{"id":63,"date":"2026-10-06T18:59:33","date_gmt":"2026-10-06T18:59:33","guid":{"rendered":"https:\/\/blog.forfis.com\/blog\/rag-system-rechnungspruefung-ecommerce-oesterreich\/"},"modified":"2026-10-06T18:59:33","modified_gmt":"2026-10-06T18:59:33","slug":"rag-system-rechnungspruefung-ecommerce-oesterreich","status":"publish","type":"post","link":"https:\/\/blog.forfis.com\/blog\/de\/rag-system-rechnungspruefung-ecommerce-oesterreich\/","title":{"rendered":"RAG-System f\u00fcr Rechnungspr\u00fcfung im E-Commerce: 3-Monats-Plan"},"content":{"rendered":"<h2>Das Problem: Manuelle Rechnungspr\u00fcfung und verz\u00f6gerte Berichterstattung<\/h2>\n<p>Ihr E-Commerce-Unternehmen in \u00d6sterreich (51\u2013200 Mitarbeiter) verarbeitet monatlich 500\u20132 000 Rechnungen. Die manuelle Pr\u00fcfung dauert im Schnitt 6 Minuten pro Rechnung. Das ergibt 50\u2013200 Stunden manueller Aufwand pro Monat. Die Fehlerquote liegt bei 3\u20135 % (falsche Kontierung, verpasste Rabatte, doppelte Buchungen). Die monatliche Berichterstattung (Umsatz, Margen, Lagerbestand) wird manuell aus dem ERP und dem CRM zusammengetragen. Das dauert 8\u201312 Stunden pro Monat. Die Daten sind verstreut, die Aktualit\u00e4t ist gering, die Fehlerquote ist hoch. Das Ziel ist ein RAG-System, das die Rechnungspr\u00fcfung automatisiert und die monatliche Berichterstattung in Echtzeit bereitstellt. Das System soll in Slack oder Microsoft Teams integriert sein, damit die Mitarbeiter die Ergebnisse direkt in ihrem Arbeitsumfeld sehen. Die Implementierung soll in 3 Monaten abgeschlossen sein.<\/p>\n<h2>Voraussetzungen: Was Sie vor dem Start brauchen<\/h2>\n<ul>\n<li><strong>ERP-Zugriff:<\/strong> API-Zugang zum ERP-System (z. B. SAP, Microsoft Dynamics, oder ein E-Commerce-ERP wie Shopware oder WooCommerce). Die API muss die Rechnungsdaten (Betrag, Lieferant, Artikel, Kontierung) liefern k\u00f6nnen.<\/li>\n<li><strong>CRM-Zugriff:<\/strong> API-Zugang zum CRM-System (z. B. Salesforce, HubSpot, oder ein E-Commerce-CRM wie Klaviyo). Die API muss die Kundendaten und die Bestellhistorie liefern k\u00f6nnen.<\/li>\n<li><strong>Slack- oder Teams-Integration:<\/strong> Ein Slack- oder Microsoft-Teams-Account mit API-Zugang. Die Integration soll die Ergebnisse des RAG-Systems in einem dedizierten Channel anzeigen.<\/li>\n<li><strong>Vektor-Datenbank:<\/strong> Ein Vektor-Datenbank-Cluster (z. B. Qdrant, Weaviate, oder Milvus). Die Datenbank soll auf der eigenen Hardware oder in einer Cloud-Region in \u00d6sterreich (z. B. AWS eu-central-1, Azure West Europe) betrieben werden.<\/li>\n<li><strong>LLM-API-Zugang:<\/strong> Ein API-Zugang zu einem LLM-Anbieter (z. B. OpenAI, Anthropic, oder ein Open-Weight-Modell auf eigener Hardware). Die API soll die Rechnungsdaten klassifizieren und die Kontierungsvorschl\u00e4ge generieren.<\/li>\n<li><strong>Dediziertes AI-Team:<\/strong> Ein Team aus drei Personen (AI-Engineer, Data Engineer, Product Owner), das f\u00fcr die gesamte 3-Monats-Zeitraum verf\u00fcgbar ist.<\/li>\n<\/ul>\n<h2>Schritte: Implementierung des RAG-Systems in 3 Monaten<\/h2>\n<ol>\n<li>\n<p><strong>Prozess-Audit durchf\u00fchren.