{"id":34036,"date":"2025-07-31T09:05:04","date_gmt":"2025-07-31T07:05:04","guid":{"rendered":"https:\/\/www.haufe-akademie.de\/blog\/?post_type=glossary&#038;p=34036"},"modified":"2025-07-31T09:05:04","modified_gmt":"2025-07-31T07:05:04","slug":"data-mining","status":"publish","type":"glossary","link":"https:\/\/www.haufe-akademie.de\/blog\/glossar\/data-mining\/","title":{"rendered":"Data Mining"},"content":{"rendered":"<h1><strong>Data Mining<\/strong><\/h1>\n<h2><strong>Was ist Data Mining?<\/strong><\/h2>\n<p>Data Mining bezeichnet die systematische Analyse umfangreicher Datenbest\u00e4nde mithilfe automatisierter statistischer und maschineller Lernverfahren. Dabei werden verborgene Muster, Kategorien, Zusammenh\u00e4nge und Trends aufgedeckt, die in den Rohdaten nicht unmittelbar sichtbar sind. Die gewonnenen Erkenntnisse bilden eine fundierte Basis f\u00fcr Entscheidungen und Prognosen.<\/p>\n<h2><strong>Wie funktioniert Data Mining? <\/strong><\/h2>\n<p>Der Prozess des Data Mining basiert auf statistischen Verfahren, Algorithmen aus dem maschinellen Lernen und Datenbanktechnologien. Typischerweise gliedert sich der Ablauf in mehrere Phasen:<\/p>\n<ol>\n<li><strong>Datenerhebung:<\/strong> Rohdaten werden erhoben.<\/li>\n<li><strong>Datenvorbereitung und &#8211;<\/strong><strong>transformation:<\/strong> Datenbasis wird bereinigt, normalisiert, zusammengef\u00fchrt und in ein gew\u00fcnschtes Format gebracht<\/li>\n<li><strong>Modellwahl und -einsatz:<\/strong> Je nach Fragestellung und Ergebniswunsch kommt ein passendes Verfahren zum Einsatz. Beispiele sind: Klassifikation, Clustering, Assoziationsanalyse oder Regression.<\/li>\n<li><strong>Ergebnisbewertung:<\/strong> Ergebnisse werden bewertet \u2013 z.\u202fB. mit statistischen Kennzahlen oder durch Cross-Validation.<\/li>\n<li><strong>Interpretation und Nutzung:<\/strong> Fachabteilungen leiten daraus Hypothesen, Vorhersagen oder Entscheidungen ab.<\/li>\n<\/ol>\n<p>Data Mining ist <strong>nicht deterministisch<\/strong> \u2013 es liefert Wahrscheinlichkeiten, keine festen Wahrheiten. Zudem ersetzt es keine Kausalit\u00e4tspr\u00fcfung, sondern erkennt <strong>statistische Korrelationen<\/strong>.<\/p>\n<h2><strong>Abgrenzung zu verwandten Begriffen<\/strong><\/h2>\n<ul>\n<li><strong>Datenanalyse<\/strong> ist ein Sammelbegriff, der von einfachen Auswertungen (z.\u202fB. Mittelwerte) bis hin zu komplexen Analysen reicht.<\/li>\n<li><strong>Explorative Datenanalyse (EDA)<\/strong> ist ein vorbereitender Schritt, bei dem Muster ohne feste Hypothesen gesucht werden \u2013 meist visuell unterst\u00fctzt. EDA dient der ersten, oft visuellen Erkundung von Daten ohne feste Hypothese.<\/li>\n<li><strong>Machine Learning<\/strong> ist eng verwandt mit Data Mining, aber breiter in seiner Anwendung (z.\u202fB. f\u00fcr autonome Systeme, Sprachverarbeitung etc.).<\/li>\n<li><strong>Data Mining<\/strong> ist die <strong>zielgerichtete Anwendung automatisierter Analyseverfahren<\/strong>, oft als Teil von Machine-Learning-Prozessen oder Business-Intelligence-Anwendungen.