Semantische Analyse (Semantic Parsing) zielt darauf ab, natürlichsprachliche Äußerungen in strukturierte Bedeutungsrepräsentationen umzuwandeln. In dieser Arbeit schlagen wir eine strukturbezogene neuronale Architektur vor, die den Prozess der semantischen Analyse in zwei Phasen zerlegt. Gegeben eine Eingabe-Äußerung, generieren wir zunächst einen groben Entwurf ihrer Bedeutung, wobei niedrigstufige Informationen (wie Variablennamen und Argumente) übersehen werden. Anschließend füllen wir die fehlenden Details unter Berücksichtigung sowohl der natürlichsprachlichen Eingabe als auch des Entwurfs selbst ein. Experimentelle Ergebnisse auf vier Datensätzen, die für verschiedene Domains und Bedeutungsrepräsentationen charakteristisch sind, zeigen, dass unser Ansatz die Leistung konsistent verbessert und wettbewerbsfähige Ergebnisse erzielt, obwohl relativ einfache Dekoder verwendet werden.