diff --git a/Prototyp/.ipynb_checkpoints/Prototype-checkpoint.ipynb b/Prototyp/.ipynb_checkpoints/Prototype-checkpoint.ipynb
index a1ebab9e..77e11898 100644
--- a/Prototyp/.ipynb_checkpoints/Prototype-checkpoint.ipynb
+++ b/Prototyp/.ipynb_checkpoints/Prototype-checkpoint.ipynb
@@ -248,18 +248,10 @@
     "scrolled": true
    },
    "outputs": [
-    {
-     "name": "stdout",
-     "output_type": "stream",
-     "text": [
-      "dumping the session\n",
-      "done\n"
-     ]
-    },
     {
      "data": {
       "application/vnd.jupyter.widget-view+json": {
-       "model_id": "74fc341e0a474605b1f95c3e4e35d0b2",
+       "model_id": "8550b5ce616f4cd89a39ee2a05c5da15",
        "version_major": 2,
        "version_minor": 0
       },
@@ -453,7 +445,7 @@
     "#display(OutTextFeld)\n",
     "items = [SentSeg, SolveShorts, SayYes, PassivErsetzen, GenitiveErsetzen, KonjunktiveErsetzen, FremdWB, Appendixes, Medio] \n",
     "#display(SentSeg, SolveShorts, SayYes, PassivErsetzen, GenitiveErsetzen, KonjunktiveErsetzen)\n",
-    "Grid = widgets.GridBox(items, layout=widgets.Layout(justify_items=\"center\", grid_template_columns=\"repeat(3, 30%)\", grid_gap=\"4.5%\", height=\"150px\"))\n"
+    "Grid = widgets.GridBox(items, layout=widgets.Layout(justify_items=\"center\", grid_template_columns=\"repeat(3, 30%)\", grid_gap=\"1.5%\", height=\"200px\"))\n"
    ]
   },
   {
@@ -476,7 +468,7 @@
     {
      "data": {
       "application/vnd.jupyter.widget-view+json": {
-       "model_id": "082cb6fb58aa41cc82d918d2a056258d",
+       "model_id": "fbf6f63cc46248088133806a354dfa01",
        "version_major": 2,
        "version_minor": 0
       },
@@ -676,7 +668,7 @@
     {
      "data": {
       "application/vnd.jupyter.widget-view+json": {
-       "model_id": "dad4baed09a5407194ae2daf153e8f43",
+       "model_id": "79e1775235dc46c0a6c14a0a261b1518",
        "version_major": 2,
        "version_minor": 0
       },
@@ -716,7 +708,7 @@
     {
      "data": {
       "application/vnd.jupyter.widget-view+json": {
-       "model_id": "4bff927b0a404ed0b909db2bd766ac65",
+       "model_id": "d1ee481103c54bde9e7ee8eb7ca0a76c",
        "version_major": 2,
        "version_minor": 0
       },
@@ -838,7 +830,7 @@
     {
      "data": {
       "application/vnd.jupyter.widget-view+json": {
-       "model_id": "b6053b85bdcd4446b010b5fb872dc52c",
+       "model_id": "c70e059820e44adb92a4b4532ebeb959",
        "version_major": 2,
        "version_minor": 0
       },
@@ -864,7 +856,7 @@
     {
      "data": {
       "application/vnd.jupyter.widget-view+json": {
-       "model_id": "4d3e6e3a2bcb499697a50a1a1e88a8a4",
+       "model_id": "04c03c250bae489895ff8b738c3ce30e",
        "version_major": 2,
        "version_minor": 0
       },
diff --git a/Prototyp/Passiv2Aktiv.py b/Prototyp/Passiv2Aktiv.py
index 322097ca..919c589c 100644
--- a/Prototyp/Passiv2Aktiv.py
+++ b/Prototyp/Passiv2Aktiv.py
@@ -199,461 +199,467 @@ class Passiv2Aktiv(object):
         endsentences = []
         sentencecount = 0
         for sentence in sentences:
-            
-            sentencecount += 1
-            #print('processing sentence', sentencecount)
-            
-            doc = self.nlp(' '.join(sentence))
-            
-            verbs_of_sentence = []
-            wordindex_to_replace = []
-            count = 0
-            subjectofsentence = []
-            subjectindex = []
-            erindex = []
-            Erindex = []
-            undindex = []
-            
-            for word in doc:
-                
-                count += 1
-                
-                #print(word.text)
-                #print(word.dep_)
-                
-                if word.dep_ == 'sb':
-                    
-                    #print('oi')
-                    subjectofsentence.append(word.text)
-                    subjectindex.append(count)
-                
-                if word.text == 'er':
-                    erindex.append(count)
-                if word.text == 'Er':
-                    Erindex.append(count)
-                if word.text == 'und':
-                    undindex.append(count)
-                    
-                if word.tag_[0] == 'V':
-                    verbs_of_sentence.append(word.text)
-                    wordindex_to_replace.append(count)
-            
-            
-            if len(verbs_of_sentence) == 1 and verbs_of_sentence[0] == ('wurde' or 'wird' or 'werden' or 'wirst' or 'werde' or 'war'):
-                verbs_of_sentence[0] = 'bliblablubdudidu'
-            
-            verbs_of_sentence_string = ' '.join(verbs_of_sentence)
-            
-            
-            
-            length_verbs_of_sentence_string = len(verbs_of_sentence_string)
-            
-            verbs_of_sentence_string += ' ' + str(length_verbs_of_sentence_string)
-            #print(verbs_of_sentence_string)
-            bestmatchesZustandspassiv1, matchindexZustandspassiv1 = self.fsearchZustandspassiv1.search_with_highest_multiplikation_Output(verbs_of_sentence_string, 1)    
-            
-            bestmatchesVorgangspassiv1, matchindexVorgangspassiv1 = self.fsearchVorgangspassiv1.search_with_highest_multiplikation_Output(verbs_of_sentence_string, 1)    
-            
-            
-            #print('verbs of sentence string', verbs_of_sentence_string)
-            #print(len(verbs_of_sentence))
-            #print(matchindexVorgangspassiv1)
-            #print(matchindexZustandspassiv1)
-            
-            
-            vorgangORnot = 0
-            zustandORnot = 0
-            if (len(verbs_of_sentence) + 1) == matchindexVorgangspassiv1[1]:
-                workindex = matchindexVorgangspassiv1[0]
-                vorgangORnot = 1
-                
-            if (len(verbs_of_sentence) + 1) == matchindexZustandspassiv1[1]:
-                workindex = matchindexZustandspassiv1[0]
-                zustandORnot = 1
-           
-           
-            #print(workindex)
-           
-            #print(self.hkldbAktiv_All[matchindexVorgangspassiv1[0]])
-            #print(self.hkldbVorgangspassiv_All[matchindexVorgangspassiv1[0]])
-            #print(self.hkldbZustandspassiv_All[matchindexZustandspassiv1[0]])
-            
-            formToReplace = []
-            
-            if vorgangORnot == 1:
-                completeform = self.hkldbVorgangspassiv_All[workindex]
-                if len(verbs_of_sentence_string.split()) != len(completeform[0][0].split()):
-                    vorgangORnot = 0
-            
-            if vorgangORnot == 1:
-                completeform = self.hkldbVorgangspassiv_All[workindex]
-                formToReplace = self.hkldbVorgangspassiv_All[workindex][1][0].split()[-2:]
-                
-                
-                #print('formtoreplace vorgang',formToReplace)
-                #print('complete form', completeform)
-                
-                formToReplace = '3. Person Singular ' + ' '.join(formToReplace)
-                
-                #print(formToReplace)
-            
-                thrdPersonAktivindex = self.fsearchAktiv2.search_with_highest_multiplikation_Output(formToReplace, 1)[0]
-                
-                thrdPersonAktiv = self.hkldbAktiv_All[thrdPersonAktivindex[0]][0][0].split()[:-1]
-                
-                #print(thrdPersonAktiv)
-                
-                thrdPersonAktiv = ' '.join(thrdPersonAktiv)
-                
-                dalist = verbs_of_sentence_string.split()[:-1]
-                
-                for verb in dalist:
-                    #print(sentence)
-                    #print(index)
-                    
-                    sentence.remove(verb)
-                
-                thereisasubjectEr = 0
-                
-                for index in subjectindex:
-                    for ind in undindex:
-                        if index - 1 == ind:
-                            if index - 2 == ('er' or 'Er'):
-                                thereisasubjectEr = 1
-                        if index + 1 == ind:
-                            if index + 2 == 'er' or index + 2 == 'Er':
-                                thereisasubjectEr = 1
-                #print('subjectofsentence', subjectofsentence)
-                thereisasubjectich = 0
-                thereisasubjectdu = 0
-                thereisasubjectihr = 0
-                thereisasubjectwir = 0
-                for word in subjectofsentence:
-                    if word == 'er' or word == 'Er':
-                        thereisasubjectEr = 1
-                    if word == 'ich':
-                        thereisasubjectich = 1
-                    if word == 'du':
-                        thereisasubjectdu = 1
-                    if word == 'ihr':
-                        thereisasubjectihr = 1
-                    if word == 'wir':
-                        thereisasubjectwir = 1