<\/strong> Dokumentieren Sie den aktuellen Rechnungspr\u00fcfungsprozess. Messen Sie die Durchlaufzeit (von der Rechnungseingang bis zur Buchungsfreigabe) und die Fehlerquote. Erstellen Sie eine Liste der h\u00e4ufigsten Fehler (z. B. falsche Kontierung, verpasste Rabatte, doppelte Buchungen). Das Audit dauert 1\u20132 Wochen. Das Ergebnis ist eine Baseline, die Sie nach der Implementierung vergleichen k\u00f6nnen.<\/p>\n<\/li>\n<li>\n<p><strong>Datenpipeline aufbauen.<\/strong> Erstellen Sie eine Datenpipeline, die die Rechnungsdaten aus dem ERP und dem CRM in die Vektor-Datenbank l\u00e4dt. Die Pipeline soll die Daten in einem strukturierten Format (z. B. JSON) speichern. Die Pipeline soll t\u00e4glich um 02:00 Uhr laufen. Die Datenqualit\u00e4t muss gepr\u00fcft werden (z. B. fehlende Felder, doppelte Eintr\u00e4ge). Die Pipeline dauert 2\u20133 Wochen.<\/p>\n<\/li>\n<li>\n<p><strong>RAG-System implementieren.<\/strong> Implementieren Sie das RAG-System auf Basis von LangChain und LangGraph. Das System soll die Rechnungsdaten in die Vektor-Datenbank laden und die Kontierungsvorschl\u00e4ge generieren. Das System soll die Konfidenz der Extraktion messen. Wenn die Konfidenz unter 90 % f\u00e4llt, soll das System die Rechnung an einen menschlichen Pr\u00fcfer in Slack eskalieren. Die Implementierung dauert 4\u20136 Wochen.<\/p>\n<\/li>\n<li>\n<p><strong>Slack- oder Teams-Integration aufbauen.<\/strong> Integrieren Sie das RAG-System in Slack oder Microsoft Teams. Das System soll die Ergebnisse in einem dedizierten Channel anzeigen. Die Mitarbeiter sollen die Ergebnisse direkt in ihrem Arbeitsumfeld sehen. Die Integration soll die Eskalationen an die richtigen Personen weiterleiten. Die Integration dauert 1\u20132 Wochen.<\/p>\n<\/li>\n<li>\n<p><strong>Piloten durchf\u00fchren.<\/strong> F\u00fchren Sie einen Piloten mit 50\u2013100 Rechnungen durch. Messen Sie die Durchlaufzeit und die Fehlerquote. Vergleichen Sie die Ergebnisse mit der Baseline aus dem Prozess-Audit. Der Pilot dauert 2\u20133 Wochen. Das Ergebnis ist eine Entscheidung, ob das System in den Produktivbetrieb geht.<\/p>\n<\/li>\n<li>\n<p><strong>Rollout durchf\u00fchren.<\/strong> F\u00fchren Sie den Rollout auf alle Rechnungen durch. Das System soll die Rechnungspr\u00fcfung automatisieren. Die Mitarbeiter sollen die Ergebnisse in Slack oder Microsoft Teams sehen. Der Rollout dauert 1\u20132 Wochen. Das Ergebnis ist eine vollst\u00e4ndige Automatisierung der Rechnungspr\u00fcfung.<\/p>\n<\/li>\n<li>\n<p><strong>Monatliche Berichterstattung automatisieren.<\/strong> Automatisieren Sie die monatliche Berichterstattung (Umsatz, Margen, Lagerbestand). Das System soll die Daten aus dem ERP und dem CRM aggregieren und die Berichte in Echtzeit bereitstellen. Die Berichterstattung soll in Slack oder Microsoft Teams angezeigt werden. Die Automatisierung dauert 2\u20133 Wochen. Das Ergebnis ist eine Echtzeit-Berichterstattung.<\/p>\n<\/li>\n<\/ol>\n<h2>H\u00e4ufige Stolperfallen und wie Sie sie erkennen<\/h2>\n<ul>\n<li><strong>Falsche Kontierung durch das LLM.