URWORTE

Blog

7. August 2026

Emily M. Bender

Emily Menon Bender (* 1973 in den USA) ist eine US-amerikanische Computerlinguistin. Sie ist Howard and Frances Nostrand Endowed Professor of Linguistics an der University of Washington, Direktorin des dortigen Computational Linguistics Laboratory und Faculty Director des Professional Master’s Program in Computational Linguistics. Bender ist eine der einflussreichsten Stimmen der gegenwärtigen kritischen KI-Linguistik und Co-Autorin zweier Schlüsseltexte des Diskurses um große Sprachmodelle: Climbing towards NLU: On Meaning, Form, and Understanding in the Age of Data (mit Alexander Koller, ACL 2020) und *On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?

🦜* (mit Timnit Gebru, Angelina McMillan-Major und Margaret Mitchell, FAccT 2021). Beide Arbeiten haben die wissenschaftliche und öffentliche Diskussion über die Leistungs- und Verstehensgrenzen großer Sprachmodelle wesentlich strukturiert. Daneben hat Bender als Computerlinguistin substantielle technische Beiträge zur Head-driven Phrase Structure Grammar (HPSG), zum LinGO Grammar Matrix-Projekt sowie zur computerlinguistischen Dokumentation gefährdeter Sprachen geleistet und ist Schöpferin der nach ihr benannten Bender Rule der wissenschaftlichen Methodik in der NLP.

Zusammenfassung

Benders Werk verbindet die akademische Tradition formaler Linguistik und Computerlinguistik (HPSG, LinGO, multilinguale Grammatikentwicklung, endangered language documentation) mit einer zunehmend prominent gewordenen kritischen Analyse der gegenwärtigen Skalierungs- und Verstehensansprüche großer Sprachmodelle.

Sie ist eine der wenigen führenden Stimmen, die in der KI-Debatte mit voll ausgebildetem linguistischem Hintergrund – insbesondere in Syntaxtheorie und formaler Semantik – argumentiert. Ihr Werk bildet die theoretische Voraussetzung für die Stochastic-Parrots-Diskussion und für eine breitere Linie kritischer Linguistik in der KI-Ethik.

Bender wurde 2023 in die inaugurale TIME 100 Most Influential People in AI-Liste aufgenommen. Mit Alex Hanna gemeinsam veröffentlichte sie 2025 das Buch The AI Con: How to Fight Big Tech’s Hype and Create the Future We Want (HarperCollins). Bender ist auf Mastodon (@emilymbender@dair-community.social) und in zahlreichen Vorträgen, Podcasts und Interviews präsent; ihre Diskursform ist explizit kritisch, zugespitzt und auf öffentliche Wirkung ausgelegt.

Biografie

Studium und akademische Sozialisation

Emily Menon Bender wurde 1973 als Tochter der Schriftstellerin und Lehrerin Sheila Bender geboren. Sie studierte Linguistik an der University of California, Berkeley (A.B. 1995), und an der Stanford University (M.A. 1997, Ph.D. 2000/2001).

Ihre Dissertation Syntactic Variation and Linguistic Competence: The Case of AAVE Copula Absence (Stanford University 2000) befasste sich mit der syntaktischen Variation der Kopula-Verwendung im African American Vernacular English (AAVE) und entstand unter Betreuung von Tom Wasow und Penelope Eckert.

Bender verbrachte einen Studienaufenthalt an der Tōhoku-Universität in Sendai (Japan); die linguistische Auseinandersetzung mit dem Japanischen ist auch in ihrem späteren Grammatikentwicklungswerk präsent.

Frühe Karriere und LinGO/HPSG

Nach Abschluss der Dissertation arbeitete Bender zunächst in kurzfristigen akademischen Positionen an der Stanford University und der UC Berkeley und war zwischen 2000 und 2002 Mitgründerin der Firma YY Technologies, die computerlinguistische Werkzeuge zur Grammatikkonstruktion entwickelte.

Sie war Mitarbeiterin am Center for the Study of Language and Information (CSLI) und am LinGO-Projekt (Linguistic Grammars Online) der Stanford University, das im Rahmen des Head-driven Phrase Structure Grammar-Formalismus computerlinguistisch präzise Grammatiken für mehrere Sprachen entwickelte.

Universität Washington (seit 2003)

Seit 2003 ist Bender Mitglied der Linguistik-Fakultät der University of Washington in Seattle.

