Die mehrparteien-Dialog-Maschinenleseverständnis-Aufgabe (MRC) stellt eine noch anspruchsvollere Verständnisaufgabe im Vergleich zur klassischen, flachen Text-MRC dar, da sie Dialoge mit mehr als zwei beteiligten Sprechern betrifft. Um die Frage-Antwort-Aufgabe (QA) in solchen mehrparteien-Dialogen präzise zu erfüllen, müssen Modelle grundlegend andere Diskursbeziehungen verarbeiten als in üblichen, nicht-dialogbasierten Texten, bei denen Diskursbeziehungen zwei weit voneinander entfernte Äußerungen auf sprachwissenschaftlich motivierte Weise verknüpfen sollen. Um die Rolle dieser ungewöhnlichen Diskursstruktur für die zugehörige QA-Aufgabe im Rahmen der MRC weiter zu untersuchen, schlagen wir das erste Multiaufgabenmodell vor, das QA und Diskursparsen (DP) gemeinsam auf der Aufgabe der mehrparteien-Dialog-MRC durchführt. Unser vorgeschlagenes Modell wird auf der neuesten Benchmark Molweni evaluiert, wobei die Ergebnisse zeigen, dass die gemeinsame Ausbildung mit ergänzenden Aufgaben nicht nur die QA-Aufgabe, sondern auch die DP-Aufgabe selbst deutlich verbessert. Darüber hinaus stellen wir fest, dass das gemeinsame Modell bei der Behandlung längerer Dialoge signifikant stärker abschneidet – was erneut die Notwendigkeit der Diskursparsen im Zusammenhang mit der MRC unterstreicht.