<\/li>\n<\/ul>\n<h2><strong>Typische Einsatzbereiche in Unternehmen<\/strong><\/h2>\n<p>Data Mining unterst\u00fctzt datenbasierte Entscheidungen in vielen Bereichen:<\/p>\n<ul>\n<li><strong>Marketing &amp; CRM:<\/strong> Kundensegmente identifizieren, Churn-Risiken erkennen, personalisierte Angebote entwickeln<\/li>\n<li><strong>Vertrieb:<\/strong> Prognosen f\u00fcr Kaufverhalten, Cross-Selling-Potenziale erkennen<\/li>\n<li><strong>Personalmanagement:<\/strong> Fr\u00fchindikatoren f\u00fcr Fluktuation, Qualifikationscluster<\/li>\n<li><strong>Produktion &amp; Logistik:<\/strong> Prozessoptimierung, Qualit\u00e4tsmanagement, Ausrei\u00dfererkennung<\/li>\n<li><strong>Finanzen &amp; Compliance:<\/strong> Anomalieerkennung bei Transaktionen, Betrugspr\u00e4vention<\/li>\n<\/ul>\n<h2><strong>Praxisbeispiel<\/strong><\/h2>\n<p>Ein Telekommunikationsanbieter m\u00f6chte mehr \u00fcber die Gr\u00fcnde hinter Vertragsk\u00fcndigungen erfahren und diese bestenfalls vorhersagen k\u00f6nnen. Hierf\u00fcr verwendet er ein \u00fcberwacht trainiertes Data-Mining-Churn-Modell. Dieses erkennt Muster wie: \u201eKunden und Kundinnen unter 30, die ihren Datentarif innerhalb von 6 Monaten nach Vertragsbeginn \u00e4ndern, k\u00fcndigen mit hoher Wahrscheinlichkeit nach einem Jahr.\u201c Im Anschluss spricht das Unternehmen gezielt diese Kundensegmente an.<\/p>\n<h3><strong>Vorteile und Herausforderungen im \u00dcberblick<\/p>\n<p><\/strong><\/h3>\n<table>\n<tbody>\n<tr>\n<td><strong>Vorteile<\/strong><\/td>\n<td><strong>Herausforderungen<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Erkennt verborgene Muster und Trends<\/td>\n<td>Gefahr der \u00dcberinterpretation von Korrelationen<\/td>\n<\/tr>\n<tr>\n<td>Unterst\u00fctzt fundierte, datenbasierte Entscheidungen<\/td>\n<td>Hohe Anforderungen an Datenqualit\u00e4t<\/td>\n<\/tr>\n<tr>\n<td>Automatisierbar und skalierbar<\/td>\n<td>Fachwissen zur Modellwahl und Interpretation notwendig<\/td>\n<\/tr>\n<tr>\n<td>Einsatz in vielen Unternehmensbereichen<\/td>\n<td>Datenschutz und ethische Fragestellungen<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>&nbsp;<\/p>\n<div class=\"seminartipp\">\r\n\t\r\n\t<div class=\"content-wrapper\">\r\n\t\t\r\n\t\t<div class=\"\">\r\n\t\t\t\r\n\t\t\t<p class=\"h3\">Mit Daten und KI die Zukunft gestalten<\/p>\r\n\t\t\t<p>Ob Grundlagen oder Deep Dive \u2013 entwickle deine Skills im Bereich \u201cData Analytics und K\u00fcnstliche Intelligenz\u201d gezielt weiter und mach dich fit f\u00fcr die datengetriebene Arbeitswelt.<\/p>\n<br\/>\r\n\t\t\t<a class=\"btn\" href=\"https:\/\/www.haufe-akademie.de\/hierarchy\/data-analytics-ki\" onclick=\"target_econda_article()\" data-track-style=\"clickbtn\" data-track-type=\"link\" data-track-action=\"recoprimary\" target=\"_blank\">Jetzt entdecken<\/a>\r\n\t\t<\/div>\r\n\t<\/div>\r\n\t<div class=\"clear\"><\/div>\r\n\t\r\n<\/div><p><span data-teams=\"true\">\u00a0<\/span><\/p>\n<h2><strong>FAQ<\/strong><\/h2>\n<h3><strong>Wie unterscheidet sich Data Mining von klassischen Berichten?<\/strong><\/h3>\n<p>Klassische Berichte beschreiben, was in der Vergangenheit passiert ist. Data Mining sucht automatisiert nach Mustern und Zusammenh\u00e4ngen in diesen Daten, um welche Faktoren statistisch mit dem Ergebnis verkn\u00fcpft sind und was mit hoher Wahrscheinlichkeit als N\u00e4chstes passiert.