{"id":80,"date":"2026-10-06T18:59:36","date_gmt":"2026-10-06T18:59:36","guid":{"rendered":"https:\/\/blog.forfis.com\/blog\/ki-vertragspruefung-versicherung-2-wochen-pilot\/"},"modified":"2026-10-06T18:59:36","modified_gmt":"2026-10-06T18:59:36","slug":"ki-vertragspruefung-versicherung-2-wochen-pilot","status":"publish","type":"post","link":"https:\/\/blog.forfis.com\/blog\/de\/ki-vertragspruefung-versicherung-2-wochen-pilot\/","title":{"rendered":"KI-Vertragspr\u00fcfung in der Versicherung: 2-Wochen-Pilot mit LangChain"},"content":{"rendered":"<h2>Das Problem: Manuelle Vertragspr\u00fcfung in der Versicherung<\/h2>\n<p>Versicherungsunternehmen mit 201 bis 500 Mitarbeitern stehen vor einem spezifischen Problem: Die manuelle Datenerfassung aus Vertr\u00e4gen und Policen bindet Compliance-Teams, w\u00e4hrend die Dokumentenlaufzeit unter Druck steht. In Deutschland ist die DSGVO (Art. 5, 6) strenger als in anderen M\u00e4rkten, was bedeutet, dass personenbezogene Daten nicht einfach an US-Cloud-LLMs gesendet werden d\u00fcrfen. Gleichzeitig fehlt es an Skalierbarkeit: Ein Compliance-Experte braucht im Schnitt 45 Minuten f\u00fcr die Vorpr\u00fcfung eines Standardvertrags, w\u00e4hrend ein automatisierter Prozess diese Zeit auf unter 5 Minuten senken kann. Der Kern des Problems ist nicht die KI-Technologie selbst, sondern die Integration in bestehende Workflows ohne den Austausch von CRM, ERP oder Helpdesk-Systemen. Ein isolierter Pilot, der nicht in den t\u00e4glichen Betrieb eingebettet ist, liefert keine messbaren Ergebnisse. Die L\u00f6sung liegt in einem zweiw\u00f6chigen Integration Sprint, der einen Conversational Agent aufsetzt, der \u00fcber Slack oder Microsoft Teams mit den Mitarbeitern interagiert, Dokumente \u00fcber ein RAG-System pr\u00fcft und die manuelle Datenerfassung ersetzt.<\/p>\n<h2>Voraussetzungen f\u00fcr den zweiw\u00f6chigen Sprint<\/h2>\n<p>Bevor der Sprint startet, m\u00fcssen folgende Voraussetzungen erf\u00fcllt sein:<\/p>\n<ul>\n<li><strong>Zugang zu den Quelldokumenten:<\/strong> Die Vertr\u00e4ge und Policen m\u00fcssen in einem zentralen Repository (SharePoint, S3, oder lokales NAS) liegen. Gescannte PDFs ohne OCR sind nicht geeignet; die Dokumente m\u00fcssen textbasiert sein.<\/li>\n<li><strong>API-Zug\u00e4nge:<\/strong> Sie ben\u00f6tigen Read-Only-Zug\u00e4nge zu Ihrem CRM (z. B. Salesforce, HubSpot) und ERP (z. B. SAP, Microsoft Dynamics) \u00fcber REST-APIs. Diese werden f\u00fcr die Kontextanreicherung des RAG-Systems ben\u00f6tigt.<\/li>\n<li><strong>Chat-Kanal-Integration:<\/strong> Ein Bot-Token f\u00fcr Slack oder Microsoft Teams, der in den relevanten Compliance-Channel eingebunden werden kann.<\/li>\n<li><strong>Datenklassifizierung:<\/strong> Eine klare Definition, welche Daten als personenbezogen gelten. F\u00fcr diese Daten muss ein On-Premise-Modell (z. B. Llama 3 auf eigener Hardware) oder ein EU-Hosting-Dienstleister mit Standardvertragsklauseln (Art. 46 DSGVO) vorbereitet sein.<\/li>\n<li><strong>Baseline-Messung:<\/strong> Sie m\u00fcssen die aktuelle Zykluszeit und Fehlerquote f\u00fcr die Vertragspr\u00fcfung dokumentieren. Ohne diese Baseline k\u00f6nnen Sie den Erfolg des Piloten nicht messen.<\/li>\n<\/ul>\n<h2>Schritte zur Implementierung des Conversational Agents<\/h2>\n<ol>\n<li>\n<p><strong>Prozess-Audit und Scope-Definition:<\/strong> Identifizieren Sie den spezifischen Vertrags-Typ, der im Piloten abgedeckt wird (z. B. B2B-Versicherungsvertr\u00e4ge). Definieren Sie die 5-10 Felder, die extrahiert werden m\u00fcssen (z. B. Versicherungsnehmer, Laufzeit, Pr\u00e4mie). Dokumentieren Sie die Freigabekriterien: Welche Felder m\u00fcssen ein Mensch pr\u00fcfen? Dies wird in einem 2-st\u00fcndigen Workshop mit Compliance und IT festgelegt.