Semantische Rollenvergabe (SRL) zielt darauf ab, die Prädikat-Argument-Struktur eines Satzes zu entdecken. Die end-to-end-SRL ohne syntaktische Eingabe hat große Aufmerksamkeit gefunden. Dennoch konzentrieren sich die meisten Ansätze entweder auf eine span-basierte oder eine dependenzbasierte semantische Darstellungsform und zeigen nur spezifische Modelloptimierungen jeweils. Gleichzeitig war es weniger erfolgreich, diese beiden SRL-Aufgaben einheitlich zu behandeln. In dieser Arbeit wird ein end-to-end-Modell für sowohl dependenzbasierte als auch span-basierte SRL vorgestellt, das eine einheitliche Argumentdarstellung verwendet, um zwei verschiedene Arten von Argumentannotierungen auf einheitliche Weise zu verarbeiten. Darüber hinaus führen wir eine gemeinsame Vorhersage aller Prädikate und Argumente durch, wobei insbesondere die bislang vernachlässigte Teilaufgabe der Prädikatidentifikation berücksichtigt wird. Unser einzelnes Modell erzielt neue Stand-of-the-Art-Ergebnisse sowohl bei den span-basierten (CoNLL 2005, 2012) als auch bei den dependenzbasierten (CoNLL 2008, 2009) SRL-Benchmarks.