufe optimieren und den Programmieraufwand reduzieren. Anwender können diese Erweiterungen installieren, an die Richtlinien ihrer Organisation anpassen und bei Bedarf modifizieren.
Und schließlich der JMP Marketplace. Über den JMP Marketplace können Kunden die für ihre Bedürfnisse passenden LLM- oder KI-Erweiterungen auswählen. Indem JMP diese Erweiterungen über den JMP Marketplace anbietet, anstatt sie in das Kernprodukt zu integrieren, bleibt KI optional und wird nicht erzwungen.
Sicherheit, Datenschutz und Compliance – nach Ihren Bedingungen
Wir wissen, dass Datenschutz, Datensicherheit und Compliance höchste Priorität haben, insbesondere im Zusammenhang mit KI. JMP macht es Ihnen leicht, die Antworten zu finden, die Ihre Sicherheits- und Compliance-Teams benötigen.
Unser Vertrauenszentrum erläutert, wie JMP Ihre Daten und Eingabeaufforderungen verarbeitet, wie wir den Datenschutz gewährleisten, welche Sicherheitsgarantien wir bieten und wie wir die EU-Compliance-Anforderungen erfüllen. Die JMP-Nutzungsbedingungen für generative KI beschreiben detailliert, was mit Ihren Eingabeaufforderungen bei der Verwendung von LLM-basierten Erweiterungen geschieht. Jede Erweiterung enthält außerdem ein Modellinformationsblatt , das das verwendete Modell identifiziert und auf die Dokumentation des Modellanbieters verlinkt. Unsere JMP-Richtlinie zur verantwortungsvollen Nutzung verdeutlicht unser Engagement für ethische KI-Praktiken und leitet Nutzer durch zulässige und unzulässige Anwendungsfälle.
Alle diese Ressourcen sind öffentlich und stehen Ihnen zur Verfügung, um sie mit Ihren Sicherheits- und Compliance-Teams zu teilen.
Was JMP nicht tut
Genauso wichtig ist es, klarzustellen, was JMP nicht tut, wie zu erklären, was wir tun.
- Wir entwickeln keinen Chatbot, der den JMP-Analyse-Workflow ersetzen soll. JMP ist ein Analysetool, kein Konversationsprodukt.
- Wir überlassen die Berechnungen nicht den LLMs: JMP berechnet, die LLMs schreiben die Anweisungen.
- Wir trainieren oder optimieren keine Basismodelle, da dies ein Milliarden-Dollar-GPU-Spiel ist und keine Desktop-Analytics-Angelegenheit.
- Wir generieren keine synthetischen Daten. JMP steht für statistische Genauigkeit, und diese Genauigkeit wird durch von LLM erfundene Zahlen nicht beeinträchtigt.
- Wir zwingen Nutzern, die diese Funktionen nicht wünschen, keine KI-Funktionen auf.
Die Strategie definiert das Geschäftsergebnis und den Arbeitsablauf. KI ist ein Werkzeug unter vielen, um dieses Ziel zu erreichen.
Fazit
JMP verfügt über eine solide Grundlage und einen differenzierten Workflow. Der analytische Workflow (visuelle Erkundung, statistisch fundierte Methoden, wiederholbare und teilbare Analysen) ist nicht dasselbe wie die Eingabe einer Eingabeaufforderung in ein Chatfenster. Eine Eingabeaufforderung kann hilfreich sein, manchmal sogar enorm. Sie ersetzt jedoch nicht die Gründlichkeit und den durchgängigen Workflow, den JMP ermöglicht.
Was wir aufbauen, ist eine Infrastruktur: eine Wissensbasis, die es LLMs deutlich ermöglicht, JMP besser zu verstehen, eine Übersetzungsschicht, die Antworten auf präzise Inhalte stützt, Endpunktkonnektoren, die Kunden Flexibilität bei der Auswahl ihrer KI-Anbieter bieten, und ein Marktplatz, der KI-Funktionen optional und nach Ihren Bedingungen bereitstellt.
JMP-Nutzer schaffen neues Wissen. Sie arbeiten an bisher ungelösten Problemen mit Daten, die keinem Modell bekannt sind. Dieser Arbeitsablauf wird auch in Zukunft relevant bleiben. Im Gegenteil, im Zeitalter der KI gewinnt er sogar noch an Bedeutung, denn die wirklich wichtigen Probleme sind genau jene, bei denen LLMs an ihre Grenzen stoßen und JMP seine Stärken ausspielt.
Wir jagen keinem Hype hinterher. Wir bauen langfristig und wir bauen für Sie.
