diff --git a/CHANGELOG.md b/CHANGELOG.md
index 2d48af973243f7f15963ce5153caf3b794cf8bd7..c8a5d576c641c0fa53a621430c1ca3e57202c7b8 100644
--- a/CHANGELOG.md
+++ b/CHANGELOG.md
@@ -15,5 +15,6 @@ Die exakten Änderungen sind den jeweiligen Git-Commits zu entnehmen.
     - Tauschen von Hoch- und Niedrigstellung (mit `^{}` und `_{}`).
     - Farbwechsel von `color{green}` (sehr hell) zu `color{DarkGreen}` (dunkler) für bessere Lesbarkeit und Ähnlichkeit zum KI-Kurs-HTML.
     - Begrenzung der Farbanwendung mithilfe zusätzlicher Gruppierung (mit `{}`).
+- Erwähnung des Löschens von [KI-Campus](https://ki-campus.org/) in README und Löschen der "toten" Links auf KI-Campus.
 - ...
 
diff --git a/Module/Modul_01.Rmd b/Module/Modul_01.Rmd
index b79b938a95ca76141c9ba4a6bb02683269f90dab..2d529fe16f6116825211186fc120e39b105b8c1b 100644
--- a/Module/Modul_01.Rmd
+++ b/Module/Modul_01.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(learnr)
 library(mosaic)
diff --git a/Module/Modul_01.ipynb b/Module/Modul_01.ipynb
index c462b3a2c1716a894325f69547874721fda8a37c..52b70fae8d813040c7fd345541f7337c02ad6aec 100644
--- a/Module/Modul_01.ipynb
+++ b/Module/Modul_01.ipynb
@@ -17,16 +17,6 @@
     "---"
    ]
   },
-  {
-   "cell_type": "markdown",
-   "id": "05eac55c",
-   "metadata": {},
-   "source": [
-    "<a href=\"https://ki-campus.org/\">\n",
-    "<img border=\"0\" alt=\"KICampusLogo\" src=\"images/KIcampusLogo.png\" width=\"100\" height=\"30\" style=\"float: right\">\n",
-    "</a>"
-   ]
-  },
   {
    "cell_type": "code",
    "execution_count": 2,
@@ -844,7 +834,7 @@
    "mimetype": "text/x-r-source",
    "name": "R",
    "pygments_lexer": "r",
-   "version": "4.3.1"
+   "version": "4.4.2"
   }
  },
  "nbformat": 4,
diff --git a/Module/Modul_02.Rmd b/Module/Modul_02.Rmd
index 20952a020cb53717c958bea6f48f22023f603b95..917b5580e1b47975ede7addc684475a780e0daeb 100644
--- a/Module/Modul_02.Rmd
+++ b/Module/Modul_02.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(learnr)
 library(knitr)
diff --git a/Module/Modul_02_KI.Rmd b/Module/Modul_02_KI.Rmd
index 4f39bfd4b115987d46876bf9cae83fe0d05f9dda..8c36b7eb5a3ea87060903b795c7c5e7146acc140 100644
--- a/Module/Modul_02_KI.Rmd
+++ b/Module/Modul_02_KI.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(learnr)
 library(knitr)
@@ -440,8 +436,3 @@ Diese *Kausale Leiter* ist Teil des folgenden Moduls 3.
 <span style="font-size: 10px;"><br>
 Quelle: [https://pixabay.com/vectors/good-girls-cloud-star-ladder-2204244/](Quelle: https://pixabay.com/vectors/good-girls-cloud-star-ladder-2204244/)
 </span>
-
-## KI-Campus
-
-[Zurück zum Kurs](https://learn.ki-campus.org/courses/7c8012d9-8729-4462-9ad0-be7d71118f37/launch)
-
diff --git a/Module/Modul_03.Rmd b/Module/Modul_03.Rmd
index a37b7450ab4bfc20cc020e61c19ed1eb6664c65d..ced58dc8624b3c4070aacfd4f43b0aa4f8cbc095 100644
--- a/Module/Modul_03.Rmd
+++ b/Module/Modul_03.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(learnr)
 library(knitr)
diff --git a/Module/Modul_03_KI.Rmd b/Module/Modul_03_KI.Rmd
index 10edc6187cdeb2c7af9dac97325a3f33ca382a89..91a0aec210969871e981b8386e14df749060a538 100644
--- a/Module/Modul_03_KI.Rmd
+++ b/Module/Modul_03_KI.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(learnr)
 library(knitr)
@@ -199,8 +195,3 @@ question("Sind die Wahrscheinlichkeiten für $y$ bei Assoziation $Pr(y|x)$ und I
          incorrect = random_encouragement()
          )
 ```
-
-## KI-Campus
-
-[Zurück zum Kurs](https://learn.ki-campus.org/courses/7c8012d9-8729-4462-9ad0-be7d71118f37/launch)
-
diff --git a/Module/Modul_04.Rmd b/Module/Modul_04.Rmd
index a40d11af93b52b5c7fced03cce2cbad0ebfafcb3..3c01361024e020822443bfc001c3b915bfbcf338 100644
--- a/Module/Modul_04.Rmd
+++ b/Module/Modul_04.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(learnr)
 library(knitr)
diff --git a/Module/Modul_04_KI.Rmd b/Module/Modul_04_KI.Rmd
index a933957815c25251f309c3b29895edaeabca29b3..777bf8eccaeaa74e896df7bf8b2ac393740801fd 100644
--- a/Module/Modul_04_KI.Rmd
+++ b/Module/Modul_04_KI.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(learnr)
 library(knitr)
@@ -376,10 +372,3 @@ question("Welcher Wert beschreibt den (totalen) kausalen Effekt von Lernen (`x`)
 :::{.box}
 Um den (totalen) kausalen Effekt von $X$ auf $Y$ in einer Kette $$X \rightarrow Z \rightarrow Y$$ zu bestimmen, sollte ein Mediator $Z$ **nicht** berücksichtigt werden. Bei fixiertem $Z$ (z.B., wenn die Variable in einer Regression aufgenommen wird) wird der kausale Zusammenhang zwischen $X$ und $Y$ unterbrochen.
 ::: 
-
-## KI-Campus
-
-[Zurück zum Kurs](https://learn.ki-campus.org/courses/7c8012d9-8729-4462-9ad0-be7d71118f37/launch)
-
-
-
diff --git a/Module/Modul_05.Rmd b/Module/Modul_05.Rmd
index 8f03b03ecec5c21a720fd2940659e26f8f8543f9..16479f9a93d54d4b2f0f4e48ba9bfbd2d7759fdf 100644
--- a/Module/Modul_05.Rmd
+++ b/Module/Modul_05.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(learnr)
 library(knitr)
diff --git a/Module/Modul_05_KI.Rmd b/Module/Modul_05_KI.Rmd
index 9e03097f09d25fc3d929a6a814c036bfecefed87..4d0451d5961bb3afc3d391513fa396d84f6d4143 100644
--- a/Module/Modul_05_KI.Rmd
+++ b/Module/Modul_05_KI.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(learnr)
 library(knitr)
@@ -361,8 +357,3 @@ gf_line(x1 ~ zeitpunkte, color = "orange", data = RandomWalk) %>%
 cor.test(x1 ~ x2, data = RandomWalk)
 ```
 
