Wie verhalten sich Aktionäre bei Unternehmenszusammenschlüssen? Modellierung sprachlicher Muster zur Analyse treibender Faktoren bei der Berichterstattung

Abstract

Welche Informationen über Unternehmenszusammenschlüsse werden in Zeitungsnachrichten vermittelt, und wie können diese Informationen automatisch extrahiert werden? Dies soll am Beispiel des Verhaltens von Aktionären während eines Zusammenschlusses ermittelt werden. Dazu werden die wichtigsten Aussagen über das Votum der Aktionäre im Hinblick auf eine automatische Erkennung sprachlich analysiert. Im Fokus stehen dabei die Berichte über Aktionärsabstimmungen hinsichtlich der Annahme bzw. Ablehnung eines Übernahmeangebots.

Full text

Digital Humanities im deutschsprachigen Raum 2016
www.mww-forschung.de [letzter Zugriff 15. Februar
2016].
Wie verhalten
sich Aktionäre bei
Unternehmenszusam-
menschlüssen? Modellierung
sprachlicher Muster zur
Analyse treibender Faktoren
bei der Berichterstattung
Stotz, Sophia
stotz@hni.upb.de
Universität Paderborn, Deutschland
Geierhos, Michaela
geierhos@hni.upb.de
Universität Paderborn, Deutschland
Welche Informationen über
Unternehmenszusammenschlüsse werden in
Zeitungsnachrichten vermittelt, und wie können diese
Informationen automatisch extrahiert werden? Dies soll
am Beispiel des Verhaltens von Aktionären während eines
Zusammenschlusses ermittelt werden. Dazu werden die
wichtigsten Aussagen über das Votum der Aktionäre im
Hinblick auf eine automatische Erkennung sprachlich
analysiert. Im Fokus stehen dabei die Berichte über
Aktionärsabstimmungen hinsichtlich der Annahme bzw.
Ablehnung eines Übernahmeangebots. Dabei gilt es, die
folgenden beiden Herausforderungen zu meistern:
Identifikation der Treiber
Bei der vorliegenden Fragestellung geht es
darum, die sprachliche Gestaltung der Rolle der
Aktionäre bei Unternehmenszusammenschlüssen in
der Presse zu analysieren. Die Aktionärsabstimmung
ist eingebettet in den Kontext unterschiedlicher
Ereignisse, die Teil eines Zusammenschlussversuchs
sind. Da Unternehmenszusammenschlüsse erhebliche
Auswirkungen sowohl auf die Beschäftigten, als auch
auf andere Unternehmen (insbesondere Konkurrenten),
Aktionäre und die Verteilung von Spitzenposten haben,
wird in Zeitungen ausführlich darüber berichtet. Medien
haben zwar keinen direkten Einfluss auf wirtschaftliche
Prozesse, sie können jedoch die Meinung von primären
Adressaten, wie z. B. Aktionären, beeinflussen und
nehmen daher dennoch eine wichtige Rolle ein (vgl.
Palmieri 2014: 71f.). In erster Linie veröffentlichen
sie Mitteilungen von Unternehmen und andere
relevante Dokumente und tragen so zur Verbreitung
von Schlüsselinformationen bei. Im Vergleich zu
Eigenwerbung oder selbst verfassten Mitteilungen wirken
Berichte von Journalisten unabhängiger und damit
glaubwürdiger. Der „Vertrauenswürdigkeitsvorsprung
journalistischer Berichterstattung“ (Hoffjann 2014:
674) führt dazu, dass diese besonders wichtig für die
Reputation eines Unternehmens ist (vgl. Hoffjann 2014:
673 f.).
