diff --git a/code/corelation.py b/code/corelation.py
index 3e2eef0..96d8126 100644
--- a/code/corelation.py
+++ b/code/corelation.py
@@ -116,7 +116,7 @@ print(f"Die Korrelation zwischen der durchschnittlichen Herzfrequenz und der Sch
 # plt.savefig(graphic_corr_path)
 # plt.show()
 
-# Schritt 5: Visualisiere den Zusammenhang zwischen Herzfrequenz und Schlafdauer (invertierte y-Achse)
+# Schritt 5: Visualisiere den Zusammenhang zwischen Schlafdauer und Herzfrequenz
 plt.figure(figsize=(10, 6))
 plt.scatter(combined_data['Durchschnittliche Dauer'], combined_data['avg_hr'], color='blue', label='Datenpunkte')
 plt.title('Zusammenhang zwischen Schlafdauer und Herzfrequenz (Durchschnitt)')
@@ -124,16 +124,14 @@ plt.xlabel('Schlafdauer (Stunden)')
 plt.ylabel('Durchschnittliche Herzfrequenz (bpm)')
 plt.grid(True)
 
-# Berechne und zeichne die Trendlinie (umgekehrt)
+# Berechne und zeichne die Trendlinie
 m, b = np.polyfit(combined_data['Durchschnittliche Dauer'], combined_data['avg_hr'], 1)
 plt.plot(combined_data['Durchschnittliche Dauer'], m * combined_data['Durchschnittliche Dauer'] + b, color='red', label=f'Trendlinie (Kor = {correlation:.2f})')
 
-plt.gca().invert_yaxis()  # Y-Achse invertieren, da die Herzfrequenz auf der Y-Achse ist
 plt.legend()
 plt.savefig(graphic_corr_path)
 plt.show()
 
-
 # Schritt 6: Erstelle eine Grafik pro Kalenderwoche (HR und Schlafdaten)
 fig, ax1 = plt.subplots(figsize=(30, 8))  # Breitere Darstellung
 
diff --git a/data/final/gramic_sleep_hr_correlation.png b/data/final/gramic_sleep_hr_correlation.png
index 4157e7f..7dc0aa2 100644
Binary files a/data/final/gramic_sleep_hr_correlation.png and b/data/final/gramic_sleep_hr_correlation.png differ