Die vorliegende Arbeit zeigt die Anwendbarkeit von Netzwerkanalysen als leistungsfähiges Werkzeug zur Identifikation aussagekräftiger Cluster in Sammlungen von Leserezensionen. Die Datenbasis für diese Studie bildet das AbsORB-Korpus, in dem 1025 Rezensionen von Goodreads manuell auf Vorkommnis von Absorption anhand der Story World Absorption Scale (SWAS) annotiert wurden. Die Untersuchung konzentriert sich auf ein Subkorpus bestehend aus 199 Leserezensionen für 49 Bücher aus den Genres Fantasy, Romance, Horror/Thriller, Mystery und Science Fiction. Die Daten werden in ein Netzwerk integriert, das auf Textähnlichkeit basiert und mithilfe des TF-IDF-Verfahrens berechnet wird. Anschließend werden sie mit dem Louvain-Algorithmus zu Clustern zusammengefasst. Die nachfolgende qualitative Analyse erfolgt anhand der Untersuchung von Keywords und Konkordanzen. Erste Versuche der Netzwerkkonstruktion zeigten, dass Fantasy-Rezensionen die Gesamtklassifizierung der Genres verfälschten. Daher wurden diese Rezensionen aus dem Korpus ausgeschlossen. Obwohl Genre nicht der primäre Klassifizierungsfaktor ist, differenzieren sich Mystery- und Romance-Rezensionen im Vergleich zu den anderen Genres deutlicher. Darüber hinaus stellen die verwendeten Formulierungen in Absorption Aussagen ein wichtiges Unterscheidungsmerkmal des Clustering-Prozesses dar, da sie sich häufig in den Keywords der jeweiligen Cluster wiederfinden. Darüber hinaus bilden Rezensionen, die von dem Verteilungsmuster von Absorption in ihrem Genre im Allgemeinen abweichen, tendenziell separate Cluster.