This dissertation examines the credibility of sustainability information in financial markets, with a focus on corporate greenwashing and its economic implications. The objective is to analyze how discrepancies between sustainability communication and actual sustainability performance of companies create information asymmetries and affect market outcomes. The dissertation comprises six empirical studies. It analyzes the role of external verification in green bond markets, develops a company-level framework to measure corporate greenwashing by distinguishing between communicated and realized environmental performance, and examines how ESG ratings relate to greenwashing risk. Building on these analyses, the dissertation studies the determinants of greenwashing, capital market reactions to greenwashing allegations, and the use of machine learning methods to forecast greenwashing risk. The final study extends the analysis to an emerging market by examining ESG performance, financial performance, and the effects of disclosure regulation for public and private companies. Overall, the dissertation contributes to the sustainable finance literature by improving the measurement of greenwashing and clarifying when ESG ratings and sustainability signals in financial markets are informative or misleading.

Diese Dissertation untersucht die Glaubwürdigkeit von Nachhaltigkeitsinformationen in Finanzmärkten mit einem Schwerpunkt auf unternehmerischem Greenwashing und dessen ökonomischen Implikationen. Ziel ist es zu analysieren, wie Abweichungen zwischen Nachhaltigkeitskommunikation und tatsächlicher Nachhaltigkeitsperformance von Unternehmen Informationsasymmetrien erzeugen und Marktergebnisse beeinflussen. Die Dissertation umfasst sechs empirische Studien. Sie analysiert die Rolle externer Verifikation im Green-Bond-Markt, entwickelt einen unternehmensbezogenen Ansatz zur Messung von Greenwashing durch die Trennung von kommunizierter und realisierter Umweltperformance und untersucht den Zusammenhang zwischen ESG-Ratings und Greenwashing-Risiken. Aufbauend auf diesen Analysen untersucht die Arbeit die Determinanten von Greenwashing, Kapitalmarktreaktionen auf Greenwashing-Vorwürfe sowie die Prognose von Greenwashing-Risiken mittels Machine Learning. Die abschließende Studie erweitert die Analyse auf einen Schwellenmarkt und untersucht ESG-Performance, finanzielle Performance sowie die Effekte von Offenlegungsregulierung bei öffentlichen und privaten Unternehmen. Insgesamt leistet die Dissertation einen Beitrag zur Sustainable-Finance-Literatur, indem sie Greenwashing präziser messbar macht und die Aussagekraft von ESG-Ratings sowie Nachhaltigkeitssignalen in Finanzmärkten kritisch einordnet.