diff --git a/02_not_in_db.R b/02_not_in_db.R
index a32ecce..57cac6f 100644
--- a/02_not_in_db.R
+++ b/02_not_in_db.R
@@ -45,7 +45,6 @@ not_in_db_2 <- c()
 for (zeile_excel in 1:nrow(not_in_db)) {
   
   #Current Excel ist das derzeit behandelte Zitate / Zelle
-  #current_excel <- tolower(not_in_db[zeile_excel, 1])
   current_excel <- str_squish(not_in_db[zeile_excel, 1])
   
   #Falls die aktuelle Zelle leer ist wird die nächste Iteration begonnen um Rechenleistung zu sparen
@@ -72,14 +71,12 @@ for (zeile_excel in 1:nrow(not_in_db)) {
     #current_db <- tolower(inDB[zeile_db, 1])
     current_db <- str_squish(inDB[zeile_db, 1])
     
-    
     #Zerlegt den Zelleninhalt und macht daraus eine Liste "Wort"liste aus alphanumerischen Zeichen, getrennt wird jeweils bei nicht-alphanumischen Zeichen
     db_search_all <- unlist(strsplit(gsub("[^[:alnum:] ]", "", current_db), " +"))
     
     #Legt eine Liste aus Zahlen zwischen 1900 & 2099 an, die in der aktuellen Zelle sind. (soll das Jahr der Publizierung finden)
     db_search_numbers <- unlist(str_extract_all(current_db, "(?:19|20)\\d{2}"))
     
-    
     #Initialiersierung der Countvariablen
     count_all <- 0
     count_numbers <- 0
@@ -88,7 +85,7 @@ for (zeile_excel in 1:nrow(not_in_db)) {
     percent_match_all <- 0.01
     percent_match_numbers <- 0.01
     
-    #Vierter(a) Schleifendurchlauf - Eruiert welche Elemente des Excel-Vektors im Datenbankvektors sind und zählt diese
+    #Dritter(a) Schleifendurchlauf - Eruiert welche Elemente des Excel-Vektors im Datenbankvektors sind und zählt diese
     for (k in 1:length(excel_search_all)) {
       if (excel_search_all[k] %in% db_search_all) {
         
@@ -96,7 +93,7 @@ for (zeile_excel in 1:nrow(not_in_db)) {
       }
     }
     
-    #Vierter(b) Schleifendurchlauf - Eruiert welche Jahre des Excel-Vektors im Jahres-Datenbankvektors sind und zählt diese
+    #Dritter(b) Schleifendurchlauf - Eruiert welche Jahre des Excel-Vektors im Jahres-Datenbankvektors sind und zählt diese
     #Wird nur durchgeführt wenn beide Vektoren gefüllt sind
     if ((length(db_search_numbers) > 0) && (length(excel_search_numbers) > 0)) {
       for (l in 1:length(excel_search_numbers)) {
@@ -125,11 +122,10 @@ for (zeile_excel in 1:nrow(not_in_db)) {
     
   }
 }
-
+#muss in einen Data-Frame umgewandelt werden um write_xlsx zu verwenden
 not_in_db_2 <- data.frame(not_in_db_2)
 not_in_db_2 <- unique(not_in_db_2)
 colnames(not_in_db_2) <- (c(COLUMN_NAME))
 
 #Die der Uniques in eine Datei schreiben
-write_xlsx(not_in_db_2, paste(PFAD_OUT, "not_in_db_",format(Sys.time(), "%Y_%m_%d") ,".xlsx", sep=""))
-
+write_xlsx(not_in_db_2, paste(PFAD_OUT, "not_in_db_",format(Sys.time(), "%Y_%m_%d") ,".xlsx", sep=""))
\ No newline at end of file
diff --git a/04_find_and_replace_uri.R b/04_find_and_replace_uri.R
index 89bf2e0..5567e9f 100644
--- a/04_find_and_replace_uri.R
+++ b/04_find_and_replace_uri.R
@@ -100,7 +100,7 @@ for (spalte_excel in SPALTEN[1]:SPALTEN[length(SPALTEN)]) {
       #Beim Jahr muss die Übereinstimmung höher sein, weil es ein sehr guter Indikator für die gleiche Publikation ist
       if ((percent_match_all >= MATCH_ALL) && (percent_match_numbers > MATCH_YEAR)) {
         
-        to_replace_done[zeile_excel, spalte_excel] <- str_remove_all(inDB[zeile_db,ID], "[<>]")
+        to_replace_done[zeile_excel, spalte_excel] <- str_squish(str_remove_all(inDB[zeile_db,ID], "[<>]"))
       }
       
     }