<\/p>\n<h3><strong>Braucht man daf\u00fcr Programmierkenntnisse?<\/strong><\/h3>\n<p>Nicht zwingend. Es gibt No-Code- und Low-Code-Plattformen. F\u00fcr komplexere Szenarien sind Kenntnisse in Python, SQL oder R hilfreich.<\/p>\n<h3><strong>Ist Data Mining legal?<\/strong><\/h3>\n<p>Ja \u2013 sofern gesetzliche Vorgaben, etwa zur DSGVO, eingehalten werden. Besonders bei personenbezogenen Daten sind Anonymisierung und Datentransparenz wichtig.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Data Mining Was ist Data Mining? Data Mining bezeichnet die systematische Analyse umfangreicher Datenbest\u00e4nde mithilfe automatisierter statistischer und maschineller Lernverfahren. Dabei werden verborgene Muster, Kategorien, Zusammenh\u00e4nge und Trends aufgedeckt, die in den Rohdaten nicht unmittelbar sichtbar sind. Die gewonnenen Erkenntnisse bilden eine fundierte Basis f\u00fcr Entscheidungen und Prognosen. Wie funktioniert Data Mining? Der Prozess des<\/p>\n<div class=\"pageReadMore\"><i class=\"fa fa-angle-right\"><\/i><a href=\"https:\/\/www.haufe-akademie.de\/blog\/glossar\/data-mining\/\" title=\"Beitrag lesen\">Beitrag lesen<\/a><\/div>\n","protected":false},"author":148,"featured_media":0,"menu_order":0,"template":"","meta":{"_acf_changed":false,"_lmt_disableupdate":"","_lmt_disable":"","footnotes":""},"glossary-categories":[6428],"glossary-tags":[],"glossary-languages":[],"class_list":{"0":"post-34036","1":"glossary","2":"type-glossary","3":"status-publish","5":"glossary-categories-data-ki"},"post_title":"Data Mining","post_content":"<h1><strong>Data Mining<\/strong><\/h1>\r\n<h2><strong>Was ist Data Mining?<\/strong><\/h2>\r\nData Mining bezeichnet die systematische Analyse umfangreicher Datenbest\u00e4nde mithilfe automatisierter statistischer und maschineller Lernverfahren. Dabei werden verborgene Muster, Kategorien, Zusammenh\u00e4nge und Trends aufgedeckt, die in den Rohdaten nicht unmittelbar sichtbar sind. Die gewonnenen Erkenntnisse bilden eine fundierte Basis f\u00fcr Entscheidungen und Prognosen.\r\n<h2><strong>Wie funktioniert Data Mining? <\/strong><\/h2>\r\nDer Prozess des Data Mining basiert auf statistischen Verfahren, Algorithmen aus dem maschinellen Lernen und Datenbanktechnologien. Typischerweise gliedert sich der Ablauf in mehrere Phasen:\r\n<ol>\r\n \t<li><strong>Datenerhebung:<\/strong> Rohdaten werden erhoben.<\/li>\r\n \t<li><strong>Datenvorbereitung und -<\/strong><strong>transformation:<\/strong> Datenbasis wird bereinigt, normalisiert, zusammengef\u00fchrt und in ein gew\u00fcnschtes Format gebracht<\/li>\r\n \t<li><strong>Modellwahl und -einsatz:<\/strong> Je nach Fragestellung und Ergebniswunsch kommt ein passendes Verfahren zum Einsatz. Beispiele sind: Klassifikation, Clustering, Assoziationsanalyse oder Regression.<\/li>\r\n \t<li><strong>Ergebnisbewertung:<\/strong> Ergebnisse werden bewertet \u2013 z.\u202fB. mit statistischen Kennzahlen oder durch Cross-Validation.