diff --git a/main.py b/main.py
index a25a535..becd529 100644
--- a/main.py
+++ b/main.py
@@ -4,22 +4,19 @@ import matplotlib.pyplot as plt
 
 img = sitk.ReadImage("Thorax1.0B40f_Downsampled_by_2.nrrd")
 
+# Abstand zwischen Voxelmittelpunkten
 xSp, ySp, zSp = img.GetSpacing()
 volumePerVoxel = xSp * ySp * zSp
 
-#print(f"Spacing: \n{xSp = }\n{ySp = }\n{zSp = }\n")
 print(f"1) Die Voxel sind Quader mit den verschiedenen Seitenlängen: X: {xSp}, Y: {ySp}, Z: {zSp} \n")
 
+# Menge an Voxeln in eine Richtung
 sizeVector = img.GetSize()
 xSi, ySi, zSi = sizeVector
 
-print(f"Size: \n{xSi = }\n{ySi = }\n{zSi = }\n")
-
 print(f"2) Das Bild hat in den drei Raumrichtungen {xSi * ySi * zSi} Voxel. \n")
 print(f"3) Die Methode GetSize() gibt den Typ tuple zurück. \n")
-
-#Sollte man kontrollieren
-print(f"4) Der Bildausschnitt in die drei Raumrichtungen ist X: {xSp*xSi} mm, Y: {ySp*xSi} mm, Z: {zSp*xSi} mm\n")
+print(f"4) Der Bildausschnitt in die drei Raumrichtungen ist X: {xSp*xSi} mm, Y: {ySp*ySi} mm, Z: {zSp*zSi} mm\n")
 
 # CT-Bild der Lunge erstellen
 seedList = [(120,140,100)]
@@ -30,7 +27,7 @@ sitk.WriteImage(lungs, "lungs.nrrd")
 lungsArray = np.array(sitk.GetArrayFromImage(lungs))
 voxelInLungs = lungsArray[lungsArray > 0].size * volumePerVoxel
 lungsInLitre = voxelInLungs / 1000000
-#print(lungsInLitre)
+#print(f"{lungsInLitre} L \n")
 
 # Histogramm des CT-Bilds
 thoraxArray = np.array(sitk.GetArrayFromImage(img))
@@ -42,7 +39,7 @@ plt.ylabel("Häufigkeit in Millionen (mio)")
 plt.show()
 plt.clf()
 
-# Alle Helligkeitswerte der Lunge seperieren
+# Alle Helligkeitswerte der Lunge separieren
 lungsArray1D = lungsArray.flatten()
 lungBrightness = thoraxArray1D[lungsArray1D > 0]
 
@@ -53,3 +50,6 @@ plt.xlabel("Helligkeitswert in Hounsfield-Einheiten (HU)")
 plt.ylabel("Häufigkeit")
 plt.show()
 plt.clf()
+
+print("5) In der Lunge treten die Helligkeitswerte ~ -1024 bis -200 auf.")
+print("   Bei ~ -900 ist ein peak an Helligkeit zu sehen. \n")