How Artificial Intelligence Works
Artificial intelligence can seem mysterious because we usually see only the final result.
Künstliche Intelligenz kann geheimnisvoll wirken, weil wir normalerweise nur das Endergebnis sehen.
We ask a question and receive an answer, upload a photograph and the system identifies an object, or give an AI a task and it produces a result.
Wir stellen eine Frage und erhalten eine Antwort, laden ein Foto hoch und das System erkennt ein Objekt, oder wir geben einer KI eine Aufgabe und sie erzeugt ein Ergebnis.
Behind this apparently simple interaction are data, mathematical models, training processes, computer hardware and large numbers of calculations.
Hinter dieser scheinbar einfachen Interaktion stehen Daten, mathematische Modelle, Trainingsprozesse, Computerhardware und eine große Anzahl von Berechnungen.
Modern AI systems learn patterns from data and then use those patterns to process new information.
Moderne KI-Systeme lernen Muster aus Daten und verwenden diese Muster anschließend, um neue Informationen zu verarbeiten.
On this page, you will follow the basic process from data and training to a finished AI model and its output.
Auf dieser Seite verfolgen Sie den grundlegenden Prozess von Daten und Training bis zu einem fertigen KI-Modell und seiner Ausgabe.
How AI Works at a Glance
AI Begins with a Task
Before an AI system can be built, people first need to decide what they want it to do.
Bevor ein KI-System entwickelt werden kann, müssen Menschen zunächst entscheiden, was es tun soll.
The task might be to recognise objects in photographs, predict electricity demand, translate text or detect unusual patterns in industrial equipment.
Die Aufgabe könnte darin bestehen, Objekte auf Fotos zu erkennen, die Stromnachfrage vorherzusagen, Texte zu übersetzen oder ungewöhnliche Muster in Industrieanlagen zu entdecken.
Different tasks require different types of data and different AI methods.
Unterschiedliche Aufgaben erfordern unterschiedliche Arten von Daten und unterschiedliche KI-Methoden.
An AI system for image recognition needs image data.
Ein KI-System zur Bilderkennung benötigt Bilddaten.
A language model needs large amounts of language data.
Ein Sprachmodell benötigt große Mengen an Sprachdaten.
A system that predicts energy consumption may need historical measurements, weather information and information about previous demand.
Ein System zur Vorhersage des Energieverbrauchs benötigt möglicherweise historische Messwerte, Wetterinformationen und Daten über die bisherige Nachfrage.
Key idea: AI does not begin with intelligence. It begins with a problem, data and a method for learning patterns.
Grundidee: KI beginnt nicht mit Intelligenz. Sie beginnt mit einem Problem, Daten und einer Methode zum Lernen von Mustern.
Data – What the System Learns From
Data is one of the most important ingredients in modern artificial intelligence.
Daten sind einer der wichtigsten Bestandteile moderner künstlicher Intelligenz.
Data can include numbers, text, images, audio recordings, video, sensor measurements or combinations of these.
Daten können Zahlen, Texte, Bilder, Audioaufnahmen, Videos, Sensormessungen oder Kombinationen daraus umfassen.
During training, the AI system searches this data for useful relationships and patterns.
Während des Trainings sucht das KI-System in diesen Daten nach nützlichen Zusammenhängen und Mustern.
The quality of the data matters.
Die Qualität der Daten ist wichtig.
If the data contains mistakes, important gaps or strong biases, the AI model may learn patterns that lead to poor results.
Wenn die Daten Fehler, wichtige Lücken oder starke Verzerrungen enthalten, kann das KI-Modell Muster lernen, die zu schlechten Ergebnissen führen.
More data is therefore not automatically better data.
Mehr Daten bedeuten daher nicht automatisch bessere Daten.
The data must also be relevant to the task the system is expected to perform.
Die Daten müssen außerdem für die Aufgabe relevant sein, die das System ausführen soll.
Training the Model
Training is the process in which an AI model learns from data.
Training ist der Prozess, bei dem ein KI-Modell aus Daten lernt.
