Christopher D. Manning

ref · 25. Mai 2026 um 06:51

Thomas M. Siebel Professor in Machine Learning an der Stanford University, Gründer der Stanford NLP Group und eine der einflussreichsten Persönlichkeiten in der Geschichte der Computerlinguistik — bekannt für die GloVe-Wortvektoren, die multiplikative Attention, Stanford CoreNLP, zwei wegweisende Lehrbücher und einen Graduiertenkurs, der weltweit von Hunderttausenden besucht wurde.

Profil

Bereich	Details
Geboren	18. September 1965
Staatsangehörigkeit	Australisch-amerikanisch
Derzeitige Institution	Stanford University — Fachbereiche Informatik und Linguistik
Derzeitige Positionen	Thomas M. Siebel Professor in Machine Learning; Stellvertretender Direktor, Stanford HAI; General Partner, AIX Ventures
Forschungsgebiete	Computerlinguistik, Deep Learning für NLP, Computerlinguistik, Information Retrieval, Natürliches Sprachverständnis, Universal Dependencies
PhD-Betreuer	Joan Bresnan
PhD-Dissertation	Ergativity: Argument Structure and Grammatical Relations (Stanford, 1994)
Akademische Webseite	nlp.stanford.edu/~manning
Stanford-Profil	profiles.stanford.edu/chris-manning
X / Twitter	@chrmanning
GitHub	@manning
Google Scholar	scholar.google.com

Überblick

Christopher Manning ist ein australisch-amerikanischer Informatiker und angewandter Linguist, dessen Karriere an der Stanford University mehr als drei Jahrzehnte grundlegender Beiträge zur Computerlinguistik umfasst. Er ist der erste Thomas M. Siebel Professor in Machine Learning, hat gemeinsame Berufungen in den Fachbereichen Informatik und Linguistik inne und war von 2018 bis 2025 Direktor des Stanford Artificial Intelligence Laboratory (SAIL). Zu seinen technischen Beiträgen gehören das GloVe-Modell für Wortvektoren (EMNLP 2014, ACL 2024 Test of Time Award), die multiplikative oder bilineare Form der Attention, die direkt durch die Punktprodukt-Attention des Transformers erweitert wurde (EMNLP 2015, ACL 2025 Test of Time Award), baumstrukturierte rekurrente neuronale Netze sowie die Open-Source-NLP-Software von Stanford – CoreNLP, Stanza und das GloVe-Toolkit. Seine beiden gemeinsam verfassten Lehrbücher, Foundations of Statistical Natural Language Processing (1999) und Introduction to Information Retrieval (2008), zählen nach wie vor zu den am weitesten verbreiteten Referenzen im Fachgebiet. Sein Kurs CS224N: Natural Language Processing with Deep Learning, der in mehreren Ausgaben kostenlos online angeboten wird, hat weltweit Hunderttausende von Lernenden erreicht. Er wurde von der IEEE bei der Verleihung der John von Neumann Medal 2024 als “der führende Forscher im Bereich der Computerlinguistik” bezeichnet.

Frühes Leben und Ausbildung

Manning wuchs in Australien auf und absolvierte sein Grundstudium an der Australian National University, wo er 1989 einen Honours-Abschluss mit einem dreifachen Hauptfach in Mathematik, Informatik und Linguistik erwarb – eine ungewöhnliche Kombination, die eine Karriere an der Schnittstelle aller drei Disziplinen ankündigte.

B.A. (Hons), Mathematik / Informatik / Linguistik – Australian National University, 1989

Ph.D., Linguistik – Stanford University, 1994
Manning schloss seine Promotion in Linguistik an der Stanford University unter der Betreuung von Joan Bresnan ab, einer führenden Persönlichkeit der Lexikalisch-funktionalen Grammatik (LFG). Seine Dissertation, Ergativity: Argument Structure and Grammatical Relations, untersuchte das typologische Phänomen der Ergativität – das Muster, bei dem einige Sprachen das Subjekt eines intransitiven Verbs wie das Objekt eines transitiven Verbs und nicht wie das Subjekt markieren – und ordnete es in formale Theorien grammatischer Relationen ein. Diese fundierte Kenntnis der formalen und typologischen Linguistik sollte seine spätere Arbeit an syntaktischen Dependenzrepräsentationen und Universal Dependencies untermauern und verleiht seinem Ansatz der Computerlinguistik ein ungewöhnliches Maß an linguistischer Prinzipientreue.

