Menschliche Interaktion, Kommunikation, sowie die Bildung sozialer Strukturen ereignen sich in der Regel mittels natürlicher Sprache. Durch die hohe Dimensionalität der Sprache war ein Großteil der reichhaltigen Informationen, die sich aus diesen Interaktionen ergeben, den Wirtschaftswissenschaften bisher vorenthalten. Jüngste technologische Fortschritte führen jedoch zu einer zunehmenden Verwendung von Text als Datenbasis in ökonomischen Anwendungen. Diese Entwicklung wurde durch die Rede des Nobelpreisträgers Robert J. Shiller vor der American Economic Association "Narrative Economics" weiter beschleunigt, in der er sich für eine stärkere Berücksichtigung von Narrativen - Geschichten, die individuelle Entscheidungen und kollektive Handlungen beeinflussen - durch die wirtschaftswissenschaftliche Gemeinschaft einsetzt. In den letzten Jahren wurden Forschungsarbeiten veröffentlicht, die textbasierte Informationen nutzen, um latente Variablen wie Unsicherheit zu quantifizieren, makroökonomische Variablen in Echtzeit zu prognostizieren und Vermögenspreise vorherzusagen. Zur selben Zeit hat sich die Sichtweise der Geldpolitik im Hinblick auf die Transparenz und Kommunikation der Zentralbank gewandelt. Statt Geldpolitik auf Zinsmaßnahmen zu beschränken, ist die Kommunikation zu einem wichtigen Instrument im Werkzeugkasten der Zentralbanker geworden. Heute werden Worte verwendet, um Erwartungen zu verankern und den von den Zentralbanken gewünschten Gleichgewichtspfad zu unterstützen. Infolgedessen hat die Erforschung der Geldpolitik unermüdlich neue Methoden zum Messen von Text und neue unstrukturierte Datenquellen wie Nachrichten, Pressekonferenzerklärungen und Reden in ihre Forschung einbezogen. Die Literatur wird dabei laufend durch eine Erweiterung der traditionellen empirischen Instrumente aus dem Bereich des maschinellen Lernens ergänzt. Die hier vorgelegte kumulative Dissertation besteht aus vier Aufsätzen, die sich auf alle diese Bereiche beziehen, nämlich Text als Daten, Geldpolitik und maschinelles Lernen. Mein Hauptaugenmerk liegt auf der Europäischen Zentralbank (EZB), aber die Methoden und Ideen lassen sich auch auf andere Zentralbanken übertragen. In dieser Dissertation wird Text aus unterschiedlichen Quellen einbezogen und mit unterschiedlichen Techniken analysiert, um unterschiedliche latente Variablen zu ermitteln. Infolgedessen wird der Text manchmal als abhängige Variable und manchmal als unabhängige Variable verwendet. Der erste Aufsatz zählt die relative Häufigkeit von Begriffen in EZB Presseerklärungen, um die Vielfalt der Kommunikation der Zentralbank in Bezug auf ihre Themen anekdotisch zu belegen, während der zweite Aufsatz sich auf positive und negative Begriffe in Reden konzentriert, um die latente Variable des Zentralbankverlustes zu approximieren. Im dritten Aufsatz werden die Auswirkungen sprachlicher Komplexität auf Finanzmarktteilnehmer untersucht, und der letzte Aufsatz wendet sich an die Computer-Linguistik zur Entwicklung eines neuartigen zentralbankspezifischen Sprachmodells zur besseren Quantifizierung der geldpolitischen Kommunikation. Im Folgenden finden Sie eine kurze Zusammenfassung der vier Aufsätze dieser Dissertation. Mein erster Aufsatz analysiert die regelbasierte Geldpolitik im Euroraum vor und nach der Finanzkrise. Jonas Gross und ich argumentieren, dass das Umfeld, in dem geldpolitische Entscheidungsträger agieren, weitaus komplexer ist, als es traditionelle modellbasierte Analysen der geldpolitischen Regeln erlauben. Wir ergänzen diese Sichtweise durch Erkenntnisse aus EZB-Pressekonferenzen, die zeigen, dass die Zentralbank ein breites Spektrum an Themen jenseits der traditionellen Taylor-Regel-Variablen diskutiert. Da jede Variable das Potenzial hat, für das Verständnis der Reaktionsfunktion der Zentralbank relevant zu sein, kombinieren wir eine Literaturanalyse mit der Auswertung von Pressekonferenzen, um eine Reihe potenzieller Einflussfaktoren zu ermitteln. Der traditionelle Ansatz einer einzigen Zinsreaktionsfunktion wird dann durch die Anwendung von Bayesian Model Averaging auf diese Determinanten gegenübergestellt. Da wir eine große Anzahl von Determinanten mit einbeziehen, schätzen wir insgesamt 33.000 verschiedene Modellkombinationen. Unsere Ergebnisse deuten darauf hin, dass die EZB entgegen der anhaltenden Kritik bei ihren Zinsentscheidungen in erster Linie auf Änderungen in der Inflation reagiert. Die Inflationsrate stellt in fast allen untersuchten Modellkombinationen eine signifikante Variable