Modellierung des sprachlichen
Variantenreichtums
Verschiedene Akteure beeinflussen den Verlauf eines
Zusammenschlussversuchs und bilden untereinander ein
komplexes Beziehungsnetzwerk. So kann beispielsweise
im Fall einer feindlichen Übernahme der Aufsichtsrats
des Zielunternehmens seinen Aktionären empfehlen,
keine Aktien zu verkaufen und dadurch die Übernahme
gefährden. Die Haltung der Aktionäre, aber auch die des
Kartellamts, kann einen Zusammenschluss zum Scheitern
bringen. Um diese Prozesse zu modellieren, muss das
Korpus im Hinblick auf die Akteure, ihre Entscheidungen
und Meinungen untersucht werden. Zur Extraktion von
Ereignissen besteht bereits eine große Bandbreite an
Fachliteratur, die grob in maschinelle, musterbasierte
und hybride Vorgehensweisen eingeteilt werden kann
(Hogenboom et al. 2011). Auch zur automatischen
Bestimmung des faktischen Status von Ereignissen sowie
zur automatischen Analyse von Wirtschaftsnachrichten
hat es bereits einige Ansätze gegeben (z. B. Saurí /
Pustejovsky 2012; Nassirtoussi 2014). Im vorliegenden
Beitrag soll am Beispiel von Aktionärsabstimmungen
gezeigt werden, wie semi-automatisch ermittelte morpho-
syntaktische Muster den Kontext des Zusammenschlusses
semantisch mittels lokaler Grammatiken (Gross 1997)
modellieren können. Die mithilfe der Muster gewonnenen
Informationen können z. B. für eine semantische
Suchmaschine genutzt werden, um Fragen der Art „Wie
oft waren Aktionäre für das Scheitern einer Fusion in den
letzten 2 Jahren verantwortlich?“ oder „Wer trug zum
Scheitern der Übernahme von Tele Columbus durch Kabel
Deutschland bei?“ beantworten zu können.
Datenbasis
Um die von deutschsprachigen Wirtschaftsnachrichten
erwähnten Einflüsse der Aktionäre auf einen
Zusammenschluss (und umgekehrt) zu erfassen, wurden
mithilfe des COSMAS-Tools (vgl. Institut für Deutsche
Sprache) 6784 Sätze zusammengestellt, die jeweils die
Schlüsselwörter („Übernahme“ ODER „Fusion“) sowie
378

Digital Humanities im deutschsprachigen Raum 2016
„Aktionäre“ enthalten. Die über das COSMAS-Tool
verfügbaren Korpora bestehen hauptsächlich aus den
Archiven regionaler und überregionaler deutschsprachiger
Zeitungen. Mit der Keyword-Auswahl sollen die
wichtigsten Ereignisse identifiziert werden, die während
eines Zusammenschlusses im Zusammenhang mit den
Aktionären stehen. Folgende Tabelle zeigt einen Auszug
aus den manuell erstellten relevanten Themen sowie die
dazugehörigen sprachlichen Muster:
Tab. 1: Konfidenzmaß ausgewählter Keywords bzgl.
bestimmter Phasen
Korpusverarbeitungssystem und
Modellierungswerkzeug
Da Medienberichte in Wirtschaftsnachrichten
wiederkehrende Sprachmuster für die Ankündigung
gescheiterter und erfolgter Zusammenschlüsse benutzen,
ist der Ansatz der lokalen Grammatiken für diese
Aufgabe vielversprechend (Gross 1997). Lokale
Grammatiken erlauben es, morpho-syntaktische
sowie semantische Eigenschaften der Sprache zu
berücksichtigen. Zur Implementierung verwende ich das
Korpusverarbeitungssystem Unitex , das an der Université
Marne-la-Vallée entwickelt wurde.
Am Centrum für Informations- und
Sprachverarbeitung wurde in München ein sehr
umfangreiches deutschsprachiges Lexikon aufgebaut, das
zahlreiche syntaktische und semantische Informationen
mit einschließt und sich dadurch erheblich von
vergleichbaren Systemen absetzt (Guenthner / Maier
1994). Neben der Verfügbarkeit dieses Lexikons bietet
Unitex den Vorteil, dass der Benutzer selbst Regeln zur
Erkennung von Named Entities schreiben und dabei
eine Vielzahl an morphologischen und syntaktischen
sowie semantischen Einschränkungen einbauen kann.
