Während das tiefe Lernen in den letzten Jahren in einer Vielzahl von Bereichen erhebliches Interesse geweckt hat, werden komplexe Zahlen in den meisten großen Deep-Learning-Modellen kaum genutzt. Doch Sprach-, Signal- und Audiodaten sind nach der Fourier-Transformation naturgemäß komplexwertig, und Untersuchungen deuten darauf hin, dass komplexe Netze ein potenziell reichhaltigeres Repräsentationsvermögen besitzen. In diesem Artikel stellen wir einen Complex Transformer vor, der das Transformer-Modell als Grundbaustein für die Sequenzmodellierung nutzt; zudem entwickeln wir Aufmerksamkeitsmechanismen sowie Encoder-Decoder-Netzwerke, die für komplexe Eingaben geeignet sind. Das vorgeschlagene Modell erreicht eine state-of-the-art-Leistung auf dem MusicNet-Datensatz sowie auf einem Datensatz komplexer In-Phase-Quadratur-(IQ)-Signale.