<\/p>\n<\/li>\n<li>\n<p><strong>RAG-Infrastruktur aufsetzen:<\/strong> Laden Sie die relevanten Dokumente in einen Vektor-Datenbank (z. B. Pinecone oder Weaviate) ein. Verwenden Sie <code>langchain.vectorstores<\/code> f\u00fcr die Indexierung. F\u00fcr die Embedding-Modellierung nutzen Sie ein DSGVO-konformes Modell (z. B. <code>all-MiniLM-L6-v2<\/code> lokal oder ein EU-gehostetes API). Testen Sie die Retrieval-Genauigkeit mit 20 Stichproben aus dem Dokumentenbestand.<\/p>\n<\/li>\n<li>\n<p><strong>LangGraph-Workflow konfigurieren:<\/strong> Definieren Sie den Zustandsautomaten in <code>langgraph.graph<\/code>. Die Nodes sind: <code>extract<\/code> (Extraktion der Felder), <code>validate<\/code> (Pr\u00fcfung der Plausibilit\u00e4t), <code>human_approval<\/code> (Pause f\u00fcr die Freigabe), und <code>update_crm<\/code> (Schreiben der Daten ins CRM). Verwenden Sie <code>StateGraph<\/code> mit einem <code>MessageHistory<\/code>-State, um den Kontext im Chat-Kanal zu erhalten.<\/p>\n<\/li>\n<li>\n<p><strong>Conversational Agent f\u00fcr Slack\/Teams implementieren:<\/strong> Verwenden Sie das <code>slack-bolt<\/code> oder <code>botframework<\/code>-Framework. Der Agent antwortet auf den Befehl <code>\/review &lt;dateiname&gt;<\/code>. Er l\u00e4dt das Dokument, f\u00fchrt die RAG-Abfrage durch und postet die extrahierten Felder als Markdown-Message in den Channel. Die Latenz sollte unter 3 Sekunden liegen; bei Cloud-LLMs muss die Anfrage asynchron abgewickelt werden.<\/p>\n<\/li>\n<li>\n<p><strong>Human-in-the-Loop-Integration:<\/strong> Implementieren Sie den <code>human_approval<\/code>-Node so, dass der Agent eine Interaktive-Message mit Buttons (\u2018Freigeben\u2019, \u2018Ablehnen\u2019, \u2018Korrigieren\u2019) sendet. Die Freigabe wird im CRM als Status \u2018Approved\u2019 markiert. Ohne diese Freigabe wird kein Datenpunkt in das ERP geschrieben. Dies erf\u00fcllt die Anforderung der DSGVO, dass automatisierte Entscheidungen \u00fcberpr\u00fcfbar sein m\u00fcssen.<\/p>\n<\/li>\n<li>\n<p><strong>Baseline-Vergleich und Messung:<\/strong> F\u00fchren Sie 50 Testvertr\u00e4ge durch. Messen Sie die Zeit von der Dokumenten\u00fcbergabe bis zur Freigabe. Vergleichen Sie die Fehlerquote (z. B. falsche Pr\u00e4mien-Eingabe) mit der manuellen Baseline. Dokumentieren Sie die Ergebnisse in einem kurzen Report, der als Grundlage f\u00fcr den Rollout dient.<\/p>\n<\/li>\n<\/ol>\n<h2>H\u00e4ufige Stolperfallen und wie Sie sie erkennen<\/h2>\n<ul>\n<li><strong>OCR-Fehler bei gescannten PDFs:<\/strong> Wenn die Quelldokumente gescannte Bilder sind, ohne vorherige OCR-Bearbeitung, wird die Extraktionsrate unter 70 % fallen. Erkennen Sie dies im Schritt 2, wenn die Retrieval-Genauigkeit bei den Stichproben niedrig ist. L\u00f6sung: Vorverarbeitung mit Tesseract oder einem kommerziellen OCR-Dienst, bevor die Dokumente in den Vektor-Index geladen werden.<\/li>\n<li><strong>API-Rate-Limits im CRM:<\/strong> Wenn der Agent zu viele parallele Anfragen an das CRM sendet, werden diese abgelehnt. Erkennen Sie dies an HTTP-429-Fehlern in den Logs. L\u00f6sung: Implementieren Sie einen Rate-Limiter in LangChain (z. B. <code>tenacity<\/code> mit Exponential Backoff) und begrenzen Sie die parallelen Anfragen auf 5 pro Minute.<\/li>\n<li><strong>Halluzinationen bei fehlenden Daten:<\/strong> Wenn ein Feld im Dokument nicht vorhanden ist, erfindet das LLM manchmal einen Wert. Erkennen Sie dies, wenn die <code>validate<\/code>-Node-Pr\u00fcfung eine Inkonsistenz meldet. L\u00f6sung: Konfigurieren Sie das Prompt so, dass das Modell \u2018Nicht gefunden\u2019 zur\u00fcckgibt, wenn ein Feld fehlt, und erzwingen Sie dies durch eine <code>structured_output<\/code>-Konfiguration in LangChain.