<\/li>\r\n \t<li><strong>Interpretation und Nutzung:<\/strong> Fachabteilungen leiten daraus Hypothesen, Vorhersagen oder Entscheidungen ab.<\/li>\r\n<\/ol>\r\nData Mining ist <strong>nicht deterministisch<\/strong> \u2013 es liefert Wahrscheinlichkeiten, keine festen Wahrheiten. Zudem ersetzt es keine Kausalit\u00e4tspr\u00fcfung, sondern erkennt <strong>statistische Korrelationen<\/strong>.\r\n<h2><strong>Abgrenzung zu verwandten Begriffen<\/strong><\/h2>\r\n<ul>\r\n \t<li><strong>Datenanalyse<\/strong> ist ein Sammelbegriff, der von einfachen Auswertungen (z.\u202fB. Mittelwerte) bis hin zu komplexen Analysen reicht.<\/li>\r\n \t<li><strong>Explorative Datenanalyse (EDA)<\/strong> ist ein vorbereitender Schritt, bei dem Muster ohne feste Hypothesen gesucht werden \u2013 meist visuell unterst\u00fctzt. EDA dient der ersten, oft visuellen Erkundung von Daten ohne feste Hypothese.<\/li>\r\n \t<li><strong>Machine Learning<\/strong> ist eng verwandt mit Data Mining, aber breiter in seiner Anwendung (z.\u202fB. f\u00fcr autonome Systeme, Sprachverarbeitung etc.).<\/li>\r\n \t<li><strong>Data Mining<\/strong> ist die <strong>zielgerichtete Anwendung automatisierter Analyseverfahren<\/strong>, oft als Teil von Machine-Learning-Prozessen oder Business-Intelligence-Anwendungen.<\/li>\r\n<\/ul>\r\n<h2><strong>Typische Einsatzbereiche in Unternehmen<\/strong><\/h2>\r\nData Mining unterst\u00fctzt datenbasierte Entscheidungen in vielen Bereichen:\r\n<ul>\r\n \t<li><strong>Marketing &amp; CRM:<\/strong> Kundensegmente identifizieren, Churn-Risiken erkennen, personalisierte Angebote entwickeln<\/li>\r\n \t<li><strong>Vertrieb:<\/strong> Prognosen f\u00fcr Kaufverhalten, Cross-Selling-Potenziale erkennen<\/li>\r\n \t<li><strong>Personalmanagement:<\/strong> Fr\u00fchindikatoren f\u00fcr Fluktuation, Qualifikationscluster<\/li>\r\n \t<li><strong>Produktion &amp; Logistik:<\/strong> Prozessoptimierung, Qualit\u00e4tsmanagement, Ausrei\u00dfererkennung<\/li>\r\n \t<li><strong>Finanzen &amp; Compliance:<\/strong> Anomalieerkennung bei Transaktionen, Betrugspr\u00e4vention<\/li>\r\n<\/ul>\r\n<h2><strong>Praxisbeispiel<\/strong><\/h2>\r\nEin Telekommunikationsanbieter m\u00f6chte mehr \u00fcber die Gr\u00fcnde hinter Vertragsk\u00fcndigungen erfahren und diese bestenfalls vorhersagen k\u00f6nnen. Hierf\u00fcr verwendet er ein \u00fcberwacht trainiertes Data-Mining-Churn-Modell. Dieses erkennt Muster wie: \u201eKunden und Kundinnen unter 30, die ihren Datentarif innerhalb von 6 Monaten nach Vertragsbeginn \u00e4ndern, k\u00fcndigen mit hoher Wahrscheinlichkeit nach einem Jahr.\u201c Im Anschluss spricht das Unternehmen gezielt diese Kundensegmente an.\r\n<h3><strong>Vorteile und Herausforderungen im \u00dcberblick\r\n\r\n<\/strong><\/h3>\r\n<table>\r\n<tbody>\r\n<tr>\r\n<td><strong>Vorteile<\/strong><\/td>\r\n<td><strong>Herausforderungen<\/strong><\/td>\r\n<\/tr>\r\n<tr>\r\n<td>Erkennt verborgene Muster und Trends<\/td>\r\n<td>Gefahr der \u00dcberinterpretation von Korrelationen<\/td>\r\n<\/tr>\r\n<tr>\r\n<td>Unterst\u00fctzt fundierte, datenbasierte Entscheidungen<\/td>\r\n<td>Hohe Anforderungen an Datenqualit\u00e4t<\/td>\r\n<\/tr>\r\n<tr>\r\n<td>Automatisierbar