{"id":28718,"date":"2025-09-17T13:00:00","date_gmt":"2025-09-17T12:00:00","guid":{"rendered":"https:\/\/www.web-systems.pl\/ki-als-sparringspartner-bei-der-produktkonzeption\/"},"modified":"2025-09-17T13:00:00","modified_gmt":"2025-09-17T12:00:00","slug":"ki-als-sparringspartner-bei-der-produktkonzeption","status":"publish","type":"post","link":"https:\/\/www.web-systems.pl\/de\/ki-als-sparringspartner-bei-der-produktkonzeption\/","title":{"rendered":"Wie Sie KI als Sparringspartner bei der Produktkonzeption nutzen"},"content":{"rendered":"\n<p class=\"wp-block-paragraph\">F\u00fcr viele Unternehmen ist KI heute zum &#8220;Beschleuniger&#8221; f\u00fcr alles geworden: f\u00fcr Recherche, Brainstorming, Wettbewerbsanalysen und das Schreiben von Spezifikationen. Das Problem: Die Geschwindigkeit, mit der Inhalte entstehen, l\u00e4sst sich leicht mit der Qualit\u00e4t von Entscheidungen verwechseln. Fehlen in der Organisation klare Kriterien daf\u00fcr, &#8220;was gut ist&#8221;, produziert KI viele Ideen, die vern\u00fcnftig aussehen, den Aufprall auf die Marktrealit\u00e4t, die Grenzen des Teams und die Gesch\u00e4ftsstrategie aber nicht \u00fcberstehen. In der Praxis ist das der direkte Weg zu \u00dcberinvestitionen in Funktionen mit geringer Wirkung, zu einer verwaschenen Roadmap und zu endlosen Iterationen ohne messbaren Effekt. KI kann die Qualit\u00e4t des Produkturteils heben, aber nur dann, wenn sie das Denken nicht ersetzt &#8211; sondern es pr\u00fcft, beschleunigt und sch\u00e4rft.<\/p>\n\n\n\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_86 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Spis tre\u015bci<\/p>\n<span class=\"ez-toc-title-toggle\"><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/www.web-systems.pl\/de\/ki-als-sparringspartner-bei-der-produktkonzeption\/#Warum_KI_die_Entscheidungsqualitaet_oft_senkt_statt_sie_zu_heben\" >Warum KI die Entscheidungsqualit\u00e4t oft senkt statt sie zu heben<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/www.web-systems.pl\/de\/ki-als-sparringspartner-bei-der-produktkonzeption\/#Die_Regel_erst_der_Mensch_dann_das_Modell\" >Die Regel: erst der Mensch, dann das Modell<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/www.web-systems.pl\/de\/ki-als-sparringspartner-bei-der-produktkonzeption\/#Vier_Phasen_der_KI-gestuetzten_Ideenfindung\" >Vier Phasen der KI-gest\u00fctzten Ideenfindung<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/www.web-systems.pl\/de\/ki-als-sparringspartner-bei-der-produktkonzeption\/#Wie_Sie_Daten_organisieren_damit_die_KI_aufhoert_zu_raten\" >Wie Sie Daten organisieren, damit die KI aufh\u00f6rt zu raten<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/www.web-systems.pl\/de\/ki-als-sparringspartner-bei-der-produktkonzeption\/#Wie_Web_Systems_diese_Methode_auf_E-Commerce-Projekte_und_Anwendungen_uebertraegt\" >Wie Web Systems diese Methode auf E-Commerce-Projekte und Anwendungen \u00fcbertr\u00e4gt<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/www.web-systems.pl\/de\/ki-als-sparringspartner-bei-der-produktkonzeption\/#Wie_Sie_das_in_30_Tagen_ohne_organisatorische_Revolution_einfuehren\" >Wie Sie das in 30 Tagen ohne organisatorische Revolution einf\u00fchren<\/a><\/li><\/ul><\/nav><\/div>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Warum_KI_die_Entscheidungsqualitaet_oft_senkt_statt_sie_zu_heben\"><\/span>Warum KI die Entscheidungsqualit\u00e4t oft senkt statt sie zu heben<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Sprachmodelle &#8220;verstehen&#8221; Ihr Gesch\u00e4ft nicht so, wie es