-                #print('there is a subjecter', thereisasubjectEr)
-                if thereisasubjectEr == 1:
-                    try:
-                        sentence.remove('Er')
-                    except:
-                        sentence.remove('er')
-                    sentence.append('ihn')
-                if thereisasubjectich == 1:
-                    sentence.remove('ich')
-                    sentence.append('mich')
-                if thereisasubjectdu == 1:
-                    sentence.remove('du')
-                    sentence.append('dich')
-                if thereisasubjectihr == 1:
-                    sentence.remove('ihr')
-                    sentence.append('euch')
-                if thereisasubjectwir == 1:
-                    sentence.remove('wir')
-                    sentence.append('uns')
-                
-                sentence.append(thrdPersonAktiv)
-                #print('sentence in the vorgangornot', sentence)
-                jemandornot = 1
-                wordstodelete = []
-                for n in range(len(sentence) - 1):
-                    if sentence[n] == 'von':
-                        if sentence[n + 1] == 'ihr':
-                            sentence[n + 1] = 'sie'
-                            wordstodelete.append(n)
-                            jemandornot = 0
-                        if sentence[n + 1] == 'ihm':
-                            sentence[n + 1] = 'er'
-                            wordstodelete.append(n)
-                            jemandornot = 0
-                        import spacy
-                        nlp = spacy.load('de_core_news_sm')
-                        token1 = nlp(sentence[n - 1])
-                        token2 = nlp(sentence[n + 1])
-                        for word in token1:
-                            if word.tag_ != 'NN' and word.tag_ != 'NE':
-                                for word in token2:
-                                    if word.tag_ == 'NN' or word.tag_ == 'NE':
+            try:
+                sentencecount += 1
+                #print('processing sentence', sentencecount)
+
+                doc = self.nlp(' '.join(sentence))
+
+                verbs_of_sentence = []
+                wordindex_to_replace = []
+                count = 0
+                subjectofsentence = []
+                subjectindex = []
+                erindex = []
+                Erindex = []
+                undindex = []
+
+                for word in doc:
+
+                    count += 1
+
+                    #print(word.text)
+                    #print(word.dep_)
+
+                    if word.dep_ == 'sb':
+
+                        #print('oi')
+                        subjectofsentence.append(word.text)
+                        subjectindex.append(count)
+
+                    if word.text == 'er':
+                        erindex.append(count)
+                    if word.text == 'Er':
+                        Erindex.append(count)
+                    if word.text == 'und':
+                        undindex.append(count)
+
+                    if word.tag_[0] == 'V':
+                        verbs_of_sentence.append(word.text)
+                        wordindex_to_replace.append(count)
+
+
+                if len(verbs_of_sentence) == 1 and verbs_of_sentence[0] == ('wurde' or 'wird' or 'werden' or 'wirst' or 'werde' or 'war'):
+                    verbs_of_sentence[0] = 'bliblablubdudidu'
+
+                verbs_of_sentence_string = ' '.join(verbs_of_sentence)
+
+
+
+                length_verbs_of_sentence_string = len(verbs_of_sentence_string)
+
+                verbs_of_sentence_string += ' ' + str(length_verbs_of_sentence_string)
+                #print(verbs_of_sentence_string)
+                bestmatchesZustandspassiv1, matchindexZustandspassiv1 = self.fsearchZustandspassiv1.search_with_highest_multiplikation_Output(verbs_of_sentence_string, 1)    
+
+                bestmatchesVorgangspassiv1, matchindexVorgangspassiv1 = self.fsearchVorgangspassiv1.search_with_highest_multiplikation_Output(verbs_of_sentence_string, 1)    
+
+
+                #print('verbs of sentence string', verbs_of_sentence_string)
+                #print(len(verbs_of_sentence))
+                #print(matchindexVorgangspassiv1)
+                #print(matchindexZustandspassiv1)
+
+
+                vorgangORnot = 0
+                zustandORnot = 0
+                if (len(verbs_of_sentence) + 1) == matchindexVorgangspassiv1[1]:
+                    workindex = matchindexVorgangspassiv1[0]
+                    vorgangORnot = 1
+
+                if (len(verbs_of_sentence) + 1) == matchindexZustandspassiv1[1]:
+                    workindex = matchindexZustandspassiv1[0]
+                    zustandORnot = 1
+
+
+                #print(workindex)
+
+                #print(self.hkldbAktiv_All[matchindexVorgangspassiv1[0]])
+                #print(self.hkldbVorgangspassiv_All[matchindexVorgangspassiv1[0]])
+                #print(self.hkldbZustandspassiv_All[matchindexZustandspassiv1[0]])
+
+                formToReplace = []
+
+                if vorgangORnot == 1:
+                    completeform = self.hkldbVorgangspassiv_All[workindex]
+                    if len(verbs_of_sentence_string.split()) != len(completeform[0][0].split()):
+                        vorgangORnot = 0
+
+                if vorgangORnot == 1:
+                    completeform = self.hkldbVorgangspassiv_All[workindex]
+                    formToReplace = self.hkldbVorgangspassiv_All[workindex][1][0].split()[-2:]
+
+
+                    #print('formtoreplace vorgang',formToReplace)
+                    #print('complete form', completeform)
+
+                    formToReplace = '3. Person Singular ' + ' '.join(formToReplace)
+
+                    #print(formToReplace)
+
+                    thrdPersonAktivindex = self.fsearchAktiv2.search_with_highest_multiplikation_Output(formToReplace, 1)[0]
+
+                    thrdPersonAktiv = self.hkldbAktiv_All[thrdPersonAktivindex[0]][0][0].split()[:-1]
+
+                    #print(thrdPersonAktiv)
+
+                    thrdPersonAktiv = ' '.join(thrdPersonAktiv)
+
+                    dalist = verbs_of_sentence_string.split()[:-1]
+
+                    for verb in dalist:
+                        #print(sentence)
+                        #print(index)
+
+                        sentence.remove(verb)
+
+                    thereisasubjectEr = 0
+
+                    for index in subjectindex:
+                        for ind in undindex:
+                            if index - 1 == ind:
+                                if index - 2 == ('er' or 'Er'):
+                                    thereisasubjectEr = 1
+                            if index + 1 == ind:
+                                if index + 2 == 'er' or index + 2 == 'Er':
+                                    thereisasubjectEr = 1
+                    #print('subjectofsentence', subjectofsentence)
+                    thereisasubjectich = 0
+                    thereisasubjectdu = 0
+                    thereisasubjectihr = 0
+                    thereisasubjectwir = 0
+                    for word in subjectofsentence:
+                        if word == 'er' or word == 'Er':
+                            thereisasubjectEr = 1
+                        if word == 'ich':
+                            thereisasubjectich = 1
+                        if word == 'du':
+                            thereisasubjectdu = 1
+                        if word == 'ihr':
+                            thereisasubjectihr = 1
+                        if word == 'wir':
+                            thereisasubjectwir = 1
+                    #print('there is a subjecter', thereisasubjectEr)
+                    if thereisasubjectEr == 1:
+                        try:
+                            sentence.remove('Er')
+                        except:
+                            sentence.remove('er')
+                        sentence.append('ihn')
+                    if thereisasubjectich == 1:
+                        sentence.remove('ich')
+                        sentence.append('mich')
+                    if thereisasubjectdu == 1:
+                        sentence.remove('du')
+                        sentence.append('dich')
+                    if thereisasubjectihr == 1:
+                        sentence.remove('ihr')
+                        sentence.append('euch')
+                    if thereisasubjectwir == 1:
+                        sentence.remove('wir')
+                        sentence.append('uns')
+
+                    sentence.append(thrdPersonAktiv)
+                    #print('sentence in the vorgangornot', sentence)
+                    jemandornot = 1
+                    wordstodelete = []
+                    for n in range(len(sentence) - 1):