<\/strong> Das LLM klassifiziert die Rechnung falsch (z. B. als \u201eWareneingang\u201c statt \u201eDienstleistung\u201c). Sie erkennen das, wenn die Kontierungsvorschl\u00e4ge in Slack nicht mit den internen Kontierungsregeln \u00fcbereinstimmen. Die L\u00f6sung ist eine Feinabstimmung des Prompts und eine Erh\u00f6hung der Konfidenz-Schwelle.<\/li>\n<li><strong>Datenqualit\u00e4t im ERP.<\/strong> Die Rechnungsdaten im ERP sind unvollst\u00e4ndig oder fehlerhaft (z. B. fehlende Artikelnummern, doppelte Eintr\u00e4ge). Sie erkennen das, wenn die Datenpipeline Fehler meldet oder wenn die Vektor-Datenbank leere Eintr\u00e4ge enth\u00e4lt. Die L\u00f6sung ist eine Datenbereinigung im ERP und eine Validierung in der Datenpipeline.<\/li>\n<li><strong>Eskalationen werden nicht bearbeitet.<\/strong> Die Eskalationen in Slack werden von den Mitarbeitern nicht bearbeitet. Sie erkennen das, wenn die Durchlaufzeit der eskalierten Rechnungen l\u00e4nger ist als die der manuellen Pr\u00fcfung. Die L\u00f6sung ist eine klare Zust\u00e4ndigkeitsregel und eine Benachrichtigung an die Vorgesetzten, wenn eine Eskalation l\u00e4nger als 24 Stunden nicht bearbeitet wird.<\/li>\n<li><strong>Vektor-Datenbank ist \u00fcberlastet.<\/strong> Die Vektor-Datenbank ist \u00fcberlastet und die Abfragen dauern l\u00e4nger als 5 Sekunden. Sie erkennen das, wenn die Latenz der RAG-Abfragen in den Logs steigt. Die L\u00f6sung ist eine Skalierung der Vektor-Datenbank (z. B. mehr Replikate, schnellere Hardware) oder eine Optimierung der Embedding-Modelle.<\/li>\n<li><strong>Slack- oder Teams-Integration bricht ab.<\/strong> Die Slack- oder Teams-Integration bricht ab und die Ergebnisse werden nicht angezeigt. Sie erkennen das, wenn die Mitarbeiter in Slack keine Nachrichten vom RAG-System erhalten. Die L\u00f6sung ist eine \u00dcberwachung der API-Aufrufe und eine automatische Wiederherstellung der Verbindung.<\/li>\n<\/ul>\n<h2>Fazit: Vom Piloten zum Produktivbetrieb<\/h2>\n<p>Die Implementierung des RAG-Systems f\u00fcr die Rechnungspr\u00fcfung ist in 3 Monaten abgeschlossen. Die Durchlaufzeit der Rechnungspr\u00fcfung sinkt von 6 Minuten auf 1,5 Minuten. Die Fehlerquote sinkt von 3\u20135 % auf 0,5\u20131 %. Die monatliche Berichterstattung wird in Echtzeit bereitgestellt. Die Mitarbeiter sehen die Ergebnisse in Slack oder Microsoft Teams. Der n\u00e4chste logische Schritt ist die Automatisierung weiterer Prozesse (z. B. die Kundenkommunikation, die Lagerverwaltung). Das RAG-System kann als Basis f\u00fcr diese Prozesse dienen. Die Datenpipeline und die Vektor-Datenbank sind bereits vorhanden. Die Integration in Slack oder Microsoft Teams ist bereits aufgebaut. Die n\u00e4chsten Use Cases k\u00f6nnen in 4\u20136 Wochen implementiert werden.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>So automatisieren Sie die Rechnungspr\u00fcfung in Ihrem E-Commerce-Unternehmen in \u00d6sterreich mit einem RAG-System auf Basis von LangChain und LangGraph. Inklusive 3-Monats-Plan und Kostenrahmen.