-
-
-## KI-Campus
-
-[Zurück zum Kurs](https://learn.ki-campus.org/courses/7c8012d9-8729-4462-9ad0-be7d71118f37/launch)
diff --git a/Module/Modul_06.Rmd b/Module/Modul_06.Rmd
index 25735ab6cdb307569d0413de4fe81bd3bab92f06..70dc54f6cf8432d27ba4d047ed5f20ce326f6e81 100644
--- a/Module/Modul_06.Rmd
+++ b/Module/Modul_06.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(learnr)
 library(knitr)
diff --git a/Module/Modul_06_KI.Rmd b/Module/Modul_06_KI.Rmd
index 9a7df76312257beb91b4dbbbd5ab9dfcb2439e68..b196461b72dfa2f592ead8b3c4ec7c5c8c7bc7ea 100644
--- a/Module/Modul_06_KI.Rmd
+++ b/Module/Modul_06_KI.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(learnr)
 library(knitr)
@@ -260,8 +256,3 @@ Wird $Z$ berücksichtigt, wird ein scheinbarer Zusammenhang zwischen $X$ und $Y$
 Beispielsweise sollte man in einem linearen Modell nicht $Z$ als erklärende Variable aufnehmen.
 Man sollte auch nicht die Daten anhand von $Z$ in Gruppen einteilen, die man dann separat analysiert -- auch das verzerrt Zusammenhänge.
 ::: 
-
-
-## KI-Campus
-
-[Zurück zum Kurs](https://learn.ki-campus.org/courses/7c8012d9-8729-4462-9ad0-be7d71118f37/launch)
diff --git a/Module/Modul_07.Rmd b/Module/Modul_07.Rmd
index 61d64b65c7e7729a3d50552fab7ff2c39eb4517c..5a2025ba94317d3ce9a37bca674ba4463369eb3a 100644
--- a/Module/Modul_07.Rmd
+++ b/Module/Modul_07.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(learnr)
 library(knitr)
diff --git a/Module/Modul_07_KI.Rmd b/Module/Modul_07_KI.Rmd
index 87b3a551862714c37d24c854ff14527a4a3f151f..85853333cab80263c02372e3440513abc2a71d20 100644
--- a/Module/Modul_07_KI.Rmd
+++ b/Module/Modul_07_KI.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(learnr)
 library(knitr)
@@ -269,8 +265,3 @@ question("Angenommen, wir wollen die erwartete Änderung des Preises, wenn die F
 		incorrect = random_encouragement()
          )
 ```
-
-
-## KI-Campus
-
-[Zurück zum Kurs](https://learn.ki-campus.org/courses/7c8012d9-8729-4462-9ad0-be7d71118f37/launch)
diff --git a/Module/Modul_08.Rmd b/Module/Modul_08.Rmd
index fd8badd67205c9c13e9ceaecfa513409e93673e9..f24b11268bb05e0ab442116cb2c68af2263640a0 100644
--- a/Module/Modul_08.Rmd
+++ b/Module/Modul_08.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(learnr)
 library(knitr)
diff --git a/Module/Modul_08_KI.Rmd b/Module/Modul_08_KI.Rmd
index 0c8c6e0458043edb4822d6889c4c95955271330e..8a1d3c341bea58a3362f7673e18daaba1ae9e6f4 100644
--- a/Module/Modul_08_KI.Rmd
+++ b/Module/Modul_08_KI.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(learnr)
 library(knitr)
@@ -597,12 +593,3 @@ Richard McElreath weist in seinem Vortrag [Causal Thinking for Descriptive Resea
 
 In diesem Modul haben Sie statistische Methoden kennengelernt, wie Sie Datenerhebung, wenn möglich, optimal gestalten können, um in (4) keine Abweichungen festzustellen. Optimalerweise haben wir eine Zufallsstichprobe; optimalerweise gibt es eine zufällige Zuordnung zu experimentellen Gruppen.
 Leider gelingt das in der Praxis nicht immer; in manchen Situationen ist es schlicht nicht möglich.
-
-
-
-## KI-Campus
-
-[Zurück zum Kurs](https://learn.ki-campus.org/courses/7c8012d9-8729-4462-9ad0-be7d71118f37/launch)
-
-
-
diff --git a/Module/Modul_09.Rmd b/Module/Modul_09.Rmd
index eb3c91977d9e4a39511440fbaff929b34cb69f91..1e39af6fd6eb1ef761a1c3cab64ce2e388110b19 100644
--- a/Module/Modul_09.Rmd
+++ b/Module/Modul_09.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(learnr)
 library(knitr)
diff --git a/Module/Modul_09_KI.Rmd b/Module/Modul_09_KI.Rmd
index 6491d6b32c8bd69c0753fdc5582e60c5314c3ef0..aca5868ce26498047036d4fe55bd1d3e3ac46025 100644
