Talking English · Critical Technologies · Level B1–B2
Künstliche Intelligenz – Artificial Intelligence: How AI Works
(Künstliche Intelligenz auf Englisch: Wie KI funktioniert)Learn the English you need to explain how AI systems learn patterns, generate outputs and support decisions – and where their limits are.(Lernen Sie das Englisch, das Sie brauchen, um zu erklären, wie KI-Systeme Muster lernen, Ergebnisse erzeugen und Entscheidungen unterstützen – und wo ihre Grenzen liegen.)
AI Learns Patterns Rather Than Fixed Instructions
(KI lernt Muster statt fester Anweisungen)Traditional software follows rules written directly by programmers. Machine-learning systems use data to adjust a model so that it can classify, predict or generate outputs. The result is statistical, not guaranteed.(Herkömmliche Software folgt Regeln, die Programmierer direkt schreiben. Systeme des maschinellen Lernens nutzen Daten, um ein Modell so anzupassen, dass es klassifizieren, vorhersagen oder Ergebnisse erzeugen kann. Das Resultat ist statistisch, nicht garantiert.)
The broad field: systems that perform tasks which normally require human intelligence.(Das weite Feld: Systeme, die Aufgaben erledigen, für die normalerweise menschliche Intelligenz nötig ist.)
A part of AI: models learn patterns from data instead of following only fixed rules.(Ein Teilbereich der KI: Modelle lernen Muster aus Daten, statt nur festen Regeln zu folgen.)
Machine learning with large neural networks – including models that create text, images or code.(Maschinelles Lernen mit großen neuronalen Netzen – einschließlich Modellen, die Text, Bilder oder Code erzeugen.)
The terms are related but not interchangeable. Every generative AI system uses machine learning, but not every AI system is generative.(Die Begriffe sind verwandt, aber nicht austauschbar. Jedes generative KI-System nutzt maschinelles Lernen, aber nicht jedes KI-System ist generativ.)
Six Topics to Understand and Discuss
(Sechs Themen zum Verstehen und Besprechen)Data, Features and Labels
(Daten, Merkmale und Labels)Training examples represent the task a model should learn. Features provide input information; labels provide the target answers in supervised learning. Missing, biased or unrepresentative data weakens performance.(Trainingsbeispiele stellen die Aufgabe dar, die ein Modell lernen soll. Merkmale liefern Eingabeinformationen; Labels liefern beim überwachten Lernen die Zielantworten. Fehlende, verzerrte oder nicht repräsentative Daten schwächen die Leistung.)
collect training data · select a feature · label an example(Trainingsdaten sammeln · ein Merkmal auswählen · ein Beispiel labeln)
Training, Validation and Inference
(Training, Validierung und Inferenz)During training, an algorithm adjusts the model’s parameters to reduce error. Validation tests the model on separate data. During inference, the trained model processes new inputs and produces an output.(Beim Training passt ein Algorithmus die Modellparameter an, um Fehler zu verringern. Die Validierung prüft das Modell an getrennten Daten. Bei der Inferenz verarbeitet das trainierte Modell neue Eingaben und erzeugt ein Ergebnis.)
train a model · validate performance · run inference(ein Modell trainieren · die Leistung validieren · eine Inferenz durchführen)
Neural Networks and Deep Learning
(Neuronale Netze und Deep Learning)Neural networks contain connected layers that transform numerical inputs. Deep networks can learn complex patterns in images, sound and language, but they often need large amounts of data and computing power.(Neuronale Netze bestehen aus verbundenen Schichten, die numerische Eingaben umwandeln. Tiefe Netze können komplexe Muster in Bildern, Klang und Sprache lernen, benötigen aber oft große Datenmengen und viel Rechenleistung.)
process an input · adjust a weight · learn a representation(eine Eingabe verarbeiten · ein Gewicht anpassen · eine Repräsentation lernen)
Generative AI and Language Models
(Generative KI und Sprachmodelle)Generative models create text, images or other content from patterns learned in data. A language model generates probable sequences of tokens. It does not automatically check whether every statement is true – it can produce convincing errors, often called hallucinations.(Generative Modelle erzeugen Text, Bilder oder andere Inhalte aus Mustern, die sie aus Daten gelernt haben. Ein Sprachmodell erzeugt wahrscheinliche Tokenfolgen. Es prüft nicht automatisch, ob jede Aussage stimmt – es kann überzeugend klingende Fehler erzeugen, oft „Halluzinationen“ genannt.)