Karriere

Carnegie Mellon University (1994–1996)

Nach seiner Promotion wechselte Manning als Assistant Professor in das Computational Linguistics Program der CMU und begann damit seine akademische Laufbahn, die ihn nach einer kurzen Rückkehr nach Australien wieder nach Stanford führen sollte.

University of Sydney (1996–1999)

Manning hatte drei Jahre lang eine Lecturer-B-Position im Department of Linguistics der University of Sydney inne und forschte weiterhin aktiv, während er in Australien arbeitete.

Stanford University (1999–heute)

Manning kehrte 1999 als Assistant Professor in den Fachbereichen Informatik und Linguistik an die Stanford University zurück, wurde 2006 zum Associate Professor mit Tenure und 2012 zum ordentlichen Professor ernannt. 2017 wurde er zum ersten Thomas M. Siebel Professor in Machine Learning berufen.

Stanford NLP Group – Gründer (1999–heute)
Manning gründete die Stanford NLP Group und leitet sie seit über 25 Jahren. Er baute sie zu einer der produktivsten NLP-Forschungsumgebungen der Welt und zu einer wichtigen Ausbildungsstätte für Praktiker und Wissenschaftler des Fachgebiets auf. Die Gruppe feierte im Oktober 2025 ihr 25-jähriges Bestehen mit einem Treffen.

Stanford CoreNLP und Open-Source-NLP (2002–heute)
Ab 2002 förderte Manning die Entwicklung und Pflege gut dokumentierter, produktionsreifer Open-Source-NLP-Software – eine ungewöhnliche Priorität in der akademischen NLP dieser Zeit. Stanford CoreNLP, eine Java-basierte Suite, die Tokenisierung, Wortart-Tagging, Erkennung benannter Entitäten, Koreferenzauflösung und Dependenz-Parsing abdeckt, wurde für über ein Jahrzehnt das dominierende Toolkit des Fachgebiets. Stanza (2020), ein auf neuronalen Methoden basierender Python-Nachfolger, führte diese Tradition für eine neue Generation von Praktikern fort. Das GloVe-Softwarepaket (2014) veröffentlichte vortrainierte Wortvektoren, die zu Standardeingaben für NLP-Pipelines im gesamten Bereich wurden.

SAIL – Direktor (2018–2025)
Manning war sieben Jahre lang Direktor des Stanford Artificial Intelligence Laboratory und leitete damit eines der prominentesten KI-Forschungszentren in den USA während der rasanten Expansion des Fachgebiets nach der Deep-Learning-Welle.

Stanford HAI – Gründer und stellvertretender Direktor
Manning war Gründungsmitglied des Stanford Human-Centered AI Institute und ist nach wie vor stellvertretender Direktor. Er verbindet seine NLP-Forschung mit der übergeordneten Mission des HAI in den Bereichen KI und Gesellschaft.

CS224N: Natural Language Processing with Deep Learning (2012–heute)
Mannings Kurs CS224N – der in verschiedenen Formen seit mindestens 2012 angeboten wird und dessen Aufzeichnungen der Ausgaben 2017, 2019, 2021, 2023 und 2024 kostenlos online verfügbar sind – wurde zum De-facto-Weltstandard für die NLP-Ausbildung auf Graduiertenniveau. Mehrere Ausgaben des Kurses wurden von Hunderttausenden von Lernenden außerhalb von Stanford gesehen und haben eine Generation von Praktikern ausgebildet, die in die Industrie eintraten, ohne Zugang zu vergleichbaren institutionellen Programmen zu haben.

