Die Klassifikation von Dialogakt (Dialogue Act, DA) beinhaltet die Zuordnung von Äußerungen zu ihrer jeweiligen Funktion innerhalb eines Dialogs. Bisherige Ansätze zur DA-Klassifikation modellieren Äußerungen, ohne die Gesprächswechsel zwischen den Sprechern zu berücksichtigen, wodurch der Dialog nicht von interaktiver Textkommunikation unterschieden wird. In diesem Paper schlagen wir vor, die Gesprächswechsel zwischen Sprechern bei der Modellierung von Dialogakten zu integrieren. Konkret lernen wir dialogunabhängige Sprecherwechsel-Embeddings, um die Sprecherwechsel in einem Gespräch zu repräsentieren; diese gelernten Sprecherwechsel-Embeddings werden anschließend mit den Äußerungs-Embeddings kombiniert, um die nachgeschaltete Aufgabe der DA-Klassifikation zu unterstützen. Mit diesem einfachen, jedoch effektiven Mechanismus ist unser Modell in der Lage, die Semantik des Dialoginhalts zu erfassen, gleichzeitig aber auch die unterschiedlichen Sprecherwechsel innerhalb eines Gesprächs zu berücksichtigen. Die Validierung an drei etablierten öffentlichen Benchmark-Datensätzen zeigt eine überlegene Leistung unseres Modells.