Für die vorliegende Studie wurde z. B. ein Lexikon mit
Organisationsnamen mit über 335000 Einträgen eingesetzt
(Mallchok 2004).
Lokale Grammatiken zur
Differenzierung bestimmter Phasen
Für die Auswahl geeigneter und besonders
charakteristischer Schlüsselpassagen werden zunächst die
einschlägigen verbalen Wendungen (z. B. „zustimmen“,
„grünes Licht geben“) im Textkorpus ermittelt. Da
die isolierte Erkennung der Prädikate allein oft nicht
ausreicht, um eine Aussage korrekt zu extrahieren,
muss der jeweilige Kontext berücksichtigt werden. Es
geht also darum, die syntaktische Distributionsklasse
des Prädikats (Anzahl und Form der Komplemente) zu
ermitteln (vgl. Nagel 2005: 16). Das Verb „genehmigen“
erfordert im untersuchten Bereich beispielsweise ein
Subjekt, das die Aktionäre beschreibt, und ein Objekt, den
Zusammenschluss. Sie werden anschließend in Unitex-
Graphen eingearbeitet, die auf neuen Korpora den Status
eines Unternehmenszusammenschlusses bestimmen
können. Die Graphen können durch die Einbindung
von Lexika und Kontextmodellierung zudem relevante
Entitäten wie z. B. den Unternehmensnamen erkennen.
Lokale Grammatiken eignen sich in besonderem Maße
für das in diesem Beitrag behandelte Thema, da sie die
syntaktische Struktur des Satzes berücksichtigen und
somit der Akteur und im Zusammenhang dazu seine
Handlungen oder Meinungen extrahiert werden können.
Kleinere Entitäten können einzeln erkannt und in den
Kontext eines größeren Graphs eingebettet werden.
Folgender (etwas vereinfachter) Graph erkennt z. B. das
Abstimmungsergebnis:
Abb. 1: Graph zur Erkennung des
Abstimmungsergebnisses
Die erkannten Textstellen werden mit XML-Tags
versehen und im Textformat abgespeichert, sodass sie
leicht visualisiert und weiterverarbeitet werden können.
Beispiele für mit diesem Graphen erkannte Textstellen
sind:
Abb. 2: Auszug aus der Konkordanz der erkannten
Textstellen zum Abstimmungsergebnis
Folgende Beispiele zeigen einen Auszug aus
der Konkordanz des Graphen zur Erkennung des
Abstimmungsergebnisses von Aktionären:
379

Digital Humanities im deutschsprachigen Raum 2016
Abb. 3: Auszug aus der Konkordanz der erkannten
Textstellen zur Aktionärsabstimmung
Durch Ersetzen der Prädikate können Synonyme
gefunden werden, wie z. B. „erlauben“, oder aber
auch Prädikate wie „vereiteln“ und „verhindern“, die
die Ablehnung des Zusammenschlusses ausdrücken.
Hinsichtlich der Argumentstruktur unterscheiden sich
die Prädikate nicht, sie müssen jedoch aufgrund ihrer
Bedeutung verschieden annotiert werden. Ebenso können
durch Ersetzen des Subjekts die Entscheidungen anderer
Akteure, beispielsweise des Kartellamts, erkannt werden.
Oft ist auch nur von dem Plan einer
Aktionärsabstimmung die Rede. Dieser wird häufig in
Form von Modalverbkonstruktionen zum Ausdruck
gebracht:
Abb. 4: Auszug aus der Konkordanz der erkannten
Textstellen zu einer geplanten Aktionärsabstimmung
Die Extraktion der analysierten Prädikat-Argument-
Strukturen mithilfe von lokalen Grammatiken ermöglicht
die Kategorisierung eines Ereignisses, im vorliegenden
Fall der Aktionärsabstimmung, das für die Einschätzung
des Status eines Zusammenschlusses von zentraler
Bedeutung ist.