dar. Darüber hinaus stellen wir fest, dass die EZB auch auf Veränderungen bei Konjunkturindikatoren wie Arbeitslosigkeit und Produktion reagiert. Wir stellen jedoch eine Verschiebung der Gewichtung im Laufe der Zeit fest. Konjunkturindikatoren hatten vor der Finanzkrise für die EZB Priorität, haben aber seitdem an Bedeutung verloren, was darauf hindeutet, dass die Inflationsrate die einzige treibende Kraft für geldpolitische Entscheidungen seit der Krise ist. Abschließend bewerten wir unsere Ergebnisse anhand von Textdaten aus den EZB-Pressekonferenzen, wo wir in Übereinstimmung mit den vorherigen Ergebnissen die gleiche Verschiebung feststellen. Mein zweiter Aufsatz konzentriert sich auf die Zielsetzung der EZB und quantifiziert die Zufriedenheit der Zentralbank mit den aktuellen wirtschaftlichen Bedingungen anhand einer Textanalyse. Es wird angenommen, dass die EZB durch die Maximierung einer impliziten Zielfunktion ein Inflationsziel verfolgt, dem die Unterstützung der allgemeinen Wirtschaftspolitik der Europäischen Union untergeordnet ist. Ich berechne die Zufriedenheit der Zentralbank anhand der öffentlichen Kommunikation der Zentralbank, indem ich die Anzahl der positiven und negativen Wörter in den Reden zähle. Dies ermöglicht es mir die Zielfunktion zu quantifizieren. Unter Annahme einer typischen funktionalen Form kann ich dann die optimalen Niveaus in Bezug auf Inflation und Wirtschaftstätigkeit ermitteln, d.h. die Werte, bei denen die Kommunikation der Zentralbank am positivsten ist. Die Verwendung eines Wörterbuchansatzes zur Schätzung des Zielfunktion führt zu mehreren interessanten Ergebnissen. Das überraschendste Resultat dürfte die konkave Inflationszielfunktion mit einem impliziten Inflationsziel von 'über, aber nahe 2%' sein. Bei Abweichungen von dieser Inflationsrate wird die Sprache in den Reden pessimistischer. In Bezug auf das untergeordnete Ziel stelle ich eine konvexe Zielfunktion im Hinblick auf das Produktionswachstum und eine lineare Zielfunktion im Hinblick auf die Arbeitslosenquote fest. Darüber hinaus deuten meine Ergebnisse darauf hin, dass Abweichungen vom primären Ziel, der Inflationsrate, keinen größeren Einfluss auf die Sprache der Reden haben als Abweichungen von einem der Sekundärziele. Im Gegensatz zur Inflation sind vielmehr sowohl die Produktion als auch die Arbeitslosigkeit durchweg signifikante Variablen. Abschließend lässt sich feststellen, dass die Finanzmarktbedingungen im Gegensatz zu den Ergebnissen in den Vereinigten Staaten keinen signifikanten Einfluss auf die Reden der EZB haben. Im dritten Aufsatz untersuchen Bernd Hayo, Kai Henseler, Marc Steffen Rapp und ich die Auswirkungen von Zentralbank-Kommunikation auf die Finanzmärkte. Wir interessieren uns insbesondere wie die Komplexität dieser Kommunikation den Finanzhandel beeinflusst. Um ebendiese Beziehung empirisch zu analysieren, verwenden wir Hochfrequenzdaten von europäischen Aktienindex-Futures während der Einführungsstatements der EZB-Pressekonferenzen. Ein Lesbarkeits-Test bestimmt die sprachliche Komplexität dieser Statements. In Verbindung mit dem einzigartigen Pressekonferenz-Konzept der EZB sind wir in der Lage, die Auswirkungen von erhöhter sprachlicher Komplexität auf den Handel zu messen, sowie die Effekte zwischen der einleitenden Erklärung und der anschließenden Q&A-Runde zu trennen. Da unsere Stichprobe Ankündigungen unkonventioneller geldpolitischer Maßnahmen (UMPM) enthält, sind wir in der Lage zu analysieren, ob der Inhalt der Erklärungen mit der Reaktion der Händler auf ihre sprachliche Komplexität zusammenhängt. Wir stellen fest, dass die Q&A-Runden - in Bezug auf die sprachliche Komplexität - weniger komplex und damit verständlicher sind. Nur wenn UMPM angekündigt werden, korrelieren die Handelsvolumina negativ mit Komplexität, was zu einer zeitlichen Verschiebung des Handels in Richtung der weniger komplexen Q&A-Runde führt. Diese Verschiebung ist ein erster Hinweis darauf, dass die Finanzmärkte auf sprachliche Komplexität kontextspezifisch reagieren. Diese Argumentation wird durch die Beobachtung verstärkt, dass Pressekonferenzen, die UMPM enthalten, vom Wortlaut her weniger Ähnlichkeiten mit früheren Konferenzen aufweisen. Infolgedessen glauben wir, dass die Finanzmarkthändler auf neuartige komplexe Informationen in einleitenden Erklärungen zu UMPM reagieren. Die anschließende Diskussion und Erläuterung des kognitiv kostspieligen Inhalts während der Q&A-Runde mildert den Effekt ab und verlagert so den Handel von der