{"id":34480,"date":"2026-07-28T10:30:00","date_gmt":"2026-07-28T08:30:00","guid":{"rendered":"https:\/\/fmd-insight.de\/?p=34480"},"modified":"2026-07-29T11:49:29","modified_gmt":"2026-07-29T09:49:29","slug":"smarte-wearables-ki-gestuetztes-herz-monitoring","status":"publish","type":"post","link":"https:\/\/fmd-insight.de\/de\/news\/interviews\/smarte-wearables-ki-gestuetztes-herz-monitoring\/","title":{"rendered":"Smarte Wearables<\/strong> | Mit KI-gest\u00fctztem Herz-Monitoring zur kardiologischen Volldiagnose"},"content":{"rendered":"\n
©<\/span>Adobe Stock | Vitte Yevhen <\/div><\/div><\/div>\n
\n
\n
\n \n \n \"\"\n <\/picture><\/div><\/div><\/div>\n <\/div>\n <\/div>\n
\n
\n

Im Interview: Basel Adams vom Fraunhofer IZM<\/strong><\/p>\n<\/div><\/div><\/div> \n <\/div>\n\n \n <\/div>\n\n\n

\n
\n \n

Herz-Kreislauf-Erkrankungen geh\u00f6ren global zu den h\u00e4ufigsten Todesursachen und stellen die Medizin kontinuierlich vor gro\u00dfe Herausforderungen. Ein intelligentes Sensorsystem macht es nun m\u00f6glich, bedrohliche Anomalien im Alltag pr\u00e4zise zu erfassen, sodass rechtzeitig medizinische Ma\u00dfnahmen ergriffen werden k\u00f6nnen. Basel Adams vom Fraunhofer IZM<\/a> erkl\u00e4rt im Interview, wie das von ihm entwickelte Wearable – im Gegensatz zu herk\u00f6mmlichen Smartwatches – klinisch vollwertige Daten liefert und Herzerkrankungen in wenigen Minuten erkennt. Er beschreibt, wie diese Technologie die kardiologische Diagnostik vereinfacht, pr\u00e4zisiert und \u00c4rzt:innen sp\u00fcrbar entlasten kann.<\/strong><\/p>\n\n <\/div>\n <\/div>\n \n <\/div>\n\n\n

Herr Adams, Sie arbeiten am Fraunhofer IZM in der Arbeitsgruppe \u00bbSystem-on-Flex\u00ab<\/a> und befassen sich dort intensiv mit flexibler Elektronik. Was ist die Kernkompetenz Ihrer Gruppe und mit welchen Themen besch\u00e4ftigen Sie sich konkret?<\/p>\n<\/div>

<\/span>

In unserer Arbeitsgruppe \u00bbSystem-on-Flex\u00ab besch\u00e4ftigen wir uns mit flexibler Elektronik, beispielsweise mit flexiblen Leiterplatten oder Smart-Textiles, bei denen elektronische Komponenten direkt in Textilien integriert werden. Als gelernter Elektrotechniker bin ich in der Gruppe f\u00fcr den fortschrittlichen Schaltungsentwurf, die Programmierung eingebetteter Systeme und Mikrocontroller, die Signalverarbeitung sowie f\u00fcr KI-Anwendungen zust\u00e4ndig. Mein aktueller Hauptfokus liegt auf der Verbindung von Kardiologie und k\u00fcnstlicher Intelligenz. Bei dieser Arbeit verbinde ich die Entwicklung k\u00f6rpernaher Sensoren mit der Cloud-Anbindung und der anschlie\u00dfenden KI-Analyse. Das ist f\u00fcr mich nicht nur das Thema meiner Doktorarbeit, sondern der Bereich, dem ich mich langfristig widmen m\u00f6chte.<\/p>\n<\/div>

Sie haben ein KI-gest\u00fctztes Sensorsystem f\u00fcr das Herz-Monitoring entwickelt. Welches konkrete Problem wollten Sie damit l\u00f6sen?<\/p>\n<\/div>

