{"id":4829,"date":"2022-06-29T20:58:47","date_gmt":"2022-06-30T04:58:47","guid":{"rendered":"https:\/\/www.gudusoft.com\/?p=4829"},"modified":"2022-06-29T21:01:48","modified_gmt":"2022-06-30T05:01:48","slug":"business-metadata-management","status":"publish","type":"post","link":"https:\/\/www.gudusoft.com\/de\/business-metadaten-management\/","title":{"rendered":"Gesch\u00e4ftsmetadatenverwaltung | Gudu SQLFlow"},"content":{"rendered":"<div class=\"fusion-fullwidth fullwidth-box fusion-builder-row-1 fusion-flex-container nonhundred-percent-fullwidth non-hundred-percent-height-scrolling\" style=\"background-color: rgba(255,255,255,0);background-position: center center;background-repeat: no-repeat;border-width: 0px 0px 0px 0px;border-color:#e8eaf0;border-style:solid;\" ><div class=\"fusion-builder-row fusion-row fusion-flex-align-items-flex-start\" style=\"max-width:1310.4px;margin-left: calc(-4% \/ 2 );margin-right: calc(-4% \/ 2 );\"><div class=\"fusion-layout-column fusion_builder_column fusion-builder-column-0 fusion_builder_column_1_1 1_1 fusion-flex-column\"><div class=\"fusion-column-wrapper fusion-flex-justify-content-flex-start fusion-content-layout-column\" style=\"background-position:left top;background-repeat:no-repeat;-webkit-background-size:cover;-moz-background-size:cover;-o-background-size:cover;background-size:cover;padding: 0px 0px 0px 0px;\"><div class=\"fusion-text fusion-text-1\" style=\"line-height:26px;\"><h2>Verwaltung gesch\u00e4ftlicher Metadaten<\/h2>\n<p>Viele Unternehmen haben erkannt, dass es schwierig ist, die Innovationsf\u00e4higkeit ihres Unternehmens durch Big Data zu verbessern, da die Mitarbeiter die im System gespeicherten Daten nicht verstehen. Dieser Artikel beschreibt die L\u00f6sung dieses Problems: <strong>Gesch\u00e4ft <a href=\"https:\/\/www.gudusoft.com\/de\/was-ist-metadatenverwaltung\/\">Metadatenverwaltung<\/a><\/strong>.<\/p>\n<p>Inhaltsverzeichnis:<\/p>\n<ul>\n<li><strong>\u00a0Zwischen Computern und Menschen entsteht eine \u201esemantische Barriere\u201c.<\/strong><\/li>\n<li><strong>\u00a0Gesch\u00e4ftsmetadaten \u2013 der Gesch\u00e4ftskontext hinter den Daten;<\/strong><\/li>\n<li><strong>Ontologiebasierte Praxis der Verwaltung gesch\u00e4ftlicher Metadaten;<\/strong><\/li>\n<li><strong>Zusammenfassung und Ausblick.<\/strong><\/li>\n<\/ul>\n<div id=\"attachment_4849\" style=\"width: 919px\" class=\"wp-caption alignnone\"><img aria-describedby=\"caption-attachment-4849\" decoding=\"async\" class=\"size-full wp-image-4849\" src=\"https:\/\/www.gudusoft.com\/wp-content\/uploads\/2022\/06\/Business_Metadata_Management.png\" alt=\"Verwaltung gesch\u00e4ftlicher Metadaten\" width=\"909\" height=\"532\" srcset=\"https:\/\/www.gudusoft.com\/wp-content\/uploads\/2022\/06\/Business_Metadata_Management-200x117.png 200w, https:\/\/www.gudusoft.com\/wp-content\/uploads\/2022\/06\/Business_Metadata_Management-300x176.png 300w, https:\/\/www.gudusoft.com\/wp-content\/uploads\/2022\/06\/Business_Metadata_Management-400x234.png 400w, https:\/\/www.gudusoft.com\/wp-content\/uploads\/2022\/06\/Business_Metadata_Management-600x351.png 600w, https:\/\/www.gudusoft.com\/wp-content\/uploads\/2022\/06\/Business_Metadata_Management-768x449.png 768w, https:\/\/www.gudusoft.com\/wp-content\/uploads\/2022\/06\/Business_Metadata_Management-800x468.png 800w, https:\/\/www.gudusoft.com\/wp-content\/uploads\/2022\/06\/Business_Metadata_Management.png 909w\" sizes=\"(max-width: 909px) 100vw, 909px\" \/><p id=\"caption-attachment-4849\" class=\"wp-caption-text\">Verwaltung gesch\u00e4ftlicher Metadaten<\/p><\/div>\n<h3>1. Zwischen Computern und Menschen entsteht eine \u201esemantische Barriere\u201c.