+                        if sentence[n] == 'von':
+                            if sentence[n + 1] == 'ihr':
+                                sentence[n + 1] = 'sie'
+                                wordstodelete.append(n)
+                                jemandornot = 0
+                            if sentence[n + 1] == 'ihm':
+                                sentence[n + 1] = 'er'
+                                wordstodelete.append(n)
+                                jemandornot = 0
+                            import spacy
+                            nlp = spacy.load('de_core_news_sm')
+                            token1 = nlp(sentence[n - 1])
+                            token2 = nlp(sentence[n + 1])
+                            for word in token1:
+                                if word.tag_ != 'NN' and word.tag_ != 'NE':
+                                    for word in token2:
+                                        if word.tag_ == 'NN' or word.tag_ == 'NE':
+                                            wordstodelete.append(n)
+
+                                            jemandornot = 0
+                            if sentence[n + 1] == 'dem' or sentence[n + 1] == 'einem':
+
+                                token3 = nlp(sentence[n-1])
+                                for word in token3:
+                                    if word.tag_ != 'NN' and word.tag_ != 'NE':
+                                        sentence[n + 1] = 'ein'
+                                        wordstodelete.append(n)
+                                        jemandornot = 0
+                            if sentence[n + 1] == 'der' or sentence[n + 1] == 'einer':
+                                token4 = nlp(sentence[n-1])
+                                for word in token4:
+                                    if word.tag_ != 'NN' and word.tag_ != 'NE':
+                                        sentence[n + 1] = 'eine'
                                         wordstodelete.append(n)
-                                        
                                         jemandornot = 0
-                        if sentence[n + 1] == 'dem' or sentence[n + 1] == 'einem':
-                            
-                            token3 = nlp(sentence[n-1])
-                            for word in token3:
-                                if word.tag_ != 'NN' and word.tag_ != 'NE':
-                                    sentence[n + 1] = 'ein'
-                                    wordstodelete.append(n)
-                                    jemandornot = 0
-                        if sentence[n + 1] == 'der' or sentence[n + 1] == 'einer':
-                            token4 = nlp(sentence[n-1])
-                            for word in token4:
-                                if word.tag_ != 'NN' and word.tag_ != 'NE':
-                                    sentence[n + 1] = 'eine'
-                                    wordstodelete.append(n)
-                                    jemandornot = 0
-                                    
-                    if sentence[n] == 'vom':
-                        
-                        sentence[n] = 'ein'
-                        jemandornot = 0
-                for index in wordstodelete[::-1]:
-                    del sentence[index]
-                if jemandornot == 1:
-                    sentence.append('jemand')
-            
-                
-                #print('sentence checkpoint 2', sentence)
-            
-                #print('get the tuples and triples to check..')
-                tuplesTocheck, triplesTocheck, quadruplesToCheck = self.gs.GetTuplesinSentence(sentence)
-                #print('done')
-                #print(tuplesTocheck, triplesTocheck)
-                
-                grammpiecessentence = self.gs.createTupleofGrammarpieces( sentence, tuplesTocheck, triplesTocheck, quadruplesToCheck)
-                
-                if len(grammpiecessentence) > 7:
-                    print('A sentence is too long, too many permutations. \n piping wrong grammar..')
-                    endsentences.append(' '.join(grammpiecessentence).split())
 
-                else:
-                    
-                    #print('the grammpiecessentence', grammpiecessentence)
-                    #print('genrating the permutations')
-                    permutations = self.sgm.GeneratePermutationsOfSentence(grammpiecessentence)
-                    #print('done')
-                    #print(permutations)
-                    #if (len(tuplesTocheck) != 0) or (len(triplesTocheck) != 0):
-                    #    print('filtering the permutations based on the tuples and triples..')
-                    #    filteredpermutations = self.gs.filterpermutationsaccordingtotuples(permutations, tuplesTocheck, triplesTocheck)
-                    #    print('done')
-                    #else:
-                    #    print('there are no triples or tuples to check..')
-                    #    filteredpermutations = permutations
-
-                    sentencesToCheck = []
-                    for sentence in permutations:
-                        sentencesToCheck.append(' '.join(sentence))
-
-                    #print('sentencesToCheck', sentencesToCheck)
-                    #print('classifying the probability for right grammar in the filtered permutations..')
-                    #print(' '.join(sentence))
-                    endsentence = self.sgm.GetBestSentenceFromSentencesAccordingToGrammar(sentencesToCheck, ' '.join(sentence))
-                    #print('done')
+                        if sentence[n] == 'vom':
 
-                    #print('the endsentence', endsentence)
-                    endsentences.append(endsentence.split())
-            
-            #count1 = 0
-            
-            #print(subjectindex)
-            #subjectindex = subjectindex[0]
-            #if subjectindex != 0:
-                #for word in sentence[subjectindex - 1:subjectindex + 1]:
-                    #count1 += 1
-                    #if word == 'und':
-                        #thereIsanUnd = count1
-            #if subjectindex == 0:
-                #for word in sentence[subjectindex:subjectindex + 1]:
-                    #count1 += 1
-                    #if word == 'und':
-                        #thereIsanUnd = count1
-            #thereisanEr = 0
-            #if sentence[subjectindex - 1 + thereIsanUnd] == 'er' or sentence[subjectindex - 1 + thereIsanUnd] == 'Er':
-                
-                #thereisanEr = 1
-            
-             
-            #if thereisanEr == 1:
-             
-                #sentence.remove('Er')
-                #sentence.remove('er')
-                #sentence.append('ihn')
-            
-            
-            #print('zustandornot',zustandORnot)
-            #print('vorgang', vorgangORnot)
-            
-            if zustandORnot == 1:
-                completeform = self.hkldbZustandspassiv_All[workindex]
-                if len(verbs_of_sentence_string.split()) != len(completeform[0][0].split()):
-                    zustandORnot = 0
-            
-            
-            if zustandORnot == 1:
-                #completeform = self.hkldbZustandspassiv_All[workindex]
-                formToReplace = self.hkldbZustandspassiv_All[workindex][1][0].split()[-2:]
-                formToReplace = '3. Person Singular ' + ' '.join(formToReplace)
-                #print('formtoreplace zustand',formToReplace)
-                #print('complete form', completeform)
-            
-                thrdPersonAktivindex = self.fsearchAktiv2.search_with_highest_multiplikation_Output(formToReplace, 1)[0]
-                
-                thrdPersonAktiv = self.hkldbAktiv_All[thrdPersonAktivindex[0]][0][0].split()[:-1]
-                
-                thrdPersonAktiv = ' '.join(thrdPersonAktiv)
-                
-                for verb in verbs_of_sentence_string.split()[:-1]:
-                    #print(sentence)
-                    #print(index)
-                    
-                    sentence.remove(verb)
-                
-                thereisasubjectEr = 0
-                
-                for index in subjectindex:
-                    for ind in undindex:
-                        if index - 1 == ind:
-                            if index - 2 == ('er' or 'Er'):
-                                thereisasubjectEr = 1
-                        if index + 1 == ind:
-                            if index + 2 == 'er' or index + 2 == 'Er':
-                                thereisasubjectEr = 1
-                #print('subjectofsentence', subjectofsentence)
-                
-                thereisasubjectich = 0
-                thereisasubjectdu = 0
-                thereisasubjectihr = 0
-                thereisasubjectwir = 0
-                for word in subjectofsentence:
