3.2 Analyse der Methodenrobustheit gegenüber selektiver Berichterstattung und Zielvagheiten
Die methodische Identifikation von ESG-Greenwashing in der Unternehmensberichterstattung steht vor der Herausforderung, subtile Formen kommunikativer Täuschung von substanziellen Nachhaltigkeitsfortschritten abzugrenzen. Klassische volumetrische Messverfahren, die primär die Häufigkeit bestimmter Signalwörter erfassen, greifen bei der Aufdeckung strategischer Verzerrungen regelmäßig zu kurz [4]. Großunternehmen reagieren auf wachsende Transparenzanforderungen häufig nicht mit expliziten Falschaussagen, sondern nutzen rhetorische Relativierungen, strategische Auslassungen materieller Problemfelder sowie unverbindliche langfristige Zielformulierungen [4]. Ein rein quantitativer Vergleich zwischen Berichterstattungsumfang und externen ESG-Ratingwerten erweist sich dabei als unvollständig, da aggregierte Ratings methodische Heterogenitäten aufweisen und wesentliche Unternehmensrisiken selektiv verdecken können [2]. Die Berücksichtigung materieller Wesentlichkeitsanalysen ist daher eine zentrale Voraussetzung, um festzustellen, ob relevante Umwelt- und Governance-Dimensionen im Bericht substanziell adressiert oder durch periphere Positivnarrative kompensiert werden [2]. Fortgeschrittene algorithmische Analyseverfahren und Natural-Language-Processing-Modelle eröffnen neue Perspektiven zur systematischen Erkennung linguistischer Verschleierungsmuster [5]. Diese Ansätze ermöglichen es, semantische Kohärenzen über Berichtsperioden hinweg abzugleichen und Diskrepanzen zwischen Zielankündigungen und tatsächlicher Zielerreichung automatisiert zu erfassen [5]. Dennoch stoßen rein textbasierte KI-Modelle an Grenzen, sobald externe Verifikationsdaten und kontextspezifische Governance-Strukturen unzureichend integriert sind, was die Notwendigkeit hybrider Untersuchungsdesigns unterstreicht.