<\/h3>\n<p>Vor etwa 70 Jahren, am Valentinstag, wurde ENIAC an der University of Pennsylvania geboren. Seitdem hat die Menschheit begonnen, die Intelligenz von Computern zu erforschen. Verschiedene Technologien wie Spracherkennung, Bilderkennung und nat\u00fcrliche Sprachverarbeitung werden immer ausgereifter. Wir k\u00f6nnen nahezu alle gew\u00fcnschten Informationen in das Computersystem eingeben. Doch k\u00f6nnen wir die Ausgabedaten des Computers auch richtig verstehen?<\/p>\n<p>Mit zunehmender Datenmenge f\u00e4llt es uns immer schwerer, die spezifische Bedeutung der Daten zu verstehen \u2013 eine semantische Barriere hat sich zwischen uns und den Computersystemen gebildet. Diese semantischen Barrieren bringen f\u00fcr Unternehmen eine Reihe von Problemen mit sich:<\/p>\n<ul>\n<li>Inkonsistentes Gesch\u00e4ftsverst\u00e4ndnis: Inkonsistentes Gesch\u00e4ftsverst\u00e4ndnis der Mitarbeiter kommt in Unternehmen h\u00e4ufig vor. Inkonsistentes Verst\u00e4ndnis von Gesch\u00e4ftsbegriffen erschwert die Kommunikation, f\u00fchrt zu Missverst\u00e4ndnissen und mindert die Kommunikationseffizienz. Bei der Entscheidungsfindung in Meetings kann inkonsistentes Gesch\u00e4ftsverst\u00e4ndnis der F\u00fchrungskr\u00e4fte zu Fehlentscheidungen f\u00fchren. Inkonsistentes Verst\u00e4ndnis von Gesch\u00e4ftsdefinitionen f\u00fchrt zu ungenauen Statistiken und beeintr\u00e4chtigt sogar die statistischen Ergebnisse mehrerer Kennzahlen und KPIs des Unternehmens.<\/li>\n<li>Die Informationssuche ist schwierig: Im Zeitalter von Big Data w\u00e4chst die Menge an Unternehmensdaten explosionsartig, und die Informationssuche gleicht f\u00fcr Mitarbeiter zunehmend der Suche nach der Nadel im Heuhaufen. Statistiken zufolge verbringen Unternehmensmitarbeiter t\u00e4glich 151 bis 351 Milliarden ihrer Zeit mit der Suche nach den ben\u00f6tigten Daten in einer gro\u00dfen Informationsmenge, und nur weniger als 501 Milliarden Suchergebnisse erf\u00fcllen ihren Bedarf. In den meisten F\u00e4llen sind die Suchergebnisse unbefriedigend; da die gespeicherten Informationen nicht gefunden werden k\u00f6nnen, kommt es h\u00e4ufig zu unn\u00f6tiger Doppelarbeit.<\/li>\n<li>Gro\u00dfer Personalverlust: Laut Statistik liegt die durchschnittliche j\u00e4hrliche Fluktuationsrate der Mitarbeiter in Unternehmen bei etwa 121 TP2T. Da es keine festgelegten betriebswirtschaftlichen Methoden gibt, wenden Unternehmen oft viel Zeit und Geld f\u00fcr die Schulung neuer Mitarbeiter auf, nachdem sie bereits Mitarbeiter mit guten Computerkenntnissen eingestellt haben. Dies f\u00fchrt zu erheblichem Wissensverlust und finanziellem Aufwand.