Trotz der anhaltenden Bemühungen, die Ansprechbarkeit und Konsistenz von Small-Talk-Dialogsystemen zu verbessern, konzentrieren sich die meisten aktuellen Arbeiten lediglich auf die Nachahmung menschenähnlicher Antworten und untersuchen die Aspekte der Modellierung von Verständnis zwischen Gesprächspartnern bisher nur unzureichend. Die Forschung in der kognitiven Wissenschaft hingegen weist darauf hin, dass Verständnis ein wesentlicher Faktor für hochwertige Small-Talk-Gespräche ist. Ausgehend davon schlagen wir P^2 Bot vor – einen transmitter-receiver-basierten Rahmen, der explizit darauf abzielt, Verständnis zu modellieren. Insbesondere integriert P^2 Bot wechselseitige Persönlichkeitswahrnehmung, um die Qualität der personalisierten Dialoggenerierung zu verbessern. Experimente auf einem großen öffentlichen Datensatz, dem Persona-Chat, belegen die Wirksamkeit unseres Ansatzes, wobei eine erhebliche Steigerung gegenüber den aktuellen Stand der Technik sowohl in automatisierten Metriken als auch in menschlichen Bewertungen erreicht wird.