Die Absichtserkennung und die Slot-Füllung sind zwei zentrale Aufgaben beim Aufbau eines Sprachverstehenssystems (Spoken Language Understanding, SLU). Diese beiden Aufgaben sind eng miteinander verknüpft, wobei die Slots häufig stark von der Absicht abhängen. In diesem Artikel stellen wir einen neuartigen Ansatz für SLU vor, der die Absichtsinformationen besser integriert und somit die Slot-Füllung gezielt unterstützt. In unserem Framework setzen wir ein gemeinsames Modell mit Stack-Propagation ein, das die Absichtsinformationen direkt als Eingabe für die Slot-Füllung nutzen kann, um so semantische Kenntnisse über die Absicht effektiv zu erfassen. Zusätzlich reduzieren wir die Fehlerfortpflanzung durch eine tokenbasierte Absichtserkennung innerhalb des Stack-Propagation-Frameworks. Experimente an zwei öffentlich verfügbaren Datensätzen zeigen, dass unser Modell die derzeit beste Leistung erzielt und die Ergebnisse anderer bisheriger Ansätze erheblich übertrifft. Schließlich integrieren wir im Rahmen unseres Modells das Bidirectional Encoder Representation from Transformer (BERT)-Modell, was die Leistung im SLU-Task weiter verbessert.