Als Unterklasse von Deep-Learning-Modellen werden Large Language Models (LLMs) auf umfangreichen Datenbeständen trainiert. Dadurch können sie vielfältige Aufgaben bewältigen, indem sie natürliche Sprache sowie weitere Inhaltsformen verstehen und erzeugen. Als technologische Grundlage dient die Transformer-Architektur – eine spezielle Struktur neuronaler Netze, die sich optimal eignet, um Wortketten zu verarbeiten und sprachliche Muster zu erkennen.

Im Kern fungieren LLMs als mächtige statistische Prognosewerkzeuge, die fortlaufend das jeweils nachfolgende Wort einer Sequenz bestimmen. Sie erfassen die zugrunde liegenden Textstrukturen und formulieren darauf aufbauend passende Sprache.