Die automatische Geschichtsverstehens ist eine grundlegende Herausforderung im Bereich des Natural Language Understanding und kann es Computern ermöglichen, soziale Normen, menschliches Verhalten und Alltagswissen zu erlernen. In diesem Artikel präsentieren wir ein Modell zum Geschichtsverstehen, das drei verschiedene semantische Aspekte untersucht: (i) die Abfolge der Ereignisse in der Geschichte, (ii) ihre emotionale Entwicklung und (iii) ihre handlungskonsequente Kohärenz. Wir bewerten das Verständnis des Modells für reale Geschichten daran, ob es – wie Menschen – Erwartungen darüber bilden kann, was im weiteren Verlauf einer gegebenen Geschichte geschehen wird. Insbesondere nutzen wir es, um die richtige Fortsetzung einer kurzen Geschichte aus mehreren möglichen Alternativen vorherzusagen. Das Modell verwendet eine versteckte Variable, um die Gewichtung der semantischen Aspekte im Kontext der Geschichte zu steuern. Unsere Experimente zeigen das Potenzial unseres Ansatzes, diese semantischen Aspekte zu charakterisieren, sowie die Stärke des versteckten Variablen-Ansatzes. Das Modell übertrifft die derzeit besten Ansätze und erzielt die besten Ergebnisse auf einer öffentlich verfügbaren Datensammlung.