Der erste Schritt jedes Ansatzes zur Wissensbasen-Fragebeantwortung besteht darin, Entitäten in der Eingabefrage zu verknüpfen. Wir untersuchen das Entitätsverlinken im Kontext einer Fragebeantwortungsaufgabe und stellen eine gemeinsam optimierte neuronale Architektur für die Erkennung von Entitätsnennungen und die Entitätserkennungsdisambiguierung vor, die den umgebenden Kontext auf verschiedenen Granularitätsebenen modelliert. Wir verwenden die Wikidata-Wissensbasis und verfügbare Fragebeantwortungsdatensätze, um Benchmarks für das Entitätsverlinken auf Fragebeantwortungsdaten zu erstellen. Unser Ansatz übertrifft das bisherige Stand-of-the-Art-System auf diesen Daten und führt zu einer durchschnittlichen Verbesserung des Endergebnisses um 8 %. Darüber hinaus zeigen wir, dass unser Modell eine starke Leistung bei verschiedenen Entitätskategorien erzielt.