{"id":16949,"date":"2020-02-26T14:40:00","date_gmt":"2020-02-26T14:40:00","guid":{"rendered":"https:\/\/barc.com\/?p=16949"},"modified":"2023-10-25T11:54:07","modified_gmt":"2023-10-25T11:54:07","slug":"neue-loesungen-fuer-zeitreihen","status":"publish","type":"post","link":"https:\/\/barc.com\/de\/neue-loesungen-fuer-zeitreihen\/","title":{"rendered":"Neue L\u00f6sungen f\u00fcr die effiziente Verarbeitung von Zeitreihen"},"content":{"rendered":"\n<p>Zeitreihen sind omnipr\u00e4sent in allen Branchen und Dienstleistungen, insbesondere bei IoT- oder industriellen Telemetrie-Anwendungen. Sie bestehen aus einer kontinuierlichen Abfolge von Werten, wie B\u00f6rsenkurse, Wetterdaten oder Vitalwerte in Notfallstationen. In der Energiebranche sind Zeitreihen das zentrale Element f\u00fcr eine effiziente Betriebssteuerung und Fakturierung.<\/p>\n\n\n\n<p>Trotz der H\u00e4ufigkeit von Zeitreihen gab es in der Vergangenheit keine effizienten L\u00f6sungen. Dies hat sich durch einen neuen Typ von NoSQL-Datenbanken ge\u00e4ndert: den Timeseries-DB\u2019s verschiedener Cloudanbieter.<\/p>\n\n\n\n<p>Doch was sind eigentlich die Besonderheiten und Herausforderungen von Zeitreihen? Sie k\u00f6nnen unterteilt werden in Eigenheiten beim Erfassen (Capture), Speichern (Store) und Analysieren (Analyze and Visualize). In den folgenden Abschnitten lernen Sie mehr \u00fcber diese drei Aspekte.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Herausforderungen beim Schreiben von Daten<\/h2>\n\n\n\n<p>Messreihendaten werden \u00fcblicherweise als Datenfolge angeliefert und direkt gespeichert. Das hei\u00dft, sie werden nur an die bestehende Datensammlung angef\u00fcgt und es gibt keine Mutationen (reine Insert).<\/p>\n\n\n\n<p>In einigen Szenarios liefern viele Messpunkte in kurzen Zeitintervallen eine Unmenge von Daten (Sekunden oder noch k\u00fcrzer). Dadurch ist eine hohe Performance beim Schreiben der Daten notwendig.<\/p>\n\n\n\n<p>Manchmal m\u00fcssen die Daten gleichzeitig f\u00fcr Analysen bereitgestellt werden. Das bedeutet, dass eine m\u00f6glichst kurze Latenzzeit gefordert wird, in einzelnen F\u00e4llen bis zu Stream-Analytics. Somit ist hochperformante Speicherung notwendig.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Herausforderungen bei der Analyse<\/h2>\n\n\n\n<p>Selten werden Zeitreihen genau in dieser Detaillierung verwendet. Daher sind Aggregationen und verschiedene Berechnungen zentrale Elemente. Wichtige funktionale Eigenschaften betreffen die Analyse und Visualisierung von Zeitreihen, die in folgende Analyseformen unterschieden werden k\u00f6nnen:<\/p>\n\n\n\n<h4 class=\"wp-block-heading\">Aggregationen<\/h4>\n\n\n\n<p>Zeitreihen werden h\u00e4ufig in gr\u00f6\u00dferen zeitlichen Intervallen dargestellt, als sie urspr\u00fcnglich gemessen wurden. Deshalb sind Aggregationsfunktionen eine Grundanforderungen an Zeitreihen. Je nach Zeitreihe werden Summierungen oder Durchschnittswerte ben\u00f6tigt.<\/p>\n\n\n\n<p>Dazu zwei Beispiele aus dem Energiemarkt: Erstens wird der gemessene Energieverbrauch in Kilowattstunden (kWh) summiert, um verrechnet werden zu k\u00f6nnen. Zweitens wird die erbrachte Leistung in Kilowatt (kW) gemessen und ein Durchschnittswert berechnet.