Wir stellen eine neue Aufgabe der Entitätstypisierung vor: Gegeben ist ein Satz mit einer Entitätsmention, das Ziel ist es, eine Reihe von freiformigen Phrasen (z.B. Wolkenkratzer, Songschreiber oder Krimineller) zuvorzusagen, die geeignete Typen für die Zielentität beschreiben. Diese Formulierung ermöglicht es uns, eine neue Art von Distanzsüberwachung in großem Maßstab zu verwenden: Kopfwörter, die den Typ der Nominalphrasen angeben, in denen sie vorkommen. Wir zeigen, dass diese ultrfeinen Typen durch Crowdsourcing erzeugt werden können und führen neue Evaluationsdatensätze ein, die viel vielfältiger und feingranularer sind als bestehende Benchmarks. Wir präsentieren ein Modell, das offene Typen vorhersagen kann und mit einem Multitask-Objektiv trainiert wird, das unsere neue Kopfwortüberwachung mit früheren Überwachungen aus der Entitätsverknüpfung kombiniert. Experimentelle Ergebnisse belegen, dass unser Modell effektiv bei der Vorhersage von Entitätstypen unterschiedlicher Granularität ist; es erreicht den aktuellen Stand der Technik bei einem bestehenden feinkörnigen Benchmark für Entitätstypisierung und legt Baselines für unsere neu eingeführten Datensätze fest. Unsere Daten und unser Modell können heruntergeladen werden unter: http://nlp.cs.washington.edu/entity_type