<\/li>\n<\/ul>\n<p>Das Auftreten der oben genannten Probleme liegt letztlich daran, dass Unternehmensmitarbeiter die Daten im Computer nicht lesen k\u00f6nnen. Um diese Probleme zu vermeiden, m\u00fcssen Unternehmen die semantische Barriere zwischen Computern und Menschen \u00fcberwinden und die Computerausgaben in eine f\u00fcr Mitarbeiter verst\u00e4ndliche Gesch\u00e4ftssprache umwandeln. <strong>Gesch\u00e4ftsmetadaten<\/strong> ist der Schl\u00fcssel zur L\u00f6sung des Problems.<\/p>\n<h3>2. Gesch\u00e4ftsmetadaten \u2013 der Gesch\u00e4ftskontext hinter den Daten.<\/h3>\n<p>Um zu kl\u00e4ren, was Gesch\u00e4ftsmetadaten sind, m\u00fcssen wir mit der Klassifizierung von Metadaten beginnen. Eine derzeit in der Branche anerkannte Klassifizierungsmethode besteht darin, Metadaten in zwei Typen zu unterteilen: technische Metadaten und Gesch\u00e4ftsmetadaten.<\/p>\n<p>Der<strong> technische Metadaten<\/strong> umfasst: Feldname, Feldl\u00e4nge, Datenbanktabellenstruktur usw.<\/p>\n<p>Der <strong>Gesch\u00e4ftsmetadaten<\/strong> umfasst: Firmenname, Gesch\u00e4ftsdefinition, Gesch\u00e4ftsbeschreibung usw.<\/p>\n<p>Gesch\u00e4ftsleute achten st\u00e4rker auf Inhalte im Zusammenhang mit \u201eKunde\u201c, \u201eAbrechnungsdatum\u201c, \u201eVerkaufsbetrag\u201c usw., die sich nur schwer aus technischen Metadaten ableiten lassen.<\/p>\n<p>Gesch\u00e4ftsmetadaten verwenden Firmennamen, Definitionen, Beschreibungen und weitere Informationen, um verschiedene Attribute und Konzepte in der Unternehmensumgebung darzustellen. Der Gesch\u00e4ftskontext hinter allen Daten kann bis zu einem gewissen Grad als Gesch\u00e4ftsmetadaten betrachtet werden. Im Vergleich zu technischen Metadaten erm\u00f6glichen Gesch\u00e4ftsmetadaten Nutzern ein besseres Verst\u00e4ndnis und eine bessere Nutzung von Daten in der Unternehmensumgebung. Beispielsweise k\u00f6nnen Nutzer durch die Anzeige der Gesch\u00e4ftsmetadaten die Bedeutung jedes Indikators und seine Berechnungsmethode klar verstehen.<\/p>\n<p>Gesch\u00e4ftsmetadaten sind in Unternehmen weit verbreitet. Die wichtigsten Quellen f\u00fcr Gesch\u00e4ftsmetadaten sind:<\/p>\n<ul>\n<li>ERP: Enterprise-ERP-Systeme speichern eine gro\u00dfe Menge an Gesch\u00e4ftsmetadaten, wie etwa Formeln f\u00fcr Finanzberechnungen, Prozesslogik, Gesch\u00e4ftsregeln usw.<\/li>\n<li>Bericht: Die Kopfzeile des Berichts ist auch eine Art Gesch\u00e4ftsmetadaten, insbesondere die Spalten mit zusammenfassenden Eigenschaften wie Summen und Durchschnittswerten sowie einige Berechnungsformeln im Bericht.<\/li>\n<li>Tabelle: \u00c4hnlich wie Berichte sind auch EXCEL-Kopfzeilen und -Formeln wichtige Gesch\u00e4ftsmetadaten. Im Gegensatz zu Berichten enthalten die meisten Tabellen nur eine Spalte f\u00fcr \u201eBeschreibung\u201c. Einige Tabellen enthalten au\u00dferdem eine Spalte f\u00fcr \u201eCode\u201c und \u201eCodebeschreibung\u201c, die ebenfalls n\u00fctzliche Gesch\u00e4ftsmetadaten sind.<\/li>\n<li>Datei: Die Datei enth\u00e4lt \u00fcberall Gesch\u00e4ftsmetadaten wie Titel, Autor, \u00c4nderungszeit usw. Es ist relativ schwierig, Gesch\u00e4ftsmetadaten im Dateiinhalt abzurufen, wobei Technologien wie maschinelles Lernen zum Einsatz kommen.