Verschiedene Arbeiten zur Entitätenextraktion in visuell reichen Dokumenten (Visual Rich Documents, VRD) wurden bereits durchgeführt. Allerdings wurden bisher nur wenige Ansätze zur Bewältigung des Entitäten-Linking-Problems erforscht. Die Schwierigkeiten ergeben sich aus der quadratischen Komplexität der möglichen Verknüpfungskanten zwischen Entitäten. Unser Ansatz stellt ein auf gerichteten Graphen basierendes konvolutionales Netzwerk (Directed Graph Convolutional Network, DGCN) vor, um Beziehungen zwischen Entitäten vorherzusagen, das im Vergleich zu bestehenden Methoden auf der FUNSD-Entitäten-Linking-Aufgabe eine überlegene Leistung erzielt.