Diese Arbeit befasst sich mit der Dialogzustandsverfolgung (Dialogue State Tracking, DST) in aufgabenorientierten Dialogsystemen. Obwohl in letzter Zeit erhebliche Fortschritte erzielt wurden, stellt die Entwicklung eines hochwirksamen DST-Moduls weiterhin eine herausfordernde Aufgabe dar. In dieser Arbeit wird ein neuer Ansatz zur Dialogzustandsverfolgung vorgestellt, der als Seq2Seq-DU bezeichnet wird und die DST als ein Sequenz-zu-Sequenz-Problem formaliert. Seq2Seq-DU setzt zwei auf BERT basierende Encoder ein, um jeweils die Äußerungen im Dialog und die Beschreibungen der Schemata zu kodieren, einen Aufmerksamkeitsmechanismus, um die Aufmerksamkeiten zwischen den Äußerungs- und Schemabelegungen zu berechnen, sowie einen Decoder, um Zeiger zu generieren, die den aktuellen Dialogzustand repräsentieren. Seq2Seq-DU weist folgende Vorteile auf: Es kann Absichten, Slots und Slotwerte gemeinsam modellieren; es kann die reichhaltigen Darstellungen von Äußerungen und Schemata auf Basis von BERT nutzen; es kann effektiv mit kategorischen und nicht-kategorischen Slots sowie mit unbekannten Schemata umgehen. Zudem kann Seq2Seq-DU auch im NLU-Modul (Natural Language Understanding) eines Dialogsystems eingesetzt werden. Experimentelle Ergebnisse auf Benchmark-Datensätzen unter verschiedenen Bedingungen (SGD, MultiWOZ2.2, MultiWOZ2.1, WOZ2.0, DSTC2, M2M, SNIPS und ATIS) zeigen, dass Seq2Seq-DU die bestehenden Methoden übertrifft.