Heute ist die Verbreitung von Falschinformationen ein zentrales Problem in der Gesellschaft. Unsere Forschung zielt darauf ab, die automatische Erkennung von Falschinformationen durch die Analyse überzeugender Schreibstrategien in Textdokumenten zu unterstützen. Dazu stellen wir ein neuartiges Annotationsschema vor, das gängige überzeugende Schreibtechniken umfasst, um unser Ziel zu erreichen. Zudem präsentieren wir eine Datensammlung zu Gesundheitsfalschinformationen, die von Experten umfassend nach unserem vorgeschlagenen Schema annotiert wurde. Zu unseren Beiträgen gehört die Einführung einer neuen Aufgabe: die Annotation von Textpassagen mit ihren jeweiligen Typen überzeugender Schreibstrategien. Wir evaluieren Fine-Tuning- und Prompt-Engineering-Techniken mit vortrainierten Sprachmodellen der BERT-Familie sowie generativen großen Sprachmodellen der GPT-Familie, wobei überzeugende Strategien als zusätzliche Informationsquelle genutzt werden. Wir untersuchen den Einfluss der Verwendung überzeugender Strategien als Zwischenlabels im Kontext der Erkennung von Falschinformationen. Unsere Ergebnisse zeigen, dass diese Strategien die Genauigkeit verbessern und die Erklärbarkeit von Modellen zur Falschinformationserkennung erhöhen. Die überzeugenden Strategien können wertvolle Einblicke und Erklärungen liefern und anderen Modellen oder sogar Menschen helfen, fundiertere Entscheidungen hinsichtlich der Vertrauenswürdigkeit von Informationen zu treffen.