Viele frühere Studien zur Relationsextraktion haben sich darauf konzentriert, lediglich eine einzige Relation zwischen zwei Entitäten innerhalb eines einzigen Satzes zu identifizieren. In der Praxis zeigt sich jedoch leicht, dass in einem einzigen Satz mehrere Entitäten existieren können, die mehrere Relationen untereinander bilden. Um dieses Problem zu lösen, schlagen wir ein Relationsextraktionsmodell vor, das auf einem Dual-Pointer-Netzwerk mit einer Multi-Head-Attention-Mechanismus basiert. Das vorgeschlagene Modell ermittelt n-zu-1-Relationen zwischen Subjekt und Objekt mithilfe eines Vorwärts-Dezoders, den wir als Objekt-Decoder bezeichnen. Anschließend identifiziert es 1-zu-n-Relationen zwischen Subjekt und Objekt mittels eines Rückwärts-Dezoders, den wir als Subjekt-Decoder bezeichnen. In Experimenten mit den Datensätzen ACE-05 und NYT erzielte das vorgeschlagene Modell state-of-the-art-Leistungen (F1-Score von 80,5 % im ACE-05-Datensatz, F1-Score von 78,3 % im NYT-Datensatz).