Phase der Einführungsstatements in die Q&A-Phase. Der letzte Aufsatz befasst sich mit der Quantifizierung von Zentralbank-Kommunikation, d.h. er untersucht, wie geldpolitische Texte effektiv zusammen-gefasst und analysiert werden können. Martin Baumgärtner und ich schlagen ein neuartiges Sprachmodell vor, das auf maschinellem Lernen aufbaut. Die Notwendigkeit und Durchführbarkeit, die Kommunikation von Zentralbanken auf diese Weise zu messen, ergibt sich aus zwei wichtigen Entwicklungen im Be-reich der Geldpolitik und des maschinellen Lernens in den letzten zwei Jahrzehnten. Zum einen hat die Kommunikation der Zentralbanker, sowie deren Analyse, erheblich zugenommen. Dieser Fortschritt erfordert eine Art von Quantifizierung der qualitativen Komponenten, ein Forschungsthema, das von Wörterbuchansätzen dominiert wird. Andererseits ermöglichten Fortschritte an der Schnittstelle zwischen Linguistik und Informatik den zunehmenden Einsatz von maschinellem Lernen. Die so trainierten Sprachmodelle können die Mehrdimensionalität und Kontextabhängigkeit von Sprache adäquat erfassen. Die daraus resultierenden Modelle sind in der Regel frei zugänglich. Aufgrund des Fachjargons der Zentralbanker sind sie jedoch für den Einsatz in der Praxis im Allgemeinen ungeeignet. In diesem Aufsatz wenden wir Computer-linguistische Forschung auf die Geldpolitik an, indem wir ein Sprachmodell entwickeln, das ausschließlich auf die Kommunikation von Zentralbanken trainiert ist. Zu diesem Zweck erstellen wir einen umfangreichen und vielfältigen Textkorpus, mit welchem wir eine Reihe von modernsten Algorithmen für maschinelles Lernen vergleichen. Wir wählen den vielversprechendsten aus und entwickeln ein zentralbankspezifisches Sprachmodell. Anhand mehrerer Anwendungen wird die breite Anwendbarkeit dieses Sprachmodells aufgezeigt. Zunächst schlagen wir eine neue Methode zum Vergleich von Zentralbanken vor, die verdeutlicht, dass die Ähnlichkeit durch gemeinsame Ziele bedingt ist. Anschließend konstruieren wir einen Zeitreihen-Index, der die Bereitschaft der EZB widerspiegelt, als letzte Refinanzierung-Instanz zu agieren. Der Index deutet darauf hin, dass eine ähnliche Kommunikation wie Mario Draghis "whatever it takes"-Rede die Finanzmärkte in Zeiten großer Unsicherheit beruhigen kann. Die dritte Anwendung unterstreicht das Vorliegen von Vorurteilen, selbst in dem technischen Jargon von Notenbankern. Wir zeigen, wie sich soziale Muster, z.B. die Verteilung der Geschlechter im Beruf, in der Kommunikation der Zentralbanker widerspiegeln. Die letzte Anwendung ist eine Prognoseübung, welche darauf hindeutet, dass Notenbankreden möglicherweise genauere Vorhersagen ermöglichen, als die bisherige Forschung vermuten lässt., Humans generally interact, communicate, and form social structures using natural language. Due to the high dimensionality of language, much of the wealth of information from these interactions has been barred from the economic profession. However, recent technological advancements lead to increasing use of text as an underlying datasource in economic and financial applications. This trend has been further accelerated by Nobel laureate Robert J. Shiller's presidential address to the American Economic Association "Narrative Economics", in which he argues for more elaboration on narratives - stories that affect individual decisions and collective actions - by the economic scientific community. Addressing this gap in the literature, research has been published utilizing textual information to quantify latent variables such as uncertainty, forecasting macroeconomic variables in real time, and asset price predictions. In conjunction with the rise of natural language processing applications, there has been a shift in perspective on monetary policy with regards to central bank transparency and communication. Transitioning from the presumption that monetary policy is limited to interest rate actions, communication has advanced to become a key tool in the central banker's toolbox. Ever since, words are used to anchor expectations and self-enforce the central banks' desired equilibrium path. As a result, research on monetary policy has been relentless in the pursuit of adopting novel techniques as well as incorporating new unstructured data sources such as news-articles, press conference statements, and speeches. This string of literature is regularly complemented by an extension of the traditional empirical toolbox, borrowing novel techniques from the field of machine learning. The