Das Unterrichten von Maschinen im Lesen natürlicher Sprachdokumente bleibt eine schwierige Herausforderung. Maschinelle Lese-Systeme können auf ihre Fähigkeit getestet werden, Fragen zu beantworten, die sich auf den Inhalt von Dokumenten beziehen, die sie gesehen haben. Bislang fehlten jedoch große Trainings- und Testdatensätze für diese Art der Bewertung. In dieser Arbeit definieren wir eine neue Methodologie, die diese Engpasse beseitigt und umfangreiche überwachte Leseverständnisdaten bereitstellt. Dies ermöglicht es uns, eine Klasse von aufmerksamkeitsbasierten tiefen Neuronalen Netzen zu entwickeln, die lernen, echte Dokumente zu lesen und komplexe Fragen mit minimalem vorherigem Wissen über Sprachstrukturen zu beantworten.