Die Identifizierung zeitlicher Beziehungen zwischen Ereignissen ist ein wesentlicher Schritt zur natürlichsprachlichen Verarbeitung. Allerdings hängen die zeitlichen Beziehungen zwischen zwei Ereignissen in einer Geschichte oft von den Beziehungen anderer Ereignisse ab und werden häufig durch diese bestimmt. Folglich stellt die effektive Identifizierung zeitlicher Beziehungen zwischen Ereignissen auch für menschliche Annotatoren eine herausfordernde Aufgabe dar. In dieser Arbeit wird vorgeschlagen, dass diese Abhängigkeiten bei der Lernprozess zur Identifikation dieser Beziehungen berücksichtigt werden sollten, und es wird ein strukturiertes Lernverfahren vorgestellt, um dieser Herausforderung zu begegnen. Als Nebeneffekt bietet dies eine neue Perspektive auf die Behandlung fehlender Beziehungen, ein bekanntes Problem, das existierende Methoden beeinträchtigt. Wie wir zeigen, führt der vorgeschlagene Ansatz zu erheblichen Verbesserungen auf den beiden gängigen Datensätzen für dieses Problem.