Wir stellen einen neuronalen Encoder-Decoder-AMR-Parser vor, der ein auf Aufmerksamkeit basierendes Modell erweitert, indem er die Zuordnung zwischen Graphknoten und Satztoken explizit mit einem Pointer-Mechanismus vorhersagt. Als Vorverarbeitungsschritt werden mögliche Lemmata vorhergesagt, sodass die Lemmata lexikalischer Konzepte sowie konstanter Zeichenketten aus der Linearisierung des Graphen herausgenommen und über die vorhergesagten Zuordnungen wiederhergestellt werden. Der Ansatz beruht weder auf syntaktischen Parses noch auf umfangreichen externen Ressourcen. Unser Parser erzielte eine Smatch-Score von 59 % auf dem SemEval-Testset.