Die Sentiment-Klassifikation ist ein wesentlicher Prozess zur Verständnis der Wahrnehmung von Menschen gegenüber einem Produkt, einer Dienstleistung oder einem Thema. Zahlreiche Modelle des Natural Language Processing (NLP) wurden vorgeschlagen, um das Problem der Sentiment-Klassifikation zu lösen. Allerdings konzentrieren sich die meisten dieser Ansätze auf die binäre Sentiment-Klassifikation. In diesem Paper nutzen wir ein vielversprechendes tiefes Lernmodell namens BERT, um die feinabgestimmte Sentiment-Klassifikation zu bearbeiten. Experimente zeigen, dass unser Modell andere gängige Modelle für diese Aufgabe übertrifft, ohne eine komplizierte Architektur zu erfordern. Zudem demonstrieren wir die Wirksamkeit des Transfer-Lernens im Bereich des Natural Language Processing.