<\/li>\n<li>BI-Tools: Die in BI h\u00e4ufig verwendete Operation ist das \u201eDrillen\u201c. Durch Drill-Up und Drill-Down werden \u00fcblicherweise verschiedene Klassifizierungsstrukturen des Unternehmens definiert, z. B. die Produktebene und die Organisationsstrukturebene, die sehr wichtige Gesch\u00e4ftsmetadaten darstellen.<\/li>\n<li><a href=\"https:\/\/www.gudusoft.com\/de\/what-is-a-data-warehouse\/\"><strong>Data Warehouse<\/strong><\/a>: Auch in Data Warehouses sind Gesch\u00e4ftsmetadaten vorhanden. Beispielsweise erfordert der Aufbau eines Data Warehouse oft umfangreiche Recherchen zur Integration mehrerer Datenquellen, und die Dateien, die mit dem Data Warehouse-Aufbauprozess zusammenh\u00e4ngen, enthalten zahlreiche Gesch\u00e4ftsmetadaten.<\/li>\n<\/ul>\n<p>Derzeit konzentrieren sich die meisten Unternehmen nur auf technische Metadaten und vernachl\u00e4ssigen das Management von Gesch\u00e4ftsmetadaten. Technische Metadaten haben keine gesch\u00e4ftliche Bedeutung und sind f\u00fcr andere als Techniker schwer verst\u00e4ndlich. Beispielsweise kann \u201erec_temp_fld_a\u201c ein Feld und \u201e236IN_TAB\u201c eine Tabelle in der Datenbank darstellen. Dies bringt dem Unternehmen kaum Vorteile. Gesch\u00e4ftsmetadaten k\u00f6nnen die gesch\u00e4ftliche Bedeutung der Daten darstellen. Unternehmen m\u00fcssen bei der Verwaltung technischer Metadaten auf das Management von Gesch\u00e4ftsmetadaten achten.<\/p>\n<p>Im Vergleich zu technischen Metadaten ist die Quelle gesch\u00e4ftlicher Metadaten komplexer und \u00fcber alle Aspekte der Unternehmensumgebung verstreut. Um die Verwaltung gesch\u00e4ftlicher Metadaten zu realisieren, ben\u00f6tigen Unternehmen wirksame Methoden und Mittel.<\/p>\n<h3>3. Ontologiebasierte Praxis der Verwaltung von Gesch\u00e4ftsmetadaten.<\/h3>\n<p>Die branchenweit anerkannte Definition von Ontologie lautet: eine klare formale Spezifikation eines gemeinsamen konzeptionellen Modells. Das konzeptionelle Modell ist ein Modell, das durch Abstraktion einiger Ph\u00e4nomene der objektiven Welt gewonnen wird, also durch Abstraktion und Vereinfachung der objektiven Welt. Gemeinsam bedeutet, dass das in der Ontologie beschriebene Wissen nicht nur Einzelpersonen vorbehalten, sondern in der Branche anerkannt ist. Explizit bedeutet, dass die verwendeten Konzepttypen und die Einschr\u00e4nkungen der Konzeptverwendung klar definiert sind. Formal bedeutet, dass die Ontologie maschinenlesbar und f\u00fcr Menschen verst\u00e4ndlich ist.<\/p>\n<p>Zusammenfassend l\u00e4sst sich sagen, dass die Ontologie die Objekte in einem Feld analysieren und die Beziehung zwischen diesen Objekten herausfinden kann, um das Gesch\u00e4ft in diesem Feld klar und formal zu beschreiben.<\/p>\n<p>Zu <strong>Verwalten von Gesch\u00e4ftsmetadaten<\/strong> durch Ontologie erfordert die Beachtung von drei Schl\u00fcsselpunkten: der Konstruktion der Ontologie, der Speicherung der Ontologie und der Verwendung der Ontologie.<\/p>\n<p><strong>1. Konstruktion<\/strong> \u2013 Erstellen Sie automatisch Ontologien mithilfe der Metadatenverwaltung.