<\/p>\n\n\n\n<h4 class=\"wp-block-heading\">Gl\u00e4ttungen und Trends<\/h4>\n\n\n\n<p>Einzelne Messwerte weisen teilweise recht gro\u00dfe Unterschiede auf. Infolge dieses hohen Schwankens, auch als Rauschen bezeichnet, ist h\u00e4ufig nicht mehr die eigentliche Entwicklung innerhalb der Zeitreihe ersichtlich. Dazu sind verschiedene Berechnungsverfahren notwendig, wie die Berechnung eines gleitenden Durchschnittswertes, der zu einer Gl\u00e4ttung des Verlaufs f\u00fchrt.<\/p>\n\n\n\n<p>Erst dadurch lassen sich Trends erkennen und daraus Prognosen ableiten (Predictive Analytics), wobei verschiedene Formen der Darstellung und Analyse unterschieden werden. Die einfache lineare Darstellung ist nur eine Form davon. F\u00fcr saisonale Schwankungen wird \u00fcblicherweise die Funktion der Arima Analyse verwendet. Im Weiteren gibt es noch unz\u00e4hlige weitere Formen zur Trendanalyse.<\/p>\n\n\n\n<h4 class=\"wp-block-heading\">Zeitreihen\u00fcbergreifende Berechnungen<\/h4>\n\n\n\n<p>In einigen F\u00e4llen sind auch Zeitreihen-\u00fcbergreifende Analysen notwendig. Auch dazu zwei Beispiele: Im ersten Fall wird die Gesamtmenge der produzierten Energie aus den Zeitreihen der verschiedenen Kraftwerke berechnet. Hierzu werden mehrere Zeitreihen summiert. Im zweiten Fall geht es um eine ausgeglichene Energiebilanz, dazu m\u00fcssen Produktion und Verbrauch ausgeglichen sein. Hier werden Zeitreihen subtrahiert.<\/p>\n\n\n\n<h4 class=\"wp-block-heading\">Alerter<\/h4>\n\n\n\n<p>F\u00fcr Monitoring-Aufgaben ist es notwendig, Meldungen zu generieren, wenn gewisse Schwellwerte \u00fcberschritten werden. Um ein rechtzeitiges Eingreifen zu erm\u00f6glichen, ist eine Echtzeitanalyse von Zeitreihen mit der M\u00f6glichkeit, Aktionen ausl\u00f6sen zu k\u00f6nnen, notwendig. Dies k\u00f6nnen einfache Benachrichtigungen sein, wie SMS an ein Support-Team, oder das Ansto\u00dfen automatisierter Prozesse.<\/p>\n\n\n\t\t<div data-elementor-type=\"section\" data-elementor-id=\"3424\" class=\"elementor elementor-3424\" data-elementor-post-type=\"elementor_library\">\n\t\t\t\t\t<section class=\"ob-is-breaking-bad elementor-section elementor-top-section elementor-element elementor-element-d7236a1 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"d7236a1\" data-element_type=\"section\" data-e-type=\"section\" data-settings=\"{&quot;_ob_bbad_use_it&quot;:&quot;yes&quot;,&quot;_ob_bbad_sssic_use&quot;:&quot;no&quot;}\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-c06ff87\" data-id=\"c06ff87\" data-element_type=\"column\" data-e-type=\"column\" data-settings=\"{&quot;_ob_bbad_is_stalker&quot;:&quot;no&quot;}\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<section class=\"ob-is-breaking-bad ob-bb-inner elementor-section elementor-inner-section elementor-element elementor-element-bdbc1b5 elementor-section-height-min-height elementor-section-content-middle shadow1nohover elementor-section-boxed elementor-section-height-default\" data-dce-background-color=\"#87CDD2\" data-dce-background-overlay-image-url=\"https:\/\/barc.com\/wp-content\/uploads\/2022\/06\/header-test-v2.svg\" data-id=\"bdbc1b5\" data-element_type=\"section\" data-e-type=\"section\" data-settings=\"{&quot;background_background&quot;:&quot;classic&quot;,&quot;_ob_bbad_use_it&quot;:&quot;yes&quot;,&quot;_ob_bbad_sssic_use&quot;:&quot;no&quot;}\">\n\t\t\t\t\t\t\t<div class=\"elementor-background-overlay\"><\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-50 elementor-inner-column elementor-element elementor-element-2352c6b elementor-hidden-phone\" data-id=\"2352c6b\" data-element_type=\"column\" data-e-type=\"column\" data-settings=\"{&quot;_ob_bbad_is_stalker&quot;:&quot;no&quot;}\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-ad6d366 