<\/li>\n<li><strong>Latenz im Chat-Kanal:<\/strong> Wenn die Antwortzeit \u00fcber 10 Sekunden liegt, wird der Agent von den Nutzern als unzuverl\u00e4ssig empfunden. Erkennen Sie dies durch User-Feedback oder durch Messung der API-Latenz. L\u00f6sung: Verwenden Sie ein kleineres, schnelleres Modell f\u00fcr die Extraktion (z. B. Llama 3 8B) und ein gr\u00f6\u00dferes Modell nur f\u00fcr die semantische Pr\u00fcfung, oder nutzen Sie Caching f\u00fcr h\u00e4ufige Abfragen.<\/li>\n<li><strong>Fehlende Freigabe-Logik:<\/strong> Wenn der <code>human_approval<\/code>-Node nicht korrekt pausiert, wird der Prozess fortgesetzt, ohne dass ein Mensch zugestimmt hat. Erkennen Sie dies, wenn Daten im CRM aktualisiert werden, obwohl keine Button-Interaktion stattfand. L\u00f6sung: Testen Sie den Workflow explizit mit einem \u2018Timeout\u2019-Szenario, bei dem keine Freigabe erfolgt, und stellen Sie sicher, dass der Prozess in einem \u2018Pending\u2019-Status bleibt.<\/li>\n<\/ul>\n<h2>N\u00e4chste Schritte nach dem Piloten<\/h2>\n<p>Der zweiw\u00f6chige Sprint liefert einen funktionierenden Piloten, der die manuelle Datenerfassung f\u00fcr einen spezifischen Vertrags-Typ ersetzt. Die gemessenen Baseline-Werte zeigen, ob die Zykluszeit und Fehlerquote signifikant verbessert wurden. Der n\u00e4chste logische Schritt ist die Ausweitung auf weitere Vertrags-Typen und die Integration in den gesamten Compliance-Prozess. Dabei sollten Sie die Modell-Agnostizit\u00e4t nutzen: Wenn die Cloud-LLMs f\u00fcr bestimmte Daten zu langsam oder zu teuer sind, k\u00f6nnen Sie auf On-Premise-Modelle umstellen, ohne die Architektur zu \u00e4ndern. Die Architektur ist so gestaltet, dass sie in bestehende Systeme integriert wird, nicht sie ersetzt. Das bedeutet, dass Ihr CRM, ERP und Helpdesk weiterhin die zentrale Rolle spielen, w\u00e4hrend der KI-Agent als Beschleuniger fungiert. F\u00fcr den Rollout sollten Sie ein Change-Management-Programm aufsetzen, das die Compliance-Teams schult und die Akzeptanz des neuen Workflows f\u00f6rdert. Die Messung der Ergebnisse sollte kontinuierlich erfolgen, um sicherzustellen, dass die Qualit\u00e4t der Extraktion und die Nutzerzufriedenheit auf einem hohen Niveau bleiben.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>So implementieren Sie in zwei Wochen einen KI-Agenten f\u00fcr die Vertragspr\u00fcfung in der Versicherung. Mit LangChain, LangGraph und DSGVO-konformer Architektur f\u00fcr schnellere Dokumentenbearbeitung.<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"rank_math_title":"KI-Vertragspr\u00fcfung in der Versicherung: 2-Wochen-Pilot mit LangChain","rank_math_description":"So implementieren Sie in zwei Wochen einen KI-Agenten f\u00fcr die Vertragspr\u00fcfung in der Versicherung. Mit LangChain, LangGraph und DSGVO-konformer Architektur f\u00fcr schnellere Dokumentenbearbeitung.","rank_math_focus_keyword":"replace manual data entry contract review","_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\/ki-vertragspruefung-versicherung-2-wochen-pilot\/#article\",\"@type\":\"Article\",\"author\":{\"@id\":\"https:\/\/blog.forfis.com#org\"},\"dateModified\":\"2026-10-05T23:45:56.315831243+00:00\",\"datePublished\":\"2026-10-05T23:45:56.315831243+00:00\",\"description\":\"So implementieren Sie in zwei Wochen einen KI-Agenten f\u00fcr die Vertragspr\u00fcfung in der Versicherung. Mit LangChain, LangGraph und DSGVO-konformer Architektur f\u00fcr schnellere Dokumentenbearbeitung.