{"id":12421,"date":"2026-01-13T09:04:31","date_gmt":"2026-01-13T09:04:31","guid":{"rendered":"https:\/\/focalx.ai\/nicht-kategorisiert\/warum-ansprueche-manuell-bleiben-auch-wenn-jeder-automatisierung-will\/"},"modified":"2026-03-24T11:03:04","modified_gmt":"2026-03-24T11:03:04","slug":"warum-schadensfaelle-manuell-bleiben","status":"publish","type":"post","link":"https:\/\/focalx.ai\/de\/logistik-fuer-fertige-fahrzeuge\/warum-schadensfaelle-manuell-bleiben\/","title":{"rendered":"Warum Anspr\u00fcche manuell bleiben (auch wenn jeder Automatisierung will)"},"content":{"rendered":"<p>Beanstandungen bleiben manuell, weil die Nachweise nicht standardisiert genug sind, um sauber zwischen den Beteiligten ausgetauscht zu werden, nachgelagerte Systeme zu bef\u00fcllen und auch unter Audit-Bedingungen standzuhalten. In der Fertigfahrzeuglogistik liegt das Problem selten in fehlenden Fotos oder Notizen, sondern darin, dass das Beweispaket inkonsistent und unvollst\u00e4ndig ist und sich nur schwer \u00fcber verschiedene Verwahrungsvorg\u00e4nge hinweg vergleichen l\u00e4sst. In diesem Artikel wird erl\u00e4utert, wo die Automatisierung versagt, was die Schadensysteme tats\u00e4chlich ben\u00f6tigen, wie ein praktischer &#8222;Mindestdatensatz&#8220; bei der \u00dcbergabe aussieht und wie die Teams die Bereitschaft zur Schadensregulierung verbessern k\u00f6nnen, ohne alles auf einmal neu aufzubauen.  <\/p>\n<h2>Kernaussage: Die Automatisierung von Anspr\u00fcchen scheitert an der Grenze zwischen Beweisen und System<\/h2>\n<p>Die meisten Schadenprozesse enthalten bereits &#8222;digitale&#8220; Elemente - Bilder, Handnotizen, E-Mails, PDFs und Eintr\u00e4ge in Terminal- oder Carrier-Tools. Der Fehler liegt darin, dass dieses Material zu einer Schadenakte werden muss, die konsistent \u00fcber alle Parteien hinweg bearbeitet und sp\u00e4ter verteidigt werden kann. Ein Schadenteam kann die Aufnahme nicht zuverl\u00e4ssig automatisieren, wenn zwei Inspektionen desselben Fahrzeugs nicht miteinander vergleichbare Fotos, Freitextbeschreibungen und unterschiedlich interpretierte Schadenscodes ergeben. Das Ergebnis ist vorhersehbar: Nacharbeit, wiederholte Beweisanfragen, verz\u00f6gerte Haftungsentscheidungen und Akten, die ins Stocken geraten, weil niemand sie zuverl\u00e4ssig genehmigen kann.   <\/p>\n<p>Fr\u00fcher nahmen wir an, dass Schadenf\u00e4lle manuell bearbeitet werden, weil die Schadenbearbeitung einfach konservativ ist. Dann haben wir beobachtet, wie eine echte Schadenakte \u00fcber mehrere Parteien und Systeme hinweg aufgebaut wird. Es war nicht &#8222;old-school&#8220;, sondern strukturell schwierig. Es gab zwar Fotos, aber sie waren nicht vergleichbar. Es gab Notizen, aber sie waren nicht standardisiert. Es gab Codes, die aber sp\u00e4ter von verschiedenen Personen mit unterschiedlichen Interpretationen angewendet wurden. Und bei jeder \u00dcbertragung kam eine weitere Runde &#8222;K\u00f6nnen Sie das noch einmal senden?&#8220; hinzu. In unserem Datensatz werden etwa <b>56 % der Antr\u00e4ge<\/b> nie bearbeitet. Das ist keine geringf\u00fcgige Verz\u00f6gerung im Arbeitsablauf, sondern ein direktes finanzielles Leck, das durch nicht systemf\u00e4hige Beweise verursacht wird. Wie sich dies in Verz\u00f6gerungen und Kosten niederschl\u00e4gt, erfahren Sie in unserer Analyse der <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/claims-cycle-time-trap\/\">Zykluszeitfalle bei Forderungen<\/a>.         <\/p>\n<h2>Warum Automatisierung nicht funktioniert: inkonsistente Daten, fehlende Felder und nicht vergleichbare Fotos<\/h2>\n<p>Die Automatisierung scheitert, wenn die vorgelagerte Erfassung variabel ist. Tools zur Schadensaufnahme k\u00f6nnen nur das validieren, was sie interpretieren k\u00f6nnen, und die meisten logistischen Belege werden nicht in einer Weise erfasst, die eine konsistente Analyse, einen Vergleich oder eine regelbasierte Weiterleitung unterst\u00fctzt. <\/p>\n<p>Drei Pannen tauchen in der Fertigfahrzeuglogistik immer wieder auf:<\/p>\n<ul>\n<li><b>Inkonsistente Datenstruktur<\/b>. Freitextnotizen unterscheiden sich je nach Person, Standort und Sprache. Ein und derselbe Schaden kann als &#8222;Kratzer&#8220;, &#8222;Schramme&#8220; oder &#8222;Lackschaden&#8220; beschrieben werden, was eine einheitliche Einteilung und Berichterstattung verhindert.  <\/li>\n<li><b>Fehlende oder zu sp\u00e4t angelegte Felder<\/b>. Wichtige Metadaten - Standort, Zeitstempel, verantwortliche Partei, \u00dcbergabekennung oder Inspektionsmethode - werden oft erst sp\u00e4ter hinzugef\u00fcgt (wenn \u00fcberhaupt). Wenn Felder nachtr\u00e4glich hinzugef\u00fcgt werden, wird der Pr\u00fcfpfad schw\u00e4cher und Streitf\u00e4lle lassen sich nicht mehr so schnell kl\u00e4ren.  <\/li>\n<li><b>Nicht vergleichbare Fotos<\/b>. Bilder werden h\u00e4ufig aus unterschiedlichen Winkeln, Entfernungen, Lichtverh\u00e4ltnissen und mit uneinheitlichem Bildausschnitt aufgenommen. Selbst wenn &#8222;die Beweise da sind&#8220;, ist es schwer, den Verlauf der Ver\u00e4nderungen in der Obhut nachzuweisen, wenn die Vorher\/Nachher-Ansichten nicht wiederholbar sind. Zeitdruck ist ein bekannter Grund f\u00fcr diese Schwankungen. Unser Artikel \u00fcber die <a href=\"https:\/\/focalx.ai\/vehicle-logistics\/why-inspection-quality-collapses-under-time-pressure\">Gr\u00fcnde, warum die Qualit\u00e4t von Inspektionen unter Zeitdruck zusammenbricht<\/a>, erkl\u00e4rt, wie eine \u00fcberst\u00fcrzte Ausf\u00fchrung die Qualit\u00e4t der Aufnahmen und die Einhaltung von Standards beeintr\u00e4chtigt.   <\/li>\n<\/ul>\n<p>Diese Probleme f\u00fchren zu immer mehr Nacharbeit, wenn eine Datei Unternehmensgrenzen \u00fcberschreitet. Jedes schwache Glied l\u00f6st eine weitere Anfrage, einen weiteren Anhang und einen weiteren manuellen Abstimmungsschritt aus. Wir bezeichnen diesen Mehraufwand als <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-evidence-debt-cost\/\">Evidence Debt (Beweislast)<\/a> und er ist einer der deutlichsten Gr\u00fcnde daf\u00fcr, dass &#8222;Anspr\u00fcche einfach automatisieren&#8220; mit der aktuellen Evidence Layer selten funktioniert.  <\/p>\n<h2>Was Anspruchssysteme tats\u00e4chlich brauchen: strukturierte Felder, Pr\u00fcfpfade und Standardcodes<\/h2>\n<p>Schadensysteme ben\u00f6tigen nicht mehr Informationen, sondern Informationen in einer Form, die die Validierung, Weiterleitung und Anfechtbarkeit unterst\u00fctzt. Das bedeutet in der Regel, dass die Schadenakte reproduzierbar, \u00fcber Ereignisse hinweg vergleichbar und mit einer klaren Nachweiskette verbunden sein muss. <\/p>\n<p>In der Praxis tendieren die Anspruchsplattformen und die Anforderungen der OEMs an die Aufnahme in die Datenbank dazu, sich auf drei Notwendigkeiten zu einigen:<\/p>\n<ul>\n<li><b>Strukturierte Felder<\/b>. Schadensart, Position am Fahrzeug, Schweregrad und Handlungsbedarf m\u00fcssen in definierten Feldern erfasst werden und nicht in freiem Text. Dies erm\u00f6glicht Regeln, Schwellenwerte und eine durchg\u00e4ngige Bearbeitung von F\u00e4llen mit geringerem Wert.  <\/li>\n<li><b>Revisionssichere R\u00fcckverfolgbarkeit<\/b>. Aus der Akte muss hervorgehen, wer was, wann, wo und unter welchem Prozessschritt erfasst hat (z. B. bei einem eichpflichtigen Transport im Gegensatz zu einem Hoftransport). Wenn dies nicht der Fall ist, geht es bei Streitigkeiten um die Glaubw\u00fcrdigkeit des Prozesses und nicht um den Schaden selbst.  <\/li>\n<li><b>Standardcodes mit einheitlicher Auslegung<\/b>. Die fr\u00fchzeitige Anwendung eines gemeinsamen Schadenskodierungsschemas macht Beweise zwischen Spediteuren, Terminals, OEMs und Versicherern interoperabel. Wenn sich die Codezuweisung verz\u00f6gert, interpretiert jede Partei dasselbe Ereignis neu und die Akte wird fragmentiert. Deshalb st\u00fctzen wir unseren Ansatz auf Standardcodes wie <b>M-22<\/b> und auf die Angleichung der Interpretationen zwischen den Parteien, wie in <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/optional-standards-guarantee-disputes\/\">Wenn Standards optional sind, sind Streitigkeiten garantiert<\/a>.   <\/li>\n<\/ul>\n<p>Dies ist auch der Punkt, an dem die Inspektionsebene wichtig ist. Wenn Sie eine Auffrischung dar\u00fcber ben\u00f6tigen, was der vorgelagerte Erfassungsschritt typischerweise umfasst, finden Sie in unserem Leitfaden zur <a href=\"https:\/\/focalx.ai\/vehicle-inspection\/damage-inspection\/\">Fahrzeugschadeninspektion<\/a> den grundlegenden Kontext daf\u00fcr, wie Beweise erzeugt werden, bevor sie zu einer Schadensakte werden. <\/p>\n<h2>Der Mindestdatensatz f\u00fcr eine antragsfertige \u00dcbergabe<\/h2>\n<p>Der Mindestdatensatz ist das kleinste konsistente Paket, das eine \u00dcbergabe &#8222;reklamationsf\u00e4hig&#8220; macht, ohne dass eine sp\u00e4tere Rekonstruktion erforderlich ist. Er ist nicht darauf ausgelegt, alles zu erfassen, sondern die h\u00e4ufigsten Fehler zu vermeiden: fehlende Metadaten, nicht wiederholbare Bilder und unklare Schadensbeschreibungen. <\/p>\n<p>Ein praktischer Mindestdatensatz f\u00fcr die Fertigfahrzeuglogistik umfasst:<\/p>\n<ul>\n<li><b>Fahrzeug-Identit\u00e4t<\/b>: VIN (oder eine gleichwertige eindeutige Kennung), Modell und alle von den beteiligten Parteien verwendeten Kennungen der logistischen Einheiten.<\/li>\n<li><b>Ereignis-Metadaten<\/b>: Zeitstempel, genauer Standort (Standort und Unterstandort, sofern relevant), Prozessschritt (Ankunft, Entladung, Gate-Out, Transfer usw.) und die verantwortliche Partei zum Zeitpunkt der Erfassung.<\/li>\n<li><b>Standardisierter Schadensdatensatz<\/b>: Codesatz (z.B. <b>M-22<\/b>), Schadensart, Schadensort am Fahrzeug und Schweregrad, der sich an der Betriebsvereinbarung orientiert.<\/li>\n<li><b>Vergleichbare visuelle Beweise<\/b>: ein wiederholbarer Fotosatz (Standardwinkel und -entfernungen) sowie Nahaufnahmen, die mit jedem kodierten Objekt verbunden sind, so dass Vorher-Nachher-Vergleiche sinnvoll sind.<\/li>\n<li><b>Pr\u00fcfpfad f\u00fcr die Beweiskette<\/b>: Wer hat die Beweise erfasst, welches Ger\u00e4t\/Verfahren wurde verwendet, und eine manipulationssichere Historie der Aktualisierungen, so dass die Datei eine Eskalation von Streitigkeiten \u00fcberstehen kann.<\/li>\n<\/ul>\n<p>Dieses Mindestpaket sollte bei der \u00dcbergabe des Gewahrsams vorgelegt werden und nicht erst Wochen sp\u00e4ter rekonstruiert werden. Der Grund daf\u00fcr ist einfach: Je weiter Sie sich vom Zeitpunkt der \u00dcbergabe entfernen, desto mehr werden die Beweise zu Beweisen aus zweiter Hand und desto weniger sind sie zu verteidigen. Unser Artikel \u00fcber den <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/vehicle-logistics-handover\/\">Zeitpunkt der \u00dcbergabe<\/a> erkl\u00e4rt, warum die Rechenschaftspflicht in der Regel direkt bei der \u00dcbergabe gewonnen oder verloren wird.  <\/p>\n<h2>Wie man sich verbessern kann, ohne den Ozean zum Kochen zu bringen<\/h2>\n<p>Teams behandeln die Automatisierung von Schadensf\u00e4llen oft als eine Alles-oder-Nichts-Umstellung: Ersetzen Sie das Schadensystem, bauen Sie den Arbeitsablauf neu auf, \u00e4ndern Sie jeden Partnerprozess. Der schnellere Weg ist, zuerst das Beweispaket zu standardisieren und dann schrittweise dort zu integrieren, wo es einen unmittelbaren Nutzen bringt. <\/p>\n<p>Ein pragmatischer Verbesserungsansatz ist:<\/p>\n<ul>\n<li><b>Standardisieren Sie die Erfassung an der Grenze<\/b>. Definieren Sie den wiederholbaren Fotosatz und die erforderlichen Metadaten f\u00fcr jedes \u00dcberwachungsereignis und erzwingen Sie die Vervollst\u00e4ndigung am Ort der Inspektion, damit fehlende Felder nicht zu nachgelagerten Ausnahmen werden. <\/li>\n<li><b>Wenden Sie Codes im Moment der Erfassung an<\/b>. Weisen Sie standardisierte Schadenscodes (z.B. <b>M-22<\/b>) sofort zu und verwenden Sie dabei klare interne Interpretationsrichtlinien. Dies vermeidet eine sp\u00e4tere Neukodierung durch mehrere Parteien und reduziert semantische Streitigkeiten.  <\/li>\n<li><b>Verpacken Sie die Ergebnisse in einen pr\u00fcfungsf\u00e4higen Bericht<\/b>. Erstellen Sie ein konsistentes Artefakt f\u00fcr die Schaden\u00fcbergabe, das zuverl\u00e4ssig angeh\u00e4ngt, \u00fcbermittelt und abgeglichen werden kann. Hier wird ein standardisiertes Format f\u00fcr <a href=\"https:\/\/focalx.ai\/vehicle-inspection\/report\/\">Fahrzeuginspektionsberichte<\/a> zu einer funktionalen Br\u00fccke zwischen dem Betrieb vor Ort und der Schadenaufnahme.  <\/li>\n<li><b>Integrieren Sie zuerst dort, wo es die Nacharbeit reduziert<\/b>. Beginnen Sie mit dem Export von strukturierten Feldern und Anh\u00e4ngen in das h\u00e4ufigste nachgelagerte Ziel (oft OEM-Schadensportale oder interne Schadentools) und erweitern Sie dann die Integrationsabdeckung je nachdem, wo sich ungel\u00f6ste Dateien h\u00e4ufen. <\/li>\n<\/ul>\n<p>Dieser Ansatz deckt sich mit dem, was wir in unserem Recover-Workflow entwickelt haben: Wir gehen von den realen Bedingungen des Schadensfalls aus - Standardcodes, konsistente Beweise beim Wechsel des Gewahrsams und ein sauberer Pr\u00fcfpfad, der mit Fahrzeugnummer, Zeit, Ort und Verantwortlichem verkn\u00fcpft ist - und verbinden ihn mit den OEM-Schadensystemen, so dass die Datei in dem Moment, in dem sie erstellt wird, systemf\u00e4hig ist. Einen umfassenderen \u00dcberblick \u00fcber die operative Ebene zwischen Bildern und nachgelagerten Aktionen finden Sie unter <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-photo-to-action-workflows\/\">Workflows vom Foto zur Aktion<\/a>. <\/p>\n<h2>Technologie und Automatisierung: Warum Computer Vision hilft und wo sie nicht hilft<\/h2>\n<p>KI hilft bei der Bearbeitung von Schadenf\u00e4llen, wenn sie Beweise konsistenter macht, nicht wenn sie lediglich ein weiteres Artefakt hinzuf\u00fcgt. Computervision kann die Standardisierung unterst\u00fctzen, indem sie sichtbare Sch\u00e4den erkennt und lokalisiert, den Benutzer nach fehlenden Metadaten fragt und strukturierte Ausgaben erzeugt, die sich in Schadenschemata einf\u00fcgen. Die operative Auswirkung ist eine verbesserte Vergleichbarkeit zwischen verschiedenen Ereignissen: Ein und dasselbe Fahrzeug kann von verschiedenen Personen an verschiedenen Standorten untersucht werden, und dennoch bleibt das resultierende Beweispaket einheitlich genug, um eine Verlaufsanalyse und schnellere Haftungsentscheidungen zu unterst\u00fctzen.  <\/p>\n<p>KI beseitigt nicht die Notwendigkeit von Prozessdisziplin. Wenn der Erfassungsschritt willk\u00fcrliche Winkel, unvollst\u00e4ndige Felder und versp\u00e4tete Kodierung zul\u00e4sst, kann die Modellausgabe den fehlenden Pr\u00fcfpfad nicht reparieren. Die Automatisierung wird nur dann zuverl\u00e4ssig, wenn das System zum Zeitpunkt der Erfassung einen Mindeststandard durchsetzt und eine manipulationssichere Historie bewahrt, w\u00e4hrend die Datei zwischen den Parteien hin- und hergeht.  <\/p>\n<h2>Fazit<\/h2>\n<p>Die Antr\u00e4ge bleiben manuell, weil die Nachweise nicht standardisiert genug sind, um den \u00dcbergang von der Vor-Ort-Erfassung zu gepr\u00fcften, systemf\u00e4higen Antragsunterlagen zu \u00fcberstehen. Nach unseren Beobachtungen liegt die Hauptschwierigkeit nicht in einem Mangel an Informationen, sondern in nicht vergleichbaren Fotos, nicht standardisierten Notizen und Codes, die zu sp\u00e4t und zu uneinheitlich angewendet werden - gefolgt von wiederholten Anfragen, wenn die Akte den Besitzer wechselt. Die Folgen sind erheblich: In unserem Datensatz werden etwa <b>56 % der F\u00e4lle<\/b> nie abgeschlossen, was eher auf einen direkten Wertverlust als auf blo\u00dfe Unannehmlichkeiten bei der Bearbeitung hindeutet.  <\/p>\n<p>Der praktische Weg nach vorn besteht darin, einen Mindestdatensatz bei der \u00c4nderung der Verwahrung zu definieren und durchzusetzen, Standardcodes wie <b>M-22<\/b> bei der Erfassung anzuwenden und ein pr\u00fcfungsf\u00e4higes Paket zu erstellen, das schrittweise in OEM- und Schadensysteme integriert werden kann. F\u00fcr die Beteiligten in der Automobilindustrie, der Logistik und der Fertigfahrzeuglogistik bedeutet dies, dass die Automatisierung von Schadensf\u00e4llen von einem Projekt zum Austausch von Systemen zu einem Problem der Beweisstandardisierung wird, das in messbaren Schritten gel\u00f6st werden kann. <\/p>\n","protected":false},"excerpt":{"rendered":"<p>Beanstandungen bleiben manuell, weil die Nachweise nicht standardisiert genug sind, um sauber zwischen den Beteiligten ausgetauscht zu werden, nachgelagerte Systeme [&hellip;]<\/p>\n","protected":false},"author":12,"featured_media":10369,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_seopress_robots_primary_cat":"none","_seopress_titles_title":"","_seopress_titles_desc":"Anspr\u00fcche bleiben aufgrund uneinheitlicher Nachweise manuell. Erfahren Sie, was Schadenregulierungssysteme ben\u00f6tigen und wie standardisierte Daten eine Automatisierung erm\u00f6glichen. ","_seopress_robots_index":"","content-type":"","site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"default","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"set","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[115],"tags":[],"class_list":["post-12421","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-logistik-fuer-fertige-fahrzeuge"],"acf":[],"_links":{"self":[{"href":"https:\/\/focalx.ai\/de\/wp-json\/wp\/v2\/posts\/12421","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/focalx.ai\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/focalx.ai\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/focalx.ai\/de\/wp-json\/wp\/v2\/users\/12"}],"replies":[{"embeddable":true,"href":"https:\/\/focalx.ai\/de\/wp-json\/wp\/v2\/comments?post=12421"}],"version-history":[{"count":0,"href":"https:\/\/focalx.ai\/de\/wp-json\/wp\/v2\/posts\/12421\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/focalx.ai\/de\/wp-json\/wp\/v2\/media\/10369"}],"wp:attachment":[{"href":"https:\/\/focalx.ai\/de\/wp-json\/wp\/v2\/media?parent=12421"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/focalx.ai\/de\/wp-json\/wp\/v2\/categories?post=12421"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/focalx.ai\/de\/wp-json\/wp\/v2\/tags?post=12421"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}