diff --git a/neuralNetworkTests.c b/neuralNetworkTests.c
index 2d151f5..589c3ae 100644
--- a/neuralNetworkTests.c
+++ b/neuralNetworkTests.c
@@ -9,22 +9,22 @@
 
 static void prepareNeuralNetworkFile(const char *path, const NeuralNetwork nn)
 {
-    FILE *file = fopen(path, "wb");
-    if (!file) return;
+    FILE *file = fopen(path, "wb");		//File wird zum schreiben binär geöffnet
+    if (!file) return;					//falls fopen nicht geht -> fail
 
     // 1) Header-Tag WORTGENAU (OHNE Nullterminator) schreiben
-    fwrite(FILE_HEADER_STRING, sizeof(char), strlen(FILE_HEADER_STRING), file);
-
+    fwrite(FILE_HEADER_STRING, sizeof(char), strlen(FILE_HEADER_STRING), file);		//header wird in Datei geschrieben
+																					//load module erkennt ob die datei ein gültiges Neural-Network ist
     // 2) Layer-Daten im Format, das loadModel() erwartet
-    for (unsigned int i = 0; i < nn.numberOfLayers; ++i)
+    for (unsigned int i = 0; i < nn.numberOfLayers; ++i)		//Neuronales Netz Layer für Layer speichern
     {
         const Layer *lay = &nn.layers[i];
 
-        int inputDim  = (int)lay->weights.cols;   // cols == inputDimension
+        int inputDim  = (int)lay->weights.cols;   // cols == inputDimension		liest die dimensionen der gewichtsmatrix aus
         int outputDim = (int)lay->weights.rows;   // rows == outputDimension
 
         if (i == 0) {
-            // Erstes Paar: input und output schreiben
+            // Erstes Paar: input und output schreiben (für Layer 0)
             fwrite(&inputDim,  sizeof(int), 1, file);
             fwrite(&outputDim, sizeof(int), 1, file);
         } else {