diff --git a/book/content/Exercises/03_datenanalyse/02_daten_plotten/daten_plotten.ipynb b/book/content/Exercises/03_datenanalyse/02_daten_plotten/daten_plotten.ipynb
index 82c0b747..91cb99bb 100644
--- a/book/content/Exercises/03_datenanalyse/02_daten_plotten/daten_plotten.ipynb
+++ b/book/content/Exercises/03_datenanalyse/02_daten_plotten/daten_plotten.ipynb
@@ -57,7 +57,7 @@
    "source": [
     "### Lösungshinweis\n",
     "\n",
-    "Die Beschriftung der Skala einer Achse, z.B. der x-Achse, kann mit der Funktion `xticks` angepasst werden.\n",
+    "Die Beschriftung der Skala einer Achse, z.B. der x-Achse, kann mit der Funktion [`xticks`](https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.xticks.html) angepasst werden.\n",
     "\n",
     "Ihre Darstellung der Daten könnte folgendermaßen aussehen:"
    ]
diff --git a/book/content/Exercises/03_datenanalyse/05_interpolation/interpolation.ipynb b/book/content/Exercises/03_datenanalyse/05_interpolation/interpolation.ipynb
index 073c0e90..6874b731 100644
--- a/book/content/Exercises/03_datenanalyse/05_interpolation/interpolation.ipynb
+++ b/book/content/Exercises/03_datenanalyse/05_interpolation/interpolation.ipynb
@@ -252,7 +252,7 @@
     "\n",
     "1. Eine logarithmische Darstellung von Daten ist oft dann sinnvoll, wenn diese auf mindestens einer Achse mehrere Größenordnungen umfassen und Details in den kleineren Größenordnungen von Bedeutung sind. Wie in den Plots von Aufgabenteil B1 zu sehen, lassen sich so auch bei höheren Polynomgraden Details ablesen, die in dem linearen Plot verloren gegangen sind.\n",
     "1. Die Plateaus korrespondieren mit der Ähnlichkeit der zugehörigen Fits (siehe Aufgabe A2.1).\n",
-    "1. Da die L2-Norm zwischen der interpolierten Funktion und den Daten bis auf einen numerischen Rundungsfehler Null ist, führt dies zu einem Problem mit der logarithmischen Darstellung, da die Null in dieser nicht dargestellt werden kann. Und auch wenn die Norm nicht ganz Null ist, ist sie um viele Größenordnungen kleiner als die Nrom zwischen vorherigem Grad und Daten, was beim Plotten wieder zu einem Verlust von sichtbaren Details führen würde."
+    "1. Da die L2-Norm zwischen der interpolierten Funktion und den Daten bis auf einen numerischen Rundungsfehler Null ist, führt dies zu einem Problem mit der logarithmischen Darstellung, da die Null in dieser nicht dargestellt werden kann. Und auch wenn die Norm nicht ganz Null ist, ist sie um viele Größenordnungen kleiner als die Norm zwischen vorherigem Grad und Daten, was beim Plotten wieder zu einem Verlust von sichtbaren Details führen würde."
    ]
   },
   {
diff --git a/book/content/Exercises/03_datenanalyse/06_ballonfahrt/ballonfahrt.ipynb b/book/content/Exercises/03_datenanalyse/06_ballonfahrt/ballonfahrt.ipynb
index 93b0e8bf..2c898151 100644
--- a/book/content/Exercises/03_datenanalyse/06_ballonfahrt/ballonfahrt.ipynb
+++ b/book/content/Exercises/03_datenanalyse/06_ballonfahrt/ballonfahrt.ipynb
@@ -158,6 +158,8 @@
    "source": [
     "### Lösungshinweis\n",
     "\n",
+    "Für die Bildung der Ableitung können Sie die Funktion [`np.polyder`](https://numpy.org/doc/2.0/reference/generated/numpy.polyder.html) verwenden. \n",
+    "\n",
     "Ihre Darstellung der Daten könnte folgendermaßen aussehen:"
    ]
   },
diff --git a/book/content/Exercises/03_datenanalyse/zusatzaufgaben/zusatz_periodische_daten.ipynb b/book/content/Exercises/03_datenanalyse/zusatzaufgaben/zusatz_periodische_daten.ipynb
index 1cc34265..41f707a7 100644
--- a/book/content/Exercises/03_datenanalyse/zusatzaufgaben/zusatz_periodische_daten.ipynb
+++ b/book/content/Exercises/03_datenanalyse/zusatzaufgaben/zusatz_periodische_daten.ipynb
@@ -13,7 +13,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "Die nachfolgende Aufgabe behanelt die Verarbeitung periodischer Daten mit Hilfe von `numpy.arrays`."
+    "Die nachfolgende Aufgabe behandelt die Verarbeitung periodischer Daten mit Hilfe von `numpy.arrays`."
    ]
   },
   {
@@ -130,8 +130,8 @@
    "metadata": {},
    "source": [
     "## Aufgabenteil C\n",
-    "Korrigieren Sie, falls erforderlich die Geschwindigkeit um den Einfluss aus der periodischen Beschreibung des zurückgelegten Weges $U(t)$.\n",
-    "Tip: Plotten sie als Hilfestellung die Daten für $ds$ in Abhängigkeit von $t$."
+    "Korrigieren Sie, falls erforderlich die Geschwindigkeit um den Einfluss aus der periodischen Beschreibung des zurückgelegten Weges $U(t)$.  \n",
+    "Tipp: Plotten Sie als Hilfestellung die Daten für $ds$ in Abhängigkeit von $t$."
    ]
   },
   {
diff --git a/book/content/Exercises/03_datenanalyse/zusatzaufgaben/zusatz_verarbeitung.ipynb b/book/content/Exercises/03_datenanalyse/zusatzaufgaben/zusatz_verarbeitung.ipynb
index 42b6af73..00d5b160 100644
--- a/book/content/Exercises/03_datenanalyse/zusatzaufgaben/zusatz_verarbeitung.ipynb
+++ b/book/content/Exercises/03_datenanalyse/zusatzaufgaben/zusatz_verarbeitung.ipynb
@@ -288,7 +288,7 @@
    "source": [
     "### Numpy array\n",
     "\n",
-    "Konvertieren Sie den List vom Letzten Abschnitt zu einem numpy Array. Berechnen Sie den\n",
+    "Konvertieren Sie die Liste vom Letzten Abschnitt zu einem numpy Array. Berechnen Sie den\n",
     "Mittelwert sowie die Standardabweichung mithilfe von `np.sum()` und dem `shape`-Attribut von numpy arrays."
    ]
   },