Aspect-basierte Sentimentanalyse (ABSA) hat in letzter Zeit zunehmend Aufmerksamkeit erhalten. Die ABSA lässt sich je nach den extrahierten Elementen in mehrere Aufgaben unterteilen. Bestehende generative Ansätze behandeln die Ausgabe üblicherweise als ein einziges String-Objekt anstelle der Kombination verschiedener Elemente und konzentrieren sich jeweils nur auf eine einzige Aufgabe. In diesem Artikel wird ein einheitliches generatives Mehraufgaben-Frame­work vorgestellt, das mehrere ABSA-Aufgaben lösen kann, indem der Typ der Aufgabenprompts – bestehend aus mehreren Elementprompts – gesteuert wird. Darüber hinaus ermöglicht der vorgeschlagene Ansatz das Training auf einfachen Aufgaben und die Übertragung auf anspruchsvollere Aufgaben durch Zusammensetzen von Aufgabenprompts, vergleichbar mit dem Zusammenfügen von Lego-Steinen. Wir führen Experimente auf sechs ABSA-Aufgaben an mehreren Benchmarks durch. Unser vorgeschlagenes Mehraufgabenverfahren erreicht in fast allen Aufgaben neue SOTA-Ergebnisse und wettbewerbsfähige Ergebnisse in Szenarien zur Aufgabenübertragung.