{"id":41734,"date":"2025-11-20T13:31:14","date_gmt":"2025-11-20T06:31:14","guid":{"rendered":"https:\/\/digi-texx.com\/case-studies\/plattformuebergreifende-datengenerierung-zum-aufbau-von-nutzerverhaltensdatensaetzen-fuer-das-ki-agenten-training\/"},"modified":"2026-05-06T14:33:00","modified_gmt":"2026-05-06T07:33:00","slug":"plattformuebergreifende-datengenerierung-zum-aufbau-von-nutzerverhaltensdatensaetzen-fuer-das-ki-agenten-training","status":"publish","type":"case-studies","link":"https:\/\/digi-texx.com\/de\/case-studies\/plattformuebergreifende-datengenerierung-zum-aufbau-von-nutzerverhaltensdatensaetzen-fuer-das-ki-agenten-training\/","title":{"rendered":"Plattform\u00fcbergreifende Datengenerierung zum Aufbau von Nutzerverhaltensdatens\u00e4tzen f\u00fcr das KI-Agenten-Training"},"content":{"rendered":"<div class=\"gb-container gb-container-049d4be1\"><div class=\"gb-inside-container\">\n<style>.kb-image34856_f4bced-65 .kb-image-has-overlay:after{opacity:0.3;}<\/style>\n<figure class=\"wp-block-kadence-image kb-image34856_f4bced-65 size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"576\" src=\"https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-9-1024x576.jpg\" alt=\"Plattform\u00fcbergreifende Datengenerierung zum Aufbau von Nutzerverhaltensdatens\u00e4tzen f\u00fcr das KI-Agenten-Training 9\" class=\"kb-img wp-image-34956\" title=\"\" srcset=\"https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-9-1024x576.jpg 1024w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-9-300x169.jpg 300w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-9-768x432.jpg 768w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-9-1536x864.jpg 1536w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-9.jpg 1920w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n\n\n\n<h2 class=\"gb-headline gb-headline-9ac0d6d3 gb-headline-text\"><span class=\"ez-toc-section\" id=\"Geschaeftliche_Herausforderungen\"><\/span>Gesch\u00e4ftliche Herausforderungen<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<h3 class=\"gb-headline gb-headline-2e78daf4 gb-headline-text\"><span class=\"ez-toc-section\" id=\"Unser_Kunde\"><\/span><strong><strong><strong><span style=\"color: var(--accent);\" class=\"stk-highlight\"><strong>Unser Kunde<\/strong><\/span><\/strong><\/strong><\/strong><span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<p>Der Kunde von DIGI-TEXX ist ein Technologieinstitut in den Vereinigten Staaten, das sich auf K\u00fcnstliche Intelligenz (KI) konzentriert. <\/p>\n\n\n\n<p>Der Kunde entwickelt KI-Systeme, die widerspiegeln, wie Menschen sich in digitalen R\u00e4umen bewegen. Durch die Analyse von Entscheidungs- und Kommunikationsmustern im Internet wollen sie Modelle entwickeln, die menschliche Interaktionen in diesen Umgebungen authentisch nachbilden. <\/p>\n\n\n<style>.kb-image34856_0d3268-8d .kb-image-has-overlay:after{opacity:0.3;}<\/style>\n<figure class=\"wp-block-kadence-image kb-image34856_0d3268-8d size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"576\" src=\"https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-5-1024x576.jpg\" alt=\"Plattform\u00fcbergreifende Datengenerierung zum Aufbau von Nutzerverhaltensdatens\u00e4tzen f\u00fcr das KI-Agenten-Training\" class=\"kb-img wp-image-34873\" title=\"\" srcset=\"https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-5-1024x576.jpg 1024w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-5-300x169.jpg 300w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-5-768x432.jpg 768w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-5-1536x864.jpg 1536w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-5.jpg 1920w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n\n\n\n<h3 class=\"gb-headline gb-headline-3399d153 gb-headline-text\"><span class=\"ez-toc-section\" id=\"Das_Konzept_von_KI-Agenten\"><\/span><strong><span style=\"color: var(--accent);\" class=\"stk-highlight\">Das Konzept von KI-Agenten<\/span><\/strong><span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<p>Large Language Models (LLMs) \u2013 wie GPT oder Claude \u2013 sind hervorragend darin, Informationen zu verarbeiten, Texte zu generieren und Daten zusammenzufassen, doch im Grunde sind sie Werkzeuge, die auf eine Eingabe warten.