Die Erkennung von Emotionen in Gesprächen (ERC) hat in den letzten Jahren zunehmend an Interesse gewonnen, da sie eine Vielzahl von Anwendungen ermöglicht, beispielsweise die Analyse von Kundenservice-Gesprächen oder die Unterstützung bei medizinischen Beratungsgesprächen. Eine zentrale Herausforderung bei der ERC besteht darin, dass die Emotionen der Nutzer durch die Emotionen anderer beeinflusst werden können. Das heißt, Emotionen können sich innerhalb eines Gesprächs unter den Beteiligten ausbreiten. Diese Ausbreitungseffekte von Emotionen in Gesprächen werden in der bestehenden Forschung jedoch selten berücksichtigt. Um diesem Problem entgegenzuwirken, schlagen wir EmotionFlow für die ERC vor, das die Ausbreitung von Emotionen zwischen den Gesprächsteilnehmern während eines Gesprächs berücksichtigt. EmotionFlow kodiert zunächst die Äußerungen der Nutzer, indem der Kontext mit einer Hilfsfrage verkettet wird, was zur Lernung von nutzerspezifischen Merkmalen beiträgt. Anschließend wird ein bedingter zufälliger Feld (Conditional Random Field, CRF) eingesetzt, um die sequenziellen Informationen auf emotionalem Level zu erfassen. Wir führen umfangreiche Experimente auf dem öffentlichen Datensatz Multimodal EmotionLines Dataset (MELD) durch, und die Ergebnisse belegen die Wirksamkeit unseres vorgeschlagenen Modells.