der Product Owner, der CEO oder der CTO versteht, denn sie haben keine Erfahrung mit Ihrem Kunden, sie sp\u00fcren die Folgen schlechter Entscheidungen nicht und sie tragen keine Kosten technischer Schulden. Statistisch setzen sie Antworten aus dem zusammen, was in den Trainingsdaten bereits &#8220;gesehen&#8221; wurde: typische L\u00f6sungen, typische Argumente und typische Kompromisse. Das ist manchmal n\u00fctzlich, wenn Sie schneller Varianten sammeln oder Chaos ordnen wollen, es ist aber riskant, wenn Sie eine unterscheidbare L\u00f6sung suchen, die auf einen bestimmten Vertriebskanal, auf die Besonderheiten des Kaufprozesses oder auf Integrationsanforderungen zugeschnitten ist. Die h\u00e4ufigste Falle ist banal: Das Team gibt der KI unvollst\u00e4ndigen Kontext und behandelt das Ergebnis anschlie\u00dfend wie eine &#8220;objektive&#8221; Empfehlung. Dann r\u00e4t die KI nicht, sondern verst\u00e4rkt falsche Annahmen und erzeugt eine scheinbare Sicherheit &#8211; besonders in Bereichen, in denen Produktinstinkt z\u00e4hlt: Priorit\u00e4ten, Trade-offs, die Reihenfolge der Tests und die Definition dessen, was \u00fcberhaupt gebaut werden sollte.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Die_Regel_erst_der_Mensch_dann_das_Modell\"><\/span>Die Regel: erst der Mensch, dann das Modell<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Die gr\u00f6\u00dfte Ver\u00e4nderung, die wirklich funktioniert, ist operativ einfach: Sie beginnen die Ideenfindung allein und lassen die KI erst danach als Sparringspartner zu. Zuerst muss Ihre &#8220;erste Denkversion&#8221; entstehen: Hypothesen, Intuitionen, Ideen (auch die schwachen), Erfolgskriterien und Einschr\u00e4nkungen. Warum ist das so wichtig? Weil sich Produkturteil durch wiederholtes \u00dcben bildet: das Problem formulieren, Schl\u00fcsse aus Daten ziehen und anschlie\u00dfend die eigenen Entscheidungen gegen Kritik verteidigen. Wenn Sie die Ideenfindung von Anfang an dem Modell \u00fcberlassen, verlieren Sie das Training darin, Muster im eigenen gesch\u00e4ftlichen Kontext zu erkennen. In einem gut aufgesetzten Prozess ist die KI nicht der &#8220;Urheber der Idee&#8221;, sondern der Gegner im Sparring: Sie soll L\u00fccken in der Argumentation finden, unbequeme Fragen stellen, Alternativen vorschlagen und eine pr\u00e4zisere Definition von Erfolg erzwingen.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Vier_Phasen_der_KI-gestuetzten_Ideenfindung\"><\/span>Vier Phasen der KI-gest\u00fctzten Ideenfindung<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Damit KI Entscheidungen wirklich verbessert, brauchen Sie einen Prozess und keine &#8220;besseren Prompts&#8221;. In der Praxis bew\u00e4hrt sich ein Schema aus vier Phasen: (1) Randbedingungen festlegen, (2) ein tiefes Problemverst\u00e4ndnis aufbauen, (3) Ideen allein erzeugen und sie anschlie\u00dfend durch KI verst\u00e4rken, (4) Auswahl und Entscheidung, bei der die KI eine Stimme ist und nicht der Schiedsrichter. Die erste Phase wirkt manchmal langweilig, ist aber entscheidend: Sie m\u00fcssen Vision und Gesch\u00e4ftsziel benennen (etwa h\u00f6here Conversion, Wiederk\u00e4ufe, LTV, k\u00fcrzere Durchlaufzeit, niedrigere Servicekosten), das ICP und die Segmente definieren und die Grenzen aufschreiben, die Sie nicht \u00fcberschreiten (Budget, Termin, Compliance, Integrationen, technische Schulden, &#8220;das machen wir nicht, weil es der Marke schadet&#8221;). Ist dieses Fundament vage, erzeugt die KI Ideen, die brillant aussehen, aber die einfache Pr\u00fcfung auf Machbarkeit und Wirtschaftlichkeit nicht