<\/p>\n\n\n\n<p>KI-Agenten hingegen unterscheiden sich davon. Sie basieren zwar auf LLMs, sind jedoch auf eigenst\u00e4ndiges Handeln ausgelegt. In ihrer Funktionsweise \u00e4hneln sie digitalen Menschen:  <\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Sie denken: Sie definieren ein Ziel und planen die notwendigen Schritte zu dessen Erreichung.<\/li>\n\n\n\n<li>Sie argumentieren: Sie analysieren Situationen und treffen fundierte Entscheidungen.<\/li>\n\n\n\n<li>Sie handeln: Sie setzen die notwendigen Schritte ohne st\u00e4ndiges menschliches Eingreifen um.<\/li>\n<\/ul>\n\n\n\n<p>Entscheidend ist, dass KI-Agenten kontinuierlich lernen und sich mit jeder Aufgabe verbessern. Dadurch werden sie im Laufe der Zeit immer zuverl\u00e4ssiger und autonomer.<\/p>\n\n\n<style>.kb-image34856_e7aebf-8b .kb-image-has-overlay:after{opacity:0.3;}<\/style>\n<figure class=\"wp-block-kadence-image kb-image34856_e7aebf-8b size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"576\" src=\"https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-3-1024x576.jpg\" alt=\"Plattform\u00fcbergreifende Datengenerierung zum Aufbau von Nutzerverhaltensdatens\u00e4tzen f\u00fcr das KI-Agenten-Training\" class=\"kb-img wp-image-34865\" title=\"\" srcset=\"https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-3-1024x576.jpg 1024w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-3-300x169.jpg 300w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-3-768x432.jpg 768w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-3-1536x864.jpg 1536w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-3.jpg 1920w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n\n\n\n<h3 class=\"gb-headline gb-headline-fe55f590 gb-headline-text\"><span class=\"ez-toc-section\" id=\"Herausforderungen_des_Projekts\"><\/span><strong><strong><strong><span style=\"color: var(--accent);\" class=\"stk-highlight\"><strong>Herausforderungen des Projekts<\/strong><\/span><\/strong><\/strong><\/strong><span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<p>Das Ziel des Kunden war die Erstellung und der Aufbau eines robusten Datensatzes realistischer Benutzerinteraktionen \u00fcber mehrere digitale Plattformen hinweg. Die generierten Daten sollten als Trainingsinput f\u00fcr KI-Modelle dienen, die darauf ausgelegt sind, zu verstehen und vorherzusagen, wie Nutzer in realen Szenarien navigieren, klicken und mit digitalen Inhalten interagieren.  <\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Plattform\u00fcbergreifende Komplexit\u00e4t:<\/strong> Jede Plattform verf\u00fcgte \u00fcber individuelle Schnittstellen und Interaktionsabl\u00e4ufe, was von den Bearbeitern eine schnelle Anpassungsf\u00e4higkeit erforderte, um gleichzeitig ein konsistentes und nat\u00fcrliches Nutzerverhalten beizubehalten.<\/li>\n\n\n\n<li><strong>Klare Aufgabenstellung und konsistente Ausf\u00fchrung:<\/strong> Jede Interaktion musste exakt vorgegebenen Skripten folgen. Unklare Aufgabenbeschreibungen oder geringf\u00fcgige Abweichungen bei der Ausf\u00fchrung konnten inkonsistente Aufzeichnungen verursachen, was dazu f\u00fchren k\u00f6nnen h\u00e4tte, dass die KI die Nutzerabsicht falsch interpretierte oder falsche Verhaltensmuster erlernte. <\/li>\n\n\n\n<li><strong>Der Prozess der Skripterstellung:<\/strong> Die Skriptautoren m\u00fcssen die logische Weitsicht besitzen, um die Br\u00fccke zwischen unvorhersehbaren menschlichen Szenarien und der strikten Konsistenz zu schlagen, die eine KI f\u00fcr effektives Lernen ben\u00f6tigt.<\/li>\n\n\n\n<li><strong>Der Prozess der Skripterstellung:<\/strong> Die Skriptautoren m\u00fcssen die logische Weitsicht besitzen, um die Br\u00fccke zwischen unvorhersehbaren menschlichen Szenarien und der strikten Konsistenz zu schlagen, die eine KI f\u00fcr effektives Lernen ben\u00f6tigt.<\/li>\n\n\n\n<li><strong>Strenge Genauigkeitsanforderungen:<\/strong> Selbst kleinste Abweichungen bei Cursorbewegungen, Timing oder Ablauffolgen konnten die Zuverl\u00e4ssigkeit des KI-Lernprozesses beeintr\u00e4chtigen, was eine kontinuierliche \u00dcberwachung und R\u00fcckkopplungsschleifen erforderlich machte.