Konversationelle Empfehlungssysteme (Conversational Recommender Systems, CRS) zielen darauf ab, Benutzern geeignete Artikel durch natürliche Sprachdialoge zu empfehlen. Bei der Entwicklung effektiver CRS stellt sich als zentrale technische Herausforderung die präzise Inferenz von Benutzerpräferenzen aus sehr begrenztem Gesprächskontext. Um dieses Problem anzugehen, bietet sich eine vielversprechende Lösung an, die externe Daten zur Verfeinerung der Kontextinformationen einbezieht. Allerdings konzentrieren sich bisherige Studien hauptsächlich auf die Entwicklung von Fusionsmodellen, die speziell für bestimmte Arten externer Daten angepasst sind, wodurch die Anwendbarkeit auf mehrere Datentypen eingeschränkt bleibt.Um externe Daten verschiedener Art effektiv zu nutzen, schlagen wir einen neuartigen grob-zu-fein ausgerichteten kontrastiven Lernansatz vor, um die semantische Fusion von Daten für CRS zu verbessern. In unserem Ansatz extrahieren und repräsentieren wir zunächst mehrschalige semantische Einheiten aus unterschiedlichen Datensignalen und richten diese anschließend auf grober bis feiner Ebene aus. Um diesen Rahmen umzusetzen, entwerfen wir sowohl grob-granierte als auch fein-granierte Verfahren zur Modellierung von Benutzerpräferenzen, wobei das erste Verfahren sich auf allgemeinere, grob-granierte semantische Fusion konzentriert, während das zweite auf spezifischere, fein-granierte Fusion abzielt. Dieser Ansatz lässt sich problemlos auf weitere Arten externer Daten erweitern. Umfassende Experimente auf zwei öffentlichen CRS-Datensätzen belegen die Wirksamkeit unseres Ansatzes sowohl in Bezug auf Empfehlungs- als auch auf Dialogaufgaben.