Die Emotionserkennung in Konversationen (ERC) hat in letzter Zeit aufgrund ihres potenziellen breiten Anwendungsspektrums in verschiedenen Bereichen wie Gesundheitswesen, Bildung und Personalwesen viel Aufmerksamkeit von Forschern gefunden. In dieser Arbeit stellen wir Dialogue Graph Convolutional Network (DialogueGCN) vor, einen Ansatz zur ERC, der auf graphischen neuronalen Netzen basiert. Wir nutzen die Selbst- und Inter-Sprecher-Abhängigkeiten der Gesprächsteilnehmer, um den konversationellen Kontext für die Emotionserkennung zu modellieren. Durch das Graphnetzwerk löst DialogueGCN die Kontextfortpflanzungsprobleme auf, die in den aktuellen RNN-basierten Methoden vorhanden sind. Wir zeigen empirisch, dass diese Methode solche Probleme lindert und gleichzeitig den aktuellen Stand der Technik bei mehreren Benchmark-Datensätzen für Emotionsklassifizierung übertrifft.