-                    if word == 'er' or word == 'Er':
-                        thereisasubjectEr = 1
-                    if word == 'ich':
-                        thereisasubjectich = 1
-                    if word == 'du':
-                        thereisasubjectdu = 1
-                    if word == 'ihr':
-                        thereisasubjectihr = 1
-                    if word == 'wir':
-                        thereisasubjectwir = 1
-                if thereisasubjectEr == 1:
-                    try:
-                        sentence.remove('Er')
-                    except:
-                        sentence.remove('er')
-                    sentence.append('ihn')
-                
-                if thereisasubjectich == 1:
-                    sentence.remove('ich')
-                    sentence.append('mich')
-                if thereisasubjectdu == 1:
-                    sentence.remove('du')
-                    sentence.append('dich')
-                if thereisasubjectihr == 1:
-                    sentence.remove('ihr')
-                    sentence.append('euch')
-                if thereisasubjectwir == 1:
-                    sentence.remove('wir')
-                    sentence.append('uns')
-                
-                sentence.append(thrdPersonAktiv)
-                
-                jemandornot = 1
-                wordstodelete = []
-                for n in range(len(sentence) - 1):
-                    if sentence[n] == 'von':
-                        if sentence[n + 1] == 'ihr':
-                            sentence[n + 1] = 'sie'
-                            wordstodelete.append(n)
-                            jemandornot = 0
-                        if sentence[n + 1] == 'ihm':
-                            sentence[n + 1] = 'er'
-                            wordstodelete.append(n)
+                            sentence[n] = 'ein'
                             jemandornot = 0
-                        
-                        import spacy
-                        nlp = spacy.load('de_core_news_sm')
-                        token1 = nlp(sentence[n - 1])
-                        token2 = nlp(sentence[n + 1])
-                        for word in token1:
-                            if word.tag_ != 'NN' and word.tag_ != 'NE':
-                                for word in token2:
-                                    if word.tag_ == 'NN' or word.tag_ == 'NE':
+                    for index in wordstodelete[::-1]:
+                        del sentence[index]
+                    if jemandornot == 1:
+                        sentence.append('jemand')
+
+
+                    #print('sentence checkpoint 2', sentence)
+
+                    #print('get the tuples and triples to check..')
+                    tuplesTocheck, triplesTocheck, quadruplesToCheck = self.gs.GetTuplesinSentence(sentence)
+                    #print('done')
+                    #print(tuplesTocheck, triplesTocheck)
+
+                    grammpiecessentence = self.gs.createTupleofGrammarpieces( sentence, tuplesTocheck, triplesTocheck, quadruplesToCheck)
+
+                    if len(grammpiecessentence) > 7:
+                        print('A sentence is too long, too many permutations. \n piping wrong grammar..')
+                        endsentences.append(' '.join(grammpiecessentence).split())
+
+                    else:
+
+                        #print('the grammpiecessentence', grammpiecessentence)
+                        #print('genrating the permutations')
+                        permutations = self.sgm.GeneratePermutationsOfSentence(grammpiecessentence)
+                        #print('done')
+                        #print(permutations)
+                        #if (len(tuplesTocheck) != 0) or (len(triplesTocheck) != 0):
+                        #    print('filtering the permutations based on the tuples and triples..')
+                        #    filteredpermutations = self.gs.filterpermutationsaccordingtotuples(permutations, tuplesTocheck, triplesTocheck)
+                        #    print('done')
+                        #else:
+                        #    print('there are no triples or tuples to check..')
+                        #    filteredpermutations = permutations
+
+                        sentencesToCheck = []
+                        for sentence in permutations:
+                            sentencesToCheck.append(' '.join(sentence))
+
+                        #print('sentencesToCheck', sentencesToCheck)
+                        #print('classifying the probability for right grammar in the filtered permutations..')
+                        #print(' '.join(sentence))
+                        endsentence = self.sgm.GetBestSentenceFromSentencesAccordingToGrammar(sentencesToCheck, ' '.join(sentence))
+                        #print('done')
+
+                        #print('the endsentence', endsentence)
+                        endsentences.append(endsentence.split())
+
+                #count1 = 0
+
+                #print(subjectindex)
+                #subjectindex = subjectindex[0]
+                #if subjectindex != 0:
+                    #for word in sentence[subjectindex - 1:subjectindex + 1]:
+                        #count1 += 1
+                        #if word == 'und':
+                            #thereIsanUnd = count1
+                #if subjectindex == 0:
+                    #for word in sentence[subjectindex:subjectindex + 1]:
+                        #count1 += 1
+                        #if word == 'und':
+                            #thereIsanUnd = count1
+                #thereisanEr = 0
+                #if sentence[subjectindex - 1 + thereIsanUnd] == 'er' or sentence[subjectindex - 1 + thereIsanUnd] == 'Er':
+
+                    #thereisanEr = 1
+
+
+                #if thereisanEr == 1:
+
+                    #sentence.remove('Er')
+                    #sentence.remove('er')
+                    #sentence.append('ihn')
+
+
+                #print('zustandornot',zustandORnot)
+                #print('vorgang', vorgangORnot)
+
+                if zustandORnot == 1:
+                    completeform = self.hkldbZustandspassiv_All[workindex]
+                    if len(verbs_of_sentence_string.split()) != len(completeform[0][0].split()):
+                        zustandORnot = 0
+
+
+                if zustandORnot == 1:
+                    #completeform = self.hkldbZustandspassiv_All[workindex]
+                    formToReplace = self.hkldbZustandspassiv_All[workindex][1][0].split()[-2:]
+                    formToReplace = '3. Person Singular ' + ' '.join(formToReplace)
+                    #print('formtoreplace zustand',formToReplace)
+                    #print('complete form', completeform)
+
+                    thrdPersonAktivindex = self.fsearchAktiv2.search_with_highest_multiplikation_Output(formToReplace, 1)[0]
+
+                    thrdPersonAktiv = self.hkldbAktiv_All[thrdPersonAktivindex[0]][0][0].split()[:-1]
+
+                    thrdPersonAktiv = ' '.join(thrdPersonAktiv)
+
+                    for verb in verbs_of_sentence_string.split()[:-1]:
+                        #print(sentence)
+                        #print(index)
+
+                        sentence.remove(verb)
+
+                    thereisasubjectEr = 0
+
+                    for index in subjectindex:
+                        for ind in undindex:
+                            if index - 1 == ind:
+                                if index - 2 == ('er' or 'Er'):
+                                    thereisasubjectEr = 1
+                            if index + 1 == ind:
+                                if index + 2 == 'er' or index + 2 == 'Er':
+                                    thereisasubjectEr = 1
+                    #print('subjectofsentence', subjectofsentence)
+
+                    thereisasubjectich = 0
+                    thereisasubjectdu = 0
+                    thereisasubjectihr = 0
+                    thereisasubjectwir = 0
+                    for word in subjectofsentence:
+                        if word == 'er' or word == 'Er':
+                            thereisasubjectEr = 1
+                        if word == 'ich':
+                            thereisasubjectich = 1
+                        if word == 'du':
+                            thereisasubjectdu = 1
+                        if word == 'ihr':
+                            thereisasubjectihr = 1
+                        if word == 'wir':
+                            thereisasubjectwir = 1
+                    if thereisasubjectEr == 1:
+                        try:
+                            sentence.remove('Er')
+                        except:
+                            sentence.remove('er')
+                        sentence.append('ihn')
+
+                    if thereisasubjectich == 1:
+                        sentence.remove('ich')
