Argument Mining – die automatische Identifizierung, Klassifizierung und Verknüpfung argumentativer Texte – wird seit mehr als einem Jahrzehnt im Bereich der natürlichen Sprachverarbeitung (Natural Language Processing, NLP) erforscht. Trotz seines Potenzials für Anwendungen in rechtlichen, politischen und sozialen Kontexten blieb der Ansatz in der Organisationsforschung bislang weitgehend unerforscht. In ihrem englischsprachigen Artikel stellen Dr. Gregor Wiedemann, Cornelia Fedtke und Cristina Besio das aspektbasierte Argument Mining (ABAM) als methodische Innovation vor.
Damit lässt sich untersuchen, wie Organisationen Entscheidungen begründen, Legitimität aufbauen und durch kommunikative Handlungen mit ihrem Umfeld in Beziehung treten. Indem die Analyse argumentativer Strukturen über die Grenzen kleiner, qualitativer Studien hinaus ausgeweitet wird, ermöglicht ABAM die Erkennung und systematische Analyse von Argumentationsmustern in großen Textkorpora, die mit bisherigen computergestützten Ansätzen kaum nachweisbar waren. Das Potenzial wird anhand einer Längsschnitt-Fallstudie zu Twitter-Debatten über Kernenergie in Deutschland demonstriert. Sie zeigt, wie sich wandelnde gesellschaftliche Werte – insbesondere die Umdeutung der Kernenergie von einem Sicherheits- zu einem Klimathema – zu zunehmenden Diskrepanzen zwischen den Äußerungen einer politischen Parteiorganisation und ihrem Social-Media-Umfeld führten.
Der Artikel ist das Ergebnis der Zusammenarbeit im Projekt „Few-Shot Learning for Automated Content Analysis in Communication Science (FLACA)“, bei dem das HBI methodische Erkenntnisse in einer Kooperation mit dem Lehrstuhl von Prof. Besio an der Helmut-Schmidt-Universität/Universität der Bundeswehr Hamburg genutzt und für die Organisationsforschung zur Anwendung gebracht haben.
Englisches Abstract
Argument mining—the automatic identification, classification, and linking of argumentative text—has been studied in natural language processing (NLP) for more than a decade. Despite its claimed potential for applications in legal, political, and social contexts, it remained largely unexplored in organizational research. This article introduces aspect-based argument mining (ABAM) as a methodical innovation for studying how organizations justify decisions, construct legitimacy, and relate to their environments through communicative acts. By scaling up the analysis of argumentative structures beyond the limits of small-scale, qualitative studies, ABAM enables the recognition and systematic analysis of argumentation patterns in large text corpora that were hardly detectable with previous (computational) approaches. The potential is demonstrated by a longitudinal case study of Twitter debates on nuclear energy in Germany, revealing how shifting societal values—particularly the reframing of nuclear energy from a safety to a climate issue—produced growing misalignments between organizational talk of a political party organization and its social media environment.
Fedtke, Cornelia; Wiedemann, Gregor; Besio, Cristina (2026): Organizational Research Methods (29/3). https://doi.org/10.1177/10944281261453948