KI sitzt jetzt in SPSS und RStudio – aber wer prüft die Statistik?

KI-Assistenten sind in der Statistiksoftware angekommen. Nicht als externe Chatfenster, die Sie separat öffnen müssen, sondern direkt in den Programmen, in denen Sie Ihre Daten auswerten. Das klingt nach einer echten Erleichterung. Und das ist es auch, zumindest teilweise. Die entscheidende Frage lautet jedoch: Was genau übernimmt die KI dabei für Sie, und was nicht?

KI ist jetzt mittendrin, nicht mehr daneben

Seit Mai 2026 ist Posit AI direkt in RStudio verfügbar. Der Assistent läuft in der RStudio-Sidebar, erzeugt auf Anfrage ggplot2-Code, rendert Plots im Plots-Pane und unterstützt beim Modellieren mit tidymodels. Posit positioniert das Werkzeug ausdrücklich nicht als generischen Coding-Chatbot, sondern als Data-Science-Agenten im eigentlichen Analyseprozess.

IBM zog in die gleiche Richtung: Der AI Output Assistant in SPSS Statistics ist standardmäßig im Output Viewer aktiviert und liefert kontextbezogene Erklärungen direkt für Analyseergebnisse. Nutzerinnen und Nutzer können KI-Insights für den gesamten Output einer Prozedur oder für einzelne Ausgabeelemente erzeugen. Zur Auswahl stehen mehrere Large Language Models von IBM, Google, Meta und weiteren Anbietern.

Und SAS geht noch einen Schritt weiter: Mit dem SAS Viya Copilot werden KI-Assistenten über den gesamten Analytics Lifecycle eingebettet, von der Datenanalyse über den Modellbau bis zu Dashboards und Fallnarrativen. SAS formuliert das Ziel ausdrücklich: der Übergang von isolierten KI-Anwendungen zu gouvernierter, produktionsreifer Intelligenz.

Was KI in Statistiksoftware wirklich tut

Output erklären, Code schreiben, Dokumentation beschleunigen

Schaut man genauer hin, was diese Assistenten konkret leisten, zeigt sich ein klares Muster. Der SPSS AI Output Assistant setzt im Output Viewer an, also nachdem die Analyse bereits gelaufen ist. Er erklärt, was in den Tabellen und Diagrammen steht. Er macht Ausgaben leichter lesbar. Das ist keine Kleinigkeit, denn SPSS-Output kann für Studierende ohne viel Erfahrung schlicht unverständlich wirken.

Der Posit Assistant in RStudio greift früher ein: Er hilft beim Schreiben von Code, beim Aufbereiten von Daten und beim ersten Durchlauf einer explorativen Analyse. Das beschleunigt Routinetätigkeiten erheblich.

Was KI nicht übernimmt

Beide Assistenten teilen jedoch eine Grenze, die im Alltag leicht übersehen wird. Sie setzen an der technischen Ebene an. Die wissenschaftliche Ebene liegt woanders.

Das Vertrauensproblem: Nähe zur Software als Falle

Hier liegt der entscheidende Punkt, und er wird in der aktuellen Diskussion häufig unterschätzt. Wer ChatGPT im Browser befragt, weiß: Das ist ein externer Chatbot. Die Antwort wirkt wie eine Empfehlung von außen. Man prüft sie, zweifelt, hinterfragt.

Wer denselben Assistenten direkt in SPSS oder RStudio öffnet, erlebt etwas anderes. Die KI ist Teil der Software, die man täglich für die Auswertung nutzt. Die Antwort erscheint im vertrauten Interface, direkt neben den Tabellen und Outputs, die man gerade betrachtet. Das erzeugt Vertrauen, das nicht automatisch verdient ist.

KI in Statistiksoftware ist ein Assistenzsystem, kein Statistikgutachter.

Das Problem ist konkret: Ein Output-Text, den SPSS-KI korrekt formuliert, kann trotzdem auf einer falschen Modellwahl beruhen. Ein funktionierender R-Code kann eine methodisch ungeeignete Analyse ausführen. Eine plausibel klingende KI-Erklärung kann Skalenniveau, Stichprobendesign, Kontrollvariablen oder Hypothesenlogik vollständig übergehen.

Verantwortung bleibt menschlich

Was die Anbieter selbst sagen

Bemerkenswert ist, dass die Anbieter diese Grenze selbst anerkennen. Posit baut in den RStudio-Assistenten ein granuläres Berechtigungssystem ein, über das Nutzerinnen und Nutzer kontrollieren können, was die KI lesen, editieren und ausführen darf. Das signalisiert: Menschliche Kontrolle ist nicht optional, sie ist Teil des Designs.

SAS formuliert es noch direkter: Menschliche Expertise solle durch Automatisierung nicht verringert, sondern erhöht werden. Governance und Oversight sind im SAS-Viya-Copilot explizit als Designziele benannt.

Was die Europäische Kommission einfordert

Die aktualisierten ERA-Leitlinien der Europäischen Kommission vom Mai 2026 setzen den normativen Rahmen. Accountability, transparency und responsibility bleiben zentrale Prinzipien beim Einsatz generativer KI in der Forschung. Die Leitlinien weisen ausdrücklich auf ein Risiko hin, das durch integrierte KI-Assistenten wächst: Wenn KI direkt in Forschungs- und Statistiksoftware eingebettet ist, wird ihre Nutzung weniger sichtbar als bei einem separaten Tool.

Genau deshalb fordern die Leitlinien klare Dokumentation, Transparenz über Prompts und Toolnutzung sowie nachvollziehbares Informationsmanagement. Wer KI nutzt, muss erklären können, wie und wo.

Was das konkret für Ihre Arbeit bedeutet

Die neue Statistikkompetenz besteht nicht darin, KI zu ignorieren. Sie besteht darin, KI-Antworten fachlich prüfen zu können. Das ist kein Widerspruch, sondern eine präzise Rollenteilung.

Für Studierende, die gerade an einer empirischen Bachelor- oder Masterarbeit arbeiten, lässt sich das in drei Phasen übersetzen:

Sensible Daten besonders schützen

Wer personenbezogene oder sensible Forschungsdaten auswertet, sollte zusätzlich prüfen, welche Daten die KI-Assistenten verarbeiten. Posit verweist zwar auf eine Zero-Data-Retention-Vereinbarung mit Anthropic, aber je nach Studienkontext und Datenschutzanforderungen können institutionelle Vorgaben enger sein. Prüfen Sie im Zweifel die Einstellungen Ihrer Software und die Vorgaben Ihrer Hochschule.

Dokumentation ist keine Formalität

Die ERA-Leitlinien betonen, dass Transparenz über KI-Nutzung nicht nur empfehlenswert, sondern Ausdruck wissenschaftlicher Integrität ist. Für Abschlussarbeiten bedeutet das: Halten Sie fest, welche Tools Sie eingesetzt haben, welche Prompts Sie verwendet haben und wie Sie die Ausgaben geprüft haben. Das schützt Sie, und es macht Ihre Arbeit wissenschaftlich belastbarer.

KI kann Statistiksoftware verständlicher machen. Ob eine Analyse wissenschaftlich trägt, entscheidet nicht der Assistent im Output Viewer, sondern die methodische Prüfung dahinter. Daran ändert keine Integration etwas, egal wie nahtlos sie ist.