<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"rank_math_title":"RAG-System f\u00fcr Rechnungspr\u00fcfung im E-Commerce: 3-Monats-Plan","rank_math_description":"So automatisieren Sie die Rechnungspr\u00fcfung in Ihrem E-Commerce-Unternehmen in \u00d6sterreich mit einem RAG-System auf Basis von LangChain und LangGraph. Inklusive 3-Monats-Plan und Kostenrahmen.","rank_math_focus_keyword":"automate monthly reporting invoice processing","_yoast_wpseo_title":"","_yoast_wpseo_metadesc":"","_yoast_wpseo_focuskw":"","pll_lang":"de","geo_jsonld":"{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@id\":\"https:\/\/blog.forfis.com\/blog\/rag-system-rechnungspruefung-ecommerce-oesterreich\/#article\",\"@type\":\"Article\",\"author\":{\"@id\":\"https:\/\/blog.forfis.com#org\"},\"dateModified\":\"2026-10-05T23:45:10.258547489+00:00\",\"datePublished\":\"2026-10-05T23:45:10.258547489+00:00\",\"description\":\"So automatisieren Sie die Rechnungspr\u00fcfung in Ihrem E-Commerce-Unternehmen in \u00d6sterreich mit einem RAG-System auf Basis von LangChain und LangGraph. Inklusive 3-Monats-Plan und Kostenrahmen.\",\"headline\":\"RAG-System f\u00fcr Rechnungspr\u00fcfung im E-Commerce: 3-Monats-Plan\",\"inLanguage\":\"en\",\"keywords\":[\"AI-Native Operations\",\"LangChain and LangGraph\",\"Retrieval-Augmented Knowledge Assistant\",\"Operations and Supply Chain\",\"51-200\",\"None\",\"Dedicated AI Team\",\"E-commerce and Retail\",\"Slack or Microsoft Teams\",\"German\",\"Automate Monthly Reporting\",\"Austria\",\"3 months\",\"Invoice Processing\"],\"mainEntityOfPage\":\"https:\/\/blog.forfis.com\/blog\/rag-system-rechnungspruefung-ecommerce-oesterreich\/\",\"publisher\":{\"@id\":\"https:\/\/blog.forfis.com#org\"}},{\"@id\":\"https:\/\/blog.forfis.com\/blog\/rag-system-rechnungspruefung-ecommerce-oesterreich\/#faq\",\"@type\":\"FAQPage\",\"mainEntity\":[{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Ein RAG-System f\u00fcr die Rechnungspr\u00fcfung besteht aus drei Kernkomponenten: einem Dokumenten-Parser (z. B. Tesseract oder DocTR), einem Vektor-Datenbank-Cluster (z. B. Qdrant oder Weaviate) und einer Orchestrierungs-Schicht (LangGraph). Der Parser extrahiert OCR-Texte und strukturierte Felder. Die Vektor-DB speichert Embeddings der Rechnungsdaten und der internen Kontierungsregeln. LangGraph steuert den Workflow: Wenn die Konfidenz der Extraktion unter 90 % f\u00e4llt, wird die Rechnung an einen menschlichen Pr\u00fcfer in Slack eskaliert, statt automatisch verbucht zu werden.\"},\"name\":\"Welche technischen Komponenten braucht ein RAG-System f\u00fcr die Rechnungspr\u00fcfung?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Die 90-Prozent-Schwelle f\u00fcr die automatische Freigabe ist ein empirischer Kompromiss. In der Praxis liegt die Fehlerquote bei LLM-Extraktionen f\u00fcr strukturierte Rechnungsdaten bei 2\u20135 %. Eine Schwelle von 90 % bedeutet, dass 10 % der Rechnungen manuell gepr\u00fcft werden. Bei 500 Rechnungen pro Monat sind das 50 manuelle Pr\u00fcfungen. Die manuelle Pr\u00fcfung dauert im Schnitt 4 Minuten pro Rechnung. Das ergibt 200 Minuten (3,3 Stunden) manueller Aufwand pro Monat. Die automatische Verarbeitung der restlichen 450 Rechnungen dauert 15 Minuten. Die Gesamtdauer sinkt von 33 Stunden (manuell) auf 4,5 Stunden (automatisch + manuell).\"},\"name\":\"Wie rechne ich die 90-Prozent-Schwelle f\u00fcr die automatische Freigabe in manuellen Aufwand um?