generate an output · write a prompt · check the answer(ein Ergebnis erzeugen · einen Prompt schreiben · die Antwort prüfen)
Performance, Errors and Limitations
(Leistung, Fehler und Grenzen)Accuracy depends on the task, the data and the operating conditions. Models may fail when new inputs differ from the training data, when patterns change over time (model drift) or when users trust a confident answer too much.(Die Genauigkeit hängt von Aufgabe, Daten und Betriebsbedingungen ab. Modelle können versagen, wenn neue Eingaben von den Trainingsdaten abweichen, wenn sich Muster mit der Zeit verändern (Modelldrift) oder wenn Nutzer einer selbstsicheren Antwort zu sehr vertrauen.)
measure accuracy · detect model drift · explain a limitation(die Genauigkeit messen · Modelldrift erkennen · eine Grenze erklären)
Responsible Use in Critical Systems
(Verantwortungsvoller Einsatz in kritischen Systemen)High-impact applications need clear responsibility, security, human oversight and continuous monitoring. Teams should know what the model may decide, when a person must intervene and how work continues if the AI is unavailable. The EU AI Act sets stricter requirements for high-risk uses.(Anwendungen mit großen Auswirkungen brauchen klare Verantwortung, Sicherheit, menschliche Aufsicht und kontinuierliche Überwachung. Teams sollten wissen, was das Modell entscheiden darf, wann ein Mensch eingreifen muss und wie die Arbeit weitergeht, wenn die KI nicht verfügbar ist. Die KI-Verordnung der EU stellt strengere Anforderungen an Hochrisiko-Anwendungen.)
retain human oversight · monitor an outcome · override a recommendation(menschliche Aufsicht beibehalten · ein Ergebnis überwachen · eine Empfehlung übersteuern)
How a Machine-Learning Model Is Built
(Wie ein Modell des maschinellen Lernens entsteht)These six steps – and the verbs that describe them – appear in almost every AI project.(Diese sechs Schritte – und die Verben, die sie beschreiben – kommen in fast jedem KI-Projekt vor.)
| Step | What happens | Useful sentence |
|---|---|---|
| 1. Define | State the task and how success is measured.(Die Aufgabe festlegen und wie Erfolg gemessen wird.) | “The model should detect faulty parts.”(Das Modell soll fehlerhafte Teile erkennen.) |
| 2. Collect | Gather and clean suitable data.(Geeignete Daten sammeln und bereinigen.) | “We collected 20,000 labelled images.”(Wir haben 20.000 gelabelte Bilder gesammelt.) |
| 3. Train | Let the algorithm adjust the parameters.(Den Algorithmus die Parameter anpassen lassen.) | “The model was trained on last year’s data.”(Das Modell wurde mit den Daten des letzten Jahres trainiert.) |
| 4. Validate | Test it on data it has not seen before.(Es an Daten testen, die es noch nicht gesehen hat.) | “On the test set, accuracy was 94 per cent.”(Auf dem Testdatensatz lag die Genauigkeit bei 94 Prozent.) |
| 5. Deploy | Put the model into real operation.(Das Modell in den echten Betrieb bringen.) | “We deployed the model on the production line.”(Wir haben das Modell an der Fertigungslinie eingesetzt.) |
| 6. Monitor | Watch performance and retrain when needed.(Die Leistung beobachten und bei Bedarf neu trainieren.) | “We retrain the model every quarter.”(Wir trainieren das Modell jedes Quartal neu.) |
Notice the passive voice: in technical English, we often say what was done rather than who did it – “The model was trained … The data was cleaned …”(Achten Sie auf das Passiv: Im technischen Englisch sagt man oft, was getan wurde, statt wer es getan hat – „The model was trained … The data was cleaned …“)
Key Vocabulary: Artificial Intelligence
(Wichtiger Wortschatz: Künstliche Intelligenz)| English | Deutsch | Simple explanation |
|---|---|---|
| training data | die Trainingsdaten | the examples a model learns from |
| feature | das Merkmal | a piece of input information |
| label | das Label, die Kennzeichnung | the correct answer for a training example |
