Die Auswahl von Antwort-Sätzen ist die Aufgabe, Sätze zu identifizieren, die die Antwort auf eine gegebene Frage enthalten. Dies stellt ein eigenständig wichtiges Problem dar sowie im größeren Kontext der offenen Domänen-Fragebeantwortung. Wir schlagen einen neuen Ansatz zur Lösung dieser Aufgabe durch verteilte Repräsentationen vor und lernen, Fragen mit Antworten abzugleichen, indem wir ihre semantische Kodierung berücksichtigen. Dies steht im Gegensatz zu früheren Arbeiten in diesem Bereich, die in der Regel auf Klassifikatoren mit einer großen Anzahl von manuell gestalteten syntaktischen und semantischen Merkmalen sowie verschiedenen externen Ressourcen basieren. Unser Ansatz erfordert keine Merkmalsingenieurarbeit und beinhaltet auch keine spezialisierten linguistischen Daten, wodurch dieses Modell leicht auf eine Vielzahl von Domänen und Sprachen anwendbar ist. Experimentelle Ergebnisse anhand eines standardisierten Benchmark-Datensatzes aus TREC zeigen, dass unser Modell trotz seiner Einfachheit den Stand der Technik in der Aufgabe der Auswahl von Antwort-Sätzen erreicht.