\",\"headline\":\"KI-Vertragspr\u00fcfung in der Versicherung: 2-Wochen-Pilot mit LangChain\",\"inLanguage\":\"en\",\"keywords\":[\"Running Isolated Pilots\",\"LangChain and LangGraph\",\"Conversational Agent\",\"Legal and Compliance\",\"201-500\",\"GDPR\",\"Integration Sprint\",\"Insurance and Insurtech\",\"Slack or Microsoft Teams\",\"German\",\"Replace Manual Data Entry\",\"Germany\",\"2 weeks\",\"Contract Review\"],\"mainEntityOfPage\":\"https:\/\/blog.forfis.com\/blog\/ki-vertragspruefung-versicherung-2-wochen-pilot\/\",\"publisher\":{\"@id\":\"https:\/\/blog.forfis.com#org\"}},{\"@id\":\"https:\/\/blog.forfis.com\/blog\/ki-vertragspruefung-versicherung-2-wochen-pilot\/#faq\",\"@type\":\"FAQPage\",\"mainEntity\":[{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Ein RAG-System \u00fcber interne Dokumente ist in zwei Wochen als Pilot machbar, wenn der Dokumentenbestand unter 500 Seiten liegt und die Struktur (PDF, Word, SharePoint) einheitlich ist. F\u00fcr komplexe Vertr\u00e4ge mit dynamischen Klauseln oder verschachtelten Anh\u00e4ngen reicht die Zeit f\u00fcr eine stabile Produktionsumgebung nicht. In diesem Fall empfiehlt sich ein zweistufiges Vorgehen: Woche 1-2 f\u00fcr die Extraktion und Klassifizierung, Woche 3-4 f\u00fcr die semantische Pr\u00fcfung und die Integration in den Freigabeprozess.\"},\"name\":\"Kann ein RAG-System in zwei Wochen f\u00fcr die vollst\u00e4ndige Vertragspr\u00fcfung in der Versicherungsbranche implementiert werden?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Nein, die DSGVO verbietet die \u00dcbertragung personenbezogener Daten an Dritte ohne angemessene Garantien. F\u00fcr Vertragsdaten, die Kundennamen, Adressen oder Gesundheitsdaten enthalten, m\u00fcssen Sie entweder einen EU-Hosting-Dienstleister mit Standardvertragsklauseln (Art. 46 DSGVO) nutzen oder offene Modelle (z. B. Llama 3 oder Mistral) auf eigener Hardware betreiben. Letzteres ist bei Forfis der Standard f\u00fcr regulierte Daten, da die Daten das Geb\u00e4ude nicht verlassen.\"},\"name\":\"Darf ich f\u00fcr die Vertragspr\u00fcfung OpenAI oder Anthropic APIs nutzen, wenn Kundendaten enthalten sind?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"LangChain dient als Orchestrierungsschicht f\u00fcr die Prompt-Ketten und die Anbindung an die LLM-APIs. LangGraph verwaltet den Zustandsautomaten des Agents, insbesondere die \u00dcberg\u00e4nge zwischen 'Extraktion', 'Pr\u00fcfung' und 'Menschliche Freigabe'. F\u00fcr die Integration in Slack oder Teams nutzen Sie die jeweiligen Webhooks oder Bot-Frameworks. Die Verbindung zum CRM oder ERP erfolgt \u00fcber REST-APIs, die in LangChain als Custom Tools definiert werden.\"},\"name\":\"Wie integriere ich LangChain und LangGraph in bestehende Slack- oder Teams-Workflows?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Ein Conversational Agent in diesem Kontext ist ein KI-System, das \u00fcber einen Chat-Kanal (Slack\/Teams) mit Mitarbeitern interagiert, um Vertragsdaten zu extrahieren, zu klassifizieren und erste Pr\u00fcfungsschritte durchzuf\u00fchren. Es ersetzt keine juristische Beratung, sondern automatisiert die manuelle Datenerfassung und die Vorpr\u00fcfung von Klauseln. Der Agent arbeitet im Human-in-the-Loop-Modus: Er schl\u00e4gt Aktionen vor, die ein Compliance-Experte freigeben muss.\"},\"name\":\"Was ist ein Conversational Agent im Kontext der Vertragspr\u00fcfung?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Ja, die DSGVO (Art. 22) erlaubt automatisierte Entscheidungen, wenn sie f\u00fcr den Vertragsschluss erforderlich sind, aber ein menschliches Eingreifen muss m\u00f6glich sein. In der Praxis bedeutet das: Der Agent darf keine endg\u00fcltige Freigabe erteilen. Er markiert Risiken, extrahiert Daten und erstellt einen Entwurf. Die finale Entscheidung liegt beim Menschen. Dies wird technisch durch einen 'Approval-Node' im LangGraph-Workflow umgesetzt, der den Prozess pausiert, bis eine Freigabe im System erfolgt.