Die Umwandlung strukturierter Daten in natürliche Sprachbeschreibungen ist zu einer herausfordernden Aufgabe geworden, die als „Data-to-Text“ bezeichnet wird. Diese Strukturen umfassen gewöhnlich mehrere Elemente sowie deren Attribute. Die meisten bisherigen Ansätze stützen sich auf Übersetzungs-Encoder-Decoder-Methoden, die die Elemente linearisieren und in eine Sequenz überführen. Dies führt jedoch zum Verlust des größten Teils der ursprünglichen Datenstruktur. In dieser Arbeit schlagen wir ein hierarchisches Modell vor, das die Datenstruktur sowohl auf der Ebene der einzelnen Elemente als auch auf der Ebene der Gesamtstruktur kodiert. Evaluierungen anhand der RotoWire-Datenbank belegen die Wirksamkeit unseres Modells hinsichtlich qualitativer und quantitativer Metriken.