elementor-widget elementor-widget-image\" data-id=\"ad6d366\" data-element_type=\"widget\" data-e-type=\"widget\" data-settings=\"{&quot;_ob_widget_stalker_use&quot;:&quot;no&quot;}\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"71\" height=\"70\" src=\"https:\/\/barc.com\/wp-content\/uploads\/2022\/07\/Corporate-Outline_Mail.svg\" class=\"attachment-full size-full wp-image-43585\" alt=\"\" srcset=\"https:\/\/barc.com\/wp-content\/uploads\/\/2022\/07\/Corporate-Outline_Mail.svg 150w, https:\/\/barc.com\/wp-content\/uploads\/\/2022\/07\/Corporate-Outline_Mail.svg 300w, https:\/\/barc.com\/wp-content\/uploads\/\/2022\/07\/Corporate-Outline_Mail.svg 1024w, https:\/\/barc.com\/wp-content\/uploads\/\/2022\/07\/Corporate-Outline_Mail.svg 71w\" sizes=\"(max-width: 71px) 100vw, 71px\">\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-50 elementor-inner-column elementor-element elementor-element-1946952\" data-id=\"1946952\" data-element_type=\"column\" data-e-type=\"column\" data-settings=\"{&quot;_ob_bbad_is_stalker&quot;:&quot;no&quot;}\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-18ef7b5 elementor-widget elementor-widget-heading\" data-id=\"18ef7b5\" data-element_type=\"widget\" data-e-type=\"widget\" data-settings=\"{&quot;_ob_widget_stalker_use&quot;:&quot;no&quot;}\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-heading-title elementor-size-default\">Gef\u00e4llt Ihnen dieser Beitrag?<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-31c0486 elementor-widget elementor-widget-heading\" data-id=\"31c0486\" data-element_type=\"widget\" data-e-type=\"widget\" data-settings=\"{&quot;_ob_widget_stalker_use&quot;:&quot;no&quot;}\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-heading-title elementor-size-default\">Wir haben noch viel mehr davon! Schlie\u00dfen Sie sich \u00fcber 25.775 Data &amp; Analytics Professionals an, um der Konkurrenz einen Schritt voraus zu bleiben.<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4a1562c elementor-align-left elementor-mobile-align-center ob-is-butterbutton elementor-widget elementor-widget-button\" data-id=\"4a1562c\" data-element_type=\"widget\" data-e-type=\"widget\" data-settings=\"{&quot;_ob_butterbutton_use_it&quot;:&quot;yes&quot;,&quot;_ob_widget_stalker_use&quot;:&quot;no&quot;}\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/barc.com\/de\/newsletter\/\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Newsletter abonnieren<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t\n\n\n\n<h3 class=\"wp-block-heading\">Herausforderungen bei der Datenspeicherung<\/h3>\n\n\n\n<p>Zeitreihen bestehen \u00fcblicherweise nur aus wenigen Attributen. Zentral sind diese vier Attribute:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Zeitreihentyp<\/li>\n\n\n\n<li>Zeitpunkt des Messwertes (eng. timestamp)<\/li>\n\n\n\n<li>Messwert<\/li>\n\n\n\n<li>Einheit wie z. B. kWh, kW, EUR, Temperatur, etc.<\/li>\n<\/ul>\n\n\n\n<p>Die Regeln zu den Zeitreihen wurden in der Vergangenheit \u00fcblicherweise applikatorisch abgebildet. Das hei\u00dft, welche Form der Aggregation, der Trendberechnung und weiteren Funktionen ein Teil von zus\u00e4tzlichen Programmen war.