| parameter / weight | der Parameter / das Gewicht | a value the model adjusts during training |
| inference | die Inferenz | using a trained model on new input |
| neural network | das neuronale Netz | connected layers that transform numbers |
| large language model (LLM) | das große Sprachmodell | a model trained to generate text |
| token | das Token | a small unit of text, such as a word or part of a word |
| prompt | der Prompt, die Eingabeaufforderung | the instruction or question you give a model |
| hallucination | die Halluzination | a confident but false output |
| bias | die Verzerrung | a systematic error, often caused by the data |
| accuracy | die Genauigkeit | how often the model is correct |
| model drift | die Modelldrift | performance falling as real conditions change |
| human oversight | die menschliche Aufsicht | people monitoring and able to intervene |
Watch Out: Typical Mistakes
(Achtung: typische Fehler)In English, the abbreviation is AI, not “KI”. Say “an AI system”, “AI tools”.(Auf Englisch heißt die Abkürzung „AI“, nicht „KI“. Sagen Sie „an AI system“, „AI tools“.)
In everyday technical English, data is usually treated as uncountable: “The data is incomplete.” “Data are” is more formal and academic.(Im technischen Alltagsenglisch wird „data“ meist unzählbar behandelt: „The data is incomplete.“ „Data are“ ist formeller und eher wissenschaftlich.)
“The model could possibly be wrong” – not “eventually”. Eventually means in the end.(„Eventuell“ heißt „possibly“ oder „may“ – „eventually“ bedeutet „schließlich“.)
To check an AI answer means prüfen. To control usually means steuern.(Eine KI-Antwort prüfen heißt „check“. „Control“ bedeutet meist „steuern“.)
A Short Dialogue: An Unexpected AI Warning
(Ein kurzer Dialog: eine unerwartete KI-Warnung)Operator: The maintenance model predicts a pump failure within 48 hours, but the vibration is still normal.(Das Wartungsmodell sagt einen Pumpenausfall innerhalb von 48 Stunden voraus, aber die Vibration ist noch normal.)
Data specialist: Which inputs triggered the warning?(Welche Eingaben haben die Warnung ausgelöst?)
Operator: The temperature signal rose sharply after yesterday’s sensor replacement.(Das Temperatursignal ist nach dem gestrigen Sensortausch stark gestiegen.)
Data specialist: Then let’s verify the measurement first. The new sensor might be calibrated differently.(Dann prüfen wir zuerst die Messung. Der neue Sensor ist vielleicht anders kalibriert.)
Operator: Should we stop the pump?(Sollen wir die Pumpe abschalten?)
Data specialist: Not yet. We shouldn’t ignore the warning, but we shouldn’t stop the process based on an unconfirmed input either. A technician can check the temperature by hand.(Noch nicht. Wir sollten die Warnung nicht ignorieren, aber den Prozess auch nicht aufgrund einer unbestätigten Eingabe stoppen. Ein Techniker kann die Temperatur von Hand prüfen.)
Questions for conversation
(Fragen zum Gespräch)- Which AI tools do you use at work or at home? What do you use them for?(Welche KI-Werkzeuge nutzen Sie bei der Arbeit oder zu Hause? Wofür?)
- Have you ever received a wrong answer from an AI tool? How did you notice?(Haben Sie schon einmal eine falsche Antwort von einem KI-Werkzeug erhalten? Wie haben Sie es bemerkt?)
- Which decisions should always be made by a person?(Welche Entscheidungen sollten immer von einem Menschen getroffen werden?)
- How could AI help in your industry – and what are the risks?(Wie könnte KI in Ihrer Branche helfen – und welche Risiken gibt es?)
Quiz: Artificial Intelligence
(Quiz: Künstliche Intelligenz)Click on the answer that completes the sentence. If your answer is wrong, it is crossed out and you can try again.(Klicken Sie auf die Antwort, die den Satz vervollständigt. Eine falsche Antwort wird durchgestrichen, und Sie können es erneut versuchen.)