At the beginning, the model may produce inaccurate results.
Zu Beginn kann das Modell ungenaue Ergebnisse produzieren.
The system compares its output with the desired or expected result and calculates how large the error is.
Das System vergleicht seine Ausgabe mit dem gewünschten oder erwarteten Ergebnis und berechnet, wie groß der Fehler ist.
It then adjusts internal values known as parameters.
Anschließend passt es interne Werte an, die als Parameter bezeichnet werden.
This process is repeated many times.
Dieser Prozess wird viele Male wiederholt.
Gradually, the model becomes better at producing outputs that match the patterns found in the training data.
Nach und nach wird das Modell besser darin, Ausgaben zu erzeugen, die den in den Trainingsdaten gefundenen Mustern entsprechen.
Training does not normally mean that a programmer writes every rule individually. The system adjusts mathematical parameters by learning from examples.
Training bedeutet normalerweise nicht, dass ein Programmierer jede Regel einzeln schreibt. Das System passt mathematische Parameter an, indem es aus Beispielen lernt.
From Data to AI Output
This simplified process helps explain how many machine-learning systems are created and used.
What Is an AI Model?
The word model is used frequently when people talk about artificial intelligence.
Das Wort Modell wird häufig verwendet, wenn Menschen über künstliche Intelligenz sprechen.
An AI model is a mathematical system whose internal parameters have been adjusted during training.
Ein KI-Modell ist ein mathematisches System, dessen interne Parameter während des Trainings angepasst wurden.
These parameters represent patterns that the system has learned from its training data.
Diese Parameter repräsentieren Muster, die das System aus seinen Trainingsdaten gelernt hat.
The model can then receive new information and use those learned patterns to produce an output.
Das Modell kann anschließend neue Informationen erhalten und die gelernten Muster verwenden, um eine Ausgabe zu erzeugen.
The model does not normally store a simple list of rules such as “if this happens, always do that.”
Das Modell speichert normalerweise keine einfache Liste von Regeln wie „Wenn dies passiert, tue immer das.“
Instead, its behaviour emerges from large numbers of mathematical relationships.
Stattdessen entsteht sein Verhalten aus einer großen Anzahl mathematischer Beziehungen.
Neural Networks
Many powerful modern AI systems use neural networks.
Viele leistungsfähige moderne KI-Systeme verwenden neuronale Netze.
A neural network contains layers of interconnected mathematical processing units.
Ein neuronales Netz enthält Schichten miteinander verbundener mathematischer Verarbeitungseinheiten.
Information enters the network, is transformed through these layers and eventually produces an output.
Informationen gelangen in das Netzwerk, werden durch diese Schichten verarbeitet und erzeugen schließlich eine Ausgabe.
During training, the strength of many internal connections is adjusted.
Während des Trainings wird die Stärke vieler interner Verbindungen angepasst.
Networks with many layers are associated with deep learning.
Netzwerke mit vielen Schichten werden mit Deep Learning in Verbindung gebracht.
These systems have become especially important in image recognition, speech processing, language models and many other complex tasks.
Diese Systeme sind besonders wichtig für Bilderkennung, Sprachverarbeitung, Sprachmodelle und viele andere komplexe Aufgaben geworden.
The word “neural” does not mean that an artificial neural network is a human brain. It is a mathematical computing structure inspired only loosely by biological networks.
Das Wort „neural“ bedeutet nicht, dass ein künstliches neuronales Netz ein menschliches Gehirn ist. Es handelt sich um eine mathematische Computerstruktur, die nur lose von biologischen Netzwerken inspiriert ist.
Training and Inference Are Different
Two important words in AI are training and inference.
Zwei wichtige Begriffe in der KI sind Training und Inferenz.
Training is the stage in which the model learns and its internal parameters are adjusted.
Training ist die Phase, in der das Modell lernt und seine internen Parameter angepasst werden.
Inference happens after training, when the finished model processes new input.
Inferenz findet nach dem Training statt, wenn das fertige Modell neue Eingaben verarbeitet.