Sie wurde dort zur Professorin befördert, ist seit ihrer Berufung mit der Howard and Frances Nostrand Endowed Professorship ausgezeichnet, leitet das Computational Linguistics Laboratory und das Professional Master’s Program in Computational Linguistics und hält Adjunct-Professuren an der Paul G. Allen School of Computer Science & Engineering sowie an der Information School.

Bender ist Mitglied des Value Sensitive Design Lab, des Tech Policy Lab und des RAISE-Netzwerks (Responsible AI Systems & Experiences) der University of Washington.

Wissenschaftliches Werk

Grammatikentwicklung: HPSG und LinGO Grammar Matrix

Benders Hauptbeitrag zur formalen Linguistik liegt in der computerlinguistisch präzisen Grammatikentwicklung im Rahmen der Head-driven Phrase Structure Grammar (HPSG).

Ihre Arbeit am LinGO Grammar Matrix-Projekt – einem System, das die schnelle Konstruktion präziser, formaler Grammatiken für strukturell unterschiedliche Sprachen ermöglicht – hat als Grundlage für Grammatiken in mehreren Dutzend Sprachen gedient, von linguistisch gut dokumentierten Sprachen wie Englisch, Deutsch, Japanisch bis hin zu wenig dokumentierten und vom Aussterben bedrohten Sprachen.

Diese Arbeit hat substantiellen Niederschlag in Standardwerken der Computerlinguistik gefunden, etwa in Linguistic Fundamentals for Natural Language Processing (Bender 2013) und Linguistic Fundamentals for Natural Language Processing II (Bender/Lascarides 2019).

Endangered Language Documentation

Bender hat in mehreren NSF-geförderten Projekten an Werkzeugen für die computerlinguistische Dokumentation gefährdeter Sprachen mitgewirkt.

Zentral ist das Xigt-Format für Interlinear Glossed Text (IGT), das die maschinelle Auswertung morphologisch und syntaktisch annotierter Sprachdaten ermöglicht. Diese Arbeit ist programmatisch verbunden mit Benders Auffassung, dass NLP-Forschung explizit multilingual angelegt sein sollte und nicht stillschweigend die strukturellen Eigenschaften des Englischen verallgemeinern dürfe.

Die Bender Rule

Aus dieser Position folgt die nach Bender benannte Bender Rule: NLP-Forschungspublikationen sollten die untersuchten Sprachen ausdrücklich benennen – also etwa nicht von „Sprache” sprechen, wenn de facto nur Englisch untersucht wurde. Die Regel ist seit Mitte der 2010er Jahre in der Computerlinguistik als Standard durchgesetzt und Bestandteil der Reviewing-Praxis großer NLP-Konferenzen.

Climbing towards NLU (2020)

In Climbing towards NLU: On Meaning, Form, and Understanding in the Age of Data (mit Alexander Koller, Proceedings of ACL 2020) entwickelte Bender die theoretische Grundlage ihrer späteren Sprachmodell-Kritik. Das Argument: Linguistische Form (Syntax, Statistik der Wortverteilungen) und linguistische Bedeutung (referentielle und intentionale Beziehung zu außersprachlichen Sachverhalten) sind analytisch verschiedene Kategorien.

Aus reinem Training an Form – wie es für große Sprachmodelle charakteristisch ist – kann keine semantische Kompetenz im starken Sinne hervorgehen. Das Argument wird unter dem Begriff Octopus Test (Gedankenexperiment einer hochintelligenten Krake, die zwei Inselbewohner durch ein Unterseekabel belauscht und deren Kommunikation nachahmt, ohne je den Begriff einer Welt erworben zu haben) bekannt.

On the Dangers of Stochastic Parrots (2021)

Das wirkungsmächtigste Werk Benders ist der zusammen mit Timnit Gebru, Angelina McMillan-Major und Margaret Mitchell (unter dem Pseudonym Shmargaret Shmitchell) verfasste Aufsatz On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? 🦜 (FAccT 2021).

Der Aufsatz identifiziert vier zentrale Risiken großer Sprachmodelle – Umwelt- und Ressourcenkosten, inhärente Verzerrungen der Trainingsdaten, mangelndes Verstehen, Risiken absichtlichen Missbrauchs – und prägt die Metapher des stochastischen Papageis für LLMs. Eine detaillierte Behandlung des Aufsatzes findet sich im Eintrag Stochastic Parrots.