+                        sentence.append('mich')
+                    if thereisasubjectdu == 1:
+                        sentence.remove('du')
+                        sentence.append('dich')
+                    if thereisasubjectihr == 1:
+                        sentence.remove('ihr')
+                        sentence.append('euch')
+                    if thereisasubjectwir == 1:
+                        sentence.remove('wir')
+                        sentence.append('uns')
+
+                    sentence.append(thrdPersonAktiv)
+
+                    jemandornot = 1
+                    wordstodelete = []
+                    for n in range(len(sentence) - 1):
+                        if sentence[n] == 'von':
+                            if sentence[n + 1] == 'ihr':
+                                sentence[n + 1] = 'sie'
+                                wordstodelete.append(n)
+                                jemandornot = 0
+                            if sentence[n + 1] == 'ihm':
+                                sentence[n + 1] = 'er'
+                                wordstodelete.append(n)
+                                jemandornot = 0
+
+                            import spacy
+                            nlp = spacy.load('de_core_news_sm')
+                            token1 = nlp(sentence[n - 1])
+                            token2 = nlp(sentence[n + 1])
+                            for word in token1:
+                                if word.tag_ != 'NN' and word.tag_ != 'NE':
+                                    for word in token2:
+                                        if word.tag_ == 'NN' or word.tag_ == 'NE':
+                                            wordstodelete.append(n)
+
+                                            jemandornot = 0
+                            if sentence[n + 1] == 'dem' or sentence[n + 1] == 'einem':
+
+                                token3 = nlp(sentence[n-1])
+                                for word in token3:
+                                    if word.tag_ != 'NN' and word.tag_ != 'NE':
+                                        sentence[n + 1] = 'ein'
+                                        wordstodelete.append(n)
+                                        jemandornot = 0
+                            if sentence[n + 1] == 'der' or sentence[n + 1] == 'einer':
+                                token4 = nlp(sentence[n-1])
+                                for word in token4:
+                                    if word.tag_ != 'NN' and word.tag_ != 'NE':
+                                        sentence[n + 1] = 'eine'
                                         wordstodelete.append(n)
-                                        
                                         jemandornot = 0
-                        if sentence[n + 1] == 'dem' or sentence[n + 1] == 'einem':
-                            
-                            token3 = nlp(sentence[n-1])
-                            for word in token3:
-                                if word.tag_ != 'NN' and word.tag_ != 'NE':
-                                    sentence[n + 1] = 'ein'
-                                    wordstodelete.append(n)
-                                    jemandornot = 0
-                        if sentence[n + 1] == 'der' or sentence[n + 1] == 'einer':
-                            token4 = nlp(sentence[n-1])
-                            for word in token4:
-                                if word.tag_ != 'NN' and word.tag_ != 'NE':
-                                    sentence[n + 1] = 'eine'
-                                    wordstodelete.append(n)
-                                    jemandornot = 0
-                                    
-                    if sentence[n] == 'vom':
-                        
-                        sentence[n] = 'ein'
-                        jemandornot = 0
-                
-                for index in wordstodelete[::-1]:
-                    del sentence[index]
-                    
-                if jemandornot == 1:
-                    sentence.append('jemand')
-            
-                
-                #print(sentence)
-            
-                #print('get the tuples and triples to check..')
-                tuplesTocheck, triplesTocheck, quadruplesTocheck = self.gs.GetTuplesinSentence(sentence)
-                #print('done')
-                #print(tuplesTocheck, triplesTocheck)
-                
-                grammpiecessentence = self.gs.createTupleofGrammarpieces( sentence, tuplesTocheck, triplesTocheck, quadruplesTocheck)
-                
-                if len(grammpiecessentence) > 7:
-                    print('A sentence is too long, too many permutations. \n piping wrong grammar..')
-                    endsentences.append(' '.join(grammpiecessentence).split())
 
-                else:
-                    
-                    #print('the grammpiecessentence', grammpiecessentence)
-                    #print('genrating the permutations')
-                    permutations = self.sgm.GeneratePermutationsOfSentence(grammpiecessentence)
-                    #print('done')
-                    #print(permutations)
-                    #if (len(tuplesTocheck) != 0) or (len(triplesTocheck) != 0):
-                    #    print('filtering the permutations based on the tuples and triples..')
-                    #    filteredpermutations = self.gs.filterpermutationsaccordingtotuples(permutations, tuplesTocheck, triplesTocheck)
-                    #    print('done')
-                    #else:
-                    #    print('there are no triples or tuples to check..')
-                    #    filteredpermutations = permutations
-
-                    sentencesToCheck = []
-                    for sentence in permutations:
-                        sentencesToCheck.append(' '.join(sentence))
-
-                    #print('sentencesToCheck', sentencesToCheck)
-                    #print('classifying the probability for right grammar in the filtered permutations..')
-                    #print(' '.join(sentence))
-                    endsentence = self.sgm.GetBestSentenceFromSentencesAccordingToGrammar(sentencesToCheck, ' '.join(sentence))
+                        if sentence[n] == 'vom':
+
+                            sentence[n] = 'ein'
+                            jemandornot = 0
+
+                    for index in wordstodelete[::-1]:
+                        del sentence[index]
+
+                    if jemandornot == 1:
+                        sentence.append('jemand')
+
+
+                    #print(sentence)
+
+                    #print('get the tuples and triples to check..')
+                    tuplesTocheck, triplesTocheck, quadruplesTocheck = self.gs.GetTuplesinSentence(sentence)
                     #print('done')
+                    #print(tuplesTocheck, triplesTocheck)
 
-                    #print('the endsentence', endsentence)
-                    endsentences.append(endsentence.split())
-            
-            
-            
-            if zustandORnot == 0 and vorgangORnot == 0:
-                #print('it is coming to the else')
-                endsentences.append(sentence)
-            
+                    grammpiecessentence = self.gs.createTupleofGrammarpieces( sentence, tuplesTocheck, triplesTocheck, quadruplesTocheck)
+
+                    if len(grammpiecessentence) > 7:
+                        print('A sentence is too long, too many permutations. \n piping wrong grammar..')
+                        endsentences.append(' '.join(grammpiecessentence).split())
+
+                    else:
+
+                        #print('the grammpiecessentence', grammpiecessentence)
+                        #print('genrating the permutations')
+                        permutations = self.sgm.GeneratePermutationsOfSentence(grammpiecessentence)
+                        #print('done')
+                        #print(permutations)
+                        #if (len(tuplesTocheck) != 0) or (len(triplesTocheck) != 0):
+                        #    print('filtering the permutations based on the tuples and triples..')
+                        #    filteredpermutations = self.gs.filterpermutationsaccordingtotuples(permutations, tuplesTocheck, triplesTocheck)
+                        #    print('done')
+                        #else:
+                        #    print('there are no triples or tuples to check..')
+                        #    filteredpermutations = permutations
+
+                        sentencesToCheck = []
+                        for sentence in permutations:
+                            sentencesToCheck.append(' '.join(sentence))
+
+                        #print('sentencesToCheck', sentencesToCheck)
+                        #print('classifying the probability for right grammar in the filtered permutations..')