und skalierbar<\/td>\r\n<td>Fachwissen zur Modellwahl und Interpretation notwendig<\/td>\r\n<\/tr>\r\n<tr>\r\n<td>Einsatz in vielen Unternehmensbereichen<\/td>\r\n<td>Datenschutz und ethische Fragestellungen<\/td>\r\n<\/tr>\r\n<\/tbody>\r\n<\/table>\r\n&nbsp;\r\n\r\n[pods name=\"seminartipp\" slug=\"34001\" template=\"Seminartipp\"]\r\n\r\n<span data-teams=\"true\">\u00a0<\/span>\r\n<h2><strong>FAQ<\/strong><\/h2>\r\n<h3><strong>Wie unterscheidet sich Data Mining von klassischen Berichten?<\/strong><\/h3>\r\nKlassische Berichte beschreiben, was in der Vergangenheit passiert ist. Data Mining sucht automatisiert nach Mustern und Zusammenh\u00e4ngen in diesen Daten, um welche Faktoren statistisch mit dem Ergebnis verkn\u00fcpft sind und was mit hoher Wahrscheinlichkeit als N\u00e4chstes passiert.\r\n<h3><strong>Braucht man daf\u00fcr Programmierkenntnisse?<\/strong><\/h3>\r\nNicht zwingend. Es gibt No-Code- und Low-Code-Plattformen. F\u00fcr komplexere Szenarien sind Kenntnisse in Python, SQL oder R hilfreich.\r\n<h3><strong>Ist Data Mining legal?<\/strong><\/h3>\r\nJa \u2013 sofern gesetzliche Vorgaben, etwa zur DSGVO, eingehalten werden. Besonders bei personenbezogenen Daten sind Anonymisierung und Datentransparenz wichtig.","acf":{"p_authors":null},"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.1.1 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Data Mining: Definition, Funktion &amp;<\/title>\n<meta name=\"description\" content=\"Einsatzbereiche, Chancen und Herausforderungen von Data Mining im Unternehmen \u2013 kompakt auf einen Blick.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.haufe-akademie.de\/blog\/glossar\/data-mining\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Data Mining: Definition, Funktion &amp;\" \/>\n<meta property=\"og:description\" content=\"Einsatzbereiche, Chancen und Herausforderungen von Data Mining im Unternehmen \u2013 kompakt auf einen Blick.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.haufe-akademie.de\/blog\/glossar\/data-mining\/\" \/>\n<meta property=\"og:site_name\" content=\"Haufe Akademie\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/HaufeAkademie\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:site\" content=\"@HaufeAkademie\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\" Minuten\" \/>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Data Mining: Definition, Funktion &","description":"Einsatzbereiche, Chancen und Herausforderungen von Data Mining im Unternehmen \u2013 kompakt auf einen Blick.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.haufe-akademie.de\/blog\/glossar\/data-mining\/","og_locale":"de_DE","og_type":"article","og_title":"Data Mining: Definition, Funktion &","og_description":"Einsatzbereiche, Chancen und Herausforderungen von Data Mining im Unternehmen \u2013 kompakt auf einen Blick.","og_url":"https:\/\/www.haufe-akademie.de\/blog\/glossar\/data-mining\/","og_site_name":"Haufe Akademie","article_publisher":"https:\/\/www.facebook.com\/HaufeAkademie","twitter_card":"summary_large_image","twitter_site":"@HaufeAkademie","twitter_misc":{"Verfasst