diff --git a/Bachelorarbeit.tex b/Bachelorarbeit.tex
index 0204d1f..d30d207 100644
--- a/Bachelorarbeit.tex
+++ b/Bachelorarbeit.tex
@@ -371,7 +371,6 @@ Die Vorteile von Reasoning erkauft man sich durch einen nicht unerheblichen Eins
 
 
 \section{Einführung in Complex Event Processing}\label{cpt:cep_intro}
-TODO TODO TODO
 \begin{itemize}
 \item Definition von CEP
 \item Ereignisse und Hintergrundwissen/Domänenwissen
@@ -457,7 +456,7 @@ WHERE {
 \end{itemize}
 
 
-\chapter{Vergleich von CEP-Engines für RDF-Datenströme}\label{cpt:engine_comparison}
+\chapter{Vergleich von RDF-fähigen CEP-Engines}\label{cpt:engine_comparison}
 \todo{Zusammenfassungsüberleitung über das Kapitel}
 
 Es gibt bereits einige Technologien um Ereignisströme zu verarbeiten.
@@ -524,7 +523,7 @@ Grobe Eckpunkte zur Orientierung:
 \todo{Warum jetzt eigentlich C-SPARQL? Weil es in Java fährt, auf Jena basiert, Datenströme im RDF-Format direkt unterstützt, Generatoren zum Einspeisen in die Engine nutzt und somit echt komfortabel in der Handhabung ist. Und trotzdem kommen noch akzeptable Ergebnisse mit minimalem Support für RDFS-Reasoning raus. Dadurch ist es für Einsteiger gut geeignet und bietet dennoch schon solide Features durch CSPARQL.}
 
 
-\chapter{Konzeption}
+\chapter{Konzeption/CEP auf RDF-Datenströmen}
 
 \todo{Zusammenfassungsüberleitung über das Kapitel}
 
@@ -534,29 +533,35 @@ Grobe Eckpunkte zur Orientierung:
 
 Um die Anforderungen der Autoverleihgesellschaft aus Kapitel~\ref{cpt:scenario} mit der in Kapitel~\ref{cpt:engine_comparison} ausgewählten CEP-Engine \enquote{C-SPARQL} zu implementieren, muss zunächst die Verarbeitung der Ereignisdaten geplant und vorbereitet werden. Da es zum Formulieren der CSPARQL-Abfragen nötig ist, die Struktur der Ereignisdaten, die Struktur des Domänenwissens und das dazugehörige Vokabular zu kennen, sollen diese Punkte für die Anforderungen des Beispielszenarios festgelegt werden. Im Anschluss daran sollen die CSPARQL-Anfragen für die Erfüllung der Anforderungen des Szenarios formuliert und erläutert werden.
 
-\section{RDF-Ereignisströme}
+\section{Ereignisse}
 
-\section{Ereignisstrom über PKW}
+\section{Sprachkonzepte}
+
+\todo{Dieser Bereich wird definitiv mit abstrakter Sprache und dann konkretem C-SPARQL CSPARQL-Query demonstriert.}
+
+\subsection{Mustererkennung, Sliding Windows, Aggregation von Ereignissen}
 
 
+\subsection{Auslösen von (Re-)Aktionen (Code und neue Ereignisse)}
 
 
-\section{Ereignisstrom über Kunden}
+\section{Einbindung von Domänenwissen}
 
 
-\section{Formulierung von CSPARQL-Abfragen}
+\section{Reasoning auf RDF-Datenströmen}
+\begin{itemize}
+\item Bei Stefan Lier mal gucken
+\item Reasoning auf RDFS-Level kann die C-SPARQL-Engine definitiv.
+\end{itemize}
 
-\todo{Immer weiter treiben nach dem Schema Anforderung, abstrakte Condition-Action-Regel, konkrete CSPARQL-Regel}
-
-
-
-\chapter{Implementierung mit der C-SPARQL Engine}
+\chapter{Implementierung/Umsetzung des Beispielszenarios}
 
 \todo{Zusammenfassungsüberleitung über das Kapitel}
 
 \todo{In diesem Kapitel wird die Engine konkret ausgepackt und mit Java-Code benutzt. Es werden Datenstromgeneratoren gezeigt, Queries registriert und vielleicht etwas Reasoning eingeschaltet und dessen Ergebnisse begutachtet.}
 
-In diesem Kapitel wird die C-SPARQL-Engine konkret vorgestellt und verwendet.
+In diesem Kapitel wird die C-SPARQL-Engine konkret vorgestellt und verwendet um das Beispielszenario aus Kapitel~\ref{cpt:scenario} umzusetzen.
+
 \begin{itemize}
 \item RDF-Datenströme
 \item Beispielszenario