<\/p>\n<p>Die traditionelle Methode zum Erstellen einer Ontologie besteht darin, die Ontologie der Gesch\u00e4ftsdom\u00e4ne manuell nach den Vorschl\u00e4gen von Gesch\u00e4ftsexperten zu sortieren. Bei dieser manuellen Sortiermethode gibt es eine Reihe von Problemen:<\/p>\n<ul>\n<li>Effizienzproblem: In der Big-Data-Umgebung sind die Daten komplex, die Quellen vielf\u00e4ltig und die Gesch\u00e4ftsfelder nehmen st\u00e4ndig zu. Die Geschwindigkeit der manuellen Sortierung kann den Anforderungen der Unternehmen nicht mehr gerecht werden.<\/li>\n<li>Tool problem: Business experts lack tools with automation capabilities, resulting in the construction of complex ontologies that consume a lot of time and resources.<\/li>\n<li>Daten von Drittanbietern: Unternehmensexperten verstehen das damit verbundene Gesch\u00e4ft mit Daten von Drittanbietern nicht, daher ist es schwierig, die Erstellung der zugeh\u00f6rigen Ontologie abzuschlie\u00dfen.<\/li>\n<\/ul>\n<p>Im Big-Data-Umfeld ben\u00f6tigen Unternehmen eine neue Methode zum Aufbau von Ontologien. Mithilfe von Metadatenverwaltungstools k\u00f6nnen Unternehmen automatisch Metadaten aus Unternehmensanwendungssystemen und verschiedenen Dokumenten extrahieren. Nach der anf\u00e4nglichen Erstellung der Ontologie wird diese zur zweiten \u00dcberpr\u00fcfung an Fachexperten \u00fcbergeben, und schlie\u00dflich wird der Aufbau der Unternehmensontologie abgeschlossen.<\/p>\n<p><strong>2. Lagerung<\/strong> \u2013 basierend auf MOF zur Implementierung der Speicherontologie der OWL-Spezifikation.<\/p>\n<p>Die Speicherung der Ontologie muss auf bestimmten Standards basieren, und die Speichermethode muss flexibel und erweiterbar sein. Die OWL-Spezifikation ist eine vom W3C empfohlene Spezifikation und gilt derzeit als allgemein anerkannte Spezifikation f\u00fcr die Speicherung und den Austausch von Ontologien. Da unsere Metadaten auf MOF basieren, kann das OWL-Metamodell im Metamodell implementiert werden, sodass die Speicherung und Verwaltung der Ontologie in der Metadatendatenbank realisiert werden kann.<\/p>\n<p>Da sowohl technische Metadaten als auch Ontologien in der Metadatendatenbank gespeichert sind, wurde die Ontologie urspr\u00fcnglich aus den technischen Metadaten extrahiert. Auf diese Weise ist es einfach, die Beziehung zwischen Ontologie und technischen Metadaten zu ermitteln, sodass das Gesch\u00e4ftspersonal die gesch\u00e4ftliche Bedeutung der Daten klar verstehen kann.<\/p>\n<p><strong>3. Nutzung<\/strong> \u2013 Erhalten Sie Gesch\u00e4ftskontext \u00fcber Gesch\u00e4ftsmetadatendienste.<\/p>\n<p>Schlie\u00dflich muss der Dienst f\u00fcr Gesch\u00e4ftsmetadaten allen Gesch\u00e4ftsmitarbeitern zur Verf\u00fcgung gestellt und in die Arbeitsumgebung der Gesch\u00e4ftsmitarbeiter eingebettet werden, damit diese die Daten aus gesch\u00e4ftlicher Sicht schnell verstehen und ihnen so dabei helfen k\u00f6nnen, die Daten besser zu nutzen.<\/p>\n<h3>4. Zusammenfassung und Ausblick<\/h3>\n<p>Zusammenfassend fasse ich es in einem Satz zusammen: Gesch\u00e4ftsmetadaten sind der Schl\u00fcssel zum zuk\u00fcnftigen Metadatenmanagement. Im Zeitalter von Big Data m\u00fcssen Unternehmen ihr Gesch\u00e4ftsmetadatenmanagement st\u00e4rken. Unternehmen k\u00f6nnen automatisierte Methoden nutzen, um Gesch\u00e4ftsmetadaten basierend auf Ontologien zu verwalten und Gesch\u00e4ftsmetadaten zu integrieren. Daten werden Mitarbeitern in Form von Diensten zur Verf\u00fcgung gestellt, um ihnen eine bessere Datennutzung zu erm\u00f6glichen.