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Nein. Die 3-Monats-Zeitraum deckt nur die Implementierung des RAG-Systems f\u00fcr die Rechnungspr\u00fcfung ab. Die Integration in Slack oder Microsoft Teams ist Teil des Rollouts, aber die eigentliche Automatisierung der monatlichen Berichterstattung (z. B. KPI-Dashboards, Umsatzberichte) ist ein separater Use Case. Die Berichterstattung nutzt die gleichen Datenquellen (ERP, CRM), aber andere Logik (Aggregation statt Klassifikation). Die 3 Monate sind f\u00fcr den Piloten der Rechnungspr\u00fcfung reserviert. Die Berichterstattung kann in einem zweiten Sprint (weitere 4\u20136 Wochen) implementiert werden, nachdem die Rechnungsdaten sauber im System sind.\"},\"name\":\"Kann ich die monatliche Berichterstattung in den 3-Monats-Zeitraum integrieren?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Ja, aber nur f\u00fcr die Rechnungspr\u00fcfung. Die Rechnungsdaten (Betrag, Lieferant, Artikel) sind keine personenbezogenen Daten im Sinne der DSGVO. Sie unterliegen der UGB (Unternehmensgesetzbuch) und der GoBD (Grunds\u00e4tze zur ordnungsm\u00e4\u00dfigen F\u00fchrung und Aufbewahrung von B\u00fcchern, Aufzeichnungen und Unterlagen in elektronischer Form). Die GoBD verlangen, dass die Daten unver\u00e4nderbar und nachvollziehbar sind. Das RAG-System muss daher ein Audit-Log f\u00fchren, das jede \u00c4nderung an einer Rechnung protokolliert. Die personenbezogenen Daten (z. B. Name des Lieferanten-Kontakts) werden nicht im RAG-System verarbeitet, sondern bleiben im ERP.\"},\"name\":\"Gilt die DSGVO f\u00fcr die Rechnungsdaten in einem RAG-System?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Nein. Die 3-Monats-Zeitraum ist f\u00fcr den Piloten der Rechnungspr\u00fcfung reserviert. Die Integration in Slack oder Microsoft Teams ist Teil des Rollouts, aber die eigentliche Automatisierung der monatlichen Berichterstattung (z. B. KPI-Dashboards, Umsatzberichte) ist ein separater Use Case. Die Berichterstattung nutzt die gleichen Datenquellen (ERP, CRM), aber andere Logik (Aggregation statt Klassifikation). Die 3 Monate sind f\u00fcr den Piloten der Rechnungspr\u00fcfung reserviert. Die Berichterstattung kann in einem zweiten Sprint (weitere 4\u20136 Wochen) implementiert werden, nachdem die Rechnungsdaten sauber im System sind.\"},\"name\":\"Kann ich die monatliche Berichterstattung in den 3-Monats-Zeitraum integrieren?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Nein. Die 3-Monats-Zeitraum ist f\u00fcr den Piloten der Rechnungspr\u00fcfung reserviert. Die Integration in Slack oder Microsoft Teams ist Teil des Rollouts, aber die eigentliche Automatisierung der monatlichen Berichterstattung (z. B. KPI-Dashboards, Umsatzberichte) ist ein separater Use Case. Die Berichterstattung nutzt die gleichen Datenquellen (ERP, CRM), aber andere Logik (Aggregation statt Klassifikation). Die 3 Monate sind f\u00fcr den Piloten der Rechnungspr\u00fcfung reserviert. Die Berichterstattung kann in einem zweiten Sprint (weitere 4\u20136 Wochen) implementiert werden, nachdem die Rechnungsdaten sauber im System sind.\"},\"name\":\"Kann ich die monatliche Berichterstattung in den 3-Monats-Zeitraum integrieren?