von":"","Gesch\u00e4tzte Lesezeit":" Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/www.haufe-akademie.de\/blog\/glossar\/data-mining\/","url":"https:\/\/www.haufe-akademie.de\/blog\/glossar\/data-mining\/","name":"Data Mining: Definition, Funktion &","isPartOf":{"@id":"https:\/\/www.haufe-akademie.de\/blog\/#website"},"datePublished":"2025-07-31T07:05:04+00:00","description":"Einsatzbereiche, Chancen und Herausforderungen von Data Mining im Unternehmen \u2013 kompakt auf einen Blick.","breadcrumb":{"@id":"https:\/\/www.haufe-akademie.de\/blog\/glossar\/data-mining\/#breadcrumb"},"inLanguage":"de-DE","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.haufe-akademie.de\/blog\/glossar\/data-mining\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/www.haufe-akademie.de\/blog\/glossar\/data-mining\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.haufe-akademie.de\/blog\/"},{"@type":"ListItem","position":2,"name":"Data Mining"}]},{"@type":"WebSite","@id":"https:\/\/www.haufe-akademie.de\/blog\/#website","url":"https:\/\/www.haufe-akademie.de\/blog\/","name":"Haufe Akademie","description":"","publisher":{"@id":"https:\/\/www.haufe-akademie.de\/blog\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.haufe-akademie.de\/blog\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de-DE"},{"@type":"Organization","@id":"https:\/\/www.haufe-akademie.de\/blog\/#organization","name":"Haufe Akademie","url":"https:\/\/www.haufe-akademie.de\/blog\/","logo":{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/www.haufe-akademie.de\/blog\/#\/schema\/logo\/image\/","url":"https:\/\/www.haufe-akademie.de\/blog\/wp-content\/uploads\/2024\/06\/favicon_haufe.png","contentUrl":"https:\/\/www.haufe-akademie.de\/blog\/wp-content\/uploads\/2024\/06\/favicon_haufe.png","width":144,"height":144,"caption":"Haufe Akademie"},"image":{"@id":"https:\/\/www.haufe-akademie.de\/blog\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/HaufeAkademie","https:\/\/x.com\/HaufeAkademie"]}]}},"jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/glossary\/34036","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/glossary"}],"about":[{"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/types\/glossary"}],"author":[{"embeddable":true,"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/users\/148"}],"version-history":[{"count":2,"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/glossary\/34036\/revisions"}],"predecessor-version":[{"id":34044,"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/glossary\/34036\/revisions\/34044"}],"wp:attachment":[{"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/media?parent=34036"}],"wp:term":[{"taxonomy":"glossary-categories","embeddable":true,"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/glossary-categories?post=34036"},{"taxonomy":"glossary-tags","embeddable":true,"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/glossary-tags?post=34036"},{"taxonomy":"glossary-languages","embeddable":true,"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/glossary-languages?post=34036"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}