Neuere Ansätze auf der Basis künstlicher neuronaler Netze (KNN) haben vielversprechende Ergebnisse bei der Klassifikation kurzer Texte gezeigt. Allerdings treten viele kurze Texte in Sequenzen auf (z.B. Sätze in einem Dokument oder Äußerungen in einem Dialog), und die meisten existierenden Systeme, die KNN nutzen, berücksichtigen die vorherigen kurzen Texte nicht bei der Klassifikation eines nachfolgenden Textes. In dieser Arbeit präsentieren wir ein Modell, das auf rekurrenten neuronalen Netzen und Faltungsneuronalen Netzen basiert und die vorherigen kurzen Texte einbezieht. Unser Modell erzielt Stand-der-Technik-Ergebnisse auf drei verschiedenen Datensätzen für die Vorhersage von Dialogakten.