Das adversäre Training (AT) ist eine Regularisierungsmethode, die verwendet werden kann, um die Robustheit von neuronalen Netzwerkverfahren durch Hinzufügen kleiner Störungen in den Trainingsdaten zu verbessern. Wir zeigen, wie AT für die Aufgaben der Entitätserkennung und Relationsextraktion eingesetzt werden kann. Insbesondere demonstrieren wir, dass die Anwendung von AT auf ein allgemeines Basismodell zur gemeinsamen Extraktion von Entitäten und Relationen es ermöglicht, den Stand der Technik in Bezug auf Effektivität auf mehreren Datensätzen in verschiedenen Kontexten (z.B. Nachrichten, Biomedizin und Immobilienmarkt) sowie für verschiedene Sprachen (Englisch und Niederländisch) zu verbessern.