<\/span>

Die Idee entstand vor etwa f\u00fcnf Jahren im Zuge des Kooperationsprojekts \u00bbmaia\u00ab (Medical Artificial Intelligence Applications) zwischen dem Fraunhofer IZM und der Charit\u00e9 Berlin. Damals haben wir existierende Medizinprodukte bzw. Wearables auf dem Markt evaluiert und untersucht, welche Sensoren f\u00fcr den Alltag von Kardiologie-Patient:innen geeignet sind. Dabei stie\u00dfen wir auf eine Marktl\u00fccke: Die meisten Wearables messen nur vereinzelte Parameter wie den Puls oder die Sauerstoffs\u00e4ttigung. F\u00fcr Mediziner:innen sind diese isolierten Werte jedoch kaum aussagekr\u00e4ftig, da sie keine R\u00fcckschl\u00fcsse auf die komplexen Ursachen einer Herzerkrankung zulassen. Zudem liefern diese Ger\u00e4te \u00c4rzt:innen keine medizinisch verwertbaren Rohdaten, sondern bereits gefilterte, stark vereinfachte Endwerte. Mir wurde klar, dass wir f\u00fcr den klinischen Einsatz ein System ben\u00f6tigen, das eine gro\u00dfe Menge an synchronen Rohdaten erfasst, um darauf basierend KI-Modelle trainieren zu k\u00f6nnen. Ziel meiner Arbeit war es, eine Plattform zu schaffen, die nach nur einer Messung eine kardiologische Diagnose stellen kann.<\/p>\n<\/div>

Wie verarbeitet das Wearable die erfassten Sensordaten im klinischen Alltag?<\/p>\n<\/div>

<\/span>

Das integrierte Foundation-AI-Modell bildet den intelligenten Kern des Wearables, dessen kardiologische Pr\u00e4zision durch einen vorgeschalteten Filter gesichert wird. Um Messfehler durch alltagstaugliche Textilelektroden auszuschlie\u00dfen, bereinigt ein sechsstufiges Validierungsverfahren aus Hardware und Machine Learning die Daten mit einer Genauigkeit von \u00fcber 98 % von St\u00f6rsignalen wie bestimmten Bewegungen oder schlechtem Hautkontakt. Erst diese ges\u00e4uberten EKG-Signale werden an das Foundation-Modell \u00fcbergeben, das sie im Hintergrund kontinuierlich auf medizinische Muster hin auswertet. Als interaktives Sprach-Interface \u00fcbersetzt die KI zudem die nat\u00fcrliche Alltagssprache der Patient:innen direkt in einen pr\u00e4zisen kardiologischen Kontext und erm\u00f6glicht so eine barrierefreie Kommunikation im klinischen Alltag.<\/p>\n<\/div><\/div>\n\n\n

\n
\n

Foundation-AI-Modell<\/h2>\n

Ein Foundation-AI-Modell ist ein gro\u00dfskaliertes, auf enorme Datenmengen vortrainiertes KI-Modell, das ein fach\u00fcbergreifendes Grundverst\u00e4ndnis f\u00fcr komplexe Datenstrukturen und Zusammenh\u00e4nge besitzt. F\u00fcr den medizinischen Einsatz wird dieses Modell durch gezieltes Training auf kardiologische Leitlinien, wie die der Deutschen Gesellschaft f\u00fcr Kardiologie (DGK), spezialisiert. Erst dieses breite Vorwissen erm\u00f6glicht die Arbeit der Sensor-Plattform: Da bisher kaum Datens\u00e4tze existieren, bei denen 50 verschiedene Sensoren gleichzeitig Messwerte am selben Patienten aufzeichnen, verkn\u00fcpft das Foundation-Modell die unterschiedlichen Datenstr\u00f6me von Anfang an eigenst\u00e4ndig. So kann es Herzerkrankungen selbst ohne gro\u00dfe Mengen an speziellen Vergleichsdaten mit hoher Genauigkeit deuten.<\/p>\n<\/div>\n <\/div>\n <\/div>\n\n\n

Wie pr\u00e4zise schneidet die Diagnose durch die KI im Vergleich zur klassischen \u00e4rztlichen Auswertung ab?<\/p>\n<\/div>

<\/span>

Laut klinischen Studien liegt die Genauigkeit von Kardiolog:innen bei der Bewertung von EKG-Signalen bei etwa 75 %. Das spezialisierte KI-Modell, bzw. das Sensorsystem, hat eine Diagnose-Validit\u00e4t von 98 % erzielt. Die KI soll Mediziner:innen dabei jedoch nicht ersetzen, sondern als zuverl\u00e4ssiges Diagnose-Werkzeug im klinischen Alltag unterst\u00fctzen und zudem Praxen im Alltag entlasten.<\/p>\n<\/div>

