diff --git a/code/corelation.py b/code/corelation.py
index 45a587e..3e2eef0 100644
--- a/code/corelation.py
+++ b/code/corelation.py
@@ -102,20 +102,38 @@ combined_data.to_csv(combined_data_path, index=False)
 correlation = combined_data['avg_hr'].corr(combined_data['Durchschnittliche Dauer'])
 print(f"Die Korrelation zwischen der durchschnittlichen Herzfrequenz und der Schlafdauer ist: {correlation}")
 
-# Schritt 5: Visualisiere den Zusammenhang zwischen Herzfrequenz und Schlafdauer (invertierte x-Achse)
+# # Schritt 5: Visualisiere den Zusammenhang zwischen Herzfrequenz und Schlafdauer (invertierte x-Achse)
+# plt.figure(figsize=(10, 6))
+# plt.scatter(combined_data['avg_hr'], combined_data['Durchschnittliche Dauer'], color='blue', label='Datenpunkte')
+# plt.title('Zusammenhang zwischen Herzfrequenz (Durchschnitt) und Schlafdauer')
+# plt.xlabel('Durchschnittliche Herzfrequenz (bpm)')
+# plt.ylabel('Schlafdauer (Stunden)')
+# plt.grid(True)
+# m, b = np.polyfit(combined_data['avg_hr'], combined_data['Durchschnittliche Dauer'], 1)
+# plt.plot(combined_data['avg_hr'], m * combined_data['avg_hr'] + b, color='red', label=f'Trendlinie (Kor = {correlation:.2f})')
+# plt.gca().invert_xaxis()  # X-Achse invertieren
+# plt.legend()
+# plt.savefig(graphic_corr_path)
+# plt.show()
+
+# Schritt 5: Visualisiere den Zusammenhang zwischen Herzfrequenz und Schlafdauer (invertierte y-Achse)
 plt.figure(figsize=(10, 6))
-plt.scatter(combined_data['avg_hr'], combined_data['Durchschnittliche Dauer'], color='blue', label='Datenpunkte')
-plt.title('Zusammenhang zwischen Herzfrequenz (Durchschnitt) und Schlafdauer')
-plt.xlabel('Durchschnittliche Herzfrequenz (bpm)')
-plt.ylabel('Schlafdauer (Stunden)')
+plt.scatter(combined_data['Durchschnittliche Dauer'], combined_data['avg_hr'], color='blue', label='Datenpunkte')
+plt.title('Zusammenhang zwischen Schlafdauer und Herzfrequenz (Durchschnitt)')
+plt.xlabel('Schlafdauer (Stunden)')
+plt.ylabel('Durchschnittliche Herzfrequenz (bpm)')
 plt.grid(True)
-m, b = np.polyfit(combined_data['avg_hr'], combined_data['Durchschnittliche Dauer'], 1)
-plt.plot(combined_data['avg_hr'], m * combined_data['avg_hr'] + b, color='red', label=f'Trendlinie (Kor = {correlation:.2f})')
-plt.gca().invert_xaxis()  # X-Achse invertieren
+
+# Berechne und zeichne die Trendlinie (umgekehrt)
+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 5a5d6f9..4157e7f 100644
Binary files a/data/final/gramic_sleep_hr_correlation.png and b/data/final/gramic_sleep_hr_correlation.png differ