--- a/Module/Modul_09_KI.Rmd
+++ b/Module/Modul_09_KI.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(learnr)
 library(knitr)
@@ -253,7 +249,3 @@ Die Berechnung eines Counterfactuals erfolgt in 3 Schritten:
 3. **Vorhersage:** Verwenden des modifizierten Modells aus 2. und der Verteilung von $U$ aus 1., um den erwarteten Wert des Counterfactuals für $Y$ zu bestimmen.
 ::: 
 
-
-## KI-Campus
-
-[Zurück zum Kurs](https://learn.ki-campus.org/courses/7c8012d9-8729-4462-9ad0-be7d71118f37/launch)
diff --git a/Module/Modul_10.Rmd b/Module/Modul_10.Rmd
index c20f42bf50c2cd83f255a833ec882a5146d85e84..a27e675e7ddd51d54e552e69f585642f85ce9488 100644
--- a/Module/Modul_10.Rmd
+++ b/Module/Modul_10.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(ggplot2)
 library(ggdag)
diff --git a/Module/Modul_10_KI.Rmd b/Module/Modul_10_KI.Rmd
index 477afd3dc43863c9b75e7498745da9356072d91d..612242984cf14af51b54c4f171346d3e56ccc232 100644
--- a/Module/Modul_10_KI.Rmd
+++ b/Module/Modul_10_KI.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(ggplot2)
 library(ggdag)
@@ -306,8 +302,3 @@ Adjustierung eines Colliders (Tätigkeit im Vorstand) erzeugt eine Verzerrung, e
 Das folgende Vidoeo zeigt eine kurze Einführung in die Bedienung von DAGitty anhand dieses Beispiels:
 
 ![](https://vimeo.com/666725243){width="75%"}
-
-
-## KI-Campus
-
-[Zurück zum Kurs](https://learn.ki-campus.org/courses/7c8012d9-8729-4462-9ad0-be7d71118f37/launch)
diff --git a/Module/Modul_11.Rmd b/Module/Modul_11.Rmd
index f2f1ef061b3938129e19f6b9b7ca166ec8cadfea..7b2e8f77141b91a2eda2a2bb8efd5601ed7806db 100644
--- a/Module/Modul_11.Rmd
+++ b/Module/Modul_11.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(ggplot2)
 library(ggdag)
diff --git a/Module/Modul_11_KI.Rmd b/Module/Modul_11_KI.Rmd
index 41609ed8aae47ff2b9163dfaef6a2d49ee1ad2ea..8c69ffe4752be4be47667c5e6a1a6bd0e9662d67 100644
--- a/Module/Modul_11_KI.Rmd
+++ b/Module/Modul_11_KI.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(ggplot2)
 library(ggdag)
@@ -318,8 +314,3 @@ Dieses Modul orientiert sich am Projekt [Causal Inference in Introductory Statis
 Siehe auch Cummiskey, K., Adams, B,. Pleuss, J.,  Turner, D., Clark, N. \& Watts, K. (2020). *Causal Inference in Introductory Statistics Courses*, Journal of Statistics Education, [https://doi.org/10.1080/10691898.2020.1713936](https://doi.org/10.1080/10691898.2020.1713936).
 
 Datengrundlage ist der Artikel von Kahn, M. (2005). *An exhalent problem for teaching statistics*. Journal of Statistics Education, 13(2), [https://doi.org/10.1080/10691898.2005.11910559](https://doi.org/10.1080/10691898.2005.11910559).
-
-
-## KI-Campus
-
-[Zurück zum Kurs](https://learn.ki-campus.org/courses/7c8012d9-8729-4462-9ad0-be7d71118f37/launch)
diff --git a/Module/Modul_12.Rmd b/Module/Modul_12.Rmd
index f54c9c8fa6e1c0dd3bb90c55b6dde6cfe12406fe..16702e90be99acd783ccf7ba3666d89dc82c1592 100644
--- a/Module/Modul_12.Rmd
+++ b/Module/Modul_12.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(ggplot2)
 library(ggdag)
diff --git a/Module/Modul_12_KI.Rmd b/Module/Modul_12_KI.Rmd
index ba88a00bb81a770ab56a579345fd3350117559ce..5914dabc6d2789b7127538c44d3530c4f67e26f4 100644
--- a/Module/Modul_12_KI.Rmd
+++ b/Module/Modul_12_KI.Rmd
@@ -9,10 +9,6 @@ output:
 runtime: shiny_prerendered
 ---
 
-<a href="https://ki-campus.org/">
-<img border="0" alt="KICampusLogo" src="images/KIcampusLogo.png" width="100" height="30" style="float: right">
-</a>
-
 ```{r setup, include=FALSE}
 library(ggplot2)
 library(ggdag)
@@ -346,8 +342,3 @@ Die Idee der Causal Fusion ist, dass wir trotzdem all diese Datenquellen *in Kom
 *Lesetipp*: 
 
