Peer-Review und Widerspruch, verbunden durch reichhaltige Interaktionen und argumentative Diskussionen, stellen naturgemäß eine wertvolle Quelle zur Gewinnung von Argumenten dar. Dennoch untersuchen nur wenige Arbeiten beide Aspekte gleichzeitig. In diesem Artikel führen wir eine neue Aufgabe zur Extraktion von Argumentpaaren (Argument Pair Extraction, APE) im Kontext von Peer-Review und Widerspruch ein, um Inhalt, Struktur und Beziehungen zwischen diesen beiden Komponenten zu untersuchen. Wir erstellen ein anspruchsvolles Datenset, das 4.764 vollständig annotierte Review-Widerspruch-Passagen aus einer offenen Review-Plattform enthält, um die Erforschung dieser Aufgabe zu unterstützen. Um argumentative Aussagen automatisch zu erkennen und Argumentpaare aus diesem Korpus zu extrahieren, formulieren wir das Problem als Kombination einer Sequenzmarkierungsaufgabe und einer Text-Relation-Klassifikationsaufgabe. Darauf aufbauend schlagen wir einen Multitask-Lernrahmen vor, der auf hierarchischen LSTM-Netzwerken basiert. Umfangreiche Experimente und Analysen belegen die Wirksamkeit unseres Multitask-Rahmens und zeigen gleichzeitig die Schwierigkeiten der neuen Aufgabe auf, was zukünftige Forschungsrichtungen motiviert.