Evaluation
Tabelle 2 zeigt die Ergebnisse einer Evaluation
bezüglich der erfolgten Zustimmung der Aktionäre zu
einem Zusammenschluss. Sie wurde auf einem mithilfe
der COSMAS-Datenbank erstellten Testkorpus mit 623
Sätzen (Keywords: („Fusion“ ODER „Übernahme“)
sowie „Aktionäre“) durchgeführt. Hierbei wurden sowohl
die Erkennung der Relation als auch der daran beteiligten
Entitäten wie z. B. Unternehmensnamen, Zeit- und
Ortsangaben berücksichtigt.
Zustimmung der
Aktionäre zu einem
Zusammenschluss
Entitäten
Precision 100/101=99,0% 117/120=97,5%
Recall 66/100=66,0% 120/197=60,9%
F-Score 79,2% 75,0%
Tab. 2: Ergebnisse der Evaluation bezüglich
der erfolgten Zustimmung der Aktionäre zu einem
Zusammenschluss
Fazit und Ausblick
Im vorliegenden Beitrag wird gezeigt, wie
wiederkehrende sprachliche Muster dazu genutzt
werden können, die Rolle von Aktionären bei einem
Unternehmenszusammenschluss am Beispiel von
Aktionärsabstimmungen zu modellieren. Mithilfe
von lokalen Grammatiken kann der Ausgang der
Abstimmungen automatisch extrahiert werden. Wichtige
Entitäten wie Zeit- und Ortsangaben, Akteure und
Organisationsnamen werden ebenfalls erkannt. Die so
strukturierten Informationen können anschließend in eine
semantische Suchmaschine eingebettet werden. Mit dieser
Methode und durch Erweiterung der vorhandenen Muster
kann in den nächsten Schritten ein System zur Erkennung
der relevanten Phasen eines Zusammenschlusses sowie
das Zusammenwirken der unterschiedlichen Akteure
erstellt werden. Nach der Fertigstellung des Systems
sollen bezüglich neuer Zeitungsnachrichten Aussagen
zum derzeitigen Stand eines Zusammenschlusses
getroffen werden können. In einem nächsten Schritt wäre
auch eine Analyse hinsichtlich sprachlicher Indikatoren
interessant, die nicht unmittelbar an ökonomische Schritte
geknüpft ist: Inwiefern kündigen Passagen wie „droht
zu scheitern“ tatsächlich das Scheitern des Prozesses an?
Darüber hinaus könnte auch die sprachliche Modellierung
von Gerüchten („Der Konsumgüterhersteller Henkel
ist Kreisen zufolge Favorit im Rennen um den
Haarpflegespezialisten Wella“, vgl. Focus 25.05.2015)
mit lokalen Grammatiken implementiert werden, um die
Grenze zwischen klaren Fakten und unsicheren Aussagen
in Zeitungsnachrichten zu markieren. Die Methode
ist in thematischer Hinsicht nicht auf ein bestimmtes
Textkorpus beschränkt, die Graphen müssen jedoch bei
Wechsel der Textdomäne angepasst werden.
Bibliographie
Focus (25.05.2015): "Henkel Favorit für Wella-
Übernahme - Wert: 5,5 bis 7,0 Milliarden Dollar" http://
www.focus.de/finanzen/news/wirtschaftsticker/kreise-
henkel-favorit-fuer-wella-uebernahme-wert-5-5-bis-7-0-
milliarden-dollar_id_4705463.html [letzter Zugriff 05.
Oktober 2015].
380

Digital Humanities im deutschsprachigen Raum 2016
Gross, Maurice (1997): "The Construction of Local
Grammars", in: Roche, Emmanuel / Schabès, Yves
(eds.): Finite-State Language Processing. Cambridge,
Massachusetts, USA: MIT Press 329–354.
Guenthner, Franz / Maier, Petra (eds.) (1994): Das
CISLEX Wörterbuchsystem. München.