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Ein dediziertes AI-Team besteht aus drei Rollen: einem AI-Engineer (Entwicklung des RAG-Systems, LangGraph-Workflows), einem Data Engineer (Datenpipeline, Vektor-DB-Setup) und einem Product Owner (Anforderungsmanagement, Akzeptanzkriterien). Das Team arbeitet in 2-Wochen-Sprints. Der AI-Engineer ist f\u00fcr die Modell-Integration und die Prompt-Optimierung zust\u00e4ndig. Der Data Engineer ist f\u00fcr die Datenqualit\u00e4t und die API-Integrationen zust\u00e4ndig. Der Product Owner ist f\u00fcr die Priorisierung und die Kommunikation mit den Stakeholdern zust\u00e4ndig. Das Team ist f\u00fcr die gesamte 3-Monats-Zeitraum verf\u00fcgbar.\"},\"name\":\"Was bedeutet ein dediziertes AI-Team f\u00fcr die Implementierung?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Nein. Die 3-Monats-Zeitraum ist f\u00fcr den Piloten der Rechnungspr\u00fcfung reserviert. Die Integration in Slack oder Microsoft Teams ist Teil des Rollouts, aber die eigentliche Automatisierung der monatlichen Berichterstattung (z. B. KPI-Dashboards, Umsatzberichte) ist ein separater Use Case. Die Berichterstattung nutzt die gleichen Datenquellen (ERP, CRM), aber andere Logik (Aggregation statt Klassifikation). Die 3 Monate sind f\u00fcr den Piloten der Rechnungspr\u00fcfung reserviert. Die Berichterstattung kann in einem zweiten Sprint (weitere 4\u20136 Wochen) implementiert werden, nachdem die Rechnungsdaten sauber im System sind.\"},\"name\":\"Kann ich die monatliche Berichterstattung in den 3-Monats-Zeitraum integrieren?\"}]},{\"@id\":\"https:\/\/blog.forfis.com\/blog\/rag-system-rechnungspruefung-ecommerce-oesterreich\/#breadcrumbs\",\"@type\":\"BreadcrumbList\",\"itemListElement\":[{\"@type\":\"ListItem\",\"item\":\"https:\/\/blog.forfis.com\",\"name\":\"Home\",\"position\":1},{\"@type\":\"ListItem\",\"item\":\"https:\/\/blog.forfis.com\/blog\/\",\"name\":\"Blog\",\"position\":2},{\"@type\":\"ListItem\",\"item\":\"https:\/\/blog.forfis.com\/blog\/rag-system-rechnungspruefung-ecommerce-oesterreich\/\",\"name\":\"RAG-System f\u00fcr Rechnungspr\u00fcfung im E-Commerce: 3-Monats-Plan\",\"position\":3}]},{\"@id\":\"https:\/\/blog.forfis.com#org\",\"@type\":\"Organization\",\"name\":\"Forfis\",\"url\":\"https:\/\/blog.forfis.com\"}]}","geo_content_hash":"a5b4f536353d5e883e76420ab9e2ab11f023e125c98c3bffa9978e8635e01a73","footnotes":""},"categories":[65],"tags":[35,69,39],"class_list":["post-63","post","type-post","status-publish","format-standard","hentry","category-e-commerce-and-retail","tag-austria","tag-automate-monthly-reporting","tag-invoice-processing"],"_links":{"self":[{"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/posts\/63","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/comments?post=63"}],"version-history":[{"count":0,"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/posts\/63\/revisions"}],"wp:attachment":[{"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/media?parent=63"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/categories?post=63"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/tags?post=63"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}