AIX Ventures – General Partner (2021–heute)

Im Jahr 2021 wurde Manning General Partner (später als Investing Partner bezeichnet) bei AIX Ventures, einem auf KI-Startups spezialisierten Risikokapitalfonds. Diese Rolle spiegelt sein Engagement für die Übertragung akademischer NLP-Forschung in kommerzielle Anwendungen wider, zusammen mit seinem ehemaligen Doktoranden Richard Socher.

ServiceNow Research – Research Advisor

Manning war als Research Advisor für das Human Decision Support-Programm bei ServiceNow Research tätig und trug zur angewandten NLP-Forschung in unternehmensbezogenen KI-Kontexten bei.

Wichtigste Beiträge

GloVe: Global Vectors for Word Representation – Gemeinsam mit Jeffrey Pennington und Richard Socher (EMNLP 2014) verfasst, trainierte GloVe Wortvektorrepräsentationen durch die Faktorisierung globaler Wort-Ko-Vorkommensstatistiken anstatt lokaler Kontextfenster. Es erzielte bei Wortähnlichkeits- und Analogieaufgaben Spitzenergebnisse, war dabei schneller und interpretierbarer als konkurrierende Methoden und wurde zu einem der am häufigsten verwendeten Einbettungsmodelle der Vor-Transformer-Ära. Das Papier gewann den ACL 2024 Test of Time Award – die Anerkennung des Fachgebiets für Arbeiten mit der nachhaltigsten Wirkung – ein Jahrzehnt nach der Veröffentlichung.
Multiplikative / Bilineare Attention – „Effective Approaches to Attention-based Neural Machine Translation“ (Luong, Pham und Manning; EMNLP 2015) führte die Punktproduktform (multiplikativ) der Attention über Encoder-Decoder-Hidden-States als einfachere und skalierbarere Alternative zur additiven Attention von Bahdanau et al. ein. Der Punktprodukt-Attentionsmechanismus des ursprünglichen Transformers („Attention Is All You Need“, 2017) ist eine direkte Verallgemeinerung der Formulierung von Luong et al. Das Papier gewann den ACL 2025 Test of Time Award – Mannings dritte Auszeichnung dieser Art in Folge.
Stanford CoreNLP – Erstmals 2002 veröffentlicht und kontinuierlich gewartet, wurde Stanford CoreNLP für über ein Jahrzehnt zum am weitesten verbreiteten produktionsreifen NLP-Toolkit in Wissenschaft und Industrie. Es bot zuverlässige, linguistisch fundierte Implementierungen der Kern-NLP-Pipeline. Seine Open-Source-Verfügbarkeit und umfangreiche Dokumentation machten es zur Grundlage unzähliger angewandter NLP-Projekte und Forschungs-systeme.
Stanza – 2020 veröffentlicht, ist Stanza eine Python-NLP-Bibliothek, die Tokenisierung, POS-Tagging, Lemmatisierung und Dependenz-Parsing für über 70 Sprachen bereitstellt. Sie basiert auf neuronalen Methoden und ist für die Integration in das Universal Dependencies Treebank-Ökosystem konzipiert.
Stanford Dependencies und Universal Dependencies – Manning war ein Hauptarchitekt der Stanford-Dependencies-Repräsentation (ab 2006), die eine typisierte Dependenzgrammatik definierte, welche oberflächliche grammatische Relationen in einer für NLP-Anwendungen nützlichen Form erfassen sollte. Anschließend leitete er die Entwicklung der Universal Dependencies (UD), einem sprachübergreifend konsistenten Annotationsstandard, der mittlerweile über 100 Sprachen abdeckt und die Grundlage für die computergestützte Forschung im mehrsprachigen NLP bildet. Mannings Gesetz – der empirische Regelmäßigkeit, dass kopfinitiale (VO)-Sprachen tendenziell Präpositionen verwenden, während kopffinale (OV)-Sprachen tendenziell Postpositionen verwenden – ist nach seinem Beitrag zur UD- und Typologie-Literatur benannt.
Baumstrukturierte rekurrente neuronale Netze – Mannings Gruppe, angeführt von Doktorand Richard Socher, entwickelte rekurrente neuronale Netze, die baumstrukturierte Eingaben (insbesondere Parsebäume) mit gemeinsamen Parametern an jedem Knoten verarbeiten. Sie zeigten, dass Kompositionalität für Sentimentanalyse, semantische Verwandtschaft und natürlichsprachliches Schließen effektiv erlernt werden konnte. Der Stanford Sentiment Treebank (SST), der zusammen mit dieser Arbeit veröffentlicht wurde, ist nach wie vor ein Standard-Benchmark.
Foundations of Statistical Natural Language Processing (mit Hinrich Schütze; MIT Press, 1999) – Das maßgebliche Graduiertenlehrbuch für probabilistisches NLP in den 200er-Jahren, das eine ganze Forschergeneration in statistische Methoden für Parsing, Tagging, Wortbedeutungen und maschinelle Übersetzung einführte. Es ist weiterhin in Gebrauch und online frei verfügbar.
Introduction to Information Retrieval (mit Prabhakar Raghavan und Hinrich Schütze; Cambridge University Press, 2008) – Das Standard-Graduiertenlehrbuch für Information Retrieval, das Boolesche und Vektorraummodelle, probabilistisches Retrieval, Indizierung und Evaluierung abdeckt. Es ist ebenfalls online frei verfügbar und wird weltweit in Kursen eingesetzt.
Natural Language Inference und Textual Entailment – Mannings Gruppe leistete wichtige Beiträge zum NLI, darunter frühe Arbeiten zur Erkennung von Textual Entailment (RTE) und das Stanford Natural Language Inference (SNLI)-Korpus – der erste große, per Crowdsourcing erstellte Datensatz zum Training und zur Evaluation von NLI-Modellen, der zu einem Standard-Benchmark wurde und die Entwicklung von Satzrepräsentationsmethoden vorantrieb.