If you give a trained image model a new photograph and ask what it contains, the model is performing inference.
Wenn Sie einem trainierten Bildmodell ein neues Foto geben und fragen, was darauf zu sehen ist, führt das Modell eine Inferenz durch.
If you type a question into a trained language model and receive an answer, that is also inference.
Wenn Sie eine Frage in ein trainiertes Sprachmodell eingeben und eine Antwort erhalten, ist dies ebenfalls Inferenz.
Training can require very large computing resources, while individual inference requests may require much less computation.
Training kann sehr große Rechenressourcen erfordern, während einzelne Inferenzanfragen wesentlich weniger Rechenleistung benötigen können.
The Same Basic Idea – Different AI Tasks
Different systems use different data, but the general learning idea is similar.
Image Recognition
Training data contains images. The model learns visual patterns and later classifies or identifies objects in new images.
Language Models
The model learns statistical patterns in language and uses them to process or generate sequences of tokens.
Predictive Maintenance
Industrial sensor data can be analysed to identify patterns associated with faults or unusual machine behaviour.
Energy Forecasting
Historical demand, weather and other data can help a model predict future electricity consumption or generation.
How Language Models Produce Text
Large language models are a special type of AI system trained on large amounts of language data.
Große Sprachmodelle sind eine besondere Art von KI-System, die mit großen Mengen an Sprachdaten trainiert werden.
The text is divided into smaller units called tokens.
Der Text wird in kleinere Einheiten unterteilt, die Tokens genannt werden.
During training, the model learns relationships between these tokens and the contexts in which they appear.
Während des Trainings lernt das Modell Beziehungen zwischen diesen Tokens und den Kontexten, in denen sie auftreten.
When generating text, the model repeatedly estimates which token is suitable to come next.
Bei der Texterzeugung schätzt das Modell wiederholt, welches Token als Nächstes geeignet ist.
Each new token becomes part of the context for predicting the following token.
Jedes neue Token wird Teil des Kontextes für die Vorhersage des folgenden Tokens.
Repeating this process very quickly allows the system to generate complete sentences, paragraphs and longer responses.
Durch die sehr schnelle Wiederholung dieses Prozesses kann das System vollständige Sätze, Absätze und längere Antworten erzeugen.
Why AI Can Make Mistakes
AI models learn patterns, but learned patterns do not guarantee correct answers.
KI-Modelle lernen Muster, aber gelernte Muster garantieren keine richtigen Antworten.
A model may receive an input that is very different from the examples it experienced during training.
Ein Modell kann eine Eingabe erhalten, die sich stark von den Beispielen unterscheidet, die es während des Trainings kennengelernt hat.
The training data itself may contain errors, missing information or bias.
Die Trainingsdaten selbst können Fehler, fehlende Informationen oder Verzerrungen enthalten.
The system may also find a pattern that works statistically but does not represent the real cause of something.
Das System kann außerdem ein Muster finden, das statistisch funktioniert, aber nicht die tatsächliche Ursache eines Sachverhalts darstellt.
Generative AI can sometimes produce a fluent and confident answer even when the information is inaccurate.
Generative KI kann manchmal eine flüssige und überzeugende Antwort erzeugen, obwohl die Information ungenau ist.
This is why important AI outputs often need testing, verification or human review.
Deshalb benötigen wichtige KI-Ausgaben häufig Tests, Überprüfung oder menschliche Kontrolle.
AI Systems Need Computing Power
Artificial intelligence is software, but that software must run on physical computer hardware.
Künstliche Intelligenz ist Software, aber diese Software muss auf physischer Computerhardware laufen.
Training large models requires processors that can perform enormous numbers of calculations efficiently.
Das Training großer Modelle erfordert Prozessoren, die enorme Mengen an Berechnungen effizient durchführen können.
Graphics processing units, or GPUs, have become particularly important because they can perform many calculations in parallel.
Grafikprozessoren, sogenannte GPUs, sind besonders wichtig geworden, weil sie viele Berechnungen parallel durchführen können.
AI systems also require memory, storage, data centres, networks and electricity.