Hoffjann, Olaf (2014): "Presse- und Medienarbeit
in der Unternehmenskommunikation", in: Zerfaß,
Ansgar / Piwinger, Manfred (eds.): Handbuch
Unternehmenskommunikation. Wiesbaden: Springer
671-690.
Hogenboom, Frederik / Frasincar, Flavius /
Kaymak, Uzay / de Jong, Franciska (2011): "An
overview of event extraction from text", in: Proceedings
of Detection, Representation, and Exploitation of Events
in the Semantic Web (DeRiVE 2011). Workshop in
conjunction with the 10th International Semantic Web
Conference 2011 (ISWC 2011), Bonn, Germany, October
23, 2011: 48–57.
Institut für Deutsche Sprache (IDS) (o.J.): Cosmas
II. Corpus Search, Management and Analysis System
http://www.ids-mannheim.de/cosmas2 [letzter Zugriff 05.
Oktober 2015].
Mallchok, Friederike (2004): Automatic Recognition
of Organization Names in English Business News.
München: Ludwig-Maximilians-Universität München.
Nagel, Sebastian (2008): Lokale Grammatiken
zur Beschreibung von lokativen Sätzen und ihre
Anwendung im Information Retrieval. München: Ludwig-
Maximilians-Universität München.
Nassirtoussi, Arman Khadjeh / Aghabozorgi,
Saeed / Wah, Teh Ying / Chek Ling Ngo, David (2014):
"Text mining for market prediction: A systematic review",
in: Expert Systems with Applications 41,16: 7653–7670.
Palmieri, Rudi (2014): Corporate argumentation
in takeover bids. Amsterdam / Philadelphia: John
Benjamins.
Saurì, Roser / Pustejovsky, James (2012). "Are
You Sure That This Happened? Assessing the Factuality
Degree of Events in Text", in: Computational Linguistics
35, 1: 1–39.
Université Paris-Est Marne-la-Vallée (o.J.): Unitex
http://igm.univ-mlv.fr/~unitex/UnitexManual3.1.pdf
[letzter Zugriff 05. Oktober 2015].
Digitales Publizieren.
Bedingungen - Optionen -
Empfehlungen
Stäcker, Thomas
staecker@hab.de
Herzog August Bibliothek Wolfenbüttel
Baum, Constanze
baum@hab.de
MWW-Forschungsverbund / Herzog August Bibliothek
Wolfenbüttel
Steyer, Timo
steyer@hab.de
MWW-Forschungsverbund / Herzog August Bibliothek
Wolfenbüttel
Kleineberg, Michael
michael.kleineberg@ub.hu-berlin.de
Humboldt Universität zu Berlin
Baillot, Anne
anne.baillot@gmail.com
Humboldt Universität zu Berlin
Kaden, Ben
ben.kaden@ub.hu-berlin.de
Humboldt Universität zu Berlin
Chen, Esther
echen@mpiwg-berlin.mpg.de
Max-Planck-Instiut für Wissenschaftsgeschichte
Walkowski, Nils-Oliver
walkowski@bbaw.de
Berlin-Brandenburgische Akademie der Wissenschaften
Schwaderer, Christian
christian.schwaderer@uni-tuebingen.de
Universität Tübingen
Ernst, Thomas
thomas.ernst@uni-due.de
Universität Duisburg-Essen
Die AG Publikationen der DHd hat sich eingehend
mit der Frage der digitalen Publikation auseinandergesetzt
und will in Form eines Posters ihre Arbeitsergebnisse, die
zeitgleich als working paper auf http://dhd-wp.hab.de/
erscheinen werden, vorstellen. Es sollen Empfehlungen
entwickelt werden, die sowohl zu einem besseren
Verständnis digitaler Publikationen beitragen, als auch
Entscheidungsträgern Hinweise zur Entwicklung von
Kriterien für eine gute digitale Praxis an die Hand geben.
Die im Zusammenhang mit dem Begriff der digitalen
Publikation behandelten Themen gliedern sich in fünf
Arbeitsschwerpunkte, die jeweils mit einem Kurzessay
gewürdigt werden.
381