 - Paul Hünermund und Elias Bareinboim, [Causal Inference and Data-Fusion in Econometrics](https://arxiv.org/abs/1912.09104v2)
-
-
-## KI-Campus
-
-[Zurück zum Kurs](https://learn.ki-campus.org/courses/7c8012d9-8729-4462-9ad0-be7d71118f37/launch)
diff --git a/Module/css/style.css b/Module/css/style.css
index 6729b1c192fbdda93564d9634d15f0beeced2227..64f68a43a63781f5cf212755d8d35ab5cb7970d6 100644
--- a/Module/css/style.css
+++ b/Module/css/style.css
@@ -62,7 +62,6 @@ h2 {
 /*.band{
   margin-top: 8px;
   padding: 0;
-  background-image: url("KIcampusLogo.png");
   background-repeat: no-repeat;
   background-position: right top;
   background-size: 10%;
diff --git a/Module/images/KIcampusLogo.png b/Module/images/KIcampusLogo.png
deleted file mode 100644
index ec27d70c56a49f9cea60d4c7af8000f5774b5fe2..0000000000000000000000000000000000000000
Binary files a/Module/images/KIcampusLogo.png and /dev/null differ
diff --git a/README.md b/README.md
index 00615daf6a263a38c27686bd84cbc59957ba8b97..801caa49bc44d93761895fe256e522aa8d062556 100644
--- a/README.md
+++ b/README.md
@@ -1,6 +1,6 @@
 <!--
 SPDX-FileCopyrightText: 2022 Julia Rohrer, Karsten Lübke
-SPDX-FileContributor: 2024 Johannes Keyser
+SPDX-FileContributor: 2024-2025 Johannes Keyser
 
