diff --git a/term-paper/results.tex b/term-paper/results.tex
index 5fba13e..53e6bb2 100644
--- a/term-paper/results.tex
+++ b/term-paper/results.tex
@@ -3,5 +3,6 @@
 
 % Preamble
 \section{Resultate}\label{sec:resultate}
-
-
+Der Decision Tree schneidet mit einem F1-Score von 0,58 am schlechtesten ab, da er im Vergleich zu komplexeren Modellen wie dem Random Forest eher anfällig für Overfitting ist und weniger robuste Entscheidungsregeln bildet.
+Der Random Forest und KNN haben mit rund 0,68 einen ähnlichen F1-Score. Der Random Forest Algorithmus liefert durch die Kombination vieler Entscheidungsbäume stabilere Vorhersagen, der KNN-Algorithmus dagegen ist auch anfällig für Overfitting, was ihn etwas schlechter abschneiden lässt als Random Forest.
+Insgesamt liefert der Random Forest tendenziell die besten Ergebnisse.