Die mehrparteienbasierte Dialog-Maschinenlesekompetenz (Multi-party Dialogue Machine Reading Comprehension, MRC) stellt eine erhebliche Herausforderung dar, da sie mehrere Sprecher innerhalb eines Dialogs beinhaltet, was zu komplexen Sprecherinformationsflüssen und störanfälligen Dialogkontexten führt. Um diese Schwierigkeiten zu mindern, konzentrieren sich bisherige Modelle darauf, wie diese Informationen mithilfe komplexer graphbasierter Module und zusätzlicher manuell annotierter Daten integriert werden können – wobei letztere in realen Szenarien meist selten sind. In diesem Paper entwerfen wir zwei arbeitsfreie, selbst- und pseudo-selbstüberwachte Vorhersageaufgaben für Sprecher und Schlüsseläußerungen, um die Sprecherinformationsflüsse implizit zu modellieren und markante Hinweise in langen Dialogen zu erfassen. Experimentelle Ergebnisse auf zwei Standard-Datensätzen bestätigen die Wirksamkeit unseres Ansatzes gegenüber konkurrierenden Baselines und aktuellen State-of-the-Art-Modellen.