Die EU-Taxonomieverordnung ist ein zentrales Instrument zur Klassifizierung und Förderung nachhaltiger Wirtschaftsaktivitäten in Europa, allerdings sind die damit verbundenen Berichtspflichten für Unternehmen mit erheblichem Aufwand verbunden. Kleine und mittlere Unternehmen (KMUs), die voraussichtlich von diesen Pflichten ausgenommen bleiben, könnten dennoch Interesse an einer freiwilligen Berichterstattung ihrer Taxonomiekonformität haben, um beispielsweise Nachhaltigkeit zu signalisieren. Diese Machbarkeitsstudie untersucht, ob ClimateBERT, ein speziell auf Klimathemen trainiertes Natural-Language-Processing-(NLP)-Modell, durch die automatische Analyse der Textinhalte der EU-Taxonomieverordnung sowie von Medienberichten über Unternehmen geeignet ist, deren tatsächliche Taxonomiekonformität näherungsweise zu bestimmen. Dazu wird die semantische Ähnlichkeit zwischen Textpassagen der EU-Taxonomieverordnung und 4.056 Medienberichten zu 30 DAX-gelisteten Unternehmen aus dem Jahr 2022 berechnet. Eine Regressionsanalyse zeigt eine signifikant positive Assoziation zwischen semantischer Ähnlichkeit und tatsächlicher Taxonomiekonformität der Unternehmen. Zudem verdeutlicht eine Klassifikationsanalyse, dass Unternehmen bei einer algorithmischen Aufteilung in Gruppen mit relativ hoher oder niedriger Taxonomiekonformität mit einer Genauigkeit von 79 % korrekt klassifiziert werden können. Aufbauend darauf erfolgt exemplarisch eine Schätzung der Taxonomiekonformität dreier KMUs anhand von 16 unternehmensbezogenen Texten. Die Ergebnisse unterstreichen das Potenzial semantischer Einbettungen zur Einschätzung der Taxonomiekonformität, weisen jedoch zugleich insbesondere im Kontext von KMUs auf Herausforderungen hinsichtlich Schätzgenauigkeit sowie Datenqualität und -verfügbarkeit hin.