Auszeichnungen und Anerkennungen

National Academy of Engineering (2025) – Gewählt für die Entwicklung und Verbreitung von Methoden der Computerlinguistik.
American Academy of Arts and Sciences (2025)
ACL Test of Time Award – Drei aufeinanderfolgende Auszeichnungen: GloVe (ACL 2024); multiplikative Attention (ACL 2025); sowie ein früheres Jahr, was eine ungewöhnlich nachhaltige Wirkung über mehrere Forschungslinien hinweg widerspiegelt.
IEEE John von Neumann Medal (2024) – Verliehen für “Fortschritte in der computergestützten Repräsentation und Analyse natürlicher Sprache”; die Begründung bezeichnet Manning als “den führenden Forscher im Bereich der Computerlinguistik.”
Ehrendoktorwürde, Universität Amsterdam (2023)
Präsident, Association for Computational Linguistics (2015)
ACM Fellow (2013) – Für Beiträge zur statistischen Computerlinguistik.
Inaugural ACL Fellow (2011) – Mitglied des ersten von der ACL eingesetzten Fellow-Jahrgangs.
AAAI Fellow (2010)
ACL-, COLING-, EMNLP- und CHI-Best-Paper-Awards (mehrere, im Laufe der Karriere)

Akademische Abstammung

Manning hat im Laufe seiner Stanford-Karriere eine große Zahl von Doktoranden betreut. Zu den bedeutendsten gehören:

Dan Klein – Entwickelte hochmoderne unüberwachte und diskriminative Parsing-Algorithmen; heute Professor an der UC Berkeley; einer der einflussreichsten Parsing-Forscher seiner Generation.
Richard Socher – Entwickelte baumrekursive neuronale Netze, GloVe und Deep-NLP-Systeme; später Chief Scientist bei Salesforce; Mitbegründer von MetaMind; heute CEO von you.com und General Partner bei AIX Ventures gemeinsam mit Manning.
Danqi Chen – Beiträge zum Leseverständnis (DrQA) und zum Dependenz-Parsing; heute außerordentliche Professorin in Princeton mit bedeutendem Einfluss auf Question Answering und dichtes Retrieval.
Sepandar Kamvar – Frühe Beiträge zu groß angelegten Graphalgorithmen; später tätig in den Bereichen Social Computing und Gemeinschaftsdesign.
Thang Luong – Entwickelte den multiplikativen Attention-Mechanismus als Doktorand bei Manning; später Forschungswissenschaftler bei Google Brain.