\"},\"name\":\"Ist die Nutzung von KI f\u00fcr die Vertragspr\u00fcfung in Deutschland DSGVO-konform?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Die typischen Stolperfallen sind: 1) Unklare Datenqualit\u00e4t in den Quelldokumenten (z. B. gescannte PDFs ohne OCR), was die Extraktionsrate senkt. 2) Fehlende API-Zug\u00e4nge zum CRM oder ERP, die f\u00fcr die Kontextanreicherung n\u00f6tig sind. 3) Zu weite Scope-Definition im Pilot, die die zweiw\u00f6chige Zeitspanne sprengt. 4) Mangelnde Einbindung der Compliance-Abteilung in die Definition der Freigabekriterien. 5) Ignorieren der Latenzzeiten bei der Nutzung von Cloud-LLMs, was die Nutzererfahrung im Chat-Kanal verschlechtert.\"},\"name\":\"Welche h\u00e4ufigen Fehler machen Unternehmen bei der Implementierung von KI-Piloten in zwei Wochen?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Ein Integration Sprint bei Forfis umfasst die technische Planung, die Produktgestaltung und die Entwicklung des Piloten. Der Sprint startet mit einem Prozess-Audit, um die relevanten Workflows zu identifizieren. Danach folgt die Konfiguration der LangChain\/LangGraph-Umgebung, die Anbindung an die bestehenden Systeme (CRM, ERP, Slack\/Teams) und die Implementierung des Human-in-the-Loop-Prozesses. Am Ende des Sprints liegt ein funktionsf\u00e4higer Pilot mit gemessenen Baseline-Werten f\u00fcr Zykluszeit und Fehlerquote vor.\"},\"name\":\"Was umfasst ein Integration Sprint bei Forfis?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Die Kosten h\u00e4ngen vom Umfang des Piloten und der Komplexit\u00e4t der Integration ab. Ein typischer zweiw\u00f6chiger Sprint f\u00fcr einen Conversational Agent mit RAG-Anbindung an interne Dokumente und Integration in Slack\/Teams liegt im mittleren f\u00fcnfstelligen Bereich. Dazu kommen laufende Kosten f\u00fcr die LLM-APIs (bei Cloud-Nutzung) oder die Hardware (bei On-Premise-Betrieb). Forfis arbeitet mit festem Scope, sodass keine versteckten Kosten entstehen. Die genaue Kalkulation erfolgt nach dem Prozess-Audit.\"},\"name\":\"Wie hoch sind die Kosten f\u00fcr einen zweiw\u00f6chigen KI-Piloten in der Vertragspr\u00fcfung?\"}]},{\"@id\":\"https:\/\/blog.forfis.com\/blog\/ki-vertragspruefung-versicherung-2-wochen-pilot\/#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\/ki-vertragspruefung-versicherung-2-wochen-pilot\/\",\"name\":\"KI-Vertragspr\u00fcfung in der Versicherung: 2-Wochen-Pilot mit LangChain\",\"position\":3}]},{\"@id\":\"https:\/\/blog.forfis.com#org\",\"@type\":\"Organization\",\"name\":\"Forfis\",\"url\":\"https:\/\/blog.forfis.com\"}]}","geo_content_hash":"61c3d6a856753d664d4ea0aa7b925b6d95ef3f72e3b139e1d5e7e683e884886b","footnotes":""},"categories":[57],"tags":[31,27,73],"class_list":["post-80","post","type-post","status-publish","format-standard","hentry","category-insurance-and-insurtech","tag-contract-review","tag-germany","tag-replace-manual-data-entry"],"_links":{"self":[{"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/posts\/80","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=80"}],"version-history":[{"count":0,"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/posts\/80\/revisions"}],"wp:attachment":[{"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/media?parent=80"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/categories?post=80"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/tags?post=80"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}