Wir wenden eine kausale Mediationsanalyse an, um den Entscheidungsprozess neuronaler Modelle für die Gerüchteerkennung auf Twitter zu erklären. Interventionen auf Eingabe- und Netzwerkebene zeigen die kausalen Auswirkungen von Tweets und Wörtern auf das Modelloutput. Wir stellen fest, dass unser Ansatz CMA-R – Kausale Mediationsanalyse für Gerüchteerkennung – relevante Tweets identifiziert, die die Modellvorhersagen erklären und stark mit menschlichen Urteilen über kritische Tweets übereinstimmen, die zur Bestimmung der Glaubwürdigkeit von Geschichten beitragen. CMA-R kann zudem kausal wirksame Wörter in den relevanten Tweets hervorheben, was eine weitere Schicht der Interpretierbarkeit und Transparenz in diese Blackbox-Gerüchteerkennungssysteme bietet. Der Quellcode ist unter folgendem Link verfügbar: https://github.com/ltian678/cma-r.