bestehen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Die zweite Phase hei\u00dft &#8220;Belege&#8221; statt Meinungen: Gespr\u00e4che mit Nutzern, Analytics-Daten, Beobachtungen aus dem Kundenservice, Feedback aus dem Vertrieb, Gr\u00fcnde f\u00fcr verlorene Leads, Ursachen von Retouren, Quellen von Reklamationen, Reibungspunkte im Kaufpfad, Erkenntnisse aus Tests. KI kann hier sehr n\u00fctzlich sein, aber nur, wenn sie das Material geordnet und mit einem klaren Signal dar\u00fcber erh\u00e4lt, was wichtig ist. Die dritte Phase ist Disziplin: Jeder Beteiligte (nicht nur der PM) erzeugt die ersten 5-10 Ideen selbstst\u00e4ndig, ohne KI, bevor er die &#8220;h\u00fcbschen&#8221; Antworten des Modells h\u00f6rt. Erst danach darf die KI einsteigen und: Annahmen infrage stellen, \u00fcbersehene Perspektiven zeigen, benachbarte Ans\u00e4tze vorschlagen, Varianten der besten Themen erzeugen. Die vierte Phase ist die Auswahl: Sie gruppieren die Ideen in Cluster, vergleichen sie auf einer gemeinsamen Achse (Wirkung \/ Sicherheit \/ Kosten \/ Risiko), stimmen ab und bitten die KI erst dann um ein Ranking samt Begr\u00fcndung &#8211; Abweichungen behandeln Sie als Signal, fehlenden Kontext zu pr\u00fcfen, und nicht als &#8220;Beweis, dass die KI recht hat&#8221;.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Wie_Sie_Daten_organisieren_damit_die_KI_aufhoert_zu_raten\"><\/span>Wie Sie Daten organisieren, damit die KI aufh\u00f6rt zu raten<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">In der Praxis steigt die Qualit\u00e4t der KI-Antworten nicht dann, wenn Sie den Prompt verfeinern, sondern dann, wenn Sie ein Wissensrepositorium aufbauen, das sich durchsuchen und steuern l\u00e4sst. Wenn Sie dem Modell ein zuf\u00e4lliges Paket aus Notizen, Transkripten und Screenshots hinwerfen, bekommen Sie eine &#8220;durchschnittliche&#8221; Interpretation, oft mit Betonung auf dem Lauten statt auf dem Wesentlichen. Besser funktioniert ein einfacher Standard: f\u00fcr jedes Interview und jeden Test ein eigenes Verzeichnis, darin zwei Schichten: Ihre handschriftlichen Notizen (also das, was Sie f\u00fcr wichtig hielten) und die vollst\u00e4ndige Mitschrift als Kontext. Die KI bekommt eine klare Anweisung: Die Notizen sind das Signal, die Transkripte dienen f\u00fcr Zitate und Verifikation. Diese Anordnung begrenzt Halluzinationen, reduziert &#8220;\u00dcberinterpretationen&#8221; und sorgt daf\u00fcr, dass das Modell nicht mehr so tut, als w\u00fcsste es etwas, das im Material nicht steht. Aus Sicht von CEO und CTO wichtig: Das ordnet auch die Arbeit des Teams, denn an einer Stelle liegen die Spuren der Entscheidungen, die Argumente und die Quellen &#8211; ohne sich auf das Ged\u00e4chtnis einiger Personen zu st\u00fctzen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Das zweite Element ist ein dauerhaftes &#8220;Kontextpaket&#8221;, also ein Dokument oder ein Projektraum, in dem Sie Folgendes aufbewahren: Strategie, Kennzahlen, Personas und Segmente, Produktprinzipien, Einschr\u00e4nkungen, Beispiele f\u00fcr Erfolge und Misserfolge sowie die aktuellen Priorit\u00e4ten. Dann wird der Einsatz eines dedizierten Agenten (oder schlicht eines festen Instruktionssatzes) f\u00fcr die Ideenfindung sinnvoll: Das soll kein universeller Chatbot sein, sondern ein &#8220;j\u00fcngeres Teammitglied&#8221;, das die Realit\u00e4t des Unternehmens kennt, aber weiterhin kontrolliert werden muss. Entscheidend ist ein Satz in der Anweisung: &#8220;Deine Aufgabe ist es, Annahmen infrage zu stellen und L\u00fccken aufzuzeigen, nicht meinen Gedankengang zu best\u00e4tigen.