here presented cumulative dissertation consists of four essays that touch on all these fields, namely text as data, monetary policy, and machine learning. My primary focus is on the European Central Bank (ECB), but the methodology and ideas can be extended to other central banks as well. Throughout this thesis, textual information is incorporated from different data sources, analyzed using different techniques in order to approximate different latent variables. As a result, text is employed as a dependent variable at times and as an independent variable at other times. Specifically, the first essay leverages the relative frequency of terms used in ECB press statements as anecdotal evidence for the diversity of the central banks' communication with regard to their topics, whereas the second essay counts positive and negative terms in speeches to approximate the latent variable of central bank loss. The third essay examines the impact of linguistic complexity on financial market participants by conducting a readability test on the ECB's introduction statements, and the final essay dives into computational linguistics to develop a novel central bank-specific language model for better quantifying monetary policy communication. The following is a brief summary of the four essays included in this thesis. My first essay analyzes rule-based monetary policy in the euro area before and after the financial crisis. Jonas Gross and I argue that the environment in which policymakers operate is far more complex than traditional model-based analysis of policy rules permits. We complement this view with evidence from ECB press conferences, demonstrating that the central bank discusses a wide range of topics beyond the traditional Taylor-rule variables. Since each variable has the potential to be relevant in understanding the central bank's reaction function, we combine a literature review with natural language processing to identify a set of potential determinants. The traditional approach of selecting a single interest rate response function is then contrasted by applying a Bayesian model averaging approach to these determinants. We account for model uncertainty by including a large number of determinants and estimating a total of 33.000 different model combinations. Our results suggest that in contrast to the ongoing criticism, the ECB primarily reacts to inflation in its interest rate decision. In fact, our analysis finds that inflation is a significant variable in almost all of the examined model combinations. Furthermore, we find that the ECB reacts to changes in economic activity determinants such as unemployment and production as well. These economic activity indicators were a priority for the ECB prior to the financial crisis but have since declined in relevance, suggesting that inflation is the sole driver of monetary policy decisions in the post-crisis period. Finally, we assess our findings with textual evidence from the ECB press conferences, where, in accordance with the previous results, we find the same shift. My second essay focuses on the ECB's objective itself, quantifying the central bank's satisfaction with current economic conditions through textual analysis. By maximizing an implied objective function, the ECB is assumed to pursue inflation targeting with a subordinate focus on supporting the general economic policy of the European Union. I compute the central bank's sentiment using the ECB's public communication by counting the number of positive and negative words in speeches, allowing me to quantify the objective. Assuming a typical functional form for the objective allows me to estimate the optimal levels with respect to inflation and economic activity, i.e. the bliss points in which the central banks communication is the most positive. Using a dictionary approach to estimate the sentiment index yields several interesting results. The most surprising is, unquestionable, a concave inflation objective with an implied inflation target beyond the banks' mandate and best described as 'above, but close to 2%'. Deviations from this bliss point appear to lower the satisfaction, and hence the optimistic language in speeches. With respect to the subordinate objective, I find a convex objective towards output growth and a linear objective towards the unemployment rate. Furthermore, my results suggest that deviations from the primary objective, the inflation rate, appear to have no greater effect on the speeches' language than deviations from