Datasheets und Data Statements

Mit Batya Friedman entwickelte Bender in Data Statements for Natural Language Processing: Toward Mitigating System Bias and Enabling Better Science (Transactions of the Association for Computational Linguistics 6, 2018) ein Verfahren zur Dokumentation linguistischer Trainingsdatensätze.

Data Statements sind eng verwandt mit Gebrus Datasheets for Datasets (2018/2021) und Teil eines umfassenderen methodologischen Programms zur Steigerung der Transparenz datengetriebener NLP-Forschung.

The AI Con (2025)

Im Mai 2025 erschien das gemeinsam mit der Soziologin Alex Hanna (Director of Research am Distributed AI Research Institute, DAIR) verfasste Buch The AI Con: How to Fight Big Tech’s Hype and Create the Future We Want (HarperCollins,).

Das Buch entwickelt eine ausführliche Kritik der KI-Industrie und ihrer rhetorischen Selbstinszenierung, in deren Zentrum die These steht, dass die populäre Bezeichnung „AI” als Sammelbegriff systematisch irreführe und konkrete, präzise Bezeichnungen (LLM, Klassifikationsmodell, Empfehlungssystem) den Diskurs in produktivere Bahnen lenken könnten.

Öffentliche Wirksamkeit und Stil

Benders öffentliches Profil ist durch eine ungewöhnliche Verbindung akademischer Strenge und expliziter politischer Stellungnahme geprägt.

Sie ist eine der prominentesten Stimmen, die der Bezeichnung „Künstliche Intelligenz” für die heutige Generation großer Sprachmodelle widerspricht; sie verwendet stattdessen Begriffe wie Large Language Model, Text-Synthesizer oder Mathy Maths und betont die Kategorienfehler, die der KI-Marketingdiskurs gewöhnlich involviert.

Mit Alex Hanna betreibt sie den Podcast Mystery AI Hype Theater 3000, der laufend KI-bezogene Pressemitteilungen, Konferenzvorträge und Buchpassagen analysiert und kritisch kommentiert. Bender ist regelmäßig in Mainstream-Medien (New York Times, Washington Post, Wired, MIT Technology Review, Bulletin of the Atomic Scientists, NPR, The Guardian) präsent.

Ihre Diskursform ist erkennbar zugespitzt, didaktisch und auf Demystifizierung ausgerichtet.

Kennzeichnend ist eine bestimmte Strategie der Umbenennung: Wo die Tech-Industrie Halluzination sagt, schlägt Bender Konfabulation vor; wo Verstehen gesagt wird, Textgenerierung; wo Empathie, Imitation kommunikativer Muster. Diese Umbenennungspraxis ist programmatisch – sie soll verhindern, dass anthropomorphisierende Vokabeln die Wahrnehmung der eigentlichen technischen Sachverhalte verzerren.

Rezeption

Wirkung in der Forschung

Benders Werk hat in mehreren Forschungsfeldern paradigmatischen Status: – Computerlinguistik: HPSG-Grammatikentwicklung, Grammar Matrix, Methoden zur Sprachdokumentation, Bender Rule. – Critical AI Studies und KI-Ethik: Climbing towards NLU und Stochastic Parrots sind Standardliteratur.

Auszeichnungen umfassen unter anderem die Aufnahme in die TIME 100 Most Influential People in AI (2023), die Linguistic Society of America Public Engagement Award, den Patrick Suppes Prize (gemeinsam mit Alexander Koller) und mehrere ACL-/ACM-Auszeichnungen. Bender ist Fellow der Linguistic Society of America.

Akademische Kritik an der Verstehensthese

Die in Climbing towards NLU und Stochastic Parrots formulierte Verstehensthese ist in der KI-Forschung kontrovers diskutiert. Zentrale Repliken kommen von: – Christopher D. Manning (Stanford University): Distributionssemantik als Gegenargument gegen die strikte Form-Bedeutung-Trennung.

Bender hat in mehreren Folgepublikationen und Vorträgen auf diese Repliken reagiert und ihre Position teils präzisiert, teils bekräftigt.

