Plaudermodelle sind bekannt für mehrere Probleme: Sie fehlen an Spezifität, zeigen keine konsistente Persönlichkeit und sind oft nicht sehr fesselnd. In dieser Arbeit stellen wir die Aufgabe vor, Plaudermodelle durch das Bedingen auf Profilinformationen spannender zu gestalten. Wir sammeln Daten und trainieren Modelle, um (i) auf ihre gegebenen Profilinformationen und (ii) auf Informationen über die Person, mit der sie sich unterhalten, zu konditionieren. Dies führt zu verbesserten Dialogen, wie durch die Vorhersage der nächsten Äußerung gemessen. Da (ii) zunächst unbekannt ist, wird unser Modell darauf trainiert, seinen Gesprächspartner mit persönlichen Themen anzusprechen. Wir zeigen, dass der resultierende Dialog verwendet werden kann, um Profilinformationen über die Gesprächsteilnehmer vorherzusagen.