Talking English · Critical Technologies 01

Artificial Intelligence: How AI Works(Künstliche Intelligenz: Wie KI funktioniert)

Improve your English while exploring how AI systems learn patterns, generate outputs and support decisions.(Verbessern Sie Ihr Englisch und erkunden Sie, wie KI-Systeme Muster lernen, Ergebnisse erzeugen und Entscheidungen unterstützen.)

Explore the Six TopicsPractise Your English

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 anzupassen, das klassifizieren, vorhersagen oder Ergebnisse erzeugen kann. Das Resultat ist statistisch und nicht garantiert.)

Artificial intelligence is a broad field. Machine learning, deep learning and generative AI are related areas, but the terms are not interchangeable.(Künstliche Intelligenz ist ein weites Feld. Maschinelles Lernen, Deep Learning und generative KI sind verwandte Bereiche, doch die Begriffe sind nicht austauschbar.)

Six Topics to Understand and Discuss(Sechs Themen zum Verstehen und Besprechen)

TOPIC 01

Data, Features and Labels(Daten, Merkmale und Labels)

Training examples represent the task a model should learn. Features provide input information; labels provide target answers in supervised learning. Missing, biased or unrepresentative data can weaken performance.(Trainingsbeispiele stellen die Aufgabe dar, die ein Modell lernen soll. Merkmale liefern Eingabeinformationen; Labels liefern beim überwachten Lernen Zielantworten. Fehlende, verzerrte oder nicht repräsentative Daten können die Leistung schwächen.)

Useful language: collect training data · select a feature · label an example

TOPIC 02

Training, Validation and Inference(Training, Validierung und Inferenz)

During training, an algorithm adjusts model parameters to reduce error. Validation tests choices on separate data. During inference, the trained model processes new inputs and produces an output.(Beim Training passt ein Algorithmus Modellparameter an, um Fehler zu verringern. Die Validierung prüft Entscheidungen an getrennten Daten. Bei der Inferenz verarbeitet das trainierte Modell neue Eingaben und erzeugt ein Ergebnis.)

Useful language: train a model · validate performance · run inference

TOPIC 03

Neural Networks and Deep Learning(Neuronale Netze und Deep Learning)

Neural networks contain connected layers that transform numerical inputs. Deep networks can learn complex representations for images, sound and language, but often require substantial data and computing power.(Neuronale Netze enthalten verbundene Schichten, die numerische Eingaben transformieren. Tiefe Netze können komplexe Darstellungen für Bilder, Klang und Sprache lernen, benötigen jedoch häufig umfangreiche Daten und Rechenleistung.)

Useful language: process an input · adjust a weight · learn a representation

TOPIC 04

Generative AI and Language Models(Generative KI und Sprachmodelle)

Generative models create text, images or other content by predicting patterns learned from data. A language model generates probable sequences of tokens; it does not automatically verify every statement it produces.(Generative Modelle erzeugen Text, Bilder oder andere Inhalte, indem sie aus Daten gelernte Muster vorhersagen. Ein Sprachmodell erzeugt wahrscheinliche Tokenfolgen; es überprüft nicht automatisch jede erzeugte Aussage.)

Useful language: generate an output · predict the next token · provide context

TOPIC 05

Performance, Errors and Limitations(Leistung, Fehler und Grenzen)

Accuracy depends on the task, data and operating conditions. Models may fail when inputs differ from training data, when patterns change or when users interpret confidence too strongly.(Die Genauigkeit hängt von Aufgabe, Daten und Betriebsbedingungen ab. Modelle können versagen, wenn Eingaben von Trainingsdaten abweichen, sich Muster verändern oder Nutzer Konfidenz zu stark interpretieren.)