 SPDX-License-Identifier: CC-BY-SA-4.0
 -->
@@ -9,11 +9,18 @@ SPDX-License-Identifier: CC-BY-SA-4.0
 
 ## Beschreibung
 
-Dieses Projekt enthält Materialien für den [KI-Campus-Kurs _Was, wie, warum? - Einführungskurs Kausale Inferenz_](https://ki-campus.org/courses/wwweki) von [Dr. Julia Rohrer](https://juliarohrer.com/) (Universität Leipzig) und [Prof. Dr. Karsten Lübke](https://ki-campus.org/node/793) (FOM Hochschule):
+Dieses Projekt enthält Materialien des Kurses _Was, wie, warum? - Einführungskurs Kausale Inferenz_ von [Dr. Julia Rohrer](https://juliarohrer.com/) (Universität Leipzig) und [Prof. Dr. Karsten Lübke](https://ki-campus.org/node/793) (FOM Hochschule).
 
-Die enthaltenen Materialien sollen es Lehrkräften erleichtern, das Kursmaterial für den eigenen Unterricht anzupassen.
+### Hintergrund
 
-Wenn Sie das Material studieren wollen, besuchen Sie am besten den originalen Kurs auf [ki-campus.org/courses/wwweki](https://ki-campus.org/courses/wwweki).
+Zum Studieren des Materials besuchen Sie am besten die ShinyApps der ursprünglichen Kursmaterialen, mit Einstieg unter <https://fomshinyapps.shinyapps.io/WWWEKI_Modul_01/>.
+Die zugehörigen Interview-Videos finden Sie unter <https://wwweki.gitlab.io/interviews/>.
+
+Der Kurs war bis Ende 2024 auf <https://ki-campus.org/> verfügbar, inklusive Prüfungsfragen; dieses Angebot wurde seitens KI-Campus gestoppt.
+
+### Änderungen
+
+Die hier enthaltenen, teilweise modifizierten Materialien sollen es Lehrkräften erleichtern, das Kursmaterial für den eigenen Unterricht anzupassen.
 
 Dieses Projekt ist eine Kopie (ein _Fork_) von <https://github.com/luebby/WWWEKI>, mit folgenden (geplanten) Modifikationen:
 
@@ -27,12 +34,6 @@ Dieses Projekt ist eine Kopie (ein _Fork_) von <https://github.com/luebby/WWWEKI
 
 Eine genauere Aufschlüsselung der Änderungen finden Sie in Datei [CHANGELOG.md](CHANGELOG.md).
 
-### Was dies nicht ist
-
-Die Lernerfahrung des Kurses auf KI-Campus soll gewährleistet bleiben:
-Insbesondere enthält dieses Projekt keine der benoteten Testfragen oder -antworten, da diese im Originalkurs nur unter Zeitdruck zugänglich sind und das Kurszertifikat von ihnen abhängt.
-
-
 ## Installation
 
 Mit [Anaconda](https://anaconda.org/) können Sie mit einem Befehl alle benötigten und optionalen Pakete in einer neuen virtuellen Umgebung installieren:
@@ -97,8 +98,7 @@ Optional: Um Ihre Änderungen zu verfolgen und zu diesem Projekt beizutragen, be
 
 ## Weiterführende Links
 
-- Die deutsche Kursvariante auf KI-Campus: <https://ki-campus.org/courses/wwweki>
-- Die englische Kursvariante auf KI-Campus: <https://ki-campus.org/courses/whwici>
+- Eine englische Kursvariante ist verfügbar unter <https://github.com/luebby/WWWEKI-EN>.
 - Details siehe z.B. [FOM forscht Wissenschaftsblog](https://www.fom-blog.de/2021/07/einstiegskurs-kausale-inferenz-wird-gemeinsam-von-der-universitaet-leipzig-und-der-fom-hochschule-mit-einer-foerderung-durch-das-bmbf-entwickelt/).
  