<\/p>\n\n\n\n<p>Die Speicherung erfolgte meistens in traditionellen relationalen Datenbanken, was ineffizient war. Zeilenorientierte Datenbanken sind \u00fcblicherweise zu langsam f\u00fcr die schnelle Speicherung der Daten. Dies ist aufgrund der Ausrichtung auf die Abbildung von Daten in mehreren Tabellen und der Beziehungen (Relationen) und die nicht ben\u00f6tigten M\u00f6glichkeiten von updates oder deletes.<\/p>\n\n\n\n<p>Da es sich um strukturierte Daten handelt, scheint die Speicherung in spaltenorientierten Datenbanken eine Alternative zu sein. Dies ist jedoch ein tr\u00fcgerischer Entscheid. Spaltenorientierte Datenbanken sind darauf ausgelegt, wenige Spalten effizient auszuwerten, mit der Erg\u00e4nzung weiterer Hilfswerte (Lookups). Bei Zeitreihen-Analysen werden jedoch alle Spalten ben\u00f6tigt und es gibt \u2013 wenn \u00fcberhaupt \u2013 nur vereinzelte Lookups.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Drei Zeitreihendatenbanken kurz vorgestellt<\/h3>\n\n\n\n<p>Seit wenigen Jahren sind nun neue Typen von cloudbasierten NoSQL-Datenbanken auf dem Markt, die auf die effiziente Speicherung und Analyse von Zeitreihen ausgerichtet sind.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Microsoft Azure \u2013 Time Series Insights<br><\/strong>Dies ist die \u00e4lteste der Zeitreihendatenbanken, obwohl erst seit November 2017 verf\u00fcgbar. Der Schwerpunkt liegt auf der Analyse und der Visualisierung von Zeitreihen. F\u00fcr die effiziente Datenintegration setzt Microsoft auf ihre L\u00f6sung des Azure IoT Hub. Microsoft hat f\u00fcr die Analyse eine eigene Abfragesprache entwickelt, die sich in andere Codes integrieren l\u00e4sst.<\/li>\n\n\n\n<li><strong>Amazon Timestream<br><\/strong>Nicht viel neuer ist die L\u00f6sung von Amazon, die erst seit 2018 verf\u00fcgbar ist. Es handelt sich um einen sogenannten serverlosen Service (serverless). Das bedeutet, dass die L\u00f6sung als nutzungsbasierter Cloud-Service zur Verf\u00fcgung steht, in der jeweils aktuellen Version. Das Applikationsmanagement und Release-Management erfolgen durch den Cloud-Dienstleister. Die Datenbank bietet verschiedene Analysefunktionen, insbesondere f\u00fcr Gl\u00e4ttungen und Trend-Analysen.<\/li>\n\n\n\n<li><strong>Alibaba \u2013 Time Series Database (TSDB)<br><\/strong>Die chinesische Cloudl\u00f6sung wurde ebenfalls 2018 angek\u00fcndigt und befindet sich seither im Betastatus. Funktional scheint sie vergleichbar mit den Mitbewerbern Amazon und Microsoft.<\/li>\n<\/ul>\n\n\n\n<p>Was auff\u00e4llt ist, dass der vierte gro\u00dfe Cloud-Player Google noch keine dezidierte Zeitreihen-Datenbank anbietet. Google setzt hier auf seine NoSQL-L\u00f6sungen Firestore und Firebase sowie teilweise auf Bigtable und Cloud memory store. In diesen L\u00f6sungen fehlen jedoch M\u00f6glichkeiten der Zeitreihenanalyse.&nbsp;F\u00fcr on-premise gibt es noch keine dezidierten Datenbanken. Branchenspezifische L\u00f6sungen wie die Applikation Siloveda f\u00fcr Energie-Dienstleister, Wasserwerke oder Kehrichtverbrennungen sind vorhanden. Das Zeitreihen-Management erfolgt in der Applikation. Im Kern werden die Daten in einer MS SQL-Datenbank gespeichert, was zu Kritik an der Performance f\u00fchrt.&nbsp;<\/p>\n\n\n\n<p>TimescaleDB ist eine weitere kommerzielle L\u00f6sung. Auch hier handelt es sich um eine Applikation. Im Kern wird eine <a href=\"https:\/\/barc.com\/de\/review\/postgresql\/\">PostgreSQL <\/a>Datenbank verwendet.