&#8221; Ohne ihn sind die meisten Modelle zu h\u00f6flich, und Sie bekommen Best\u00e4tigung statt Kritik &#8211; also genau das, was Sie bei teuren Produktentscheidungen nicht brauchen.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Wie_Web_Systems_diese_Methode_auf_E-Commerce-Projekte_und_Anwendungen_uebertraegt\"><\/span>Wie Web Systems diese Methode auf E-Commerce-Projekte und Anwendungen \u00fcbertr\u00e4gt<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Bei Web Systems gehen wir pragmatisch mit KI um: Wir behandeln sie als Werkzeug, um die Entscheidungsqualit\u00e4t zu erh\u00f6hen und die Zeit bis zum Test zu verk\u00fcrzen, nicht als Generator &#8220;fertiger Strategien&#8221;. In E-Commerce- und Anwendungsprojekten (von Shop-Umsetzungen \u00fcber Plattformen bis zu Systemen, die den Vertriebsprozess unterst\u00fctzen) entstehen die teuersten Fehler nicht durch die Technologiewahl, sondern durch ein falsch gestelltes Problem und schlecht gew\u00e4hlte Priorit\u00e4ten. Deshalb verbinden wir einen Discovery-Workshop (Ziele, Einschr\u00e4nkungen, Prozesslandkarte, Risiken) mit dem Ordnen der Belege (Feedback, Analytics, Vertriebsdaten) und bauen erst darauf die Liste der zu testenden Hypothesen auf. Wenn Sie einen Querschnitt unserer Projekte sehen m\u00f6chten, der sowohl Shops als auch Anwendungen umfasst, gehen Sie am einfachsten <a href=\"https:\/\/www.web-systems.pl\/de\/portfolio\/\">unser Portfolio<\/a> durch und nehmen es als Ausgangspunkt f\u00fcr ein Gespr\u00e4ch \u00fcber Ihren Kontext, nicht als &#8220;Vorlagen zum Kopieren&#8221;.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">In der Praxis bew\u00e4hrt sich KI bei uns in drei Bereichen: erstens beim Vorbereiten von &#8220;Pre-Reads&#8221; f\u00fcr Team und Kunden (Zusammenfassung der Erkenntnisse aus dem Ausgangsmaterial, Liste der Hypothesen, Risiken, Kontrollfragen), zweitens beim Erzeugen von L\u00f6sungsvarianten auf Basis klar definierter Einschr\u00e4nkungen (etwa: wie die Conversion ohne aggressive Mechaniken steigen kann, wie sich die Zahl der Schritte im Checkout verringern l\u00e4sst, wie Personalisierung realistisch wird, ohne die gesamte Architektur umzubauen), drittens bei der kritischen Bewertung von Ideen, bevor die teure Entwicklungsphase beginnt. Dieser Ansatz funktioniert gut in Unternehmen, in denen der CTO das Team vor Chaos sch\u00fctzen will und der CEO schneller mit vern\u00fcnftiger Sicherheit zu einer Gesch\u00e4ftsentscheidung kommen m\u00f6chte &#8211; und in denen &#8220;mehr Ideen&#8221; kein Selbstzweck ist.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Wie_Sie_das_in_30_Tagen_ohne_organisatorische_Revolution_einfuehren\"><\/span>Wie Sie das in 30 Tagen ohne organisatorische Revolution einf\u00fchren<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Wenn Sie KI so in die Ideenfindung einf\u00fchren wollen, dass sie das Produkturteil wirklich verbessert, beginnen Sie mit kleinem Umfang und harten Regeln. Schreiben Sie in der ersten Woche die Randbedingungen auf: Gesch\u00e4ftsziele, die 2-3 wichtigsten Kennzahlen, Kundensegmente, Einschr\u00e4nkungen und Dinge, die Sie nicht tun (das reduziert die Zahl der danebenliegenden Vorschl\u00e4ge erstaunlich schnell). Bauen Sie in der zweiten Woche ein minimales Belegrepositorium auf: die 10-20 wichtigsten Beobachtungen aus Gespr\u00e4chen, Vertrieb und Kundenservice, so geordnet, dass Sie darauf zur\u00fcckkommen k\u00f6nnen. F\u00fchren Sie in der dritten Woche eine Ideensitzung nach dem Prinzip &#8220;solo first&#8221; durch: Jeder