 **Videos**:
@@ -122,6 +122,49 @@ Bitte melden Sie Fehler, Unklarheiten und Verbesserungsvorschläge beim original
 
 ## Förderung
 
-Das Vorhaben *Was, wie, warum? Einstiegskurs Kausale Inferenz (WWWEKI)* wird mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen 16DHBQP040 gefördert.
+Das Vorhaben *Was, wie, warum? Einstiegskurs Kausale Inferenz (WWWEKI)* wurde mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen `16DHBQP040` gefördert.
+
+### Hintergrund
+
+Im Rahmen der Kausalen Inferenz sind in den letzten Jahren sowohl in Wissenschaft als auch in der Praxis beachtliche Fortschritte erzielt worden.
+
+Gleichzeitig wird das Thema Kausalität in vielen Forschungsfeldern entweder explizit ausgeklammert oder ignoriert.
+Dies führt zu vielfältigen Problemen in der Datenanalyse (z. B. werden Quellen von Bias oft ignoriert) und es kommt zu einem Mismatch zwischen der gewählten Methode und der Frage, die eigentlich beantwortet werden soll (z. B. werden rein prädiktive Methoden verwendet, um letztlich kausale Fragen zu beantworten).
+Das gilt auch für den Bereich der Künstlichen Intelligenz der von einem stärkeren Fokus auf Kausale Inferenz profitieren würde.
+
+### Zielsetzung
+
+Schon länger wird gefordert, dass das Thema Kausale Inferenz eine zentrale Rolle in den Lehrplänen spielen sollte.
+
+Englischsprachig gibt es diverse (erfolgreiche) MOOCs zum Thema Kausale Inferenz, z. B. von edX, Udemy oder coursera.
+Auch stehen diverse Bücher zu unterschiedlichen Anwendungsfeldern zum Einstieg zur Verfügung, so z. B. von Neal (2020): “Introduction to Causal Inference from a Machine Learning Perspective”, oder Peters, Janzing & Schölkopf (2017): “Elements of Causal Inference”.
+Nicht zuletzt aufgrund der Aktualität des Themas gibt es nach bestem Wissen der Antragsteller:innen jedoch kein vergleichbares deutschsprachiges Angebot.
+Diese Lücke soll der Kurs schließen.
+
+### Methodik
+
+Die ausgewählten Inhalte orientieren sich an Cummiskey & Lübke (2022):
+
+- Elementare Grundlagen von Wahrscheinlichkeit und Statistik, insbesondere bedingte Wahrscheinlichkeiten und Unabhängigkeit
+- Potential Outcome und Counterfactual
+- Kausale Effekte und Verzerrungen (letztere auch bei rein deskriptiven Beschreibungen, z. B. Selection/Survivor Bias)
+- Directed Acyclic Graphs als Mittel zur Beschreibung des datengenerierenden Prozesses
+- Unterschiedliche Ebenen der Datenanwendung und ihre Voraussetzungen
+
+Um den Kurs allgemein interessant zu gestalten, werden die Inhalte entlang von alltäglichen Beispielen motiviert und erklärt werden.
+Themenbezogene kurze Videos, aber auch Animationen, sollen den Lernprozess unterstützen.
+Im Rahmen des MOOCs werden dabei verschiedene offene und geschlossene Fragen inklusive Rückmeldung integriert.
+
+### Publikationen
+
+- Lübke, K., Gehrke, M., Horst, J., & Szepannek, G. (2020).
+  Why we should teach causal inference: Examples in linear regression with simulated data.
+  Journal of Statistics Education, 28(2), 133-139.
+- Rohrer, J. M. (2018).
+  Thinking Clearly About Correlations and Causation: Graphical Causal Models for Observational Data.
+  Advances in Methods and Practices in Psychological Science, 1(1), 27–42.
+- Cummiskey, K., & Lübke, K. (2022).
+  Causality in Data Science Education.
+  Submitted.
 
 ![Logo BMBF](/images/csm_Logo-BMBF.jpg)