Die direkte Ableitung einer Grammatik aus Text ist eine der ältesten und herausforderndsten Aufgaben in der Computational Linguistics. Obwohl erhebliche Fortschritte bei der Induktion von Abhängigkeitsgrammatiken erzielt wurden, sind die eingesetzten Modelle im Vergleich zu überwachten Parsing-Modellen übermäßig vereinfacht. In diesem Paper präsentieren wir einen Ansatz zur Induktion von Abhängigkeitsgrammatiken mittels Baumersetzungsgrammatiken, der in der Lage ist, große Abhängigkeitsfragmente zu lernen und somit den Text besser zu modellieren. Wir definieren einen hierarchischen, nicht-parametrischen Pitman-Yor-Prozess als Prior, der eine kleine Grammatik mit einfachen Produktionen bevorzugt. Dieser Ansatz verbessert die bisher beste Leistung erheblich, gemessen an der Genauigkeit der Kopfanknüpfung.