Die gemeinsame Extraktion von Entitäten und Relationen ist eine wichtige Aufgabe im Bereich der Informationsextraktion. Um dieses Problem anzugehen, schlagen wir zunächst ein neues Tagging-Verfahren vor, das die gemeinsame Extraktionsaufgabe in ein Tagging-Problem umwandeln kann. Anschließend untersuchen wir auf Basis unseres Tagging-Verfahrens verschiedene End-to-End-Modelle, die Entitäten und deren Relationen direkt extrahieren, ohne diese getrennt zu identifizieren. Wir führen Experimente auf einem durch distante Überwachung erzeugten öffentlichen Datensatz durch, und die experimentellen Ergebnisse zeigen, dass die tagbasierten Methoden den meisten existierenden Pipeline- und gemeinsamen Lernmethoden überlegen sind. Darüber hinaus erreicht das in diesem Artikel vorgeschlagene End-to-End-Modell die besten Ergebnisse auf dem öffentlichen Datensatz.