+                        #print(' '.join(sentence))
+                        endsentence = self.sgm.GetBestSentenceFromSentencesAccordingToGrammar(sentencesToCheck, ' '.join(sentence))
+                        #print('done')
+
+                        #print('the endsentence', endsentence)
+                        endsentences.append(endsentence.split())
+
+
+
+                if zustandORnot == 0 and vorgangORnot == 0:
+                    #print('it is coming to the else')
+                    endsentences.append(sentence)
+            
+            except:
+                print('the sentence ' + str(sentence) + ' caused an error in the module passive2active')
+                if endsentences[-1] == sentence:
+                    pass
+                else:
+                    endsentences.append(sentence)
             
             
             
diff --git a/Prototyp/Prototype.ipynb b/Prototyp/Prototype.ipynb
index a1ebab9e..711f10cb 100644
--- a/Prototyp/Prototype.ipynb
+++ b/Prototyp/Prototype.ipynb
@@ -248,18 +248,10 @@
     "scrolled": true
    },
    "outputs": [
-    {
-     "name": "stdout",
-     "output_type": "stream",
-     "text": [
-      "dumping the session\n",
-      "done\n"
-     ]
-    },
     {
      "data": {
       "application/vnd.jupyter.widget-view+json": {
-       "model_id": "74fc341e0a474605b1f95c3e4e35d0b2",
+       "model_id": "3daf3708d77e4098b826524460104e31",
        "version_major": 2,
        "version_minor": 0
       },
@@ -453,7 +445,7 @@
     "#display(OutTextFeld)\n",
     "items = [SentSeg, SolveShorts, SayYes, PassivErsetzen, GenitiveErsetzen, KonjunktiveErsetzen, FremdWB, Appendixes, Medio] \n",
     "#display(SentSeg, SolveShorts, SayYes, PassivErsetzen, GenitiveErsetzen, KonjunktiveErsetzen)\n",
-    "Grid = widgets.GridBox(items, layout=widgets.Layout(justify_items=\"center\", grid_template_columns=\"repeat(3, 30%)\", grid_gap=\"4.5%\", height=\"150px\"))\n"
+    "Grid = widgets.GridBox(items, layout=widgets.Layout(justify_items=\"center\", grid_template_columns=\"repeat(3, 30%)\", grid_gap=\"1.5%\", height=\"200px\"))\n"
    ]
   },
   {
@@ -476,7 +468,7 @@
     {
      "data": {
       "application/vnd.jupyter.widget-view+json": {
-       "model_id": "082cb6fb58aa41cc82d918d2a056258d",
+       "model_id": "a45cde93f5394cf6b262cc31f14c0d2e",
        "version_major": 2,
        "version_minor": 0
       },
@@ -676,7 +668,7 @@
     {
      "data": {
       "application/vnd.jupyter.widget-view+json": {
-       "model_id": "dad4baed09a5407194ae2daf153e8f43",
+       "model_id": "5b0d573af12e4e1f9276834123b062a7",
        "version_major": 2,
        "version_minor": 0
       },
@@ -716,7 +708,7 @@
     {
      "data": {
       "application/vnd.jupyter.widget-view+json": {
-       "model_id": "4bff927b0a404ed0b909db2bd766ac65",
+       "model_id": "be9b40c345ca4105a3810de0872fa144",
        "version_major": 2,
        "version_minor": 0
       },
@@ -838,7 +830,7 @@
     {
      "data": {
       "application/vnd.jupyter.widget-view+json": {
-       "model_id": "b6053b85bdcd4446b010b5fb872dc52c",
+       "model_id": "01404ad96cc34dd5af96915447731bea",
        "version_major": 2,
        "version_minor": 0
       },
@@ -864,7 +856,7 @@
     {
      "data": {
       "application/vnd.jupyter.widget-view+json": {
-       "model_id": "4d3e6e3a2bcb499697a50a1a1e88a8a4",
+       "model_id": "39c27a696cbd470fa8f5c58d10460336",
        "version_major": 2,
        "version_minor": 0
       },
diff --git a/Prototyp/Verbesserungen/Input145.txt b/Prototyp/Verbesserungen/Input145.txt
new file mode 100644
index 00000000..4affe91a
--- /dev/null
+++ b/Prototyp/Verbesserungen/Input145.txt
@@ -0,0 +1,5 @@
+so falsch waren die Voraussagen vor der Vergabe des Friedensnobelpreises schon lange nicht mehr .
+die meisten Auguren hatten die Klima­kämpfer*innen von Fridays for Future, die im Kampf gegen die Coronapandemie befindliche Weltgesundheitsorganisation oder eine*n aus der in letzter Zeit deutlich gestiegenen Anzahl verfolgter und inhaftierter Journalis*tinnen auf dem Zettel .
+an das Welternährungsprogramm (World Food Programme, WFP) der UNO dachte niemand .
+dabei gehörte die 1961 gegründete und inzwischen größte humanitäre Organisation der Welt bereits im letzten Jahr beim Auswahlverfahren durch das Nobelpreiskomittee in Oslo zur Schlussrunde der letzten 3 von über 1.000 vorgeschlagenen Kandidat*innen .
+und wenn man sich anschaut, welche Organisationen und Personen aus dem UNO-System seit 1945 bereits den Friedensnobelpreis erhalten haben, dann war die Auszeichnung für das WFP schon lange überfällig .
diff --git a/Prototyp/Verbesserungen/Input146.txt b/Prototyp/Verbesserungen/Input146.txt
new file mode 100644
index 00000000..5e4a6f34
--- /dev/null
+++ b/Prototyp/Verbesserungen/Input146.txt
@@ -0,0 +1 @@
+ich ging, obwohl es regnete, in die Schule .
diff --git a/Prototyp/Verbesserungen/Input147.txt b/Prototyp/Verbesserungen/Input147.txt
new file mode 100644
index 00000000..1c8cc32b
--- /dev/null
+++ b/Prototyp/Verbesserungen/Input147.txt
@@ -0,0 +1 @@
+er war, obwohl es nicht so aussah, ziemlich verliebt .
diff --git a/Prototyp/Verbesserungen/Input148.txt b/Prototyp/Verbesserungen/Input148.txt
new file mode 100644
index 00000000..bd1e5ff1
--- /dev/null
+++ b/Prototyp/Verbesserungen/Input148.txt
@@ -0,0 +1 @@
+der Mann, der nach Hause ging, rannte wie der Wind .
diff --git a/Prototyp/Verbesserungen/Input149.txt b/Prototyp/Verbesserungen/Input149.txt
new file mode 100644
index 00000000..d9370aff
--- /dev/null
+++ b/Prototyp/Verbesserungen/Input149.txt
@@ -0,0 +1,4 @@
+begleitet von Warnstreiks in mehreren Bündesländern geht der Tarifkonflikt für die rund 2,3 Millionen Beschäftigten im öffentlichen Dienst von Bund und Kommunen in die entscheidende Phase .
+von diesem Donnerstag an verhandeln Arbeitgeber und Gewerkschaften wieder im Potsdamer Kongresshotel .
+es könnte die letzte Verhandlungsrunde sein .
+zwar zeichnet sich bislang noch keine Annäherung ab, aber angesichts der Coronakrise ist der Einigungsdruck auf beiden Seiten enorm groß .
diff --git a/Prototyp/Verbesserungen/Input150.txt b/Prototyp/Verbesserungen/Input150.txt
new file mode 100644
index 00000000..9572c52a
--- /dev/null
+++ b/Prototyp/Verbesserungen/Input150.txt
@@ -0,0 +1,3 @@
+die Ausgangslage: Die Dienstleistungsgewerkschaft Verdi und der Deutsche Beamtenbund (dbb) fordern eine Anhebung der Einkommen um 4,8 Prozent, mindestens aber 150 Euro pro Monat .
+der Bund und die Vereinigung der kommunalen Arbeitgeberverbände (VKA) bieten ein Lohnplus von 3,5 Prozent an, mindestens jedoch 30 Euro .
+die Differenz zwischen Forderung und Angebot klingt nicht groß, sie ist es aber .
diff --git a/Prototyp/Verbesserungen/Input151.txt b/Prototyp/Verbesserungen/Input151.txt
new file mode 100644
index 00000000..dffcf0f3
--- /dev/null
+++ b/Prototyp/Verbesserungen/Input151.txt
@@ -0,0 +1,7 @@
+Fische oder Pisces (lateinisch piscis „Fisch“) sind aquatisch lebende Wirbeltiere mit Kiemen .
+im engeren Sinne wird der Begriff Fische eingeschränkt auf aquatisch lebende Tiere mit Kiefer verwendet .
+im weiteren Sinne umfasst er auch Kieferlose, die unter den rezenten Arten noch mit den Rundmäulern vertreten sind .
+in beiden Fällen fehlt wenigstens ein Nachfahre der Fische (nämlich die Landwirbeltiere) in ihrer Abstammungsgemeinschaft .
+daher bilden die Fische keine geschlossene Abstammungsgemeinschaft in der biologischen Systematik, sondern ein paraphyletisches Taxon .