Correct at the first attempt: 0 / 15(Beim ersten Versuch richtig)
Data and Training
(Daten und Training)1. The model learns patterns from ______.(Das Modell lernt Muster aus ______.)
2. In supervised learning, ______ provide the target answers.(Beim überwachten Lernen liefern ______ die Zielantworten.)
3. Training adjusts the model’s ______.(Das Training passt die ______ des Modells an.)
4. ______ checks performance on separate data.(Die ______ prüft die Leistung an getrennten Daten.)
5. The model ______ on last year’s data.(Das Modell ______ mit den Daten des letzten Jahres ______.)
Models and Outputs
(Modelle und Ergebnisse)6. During ______, the model processes new inputs.(Bei der ______ verarbeitet das Modell neue Eingaben.)
7. Language models generate sequences of ______.(Sprachmodelle erzeugen Folgen von ______.)
8. A clear ______ usually improves the answer.(Ein klarer ______ verbessert meist die Antwort.)
9. A confident but false answer is called a ______.(Eine selbstsichere, aber falsche Antwort nennt man ______.)
10. The data ______ incomplete.(Die Daten ______ unvollständig.)
Limits and Responsibility
(Grenzen und Verantwortung)11. Users should ______ important claims.(Nutzer sollten wichtige Aussagen ______.)
12. Model ______ can reduce performance over time.(Modell______ kann die Leistung mit der Zeit verringern.)
13. Unbalanced training data can lead to ______.(Unausgewogene Trainingsdaten können zu ______ führen.)
14. Critical applications require human ______.(Kritische Anwendungen benötigen menschliche ______.)
15. An operator must be able to ______ an AI recommendation.(Ein Bediener muss eine KI-Empfehlung ______ können.)
Your Turn: Explain an AI System
(Sie sind dran: Erklären Sie ein KI-System)Choose an AI tool you know – a chatbot, a translation tool, a quality-control camera or a maintenance system. Explain it in five sentences.(Wählen Sie ein KI-Werkzeug, das Sie kennen – einen Chatbot, ein Übersetzungsprogramm, eine Kamera zur Qualitätskontrolle oder ein Wartungssystem. Erklären Sie es in fünf Sätzen.)
The model receives …(Das Modell erhält …)
It was trained to …(Es wurde trainiert, um …)
Its output helps us to …(Sein Ergebnis hilft uns, …)
A known limitation is …(Eine bekannte Grenze ist …)
A person must check the result when …(Ein Mensch muss das Ergebnis prüfen, wenn …)
Explore AI in More Detail
(KI genauer kennenlernen)- How Machine Learning Works(Wie maschinelles Lernen funktioniert)
- Neural Networks(Neuronale Netze)
- Generative AI and Large Language Models(Generative KI und große Sprachmodelle)
- AI Basics and LLM Terminology(KI-Grundlagen und LLM-Fachbegriffe)
- Mitigating AI Hallucinations(KI-Halluzinationen im Unternehmen vermeiden)
- AI Compliance and the EU AI Act(KI-Compliance und die KI-Verordnung der EU)
- AI in Manufacturing(KI in der Fertigung)
- Technologies Supporting Critical Systems(Technologien für kritische Systeme)
- Robotics and Robot Technology(Robotik und Robotertechnik)
- AI and Drones(KI und Drohnen)
Discuss Artificial Intelligence Clearly in English
(Künstliche Intelligenz verständlich auf Englisch besprechen)Practise explaining data, models, outputs, limitations and responsible decisions in English – using the AI tools and projects from your own work.(Üben Sie, Daten, Modelle, Ergebnisse, Grenzen und verantwortungsvolle Entscheidungen auf Englisch zu erklären – anhand der KI-Werkzeuge und Projekte aus Ihrer eigenen Arbeit.)
Lessons last 60 minutes and take place online or one-to-one in person in Münster.(Die Unterrichtsstunden dauern 60 Minuten und finden online oder als Einzelunterricht vor Ort in Münster statt.)