either of the subordinate objectives. In fact, in contrast to inflation, both output and unemployment are consistently significant variables. Finally, contrary to findings in the United States, financial market conditions have no significant influence on the ECB's sentiment. In the third essay, Bernd Hayo, Kai Henseler, Marc Steffen Rapp, and I investigate the impact of central bank communication on financial markets. We are particularly interested in the communication's complexity and how it affects financial market trading. To examine this relationship empirically, we employ high-frequency data from European stock index futures during the introductory statement of the ECB's press conferences. A readability test on the introductory statement during the press conference determines the statements' linguistic complexity. In conjunction with the central banks' unique communication design, we are able to separate the effect of verbal complexity on trading during the introductory statements and the subsequent Q&A session. Our sample contains announcements of novel UMPM, enabling us to investigate whether the content of the introductory statements interacts with the reaction of traders to its linguistic complexity. We find that the Q&A sessions are - in terms of linguistic complexity - less complex and thus more comprehensible. When UMPM are announced, contemporaneous trading volumes are negatively correlated with complexity, resulting in a temporal shift of trading towards the less complex Q&A session. This shift is first indication that financial markets respond to linguistic complexity in a context-specific manner. This line of reasoning is strengthened further by the observation that events containing UMPM are less similar in terms of wording to previous statements. As a result, we believe that financial market traders are underreacting to novel complex information in introductory statements regarding UMPM. The subsequent discussion and clarification of the cognitively costly content during the Q&A session mitigates this effect, shifting trading from the introductory statement phase to the Q&A phase of the ECB's press conference. The final essay concerns the quantification of central bank communication, i.e. it explores how text in monetary policy can be effectively summarised and analysed. Martin Baumgärtner and I propose a novel language model, build on machine learning, as a tool to quantify central bankers qualitative information. The necessity and feasibility of measuring central bank communication in this manner stems from two major developments in the fields of monetary policy and machine learning over the last two decades. On the one hand, central bankers' communication, as well as its analysis, has increased substantially. This progress necessitates some form of quantification of the qualitative components, a research topic dominated by dictionary approaches. On the other hand, advances at the intersection of linguistics and computer science enabled the use of machine learning to train language models capable of adequately capturing the languages multidimensionality and context-dependence. The resulting models are regularly open source. However, the technical jargon of central bankers renders them generally unsuitable for use in the field. This essay aims to apply computational linguistics research to monetary policy by developing a language model exclusively trained on central bank communication. To accomplish this, we gather a large and diverse text corpus, which we use to compare a number of state-of-the-art machine learning algorithms. Choosing the most promising, we develop a central bank specific language model. Several applications are presented to showcase the broad applicability of our language model. First, we propose a novel technique for comparing central banks, affirming that similarity is driven by mutual objectives. Next, we construct a time-series index that reflects the ECB's willingness to act as a lender of last resort. The index suggests that communication similar to Mario Draghi's 'whatever it takes' speech can calm financial markets during times of high uncertainty. The third application emphasizes the presence of prejudices even in central bankers' technical language. We demonstrate how social patterns, such as occupational gender distribution, are reflected in their communication. The final application is a forecasting exercise that suggests that speeches may be more accurate predictors than previous research suggests.