<\/p>\n\n\n\n<p>F\u00fcr on-premise gibt es noch keine dezidierten Datenbanken. Branchenspezifische L\u00f6sungen wie die Applikation Siloveda f\u00fcr Energie-Dienstleister, Wasserwerke oder Kehrichtverbrennungen sind&nbsp;vorhanden. Das Zeitreihen-Management erfolgt in der Applikation. Im Kern werden die Daten in einer MS SQL-Datenbank gespeichert, was zu Kritik an der Performance f\u00fchrt.<\/p>\n\n\n\n<p>TimescaleDB ist eine weitere kommerzielle L\u00f6sung. Auch hier handelt es sich um eine Applikation. Im Kern wird eine PostgreSQL Datenbank verwendet.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Summary<\/h3>\n\n\n\n<p>Im Rahmen von Digitalisierungsinitiativen befassen sich viele Unternehmen mit der Speicherung und Analyse von Zeitreihen. Dabei wird h\u00e4ufig \u00fcber den Aufbau eines Data Lakes nachgedacht, meistens in Form einer schemafreien Speicherung in einem verteilten Filesystem (Hadoop HDFS, Amazon S2) oder einem Blobstore (Amazone S3, Microsoft Blobstore).&nbsp;<\/p>\n\n\n\n<p>In den meisten F\u00e4llen ist jedoch eine differenziertere Data-Lake-Betrachtung sinnvoller, was \u00fcblicherweise zu mehreren unterschiedlichen Speicherformen f\u00fchrt. Das bedeutet, dass eine Timeseries-Datenbank eine schemafreie Speicherung erg\u00e4nzt.<\/p>\n\n\n\n<p>Timeseries-Databases sind ein relativ junger Typ von NoSQL-Datenbanken, die trotzdem schon eine erstaunliche Reife und einige Referenzkunden ausweisen. Wir empfehlen, diese unbedingt bei der Weiterentwicklung der Architektur zu betrachten, insbesondere bei der Verarbeitung von gro\u00dfen Mengen von IoT- und Telemetriedaten.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Trotz der H\u00e4ufigkeit von Zeitreihen gab es in der Vergangenheit keine effizienten L\u00f6sungen. Dies hat sich durch einen neuen Typ von NoSQL-Datenbanken ge\u00e4ndert: den Timeseries-DB\u2019s verschiedener Cloudanbieter.<\/p>\n","protected":false},"author":13,"featured_media":47294,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"site-sidebar-layout":"default","site-content-layout":"default","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":"","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-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":"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":""},"mobile":{"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":""}},"footnotes":""},"categories":[48,150],"tags":[],"plus":[],"content_typ":[209],"layoutvorlage":[],"class_list":["post-16949","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-datenmanagement","category-data-driven-enterprise","content_typ-artikel"],"acf":[],"_links":{"self":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts\/16949","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/users\/13"}],"replies":[{"embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/comments?post=16949"}],"version-history":[{"count":0,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts\/16949\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/media\/47294"}],"wp:attachment":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/media?parent=16949"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/categories?post=16949"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/tags?post=16949"},{"taxonomy":"plus","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/plus?post=16949"},{"taxonomy":"content_typ","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/content_typ?post=16949"},{"taxonomy":"layoutvorlage","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/layoutvorlage?post=16949"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}