diff --git a/.vscode/ltex.hiddenFalsePositives.de-DE.txt b/.vscode/ltex.hiddenFalsePositives.de-DE.txt
index 8bfdacf518ad9a1f8b69043ec3f9ddc33bcba775..d6ecf997cfca0d51503f29c9158b91a7340e006a 100644
--- a/.vscode/ltex.hiddenFalsePositives.de-DE.txt
+++ b/.vscode/ltex.hiddenFalsePositives.de-DE.txt
@@ -70,3 +70,4 @@
 {"rule":"GERMAN_SPELLER_RULE","sentence":"^\\QUm kleine Störungen im Bild, welche bestehende Kanten verzerren oder als falsche Kante detektiert werden könnten, zu reduzieren, wird das Bild mit einem gauss-filter Gaußschen Filter geglättet.\\E$"}
 {"rule":"IN_WEISS","sentence":"^\\QIm Gegensatz zu Alternativen, wie einer reinen Gradientenbetrachtung, liefert der \\E(?:Dummy|Ina|Jimmy-)[0-9]+\\Q Kantenmarkierungen, hier in weiß, die nur einen \\E(?:Dummy|Ina|Jimmy-)[0-9]+\\Q breit sind.\\E$"}
 {"rule":"DE_CASE","sentence":"^\\QUm die Datenmenge gering und die Laufzeit schnell zu halten, werden lediglich die vier Klassen Vertikal, Horizontal, Diagonal 1 und Diagonal 2 verwendet.\\E$"}
+{"rule":"DE_PHRASE_REPETITION","sentence":"^\\QHier wird der entwickelte Algorithmus und die Umsetzung als ROS Node ROS Node erläutert.\\E$"}
diff --git a/chap/einleitung.tex b/chap/einleitung.tex
index 54eebdc5b4485bde12444f2b9ae920a7ff4c7313..6d31a6a547a5792e2aa350edeca654b9bd5fde25 100644
--- a/chap/einleitung.tex
+++ b/chap/einleitung.tex
@@ -28,4 +28,16 @@
 
 	\section{Inhalt der Arbeit} \label{sec: inhalt}
 
-		\todo[inline]{Überblick, jedes Kapitel vorstellen}
+		Der Inhalt der Arbeit gliedert sich in mehrere Kapitel, die hier kurz vorgestellt werden. Begonnen wird mit einem Kapitel über die
+		theoretischen Grundlagen und existierenden Vorgehensweisen in anderen Arbeiten. Außerdem werden die technischen Gegebenheiten definiert.
+
+		Danach wird die Kalibrierung der Kamera beschrieben. Dabei geht es um die Aufbereitung des Kamerabildes, dass einige Verzerrungen aufweist.
+		Diese werden durch eine intrinsische Kalibrierung korrigiert.
+ 		% Außerdem werden die extrinsischen Daten der Kamera emrittelt und dokumentiert. Diese können dann genutzt werden, um Rückschlüsse über die
+		% \gls{Welt-coords} eines Pixels zu schließen.
+
+		Im darauffolgenden Kapitel geht es um die eigentlich Erkennung der Fahrspurmarkierungen. Hier wird der entwickelte Algorithmus und die
+		Umsetzung als \glslink{ROS Node}{ROS Node} erläutert.
+
+		Die letzten beiden Kapitel ziehen ein Fazit und Fassen die Ergebnisse zusammen. Außerdem wird ein Ausblick auf
+		Weiterentwicklungs-Möglichkeiten gegeben.
diff --git a/svg/PAP_generisch_markerdetektion.svg b/svg/PAP_generisch_markerdetektion.svg
index 3056fbf9615ef8fdff5485855fd979c26c3b9fc9..062406dd1de4d9ed7f817fadc8aa137ba0ffe0f1 100644
--- a/svg/PAP_generisch_markerdetektion.svg
+++ b/svg/PAP_generisch_markerdetektion.svg
@@ -121,7 +121,7 @@
            style="font-style:normal;font-variant:normal;font-weight:normal;font-stretch:normal;font-family:Arial;-inkscape-font-specification:Arial;text-align:center;text-anchor:middle;stroke-width:0.264583"
            x="124.35886"
            y="35.60215"
-           id="tspan5074">Schwarzweiß umwandeln / Filtern</tspan></text>
+           id="tspan5074">In Grauwerte umwandeln / Filtern</tspan></text>
     </g>
     <g
        id="g5080"