Useful language: measure accuracy · detect model drift · explain a limitation

TOPIC 06

Responsible Use in Critical Systems(Verantwortungsvoller Einsatz in kritischen Systemen)

High-impact applications require defined responsibility, security, human oversight and continuous monitoring. Teams should know what the model may decide, when a person must intervene and how operation continues if AI is unavailable.(Anwendungen mit großen Auswirkungen erfordern festgelegte Verantwortung, Sicherheit, menschliche Aufsicht und kontinuierliche Überwachung. Teams sollten wissen, was das Modell entscheiden darf, wann ein Mensch eingreifen muss und wie der Betrieb ohne KI weiterläuft.)

Useful language: retain human oversight · monitor an outcome · override a recommendation

A Short Conversation: An Unexpected AI Warning(Ein kurzes Gespräch: Eine unerwartete KI-Warnung)

Operator: The maintenance model predicts a pump failure within 48 hours, but vibration remains normal.

Data specialist: Which inputs caused the warning?

Operator: The temperature signal increased sharply after yesterday's sensor replacement.

Data specialist: First, verify the measurement. We should not ignore the warning, but we should not stop the process solely on an unconfirmed input.

Your turn: Explain what the model predicts, why uncertainty remains and what should be checked next.(Sie sind dran: Erklären Sie, was das Modell vorhersagt, warum Unsicherheit bleibt und was als Nächstes geprüft werden sollte.)

Interactive English Practice(Interaktive Englischübungen)

1. The model learns patterns from ______.(Das Modell lernt Muster aus ___.)

2. In supervised learning, ______ provide target answers.(Beim überwachten Lernen liefern ___ die Zielantworten.)

3. Training adjusts model ______.(Das Training passt die Modell___ an.)

4. ______ checks performance on separate data.(___ prüft die Leistung an getrennten Daten.)

5. During ______, the model processes new inputs.(Bei der ___ verarbeitet das Modell neue Eingaben.)

6. Language models generate sequences of ______.(Sprachmodelle erzeugen Folgen von ___.)

7. Users should ______ important claims.(Nutzer sollten wichtige Aussagen ___.)

8. Model ______ can reduce performance over time.(Modell-___ kann die Leistung mit der Zeit verringern.)

9. Critical applications require human ______.(Kritische Anwendungen benötigen menschliche ___.)

Revision Quiz: Artificial Intelligence(Wiederholungsquiz: Künstliche Intelligenz)

1. What does a machine-learning model learn?

  1. Patterns in training data.
  2. Guaranteed truth.
  3. Only handwritten rules.
Check answer 1
a) Patterns in training data.

2. What happens during inference?

  1. All training data is deleted.
  2. A trained model processes new input.
  3. A sensor is manufactured.
Check answer 2
b) A trained model processes new input.

3. Why use separate validation data?

  1. To increase every model score.
  2. To replace training.
  3. To evaluate choices on unseen examples.
Check answer 3
c) To evaluate choices on unseen examples.

4. What does a language model generate?

  1. Probable token sequences.
  2. Automatically verified facts.
  3. Physical electrical power.
Check answer 4
a) Probable token sequences.

5. When may model performance decline?

  1. Only when the screen is off.
  2. When operating patterns differ from training data.
  3. Never after validation.
Check answer 5
b) When operating patterns differ from training data.

6. What is essential for high-impact AI?

  1. No monitoring.
  2. No alternative procedure.
  3. Human oversight and defined responsibility.
Check answer 6
c) Human oversight and defined responsibility.

Explore Related Topics(Verwandte Themen erkunden)

Explain an AI System(Ein KI-System erklären)

The model receives …

It was trained to …

Its output supports …

A known limitation is …

A person must intervene when …

Discuss Artificial Intelligence Clearly in English(Künstliche Intelligenz verständlich auf Englisch besprechen)

Practise explaining data, models, outputs, limitations and responsible decisions in English with Kenneth Gill.

Lessons are online. One-to-one lessons are also available in person in Münster.(Das Englischtraining findet online statt. Einzelunterricht ist auch persönlich in Münster möglich.)

Jetzt unverbindlich anfragen