Die conversationelle Emotionserkennung (CER) hat in der Gemeinschaft des Natural Language Processing (NLP) zunehmend an Aufmerksamkeit gewonnen. Im Gegensatz zur herkömmlichen Emotionserkennung stellt die effektive Erfassung von sprachlichen Äußerungen unter Berücksichtigung des Sprechers eine zentrale Herausforderung für die CER dar. In diesem Paper nutzen wir die Sprecheridentifikation (SI) als Hilfsaufgabe, um die Äußerungsrepräsentation in Gesprächen zu verbessern. Auf diese Weise können wir durch den Einsatz zusätzlicher SI-Datenbestände verbesserte, sprecherbewusste kontextuelle Repräsentationen erlernen. Experimente an zwei etablierten Benchmark-Datensätzen zeigen, dass der vorgeschlagene Architekturansatz für die CER äußerst effektiv ist und auf beiden Datensätzen neue SOTA-Ergebnisse (state-of-the-art) erzielt.