<\/p>\n<h3>Fazit<\/h3>\n<p>Vielen Dank f\u00fcr das Lesen unseres Artikels. Wir hoffen, er hilft Ihnen, das Business-Metadatenmanagement besser zu verstehen. Wenn Sie mehr \u00fcber Metadatenmanagement erfahren m\u00f6chten, besuchen Sie bitte: <a href=\"https:\/\/www.gudusoft.com\/de\/\"><strong>Gudu SQLFlow<\/strong><\/a> f\u00fcr weitere Informationen.<\/p>\n<p>Als einer der\u00a0<strong><a href=\"https:\/\/www.dpriver.com\/blog\/2022\/05\/11\/best-data-lineage-tools\/\" target=\"_blank\" rel=\"noopener noreferrer\">die besten Datenherkunftstools<\/a><\/strong>\u00a0Gudu SQLFlow ist heute auf dem Markt erh\u00e4ltlich und kann nicht nur SQL-Skriptdateien analysieren, Datenherkunft ermitteln und visuelle Anzeigen durchf\u00fchren, sondern erm\u00f6glicht es Benutzern auch,\u00a0<a href=\"https:\/\/www.gudusoft.com\/de\/whats-data-lineage-why-important\/\"><strong>Datenherkunft<\/strong><\/a>\u00a0im CSV-Format und f\u00fchren Sie eine visuelle Anzeige durch.\u00a0<strong>(Ver\u00f6ffentlicht von Ryan am 30. Juni 2022)<\/strong><\/p>\n<\/div><\/div><\/div><style type=\"text\/css\">.fusion-body .fusion-builder-column-0{width:100% !important;margin-top : 0px;margin-bottom : 0px;}.fusion-builder-column-0 > .fusion-column-wrapper {padding-top : 0px !important;padding-right : 0px !important;margin-right : 1.92%;padding-bottom : 0px !important;padding-left : 0px !important;margin-left : 1.92%;}@media only screen and (max-width:1024px) {.fusion-body .fusion-builder-column-0{width:100% !important;}.fusion-builder-column-0 > .fusion-column-wrapper {margin-right : 1.92%;margin-left : 1.92%;}}@media only screen and (max-width:640px) {.fusion-body .fusion-builder-column-0{width:100% !important;}.fusion-builder-column-0 > .fusion-column-wrapper {margin-right : 1.92%;margin-left : 1.92%;}}<\/style><\/div><style type=\"text\/css\">.fusion-body .fusion-flex-container.fusion-builder-row-1{ padding-top : 0px;margin-top : 0px;padding-right : 0px;padding-bottom : 0px;margin-bottom : 0px;padding-left : 0px;}<\/style><\/div>","protected":false},"excerpt":{"rendered":"","protected":false},"author":27,"featured_media":4865,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[178],"tags":[205,238,157,152,151,204],"_links":{"self":[{"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/posts\/4829"}],"collection":[{"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/users\/27"}],"replies":[{"embeddable":true,"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/comments?post=4829"}],"version-history":[{"count":35,"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/posts\/4829\/revisions"}],"predecessor-version":[{"id":4866,"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/posts\/4829\/revisions\/4866"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/media\/4865"}],"wp:attachment":[{"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/media?parent=4829"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/categories?post=4829"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/tags?post=4829"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}