Die Bewältigung der Herausforderung automatisierten Geometrie-Problemlösens in der Künstlichen Intelligenz (KI) erfordert das Verständnis multimodaler Informationen und Mathematik. Aktuelle Methoden haben Schwierigkeiten, Geometrie-Diagramme korrekt zu interpretieren, was die effektive Problemlösung behindert. Um dieses Problem anzugehen, stellen wir das Modell Geometry problem sOlver with natural Language Description (GOLD) vor. GOLD verbessert die Extraktion geometrischer Beziehungen durch getrennte Verarbeitung von Symbolen und geometrischen Primitiven innerhalb des Diagramms. Anschließend werden die extrahierten Beziehungen in natürlichsprachliche Beschreibungen umgewandelt, wodurch große Sprachmodelle effizient zur Lösung von Geometrie-Problemen genutzt werden können. Experimente zeigen, dass das GOLD-Modell den Geoformer-Modell übertrifft, dem bisher besten Verfahren auf dem UniGeo-Datensatz, indem es Genauigkeitsverbesserungen von 12,7 % und 42,1 % in den Bereichen Berechnung und Beweis erzielt. Zudem übertreffen die Genauigkeitssteigerungen des GOLD-Modells auf den Datensätzen PGPS9K und Geometry3K das bisher beste Modell PGPSNet um jeweils 1,8 % und 3,2 %.