diff --git a/Installation-Tensorflow.md b/Installation-Tensorflow.md
index b57cd79..8ba75d6 100644
--- a/Installation-Tensorflow.md
+++ b/Installation-Tensorflow.md
@@ -37,12 +37,18 @@ Wie aus der Grafik ersichtlich ist, brauchen wir im Container Tensorflow. Dieses
 
 Falls uns jedoch im Container noch ein bestimmtes Softwarepaket fehlt, ist es möglich, mit Hilfe einer Container-Sandbox dieses zu installieren und danach ein modifiziertes und auf unsere Bedürfnisse angepasstes Containerimage zu generieren.
 
-Auf einer der oben erwähnten Workstations mit SSH einloggen und mit dem folgenden Befehl eine Verzeichnishierarchie für den Buildvorgang erstellen:
+Auf einer der verfügbaren Workstations mit SSH einloggen und dann mit Slurm eine interaktive Session unter Verwendung einer GPU starten:
+
+```
+salloc -p students -G a100:1 --cpus-per-task=16 --mem=7G
+```
+
+Danach können wir mit dem folgenden Befehl eine Verzeichnishierarchie für den Buildvorgang erstellen:
 
 ```
 mkdir -p ~/build-apptainer/sandboxes/ && cd ~/build-apptainer
 ```
-Container mit bereits installierter Tensorflowsoftware können von Dockerhub oder von der Nvidia-Registry bezogen werden. Dabei wird das Docker Imageformat automatisch ins Apptainerformat (.sif) umgewandelt. Im nachfolgenden Beispiel benutzen wir die Docker-Registry:
+Container mit bereits installierter Tensorflowsoftware können von Dockerhub oder von der Nvidia-Registry bezogen werden. Dabei wird das Docker Imageformat automatisch ins Apptainerformat (.sif) umgewandelt. Hier könnten wir auch eine neuere Version des Tensorflowimages angeben. Im nachfolgenden Beispiel benutzen wir die Docker-Registry um Tensorflow 2.16.1 zu beziehen:
 
 ```
 apptainer pull tensorflow-2.16.1-gpu.sif docker://tensorflow/tensorflow:2.16.1-gpu
@@ -124,11 +130,18 @@ Update von Conda selbst:
 
 ## Installieren von Tensorflow mit Conda
 
-Als erstes erstellen wir eine Conda Environment die Python 3.12 enthält:
+Damit wir für die Installation von Tensorflow einen erkennbaren GPU zur Verfügung haben, müssen wir eine interaktive Slurm-Session starten:
+
+```
+salloc -p students -G a100:1 --cpus-per-task=16 --mem=7G
+```
+
+Dann erstellen wir eine neue Conda Environment die Python 3.12 enthält:
 
 ```
 conda create --name tf -y python=3.12
 conda activate tf
+conda install pip
 pip install --upgrade pip
 ```