Die gemeinsame Extraktion von Entitäten und Relationen beinhaltet die Detektion von Entitäten und Relationen mittels eines einzigen Modells. In diesem Artikel präsentieren wir ein neuartiges, einheitliches Modell zur gemeinsamen Extraktion, das direkt Entitäten- und Relationslabels anhand einer Abfrageposition p annotiert, d. h., es erkennt eine Entität an der Position p und identifiziert Entitäten an anderen Positionen, die mit dieser in einer Beziehung stehen. Dazu entwerfen wir zunächst ein Tagging-Schema, um für einen n-Wörter-Satz n Tag-Sequenzen zu generieren. Anschließend wird ein Position-Attention-Mechanismus eingeführt, um für jede Abfrageposition unterschiedliche Satzrepräsentationen zu erzeugen, um die n Tag-Sequenzen zu modellieren. Auf diese Weise kann unsere Methode gleichzeitig alle Entitäten und deren Typen sowie alle überlappenden Relationen extrahieren. Experimentelle Ergebnisse zeigen, dass unser Framework erheblich bessere Leistung bei der Extraktion überlappender Relationen sowie der Erkennung von langen Distanz-Relationen erzielt und somit einen state-of-the-art-Ergebnis auf zwei öffentlichen Datensätzen erreicht.