diff --git a/term-paper/CDS1011_A2.bib b/term-paper/CDS1011_A2.bib
index 46c693d..63f3f29 100644
--- a/term-paper/CDS1011_A2.bib
+++ b/term-paper/CDS1011_A2.bib
@@ -42,3 +42,13 @@
 	langid = {american},
 	file = {Snapshot:/home/gra/Zotero/storage/RLC6J3IL/how-to-load-and-explore-a-standard-human-activity-recognition-problem.html:text/html},
 }
+
+@misc{jorge_reyes-ortiz_human_2013,
+	title = {Human Activity Recognition Using Smartphones},
+	url = {https://archive.ics.uci.edu/dataset/240},
+	doi = {10.24432/C54S4K},
+	publisher = {{UCI} Machine Learning Repository},
+	author = {Jorge Reyes-Ortiz, Davide Anguita},
+	urldate = {2024-12-08},
+	date = {2013},
+}
diff --git a/term-paper/CDS1011_A2.tex b/term-paper/CDS1011_A2.tex
index cd64533..d14b6e7 100644
--- a/term-paper/CDS1011_A2.tex
+++ b/term-paper/CDS1011_A2.tex
@@ -35,7 +35,7 @@
 \input{research_questions_methodology}
 \input{results}
 \input{discussion}
-\input{conclusion}
+%\input{conclusion}
 %\end{multicols}
 
 %-------------------------
diff --git a/term-paper/discussion.tex b/term-paper/discussion.tex
index 9df4fda..a9cbec5 100644
--- a/term-paper/discussion.tex
+++ b/term-paper/discussion.tex
@@ -3,3 +3,5 @@
 
 % Preamble
 \section{Diskussion}\label{sec:diskussion}
+Mit Deep Learning Algorithmen liessen sich eine Genauigkeit von bis zu 96\% \cite[p.402]{alagoz_comparative_2024}\cite{brownlee_gentle_2018, sikder_human_2021} erzielen.\\
+Der nächste Schritt bestünde daher darin, die entsprechenden Modelle zu trainieren und Anzuwenden, um bessere Vorhersagen treffen zu können.
diff --git a/term-paper/research_questions_methodology.tex b/term-paper/research_questions_methodology.tex
index 92c978c..f87599d 100644
--- a/term-paper/research_questions_methodology.tex
+++ b/term-paper/research_questions_methodology.tex
@@ -6,7 +6,8 @@
 \section{Forschungsfragen und Methodik}\label{sec:forschungsfragen-und-methodik}
 Die Forschungsfrage lautet, wie zuverlässig können Aktivitäten anhand von Smartphone Sensordaten erkannt werden.
 
-Als Basis dieser Analyse, diente der Datensatz "UCI Human Activity Recognition (HAR) Dataset"  \cite{sikder_human_2021}. Dieser enthält Aktivitäten, gelabelt nach Sensordaten von Smartphones (Samsung Galaxy S II). Die Daten stammen von 30 Probanden im Alter von 19 bis 48 Jahren, die sechs vordefinierte Aktivitäten ausführten:
+Als Basis dieser Analyse diente der Datensatz \("\)UCI Human Activity Recognition (HAR) Dataset\("\)~\cite{jorge_reyes-ortiz_human_2013}.
+Dieser enthält Aktivitäten, gelabelt nach Sensordaten von Smartphones (Samsung Galaxy S II). Die Daten stammen von 30 Probanden im Alter von 19 bis 48 Jahren, die sechs vordefinierte Aktivitäten ausführten:
 
 \begin{itemize}
     \item WALKING (Gehen)