Die automatische Lesbarkeitsbewertung (Automatic Readability Assessment, ARA), also die Zuordnung eines Leseflüssigkeitsniveaus zu einem Text, wird in der traditionellen NLP-Forschung als Klassifizierungsaufgabe behandelt. In diesem Paper stellen wir erstmals einen neuronalen, paarweisen Ranking-Ansatz für die ARA vor und vergleichen ihn mit bestehenden Methoden der Klassifizierung, Regression sowie (nicht-neuraler) Ranking-Ansätze. Die Leistungsfähigkeit unseres Modells wird anhand von Experimenten mit drei englischsprachigen, einer französischsprachigen und einer spanischsprachigen Datensammlung evaluiert. Wir zeigen, dass unser Ansatz sowohl in monolingualen Einzel- als auch Kreuzkorpus-Tests gut abschneidet und bei der Null-Sicht-Übersprachlichkeit (zero-shot cross-lingual ranking accuracy) für Französisch und Spanisch jeweils über 80 % erreicht, wenn das Modell ausschließlich auf englischen Daten trainiert wurde. Zudem veröffentlichen wir erstmals eine neue parallele, zweisprachige Lesbarkeitsdatenbank in Englisch und Französisch. Sofern uns bekannt ist, stellt dieses Paper den ersten neuronalen paarweisen Ranking-Modell für die ARA vor und präsentiert die ersten Ergebnisse einer übersprachlichen, null-sichtigen Evaluation der ARA mit neuronalen Modellen.