In diesem Paper behandeln wir die Aufgabe der emotionellen Klassifikation auf Sprecherebene in Gesprächen unter Verwendung von Alltagswissen. Wir stellen COSMIC vor, einen neuen Rahmen, der verschiedene Aspekte des Alltagswissens – wie mentale Zustände, Ereignisse und kausale Beziehungen – integriert und darauf aufbauend die Interaktionen zwischen den Gesprächspartnern in einem Gespräch erlernt. Aktuelle state-of-the-art-Methoden stoßen häufig an Grenzen bei der Kontextweiterleitung, der Erkennung von Emotionswechseln und der Unterscheidung zwischen verwandten Emotionsklassen. Durch die Lernung differenzierter Alltagswissens-Repräsentationen überwindet COSMIC diese Herausforderungen und erreicht neue state-of-the-art-Ergebnisse für die Emotionserkennung auf vier verschiedenen Benchmark-Datensätzen für Gespräche. Unser Code ist unter https://github.com/declare-lab/conv-emotion verfügbar.