Kritik an Stil und Rhetorik

Auch innerhalb wohlmeinender Kreise ist Benders zugespitzte Diskursform mitunter kritisiert worden. Vertreter:innen der KI-Sicherheitsdebatte werfen ihr vor, hypothetische Risiken aus Frontier-AI-Systemen kategorisch zurückzuweisen; Vertreter:innen der KI-Industrie sehen in ihrer Umbenennungspraxis eine ideologische Verzerrung.

Bender hat diese Einwände in mehreren Interviews und Vorträgen zurückgewiesen und auf die methodologische Begründung ihrer Begriffsverwendung verwiesen.

Position in der KI-Sicherheitsdebatte

Bender steht – wie Gebru – in expliziter Distanz zur x-risk-fokussierten KI-Sicherheitsdebatte um Bostrom, Yudkowsky und die LessWrong-Community.

Sie argumentiert, dass der Fokus auf spekulative existenzielle Risiken aus zukünftigen Allgemeiner Intelligenz die dokumentierten gegenwärtigen Schäden durch existierende LLM-Systeme – Halluzinationen mit realen Folgen, automatisierte Diskriminierung, Datenextraktion ohne Einwilligung, Ressourcenverbrauch, Arbeitsausbeutung in Trainingsdaten-Annotation – systematisch in den Hintergrund dränge. Diese Position wird in The AI Con (2025) systematisch entfaltet.

Verwandte Begriffe

Quellenangaben

  1. TIME 100 Most Influential People in AI (2023). In: TIME, September 2023.
  2. Bender, Emily M. (2000): Syntactic Variation and Linguistic Competence: The Case of AAVE Copula Absence. Dissertation, Stanford University.
  3. Bender, Emily M. (2013): Linguistic Fundamentals for Natural Language Processing: 100 Essentials from Morphology and Syntax.
  4. Bender, Emily M. / Lascarides, Alex (2019): Linguistic Fundamentals for Natural Language Processing II: 100 Essentials from Semantics and Pragmatics.
  5. Bender, Emily M. / Friedman, Batya (2018): Data Statements for Natural Language Processing: Toward Mitigating System Bias and Enabling Better Science. In: Transactions of the Association for Computational Linguistics 6, S. 587–604. DOI: 10.1162/tacl_a_00041.
  6. Bender, Emily M. / Koller, Alexander (2020): Climbing towards NLU: On Meaning, Form, and Understanding in the Age of Data. In: Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL 2020), S. 5185–5198. DOI: 10.18653/v1/2020.acl-main.463.
  7. Bender, Emily M. / Gebru, Timnit / McMillan-Major, Angelina / Shmitchell, Shmargaret, 2021. On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? In: Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT 2021), S. 610–623. DOI: 10.1145/3442188.3445922.
  8. Bender, Emily M. (2019): The #BenderRule: On Naming the Languages We Study and Why It Matters. In: The Gradient, 14. September 2019.
  9. Bender, Emily M. u. a. (2002): The Grammar Matrix: An Open-Source Starter-Kit for the Rapid Development of Cross-Linguistically Consistent Broad-Coverage Precision Grammars. In: Proceedings of the Workshop on Grammar Engineering and Evaluation (COLING 2002).
  10. Gebru, Timnit / Torres, Émile P., 2024. The TESCREAL Bundle: Eugenics and the Promise of Utopia through Artificial General Intelligence. In: First Monday 29 (4). DOI: 10.5210/fm.v29i4.13636.
  11. Goodman, Michael W. / Crowgey, Joshua / Xia, Fei / Bender, Emily M. (2015): Xigt: Extensible Interlinear Glossed Text for Natural Language Processing. In: Language Resources and Evaluation 49 (2), S. 455–485. DOI: 10.1007/s10579-014-9276-1.
  12. Hanna, Alex / Bender, Emily M. (2025): The AI Con: How to Fight Big Tech’s Hype and Create the Future We Want.
  13. Manning, Christopher D. (2022): Human Language Understanding & Reasoning. In: Dædalus 151 (2), S. 127–138. DOI: 10.1162/daed_a_01905.
  14. Piantadosi, Steven T. / Hill, Felix (2022): Meaning without Reference in Large Language Models. arXiv: 2208.02957.
  15. Shanahan, Murray (2023): Talking About Large Language Models. In: Communications of the ACM 67 (2), S. 68–79. DOI: 10.1145/3624724.

← Zurück zur Lexikon-Übersicht