In diesem Artikel schlagen wir vor, die einzigartigen Eigenschaften von Dialogen auszunutzen, die gemeinsames Alltagswissen zwischen den Teilnehmern teilen, um die Schwierigkeiten bei deren Zusammenfassung zu überwinden. Wir präsentieren SICK, einen Rahmen, der gemeinsames Alltagswissen als zusätzlichen Kontext nutzt. Im Gegensatz zu vorherigen Ansätzen, die ausschließlich auf dem Eingabedialog basieren, verwendet SICK ein externes Wissensmodell, um eine vielfältige Menge an Alltagswissens-Schlussfolgerungen zu generieren und die wahrscheinlichste unter ihnen mittels einer相似itätsbasierten Auswahlmethode auszuwählen. Aufbauend auf SICK nutzt SICK++ das Alltagswissen als Supervision, wobei die Aufgabe der Generierung von Alltagswissens-Schlussfolgerungen im Rahmen eines Multi-Task-Lernsettings zusätzlich zur Dialogzusammenfassung gestellt wird. Experimentelle Ergebnisse zeigen, dass die Einbindung von Alltagswissen unsere Methode im Vergleich zu bestehenden Ansätzen zu informativeren und konsistenteren Zusammenfassungen führt.