diff --git a/Projektarbeit-1.md b/Projektarbeit-1.md
index e5ccf75..aa5696d 100644
--- a/Projektarbeit-1.md
+++ b/Projektarbeit-1.md
@@ -11,13 +11,38 @@ Erstellen Sie eine Webseite in JavaScript, auf der die Daten zum Wärmebedarf Ba
 
 Beurteilen Sie die einzelnen Diagramme auf Eignung für die Darstellung des Datensatzes nach den in der Vorlesung besprochenen Kriterien (Eigenschaften des Beobachtungsraums, Eigenschaften der Merkmalsausprägungen).
 
+## Vorangehende Analyse des Datensatzes
+### Beobachtungsraum
+Uns liegt ein diskreter Beobachtungsraum vor. Des Weiteren haben wir zwei Dimensionen vorliegen (Jahr und Monat). 
+
+### Merkmalsraum
+Unser Merkmalsraum ist **eindimensional** und beinhaltet nur die Merkmalsausprägung Mega-Wattstunden (MWh). In dieser Merkmalsausprägung gibt es eine **Ordnungsrelation**, da es es sich um die Menge der **ganzen Zahlen** handelt. Da die Merkmalsausprägung in ganzen Zahlen angegeben wurde, haben wir außerdem eine **Metrik** vorliegen. Aufgrund der Ordnungsrelation und vorhandener Metrik, sprechen wir auch von einer **quantitativen** Merkmalsausprägung.
+
 ## Lösung
 Deployment URL: http://marcel.schwarz.gitlab.io/geovisualisierung/project-1/
 ### Tortendiagramm
+Das Tortendiagramm gibt gute Rückschlüsse, wie viel Anteile die Segmente an einem Ganzen zeigen, also z.B. x % von 100 %. Da unser Datensatz in den Monaten Juli und August in allen 3 Jahren aber Nullwerte aufweisen, sind die Rohdaten in dieser Form nicht wirklich Aussagekräftig. Außerdem ist das Mehrfachaufkommen der Monate sehr verwirrend und macht in diesem Fallbeispiel keinen Sinn, die Daten so zu visualisieren.
+
+Unser erster Lösungsansatz, war die Daten pro Monat zu akkumulieren und so das Diagramm aufzuräumen. Das Diagramm ist zwar übersichtlicher geworden, aber nicht wirklich aussagekräftiger. Die Frage welchen Zweck die Darstellung verfolgt, kann immer noch nicht zweifelsfrei beantwortet werden.
+
+Schließlich haben wir uns entschieden, die Daten auf das Jahr zusammenzufassen um so den Gesamtverbrauch pro Jahr zu visualisieren.
 
 ### Liniendiagramm 
+Ein Liniendiagramm zeigt Trends oder Veränderungen in guter Relation zur Zeit. Durch die 3 Zahlenreihen ist auch ein direkter Vergleich der Werte pro Monat als auch über den Jahresverlauf zu schließen. Es lassen sich besser Änderungen über die vergangenen Jahre feststellen, als auch eine vorausschauende Datenanalyse vornehmen.
+
+Wir haben die Rohdaten ohne Änderung im Diagramm übernommen, da wie gerade beschrieben der Vergleich über die drei Jahre gut ersichtlich, als auch eine Trendanalyse ohne weiteres vorgenommen werden kann.
 ### Punktdiagramm 
+Das Punktdiagramm ist gut geeignet, wenn Werte für zwei Dimensionen grafisch dargestellt werden sollen. Durch farbliche Gruppierung der Punkte, in unserem Fall nach Jahr gruppiert, lässt sich wie im Liniendiagramm eine Trendanalyse als auch direkter Vergleich der einzelnen Werte pro Monat vereinfacht durchführen.
+
+Auch bei diesem Diagramm haben wir keine Änderung an den Rohdaten vorgenommen.
+
 ### Blasendiagramm 
+Blasendiagramme haben große Ähnlichkeit mit Punktdiagrammen, weisen aber ein zusätzliches Attribut auf. Das bedeutet eine weitere Dimension im Beobachtungsraum ist nötig. Wie bei einem Punktdiagramm wird durch zwei Dimensionen die Position der Blase auf der x- und y-Achse bestimmt. Die dritte Dimension richtet sich nach der Größe der Blase. Wir haben uns dazu entschieden, die Darstellung des Prozentualen MWh-Anteils des Monats zum Jahr auf die Größe der Blase zu visualisieren. So lässt sich gut analysieren, wie stark ein Monat zum Gesamtverbrauch des Jahres beigetragen hat und man außerdem eine Trendanalyse vornehmen. So erkennt man z.B. dass in den Monaten Januar bis Mai die Blasengröße abnimmt und von Oktober bis Dezember nimmt die Größe zu.
+
+### Fazit
+Für uns ist die Visualisierung im Punktdiagramm für den gegebenen Datensatz am geeigneten. Da im Vergleich zum Liniendiagramm keine Interpretation der Daten zwischen den Monaten möglich ist. Eine Linie zwischen den Monaten suggeriert da immer einen Wert, bzw. eine Verbindung.
+
+Das Tortendiagramm fanden wir für den Datensatz am wenigsten geeignet, gerade wegen den Nullwerten in den Sommermonaten ist eine Darstellung im Tortendiagramm nicht ansprechend, bzw. überhaupt nicht aussagekräftig.
 
 # Aufgabe 2 TreeMap (5 Punkte)
 ## Aufgabenstellung
@@ -34,6 +59,9 @@ Datei5: 20 KB, Typ: DAT
 
 Erstellen Sie manuell eine TreeMap aus den gegebenen Dateien. Stellen Sie auch alle Zwischenschritte grafisch dar. Für das Layout verwenden Sie den in der Vorlesung besprochenen Algorithmus Squarified TreeMaps. Orientieren Sie sich bei der Darstellung am Skript. Der gegebene Ordner soll in einer Gesamtfläche von 600 mal 400 Pixeln auf dem Bildschirm dargestellt werden. Geben Sie jeweils das maximale Seitenverhältnis mit an.
 
+## Lösung
+Deployment URL: http://marcel.schwarz.gitlab.io/geovisualisierung/project-1/doc/aufgabe2.pdf
+
 Implementieren Sie die TreeMap in JavaScript und vergleichen Sie das Ergebnis. Ein Beispiel finden Sie im Buch "Data Visualization with JavaScript" im Kapitel 4.
 
 ## Lösung