Wir präsentieren eine Lösung für das Problem der Paraphrasenerkennung von Fragen. Unser Fokus liegt auf einem aktuellen Datensatz von Fragepaaren, die mit binären Paraphrase-Labels annotiert sind. Wir zeigen, dass eine Variante des zerlegbaren Aufmerksamkeitsmodells (decomposable attention model) (Parikh et al., 2016) bei dieser Aufgabe zu genauen Ergebnissen führt und dabei erheblich einfacher ist als viele andere neuronale Architekturen. Darüber hinaus erreicht das Modell, wenn es auf einem verrauschten Datensatz automatisch gesammelter Frageparaphrasen vortrainiert wird, die beste bisher gemeldete Leistung auf dem Datensatz.