Textvereinfachung zielt darauf ab, einen Text durch Vereinfachung von Grammatik und Struktur verständlicher und lesbarer zu machen, ohne die zugrundeliegende Information zu verändern. Sie wird oft als universelle, generische Aufgabe betrachtet, bei der dieselbe Vereinfachung für alle Anwendungen geeignet ist; dennoch können verschiedene Zielgruppen auf unterschiedliche Weise von vereinfachten Texten profitieren. Wir implementieren eine diskrete Parametrisierungsmechanik, die eine explizite Steuerung von Vereinfachungssystemen auf Basis von Sequenz-zu-Sequenz-Modellen ermöglicht. Dadurch können Benutzer die vom Modell zurückgegebenen Vereinfachungen an Merkmale wie Länge, Grad der Umformulierung, lexikalische Komplexität und syntaktische Komplexität anpassen. Zudem zeigen wir, dass sorgfältig gewählte Werte dieser Attribute es Standard-Sequenz-zu-Sequenz-Modellen ermöglichen, ihre bisherigen Bestleistungen auf Vereinfachungsbenchmark-Datensätzen zu übertreffen. Unser Modell, das wir als ACCESS (Abkürzung für AudienCe-CEntric Sentence Simplification) bezeichnen, erreicht eine SARI-Performance von 41,87 auf dem WikiLarge-Testset und stellt damit den aktuellen Stand der Technik dar – eine Verbesserung um +1,42 gegenüber dem zuvor bestgegebenen Ergebnis.