In diesem Paper untersuchen wir die automatisierte Annotation tabellarischer Daten unter Verwendung semantischer Technologien in Kombination mit neuronalen Netzwerk-Embeddings. Speziell schlagen wir ein Anchoring-Modell vor, bei dem Eigenschafts- und Zelltypen aus dem Daten-Embedding-Raum mit Ontologie-Relationen und Entitätstypen ausgerichtet werden. Wir zeigen, dass durch die Kombination der Stärken symbolischer Schlussfolgerung, neuronaler Embeddings und gezielter Verlustfunktionsgestaltung eine erhebliche Leistungssteigerung erzielt werden kann: Bis zu 86 % Genauigkeit bei der Spalten-Eigenschafts-Annotation, 82 % bei der Spalten-Typ-Annotation und 87 % bei der Spalten-Qualifier-Annotation basierend auf Extraktionen aus DBpedia und Wikidata.