KI-Systeme benötigen außerdem Speicher, Datenspeicher, Rechenzentren, Netzwerke und Strom.
This means AI is connected not only with software but also with semiconductor technology, energy technology and communication infrastructure.
Das bedeutet, dass KI nicht nur mit Software verbunden ist, sondern auch mit Halbleitertechnologie, Energietechnik und Kommunikationsinfrastruktur.
AI may feel virtual, but behind every model are real processors, real data centres, real networks and real electricity consumption.
KI kann virtuell wirken, aber hinter jedem Modell stehen echte Prozessoren, echte Rechenzentren, echte Netzwerke und echter Stromverbrauch.
Key Vocabulary – How AI Works
| English | German | Meaning |
|---|---|---|
| training data | Trainingsdaten | data used to train an AI model |
| training | Training | the process in which a model learns patterns from data |
| model | Modell | a trained mathematical system used to process new inputs |
| parameter | Parameter | an internal value adjusted during training |
| pattern | Muster | a repeated relationship or structure in data |
| input | Eingabe | information given to a system |
| output | Ausgabe | the result produced by a system |
| inference | Inferenz | using a trained model to process new input |
| neural network | neuronales Netz | a mathematical system made of connected processing layers |
| deep learning | Deep Learning | machine learning using neural networks with many layers |
| token | Token | a unit of text processed by a language model |
| prediction | Vorhersage | an estimate produced from learned patterns |
| bias | Verzerrung / Voreingenommenheit | a systematic tendency that can distort results |
| GPU | Grafikprozessor | a processor able to perform many calculations in parallel |
| computing power | Rechenleistung | the capacity of computer hardware to perform calculations |
Knowledge Quiz
Test how well you understood the basic process behind artificial intelligence.
1. What usually comes before building an AI system?
2. What can AI training data contain?
3. What happens during training?
4. What is an AI model?
5. What is inference?
6. What does a neural network contain?
7. How does a language model generate text?
8. Why can AI make mistakes?
9. Why are GPUs useful for AI?
10. Which sequence best describes the basic AI process?
English Quiz – How AI Works
Practise the vocabulary, grammar and collocations used to explain artificial intelligence.
1. AI models learn _____ data.
2. The system searches _____ patterns in the data.
3. During training, the parameters _____ repeatedly.
4. The quality of the output depends _____ the model and the input.
5. The model has _____ on a large dataset.
6. A trained model can _____ new information.
7. Engineers are working _____ more reliable AI systems.
8. The model produces an output _____ the basis of the input.
9. AI technology _____ significantly in recent years.
10. Poor training data can _____ the quality of the results.
Talk About How AI Works
Use the questions to practise explaining processes and discussing AI in English.
Useful English for Explaining AI
Continue Learning – Artificial Intelligence
AI Connects with Other Future Technologies
Artificial intelligence becomes especially interesting when it is connected with physical systems.
Künstliche Intelligenz wird besonders interessant, wenn sie mit physischen Systemen verbunden wird.
AI can help drones analyse camera images, robots recognise objects, factories detect production problems and smart grids predict electricity demand.
KI kann Drohnen helfen, Kamerabilder zu analysieren, Robotern ermöglichen, Objekte zu erkennen, Fabriken bei der Erkennung von Produktionsproblemen unterstützen und intelligenten Stromnetzen helfen, die Stromnachfrage vorherzusagen.
The same basic pattern appears again and again: sensors or data provide information, AI analyses it, and another system can use the result.
Das gleiche Grundmuster erscheint immer wieder: Sensoren oder Daten liefern Informationen, KI analysiert sie, und ein anderes System kann das Ergebnis nutzen.
Learn English by Understanding How AI Works
Artificial intelligence becomes much easier to discuss once you understand the basic process behind it.
Start with data, training, models, input and output, and more advanced ideas such as neural networks, language models and AI agents become easier to understand.
At the same time, the subject gives you exactly the kind of English you need for modern technology, engineering and business discussions.
Training creates the model.
The model turns new input into output.