erzeugt eigene Ideen ohne KI, und erst danach darf die KI sie infrage stellen und erweitern. Treffen Sie in der vierten Woche die Auswahl anhand einer gemeinsamen Bewertungsachse (Wirkung \/ Sicherheit \/ Kosten \/ Risiko) und erg\u00e4nzen Sie die &#8220;Stimme der KI&#8221; als Qualit\u00e4tskontrolle, nicht als Entscheidung. Wenn dieser Monat mit etwas Konkretem enden soll, dann nicht mit einer &#8220;Liste von 100 Ideen&#8221;, sondern mit einer kurzen Liste von Tests, die wirtschaftlich sinnvoll und mit Ihrer Strategie stimmig sind.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Wenn Sie diesen Prozess auf ein konkretes Produkt, einen Shop oder eine Plattform \u00fcbertragen wollen &#8211; so, dass die KI sicher in den Discovery- und Delivery-Workflow eingebunden ist &#8211; lohnt es sich, mit einem kurzen Gespr\u00e4ch \u00fcber Ziele und Einschr\u00e4nkungen zu beginnen und erst danach Werkzeuge und Arbeitsumfang zu w\u00e4hlen. Der Umfang dessen, wobei wir Unternehmen unterst\u00fctzen (von Analyse und Plan \u00fcber Aufbau und Integrationen bis zu Conversion-Optimierung und Weiterentwicklung), ist im <a href=\"https:\/\/www.web-systems.pl\/de\/angebot\/\">Umfang unseres Angebots<\/a> beschrieben, und der schnellste Weg zum Start ist das <a href=\"https:\/\/www.web-systems.pl\/de\/kontakt\/\">Kontaktformular<\/a>. KI kann Ihr Vorteil werden, aber nur, wenn Sie ihr die Rolle geben, in der sie wirklich stark ist: Sie beschleunigt das Denken, sie ersetzt es nicht.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Tags: KI im Business, Product Discovery, Produktideenfindung, E-Commerce, Webanwendungen, Produktstrategie<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">SEO Meta Title: KI in der Produktideenfindung: bessere Entscheidungen ohne Raten<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">SEO Meta Description: So nutzen Sie KI f\u00fcr bessere Produktentscheidungen, ohne die Kontrolle zu verlieren. F\u00fchren Sie den Prozess ein und besprechen Sie ihn mit Web Systems.<\/p>\n\n","protected":false},"excerpt":{"rendered":"<p>F\u00fcr viele Unternehmen ist KI heute zum &#8220;Beschleuniger&#8221; f\u00fcr alles geworden: f\u00fcr Recherche, Brainstorming, Wettbewerbsanalysen und das Schreiben von Spezifikationen. Das Problem: Die Geschwindigkeit, mit der Inhalte entstehen, l\u00e4sst sich leicht mit der Qualit\u00e4t von Entscheidungen verwechseln. Fehlen in der Organisation klare Kriterien daf\u00fcr, &#8220;was gut ist&#8221;, produziert KI viele Ideen, die vern\u00fcnftig aussehen, den [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":27690,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[821,811,827],"tags":[848,866,953,981,1086],"class_list":["post-28718","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-business-de","category-kuenstliche-intelligenz","category-technologien","tag-ki-im-business","tag-web-anwendungen","tag-e-commerce-de-2","tag-produktideenfindung","tag-product-discovery-de"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/posts\/28718","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/comments?post=28718"}],"version-history":[{"count":0,"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/posts\/28718\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/media\/27690"}],"wp:attachment":[{"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/media?parent=28718"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/categories?post=28718"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/tags?post=28718"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}