Wir vereinen verschiedene semantische Parsing-Aufgaben mit breitem Umfang unter einem Transduktionsparadigma und schlagen ein aufmerksamkeitsbasiertes neuronales Framework vor, das eine Bedeutungsdarstellung durch eine Folge semantischer Relationen inkrementell erstellt. Durch die Nutzung mehrerer Aufmerksamkeitsmechanismen kann der Transduktor effektiv trainiert werden, ohne auf einen vorgefertigten Ausrichter angewiesen zu sein. Experimente, die an drei getrennten semantischen Parsing-Aufgaben mit breitem Umfang – AMR (Abstract Meaning Representation), SDP (Semantic Dependency Parsing) und UCCA (Universal Conceptual Cognitive Annotation) – durchgeführt wurden, zeigen, dass unser aufmerksamkeitsbasierter neuronaler Transduktor sowohl den Stand der Technik in AMR als auch in UCCA verbessert und im Bereich von SDP wettbewerbsfähig ist.