<\/li>\n<\/ul>\n\n\n\n<h3 class=\"gb-headline gb-headline-25fbbbd3 gb-headline-text\"><span class=\"ez-toc-section\" id=\"Projektumfang\"><\/span><strong><strong><strong><span style=\"color: var(--accent);\" class=\"stk-highlight\">Projektumfang<\/span><\/strong><\/strong><\/strong><span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<p>Im Verlauf des Projekts ergaben sich jedoch mehrere Herausforderungen:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Das Projekt erforderte die Bereitstellung von <strong><span style=\"color: var(--accent);\" class=\"stk-highlight\">200 Stunden <\/span><\/strong>aufgezeichneter Daten mit <strong><span style=\"color: var(--accent);\" class=\"stk-highlight\">100% Genauigkeit<\/span><\/strong>, koordiniert \u00fcber vier verschiedene Dienstleister.<\/li>\n\n\n\n<li>Erstellung von Szenarien zur Simulation realistischen Nutzerverhaltens sowohl auf sozialen als auch auf Unternehmensplattformen.<\/li>\n\n\n\n<li>Nutzung des internen Systems des Kunden zur Ausf\u00fchrung und Aufzeichnung aller vordefinierten Aufgaben unter standardisierten Verfahren.<\/li>\n\n\n\n<li>Organisation und Annotation der Ausgabedaten in strukturierte Datens\u00e4tze, die f\u00fcr das Training und die Evaluierung von KI-Modellen bereit sind.<\/li>\n\n\n\n<li>Aufrechterhaltung der Datenqualit\u00e4tskontrolle, um sicherzustellen, dass jede Ausgabe die erforderlichen Anforderungen an Genauigkeit, Vollst\u00e4ndigkeit und Formatkonsistenz erf\u00fcllt.<\/li>\n<\/ul>\n\n<\/div><\/div><div class=\"gb-container gb-container-540b5898\"><div class=\"gb-inside-container\">\n\n<h2 class=\"gb-headline gb-headline-c2b72c8c gb-headline-text\"><span class=\"ez-toc-section\" id=\"DATA_GENERATION_AND_TRAINING_SERVICES\"><\/span><strong><strong><strong><strong>DATA GENERATION AND TRAINING SERVICES<\/strong><\/strong><\/strong><\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n<style>.kb-image34856_9b22d8-2c .kb-image-has-overlay:after{opacity:0.3;}<\/style>\n<figure class=\"wp-block-kadence-image kb-image34856_9b22d8-2c size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"576\" src=\"https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-2-1024x576.jpg\" alt=\"Plattform\u00fcbergreifende Datengenerierung zum Aufbau von Nutzerverhaltensdatens\u00e4tzen f\u00fcr das KI-Agenten-Training\" class=\"kb-img wp-image-34861\" title=\"\" srcset=\"https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-2-1024x576.jpg 1024w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-2-300x169.jpg 300w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-2-768x432.jpg 768w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-2-1536x864.jpg 1536w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-2.jpg 1920w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n\n\n\n<p>DIGI-TEXX implemented a streamlined workflow to capture and process user interaction data with consistency and efficiency. Our approach involved: <\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Simulation von Nutzerverhalten auf mehreren Plattformen unter standardisierten Aufzeichnungsverfahren.<\/li>\n\n\n\n<li>Erfassung jedes Schrittes der User Journey \u2013 vom Login bis zum Abschluss der Aufgabe \u2013 um sicherzustellen, dass jede Aktion sichtbar, beschriftet und korrekt sequenziert war.<\/li>\n\n\n\n<li>Verarbeitung der Ausgabedaten mithilfe interner Tools, um die Genauigkeit zu \u00fcberpr\u00fcfen, redundante Inhalte zu entfernen und die Daten an der Struktur des Kunden auszurichten.<\/li>\n\n\n\n<li>Aufrechterhaltung der Qualit\u00e4tskontrolle in jeder Phase, um die Konsistenz und Zuverl\u00e4ssigkeit des Ergebnisdatensatzes zu gew\u00e4hrleisten.<\/li>\n<\/ul>\n\n\n\n<p>The streamlined workflow is driven by our specialized team of AI Training Experts. To ensure the models receive high-fidelity data, our staff brings: <\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Fundierte KI-Hintergr\u00fcnde<\/strong>: Unsere Spezialisten verf\u00fcgen \u00fcber umfangreiche Erfahrung in der multimodalen Datenverarbeitung und stellen sicher, dass die Nuancen der Interpretation von Nutzersequenzen durch neuronale Netze ber\u00fccksichtigt werden.<\/li>\n\n\n\n<li><strong>Ausgepr\u00e4gte logische F\u00e4higkeiten<\/strong>: Wir schlie\u00dfen die L\u00fccke zwischen dem un\u00fcbersichtlichen, realen menschlichen Verhalten und der strengen strukturellen Konsistenz, die KI erfordert.