Kürzlich haben Sequenz-zu-Sequenz-Modelle beachtliche Leistungen bei einer Reihe von semantischen Parsenaufgaben erzielt. Sie nutzen jedoch oft nicht die verfügbaren sprachlichen Ressourcen aus, obwohl diese bei sachgerechter Anwendung die Leistung noch weiter steigern könnten. Untersuchungen im Bereich der neuronalen Maschinübersetzung haben gezeigt, dass die Einbeziehung solcher Informationen großes Potenzial besitzt, insbesondere bei Verwendung einer Mehr-Encoder-Architektur. Wir setzen eine Vielzahl semantischer und syntaktischer Ressourcen ein, um die Leistung beim Parsing von Diskursrepräsentationsstrukturen (Discourse Representation Structure Parsing) zu verbessern. Wir zeigen, dass (i) sprachliche Merkmale für neuronale semantische Parsing-Aufgaben von Vorteil sein können und (ii) die effektivste Methode zur Integration dieser Merkmale die Verwendung mehrerer Encoder ist.