+sie sind lediglich eine unvollständige Abstammungsgemeinschaft, bestehend aus einem jüngsten Vorfahren und dem aquatisch lebenden Teil seiner Nachfahren .
+die Lehre von der Biologie der Fische ist die Ichthyologie (altgriechisch ἰχθύς ichthýs „Fisch“) oder Fischkunde .
diff --git a/Prototyp/Verbesserungen/Output145.txt b/Prototyp/Verbesserungen/Output145.txt
new file mode 100644
index 00000000..56a161e9
--- /dev/null
+++ b/Prototyp/Verbesserungen/Output145.txt
@@ -0,0 +1,19 @@
+so falsch waren die Voraussagen vor der Vergabe von dem Friedensnobelpreis schon lange geringerer .
+die meisten Auguren hatten die Klima­kaempfer*innen von Fridays for Future .
+die im Kampf gegen die Coronapandemie befindliche Welt·gesundheits·organisation oder eine*n aus der in letzter Zeit deutlich gestiegenen Anzahl verfolgter und inhaftierter Journalis*tinnen auf dem Zettel .
+die Welt·gesundheits·organisation ist eine Behoerde .
+das kurze Wort dafuer ist WHO .
+mit Zeit kann man Sachen messen .
+man kann messen wie lange etwas dauert .
+und man kann Sachen mit·einander vergleichen .
+zum Beispiel wie lange ein Jahr geht .
+oder wie lange eine Stunde geht .
+an das Welternaehrungsprogramm (World Food Programme .
+Wfp) der UNO dachte niemand .
+die Vereinte Nationen sind ein Zusammenschluss von vielen Laendern .
+insgesamt sind es 193 Laender .
+dabei gehoerte die 1961 gegruendete und inzwischen groesste humanitaere Organisation der Welt bereits im letzten Jahr beim Auswahlverfahren durch das Nobelpreiskomittee in Oslo zur Schlussrunde der letzten 3 von ueber 1.000 vorgeschlagenen Kandidat*innen .
+eine Organisation ist eine Gruppe von Leuten .
+und wenn man sich anschaut .
+welche Organisationen und Personen aus dem UNO-System seit 1945 bereits den Friedensnobelpreis erhalten haben .
+dann war die Auszeichnung fuer das WFP schon lange ueberfaellig .
diff --git a/Prototyp/Verbesserungen/Output146.txt b/Prototyp/Verbesserungen/Output146.txt
new file mode 100644
index 00000000..7346f1e9
--- /dev/null
+++ b/Prototyp/Verbesserungen/Output146.txt
@@ -0,0 +1,3 @@
+ich ging .
+obwohl es regnete .
+in die Schule .
diff --git a/Prototyp/Verbesserungen/Output147.txt b/Prototyp/Verbesserungen/Output147.txt
new file mode 100644
index 00000000..fa673811
--- /dev/null
+++ b/Prototyp/Verbesserungen/Output147.txt
@@ -0,0 +1,3 @@
+er war .
+obwohl es etwas anders aussah .
+ziemlich verliebt .
diff --git a/Prototyp/Verbesserungen/Output148.txt b/Prototyp/Verbesserungen/Output148.txt
new file mode 100644
index 00000000..90dfb147
--- /dev/null
+++ b/Prototyp/Verbesserungen/Output148.txt
@@ -0,0 +1,7 @@
+der Mann rannte wie der Wind .
+Wind ist Luft, die sich bewegt .
+man kann ihn nicht sehen .
+aber man kann ihn erkennen .
+zum Beispiel: Wenn Äste und Blaetter sich bewegen, dann weht der Wind .
+oder am Strand, wenn sich der Sand bewegt .
+der nach Hause ging .
diff --git a/Prototyp/Verbesserungen/Output149.txt b/Prototyp/Verbesserungen/Output149.txt
new file mode 100644
index 00000000..5370e37f
--- /dev/null
+++ b/Prototyp/Verbesserungen/Output149.txt
@@ -0,0 +1,6 @@
+begleitet von Warnstreiks in mehreren Buendeslaendern geht der Tarifkonflikt fuer die rund 2,3 Millionen Beschaeftigten im oeffentlichen Dienst von Bund und Kommunen in die entscheidende Phase .
+von diesem Donnerstag an verhandeln Arbeitgeber und Gewerkschaften wieder im Potsdamer Kongresshotel .
+der Arbeitgeber ist der Chef einer Firma .
+es koennte die letzte Verhandlungsrunde sein .
+zwar zeichnet sich bislang noch keine Annaeherung ab .
+aber angesichts der Coronakrise ist der Einigungsdruck auf beiden Seiten enorm gross .
diff --git a/Prototyp/Verbesserungen/Output150.txt b/Prototyp/Verbesserungen/Output150.txt
new file mode 100644
index 00000000..cae43373
--- /dev/null
+++ b/Prototyp/Verbesserungen/Output150.txt
@@ -0,0 +1,15 @@
+die Ausgangslage: Die Dienstleistungsgewerkschaft Verdi und der Deutsche Beamtenbund (dbb) fordern eine Anhebung der Einkommen um 4,8 Prozent .
+Fordern heisst :
+ich will etwas bekommen .
+ich stelle eine Forderung .
+mindestens aber 150 Euro pro Monat .
+der Euro ist eine Waehrung .
+Waehrung ist Geld das man in einem Land benutzt um zu bezahlen .
+es gibt Muenzen und Geldscheine .
+der Bund und die Vereinigung der kommunalen Arbeitgeberverbaende (VKA) bieten ein Lohnplus von 3,5 Prozent an .
+mindestens jedoch 30 Euro .
+die Differenz zwischen Forderung und Angebot klingt nicht gross .
+Forderung heisst etwas fordern .
+Fordern heisst :
+ich will etwas bekommen .
+sie ist es aber .
diff --git a/Prototyp/Verbesserungen/Output151.txt b/Prototyp/Verbesserungen/Output151.txt
new file mode 100644
index 00000000..2c17c4e4
--- /dev/null
+++ b/Prototyp/Verbesserungen/Output151.txt
@@ -0,0 +1,16 @@
+Fische oder Pisces (lateinisch piscis „Fisch“) sind aquatisch lebende Wirbeltiere mit Kiemen .
+ein Fisch ist ein Tier .
+er lebt im Wasser .
+im engeren Sinne wird der Begriff Fische eingeschraenkt auf aquatisch lebende Tiere mit Kiefer verwendet .
+im weiteren Sinne umfasst er auch Kieferlose .
+Jemand vertritt mit den Rundmaeulern noch unter den rezenten Arten die .
+in beiden Faellen fehlt wenigstens ein Nachfahre der Fische (naemlich die Landwirbeltiere) in ihrer Abstammungsgemeinschaft .
+daher bilden die Fische eine offene Abstammungsgemeinschaft in der biologischen Systematik .
+sondern ein paraphyletisches Taxon .
+sie sind lediglich eine unvollstaendige Abstammungsgemeinschaft .
+Bestehend aus einem juengsten Vorfahren und dem aquatisch lebenden Teil seiner Nachfahren .
+die Lehre der Fische ist die Ichthyologie (altgriechisch ἰχθύς ichthýs „Fisch“) oder Fischkunde .
+die Lehre ist von der Biologie .
+Biologie untersucht Leben und Lebe·wesen .
+zum Beispiel Tiere, Menschen und Pflanzen .
+und Biologie sammelt Wissen ueber Leben und Lebe·wesen .
diff --git a/Prototyp/Verbesserungen/Verbesserungen145.txt b/Prototyp/Verbesserungen/Verbesserungen145.txt
new file mode 100644
index 00000000..ecebedc9
--- /dev/null
+++ b/Prototyp/Verbesserungen/Verbesserungen145.txt
@@ -0,0 +1,20 @@
+so falsch waren die Voraussagen vor der Vergabe von dem Friedensnobelpreis schon lange geringerer .
+die meisten Auguren hatten die Klima­kaempfer*innen von Fridays for Future auf dem Zettel .
+sie hatten die im Kampf gegen die Coronapandemie befindliche Welt·gesundheits·organisation auf dem Zettel .
