Zusammenfassung auf der Grundlage von Textextraktion ist inhärent begrenzt, aber generative, abstraktive Methoden haben sich als schwierig zu entwickeln erwiesen. In dieser Arbeit schlagen wir einen vollständig datengetriebenen Ansatz für die abstraktive Satzzusammenfassung vor. Unsere Methode nutzt ein lokal aufmerksamkeitsbasiertes Modell, das jedes Wort der Zusammenfassung unter Berücksichtigung des Eingabetexts generiert. Obwohl das Modell strukturell einfach ist, kann es leicht von Anfang bis Ende trainiert werden und skaliert gut auf große Mengen an Trainingsdaten. Das Modell zeigt signifikante Leistungsverbesserungen im Vergleich zu mehreren starken Baseline-Methoden bei der gemeinsamen Aufgabe DUC-2004 (Document Understanding Conference 2004).