<\/li>\n\n\n\n<li><strong>Qualifikationen<\/strong>: Jedes Teammitglied ist in strengen Datensicherheitsprotokollen und spezifischen Annotationsmethoden geschult, wodurch sichergestellt wird, dass komplexe Aufgaben \u2013 von der plattform\u00fcbergreifenden Simulation bis zur abschlie\u00dfenden Verifizierung \u2013 pr\u00e4zise ausgef\u00fchrt werden.<\/li>\n<\/ul>\n\n<\/div><\/div><div class=\"gb-container gb-container-3c64cdaf\"><div class=\"gb-inside-container\">\n<div class=\"gb-grid-wrapper gb-grid-wrapper-84dc8722\">\n<div class=\"gb-grid-column gb-grid-column-31652cd0\"><div class=\"gb-container gb-container-31652cd0\"><div class=\"gb-inside-container\">\n\n<h2 class=\"gb-headline gb-headline-6c0964bb gb-headline-text\"><span class=\"ez-toc-section\" id=\"GESCHAeFTSERGEBNIS\"><\/span>GESCH\u00c4FTSERGEBNIS<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Erstellung von <strong><span style=\"color: var(--accent);\" class=\"stk-highlight\">\u00fcber 500 Stunden Aufzeichnungen von Benutzerinteraktionen pro Tag<\/span><\/strong>.<\/li>\n\n\n\n<li>Erzielung einer <strong><span style=\"color: var(--accent);\" class=\"stk-highlight\">Genauigkeitsrate von 100 %<\/span><\/strong> bei der Zuordnung aufgezeichneter Verhaltensweisen zu definierten Plattformaufgaben.<\/li>\n\n\n\n<li>Dieses Engagement f\u00fcr Pr\u00e4zision sicherte uns den <span style=\"color: var(--accent);\" class=\"stk-highlight\"><strong>#1<\/strong><\/span> unter allen asiatischen Anbietern und \u00fcbertraf die Konkurrenz in wichtigen M\u00e4rkten wie Indien, den Philippinen und China.<\/li>\n\n\n\n<li>Erm\u00f6glichte dem Kunden die Beschleunigung von KI-Trainingszyklen, wodurch die manuelle Vorbereitungszeit reduziert und die Lerneffizienz der Modelle verbessert wurde.<\/li>\n<\/ul>\n\n<\/div><\/div><\/div>\n\n<div class=\"gb-grid-column gb-grid-column-0123e88f\"><div class=\"gb-container gb-container-0123e88f\"><div class=\"gb-inside-container\">\n\n<figure class=\"gb-block-image gb-block-image-d804f78c\"><img loading=\"lazy\" decoding=\"async\" width=\"1920\" height=\"1080\" class=\"gb-image gb-image-d804f78c\" src=\"https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-4.jpg\" alt=\"Plattform\u00fcbergreifende Datengenerierung zum Aufbau von Nutzerverhaltensdatens\u00e4tzen f\u00fcr das KI-Agenten-Training\" title=\"Plattform\u00fcbergreifende Datengenerierung zum Aufbau von Nutzerverhaltensdatens\u00e4tzen f\u00fcr das KI-Agenten-Training\" srcset=\"https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-4.jpg 1920w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-4-300x169.jpg 300w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-4-1024x576.jpg 1024w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-4-768x432.jpg 768w, https:\/\/digi-texx.com\/wp-content\/uploads\/2025\/11\/Data-Generation-on-Multiple-Platforms-to-Build-User-Behavior-Datasets-for-AI-Agent-Training-4-1536x864.jpg 1536w\" sizes=\"auto, (max-width: 1920px) 100vw, 1920px\" \/><\/figure>\n\n<\/div><\/div><\/div>\n<\/div>\n<\/div><\/div>","protected":false},"excerpt":{"rendered":"<p>DIGI-TEXX lieferte eine gro\u00df angelegte Datengenerierung auf mehreren Plattformen, die reale Benutzerinteraktionen \u00fcber Online- und Unternehmenssysteme hinweg simulierte<\/p>\n","protected":false},"featured_media":34957,"template":"","industries":[],"class_list":["post-41734","case-studies","type-case-studies","status-publish","has-post-thumbnail","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/digi-texx.com\/de\/wp-json\/wp\/v2\/case-studies\/41734","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/digi-texx.com\/de\/wp-json\/wp\/v2\/case-studies"}],"about":[{"href":"https:\/\/digi-texx.com\/de\/wp-json\/wp\/v2\/types\/case-studies"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/digi-texx.com\/de\/wp-json\/wp\/v2\/media\/34957"}],"wp:attachment":[{"href":"https:\/\/digi-texx.com\/de\/wp-json\/wp\/v2\/media?parent=41734"}],"wp:term":[{"taxonomy":"industries","embeddable":true,"href":"https:\/\/digi-texx.com\/de\/wp-json\/wp\/v2\/industries?post=41734"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}