+oder sie hatten eine*n aus der in letzter Zeit deutlich gestiegenen Anzahl verfolgter und inhaftierter Journalis*tinnen auf dem Zettel .
+die Welt·gesundheits·organisation ist eine Behoerde .
+das kurze Wort dafuer ist WHO .
+mit Zeit kann man Sachen messen .
+man kann messen wie lange etwas dauert .
+und man kann Sachen mit·einander vergleichen .
+zum Beispiel wie lange ein Jahr geht .
+oder wie lange eine Stunde geht .
+an das Welternaehrungsprogramm (World Food Programme .
+Wfp) der UNO dachte niemand .
+die Vereinte Nationen sind ein Zusammenschluss von vielen Laendern .
+insgesamt sind es 193 Laender .
+dabei gehoerte die 1961 gegruendete und inzwischen groesste humanitaere Organisation der Welt bereits im letzten Jahr beim Auswahlverfahren durch das Nobelpreiskomittee in Oslo zur Schlussrunde der letzten 3 von ueber 1.000 vorgeschlagenen Kandidat*innen .
+eine Organisation ist eine Gruppe von Leuten .
+und wenn man sich anschaut .
+welche Organisationen und Personen aus dem UNO-System seit 1945 bereits den Friedensnobelpreis erhalten haben .
+dann war die Auszeichnung fuer das WFP schon lange ueberfaellig .
diff --git a/Prototyp/Verbesserungen/Verbesserungen146.txt b/Prototyp/Verbesserungen/Verbesserungen146.txt
new file mode 100644
index 00000000..d8318d8a
--- /dev/null
+++ b/Prototyp/Verbesserungen/Verbesserungen146.txt
@@ -0,0 +1,2 @@
+ich ging in die Schule .
+obwohl es regnete .
diff --git a/Prototyp/Verbesserungen/Verbesserungen147.txt b/Prototyp/Verbesserungen/Verbesserungen147.txt
new file mode 100644
index 00000000..e6416db4
--- /dev/null
+++ b/Prototyp/Verbesserungen/Verbesserungen147.txt
@@ -0,0 +1,2 @@
+er war ziemlich verliebt .
+obwohl es anders aussah .
diff --git a/Prototyp/Verbesserungen/Verbesserungen148.txt b/Prototyp/Verbesserungen/Verbesserungen148.txt
new file mode 100644
index 00000000..0337832e
--- /dev/null
+++ b/Prototyp/Verbesserungen/Verbesserungen148.txt
@@ -0,0 +1,7 @@
+der Mann rannte wie der Wind .
+Wind ist Luft, die sich bewegt .
+man kann ihn nicht sehen .
+aber man kann ihn erkennen .
+zum Beispiel: Wenn Äste und Blaetter sich bewegen, dann weht der Wind .
+oder am Strand, wenn sich der Sand bewegt .
+dieser ging nach Hause .
diff --git a/Prototyp/Verbesserungen/Verbesserungen149.txt b/Prototyp/Verbesserungen/Verbesserungen149.txt
new file mode 100644
index 00000000..26bbe4c5
--- /dev/null
+++ b/Prototyp/Verbesserungen/Verbesserungen149.txt
@@ -0,0 +1,8 @@
+der Tarifkonflikt fuer die rund 2,3 Millionen Beschaeftigten im oeffentlichen Dienst von Bund und Kommunen geht in die entscheidende Phase .
+dabei wird er begleitet von Warnstreiks in mehreren Buendeslaendern .
+von diesem Donnerstag an verhandeln Arbeitgeber und Gewerkschaften wieder im Potsdamer Kongresshotel .
+der Arbeitgeber ist der Chef einer Firma .
+es koennte die letzte Verhandlungsrunde sein .
+zwar zeichnet sich bislang noch keine Annaeherung ab .
+aber der Einigungsdruck auf beiden Seiten ist enorm gross .
+weil gerade die Coronakrise ist .
diff --git a/Prototyp/Verbesserungen/Verbesserungen150.txt b/Prototyp/Verbesserungen/Verbesserungen150.txt
new file mode 100644
index 00000000..4c0b343b
--- /dev/null
+++ b/Prototyp/Verbesserungen/Verbesserungen150.txt
@@ -0,0 +1,12 @@
+die Ausgangslage: Die Dienstleistungsgewerkschaft Verdi und der Deutsche Beamtenbund (dbb) fordern eine Anhebung der Einkommen um 4,8 Prozent .
+Fordern heisst :
+ich will etwas bekommen .
+ich stelle eine Forderung .
+mindestens aber 150 Euro pro Monat .
+der Euro ist eine Waehrung .
+Waehrung ist Geld das man in einem Land benutzt um zu bezahlen .
+es gibt Muenzen und Geldscheine .
+der Bund und die Vereinigung der kommunalen Arbeitgeberverbaende (VKA) bieten ein Lohnplus von 3,5 Prozent an .
+mindestens jedoch 30 Euro .
+die Differenz zwischen Forderung und Angebot klingt nicht gross .
+sie ist es aber .
diff --git a/Prototyp/Verbesserungen/Verbesserungen151.txt b/Prototyp/Verbesserungen/Verbesserungen151.txt
new file mode 100644
index 00000000..f3cecd22
--- /dev/null
+++ b/Prototyp/Verbesserungen/Verbesserungen151.txt
@@ -0,0 +1,16 @@
+Fische oder Pisces (lateinisch piscis „Fisch“) sind aquatisch lebende Wirbeltiere mit Kiemen .
+ein Fisch ist ein Tier .
+er lebt im Wasser .
+im engeren Sinne wird der Begriff Fische eingeschraenkt auf aquatisch lebende Tiere mit Kiefer verwendet .
+im weiteren Sinne umfasst er auch Kieferlose .
+Jemand vertritt die mit den Rundmaeulern noch unter den rezenten Arten .
+in beiden Faellen fehlt wenigstens ein Nachfahre der Fische (naemlich die Landwirbeltiere) in ihrer Abstammungsgemeinschaft .
+daher bilden die Fische eine offene Abstammungsgemeinschaft in der biologischen Systematik .
+nämlich ein paraphyletisches Taxon .
+sie sind lediglich eine unvollstaendige Abstammungsgemeinschaft .
+Bestehend aus einem juengsten Vorfahren und dem aquatisch lebenden Teil seiner Nachfahren .
+die Lehre der Fische ist die Ichthyologie (altgriechisch ἰχθύς ichthýs „Fisch“) oder Fischkunde .
+die Lehre ist von der Biologie .
+Biologie untersucht Leben und Lebe·wesen .
+zum Beispiel Tiere, Menschen und Pflanzen .
+und Biologie sammelt Wissen ueber Leben und Lebe·wesen .
diff --git a/Prototyp/Verbesserungen/indexDerVerbesserungen.txt b/Prototyp/Verbesserungen/indexDerVerbesserungen.txt
index 70e1a64c..c663e4d0 100644
--- a/Prototyp/Verbesserungen/indexDerVerbesserungen.txt
+++ b/Prototyp/Verbesserungen/indexDerVerbesserungen.txt
@@ -1 +1 @@
-144
\ No newline at end of file
+151
\ No newline at end of file
diff --git a/Prototyp/__pycache__/Passiv2Aktiv.cpython-35.pyc b/Prototyp/__pycache__/Passiv2Aktiv.cpython-35.pyc
index 1a8c1e11..e428d5ef 100644
Binary files a/Prototyp/__pycache__/Passiv2Aktiv.cpython-35.pyc and b/Prototyp/__pycache__/Passiv2Aktiv.cpython-35.pyc differ
diff --git a/Prototyp/__pycache__/SolveShorts.cpython-35.pyc b/Prototyp/__pycache__/SolveShorts.cpython-35.pyc
index b734f0f0..b53ad8c3 100644
Binary files a/Prototyp/__pycache__/SolveShorts.cpython-35.pyc and b/Prototyp/__pycache__/SolveShorts.cpython-35.pyc differ