Wichtige Beziehungen

Joan Bresnan – PhD-Betreuerin in Stanford; Mannings Dissertation befasste sich mit formaler Linguistik (LFG), und Bresnans Einfluss ist in den prinzipienbasierten grammatischen Grundlagen seiner syntaktischen NLP-Arbeit sichtbar, einschließlich der Dependenzrepräsentationen.
Hinrich Schütze – Koautor beider großen Lehrbücher (Foundations of Statistical NLP und Introduction to Information Retrieval); langjährige kooperative Beziehung über Jahrzehnte.
Richard Socher – Einer der einflussreichsten Doktoranden Mannings; ihre gemeinsame Laborarbeit brachte GloVe, baumrekursive Netze und den Stanford Sentiment Treebank hervor; heute Mitarbeiter bei AIX Ventures.
Danqi Chen – Doktorandin, die bedeutende Arbeiten zum Leseverständnis und zu Frage-Antwort-Systemen geleistet hat; heute führende Fakultätsmitglied in Princeton; repräsentiert die Tiefe von Mannings Einfluss auf das Fachgebiet durch die Platzierung seiner Studenten.
Fei-Fei Li – Stanford-Kollegin und Mitgründerin von Stanford HAI; ihre gemeinsame institutionelle Arbeit trug dazu bei, HAI als führendes Zentrum für verantwortungsvolle KI-Forschung zu etablieren.
Dan Jurafsky – Langjähriger Stanford-Kollege; gemeinsam mit Manning leitete er 2012 den Coursera-NLP-MOOC, einen der ersten groß angelegten Online-NLP-Kurse; ebenfalls Co-Dozent von CS 324H zur Geschichte des NLP im Jahr 2024.
Yann LeCun – Einer von Mannings prominentesten professionellen Followern; Schnittmenge im weiteren Bereich des Deep Learning für NLP, den Manning von der NLP-Seite aus mit auf den Weg gebracht hat.

Persönlicher Stil

Mannings wissenschaftliche Identität ist geprägt durch die Kombination von tiefem linguistischem Wissen und empirischer Strenge – eine ungewöhnliche Paarung in einem Fachgebiet, das die beiden oft als Alternativen und nicht als Komplemente betrachtet hat. Sein Engagement für Open-Source-Software, das seit 2002 aufrechterhalten wird, spiegelt die Überzeugung wider, dass Forschungswirkung Reproduzierbarkeit und Zugänglichkeit erfordert, nicht nur Publikation. Seine Online-Lehre – die CS224N-Videos gehören zu den meistgesehenen technischen Vorlesungsreihen in jedem akademischen Fach – erweitert diese Philosophie auf die Bildung. In der öffentlichen Kommunikation verbindet Manning Präzision mit Direktheit und ist bemerkenswert bereit, zu identifizieren, wann die Moden des Fachgebiets sein Verständnis überholt haben; seine Kommentare zu Evaluierungspraktiken und Benchmark-Gültigkeit spiegeln eine anhaltende Aufmerksamkeit für wissenschaftliche Integrität in einer Kultur wider, die manchmal mehr auf die Leistung von Benchmarks fokussiert ist. Er identifiziert sich offen als Australier und hat dies in sein öffentliches Erscheinungsbild integriert – seine Webseite und seine X-Biografie geben beide seine Nationalität an – vielleicht als sanftes Gegengewicht zur kulturellen Schwerkraft von Stanford und Silicon Valley, in deren Sog er sich sonst bewegt.