Wie unterscheidet sich Ihr Wearable von Wearables auf dem Mark, z. B. von einer herk\u00f6mmlichen Smartwatch? Welche konkreten Parameter k\u00f6nnen Sie messen?<\/p>\n<\/div>

<\/span>

Der gr\u00f6\u00dfte Unterschied liegt in der Art, wie das System getragen wird, und der enormen Messdichte. Eine Smartwatch erfasst meist nur ein bis f\u00fcnf Parameter am Handgelenk. Unsere Technologie ist hingegen als komfortable Weste konzipiert. Das in das Textil eingearbeitete System umfasst deutlich mehr Messparameter als \u00fcbliche Wearables wie Smartwatches. Besonders innovativ sind dabei die integrierten trockenen Elektroden. Sie ersetzen die klassischen EKG-Klebepflaster auf der Haut komplett. Diese Technologie ist so flexibel, dass wir sie in einem n\u00e4chsten Schritt auch in Form eines flachen, unauff\u00e4lligen, smarten Pflasters anbieten k\u00f6nnen.<\/p>\n

Insgesamt verf\u00fcgt unser System \u00fcber 15 Sensormodalit\u00e4ten, aus denen wir rund 240 Parameter ableiten k\u00f6nnen. Das Herzst\u00fcck ist ein klinisch vollwertiges 12-Kanal-EKG, erg\u00e4nzt durch die Impedanzkardiographie (ICG), mit der wir das Schlagvolumen des Herzens und die Gef\u00e4\u00dfsteifigkeit messen. \u00dcber eine 8-Kanal-Fluid-Impedanzmessung erkennen wir Wassereinlagerungen und \u00d6deme in Lunge und Beinen \u2013 f\u00fcr Herzinsuffizienz-Patient:innen ein besonders wichtiger Parameter. Mit Phonokardiographie (PCG) und einem Lungen-Stethoskop (LCG) zeichnen wir Herz- und Lungenger\u00e4usche akustisch auf, w\u00e4hrend eine Photoplethysmographie (PPG) Sauerstoffs\u00e4ttigung und Puls erfasst. Eine 4-Kanal-Atemimpedanzmessung liefert Atemfrequenz und Atemvolumen, ein Bewegungssensor (IMU) das l\u00fcckenlose Bewegungsprofil. Hinzu kommen die periphere Impedanzmessung (FIS) f\u00fcr Blutdruck, Gef\u00e4\u00dfsteifigkeit und Pulswellenanalyse, Temperatursensoren an mehreren K\u00f6rperstellen, die Hautimpedanz f\u00fcr den Stressfaktor \u00fcber den galvanischen Hautwiderstand, eine Seismokardiographie (SCG) f\u00fcr die mechanische Herzbewegung sowie eine Analyse der Atemluft und der Stimme, die zus\u00e4tzliche Hinweise auf Lungen\u00f6deme oder Ersch\u00f6pfung liefern kann.<\/p>\n<\/div><\/div>\n\n\n

\n
\n \n \n \"\"\n <\/picture><\/div><\/div><\/div>
Smarte Sensorweste f\u00fcr multimodales kardiales Monitoring mit Trockenelektroden.
©<\/span>Fraunhofer IZM<\/div><\/div>\n <\/div>\n\n\n

Sie haben das System f\u00fcr unterschiedliche Tragevarianten optimiert. Welche Ausf\u00fchrungen gibt es konkret?<\/p>\n<\/div>

<\/span>

Wir haben das System in drei verschiedenen Entwicklungsstufen und Varianten konzipiert. Zun\u00e4chst gibt es die reine Elektronik im Labor-Prototypstadium, die wir f\u00fcr Tests nutzen. F\u00fcr den echten Einsatz an Patient:innen haben wir die sensorintegrierte Weste entwickelt. Aktuell arbeiten wir an der High-End-Miniaturisierung: dem smarten Pflaster. Das Pflaster wird die alltagstauglichste L\u00f6sung sein, erfordert aber die h\u00f6chste Pr\u00e4zision beim Design, da wir die gesamte Elektronik und den Akku auf kleinstem Raum unterbringen m\u00fcssen. Erg\u00e4nzt wird das System au\u00dferdem durch smarte Bandagen f\u00fcr Arme und Beine, um dort gezielt Wassereinlagerungen zu \u00fcberwachen.<\/p>\n<\/div>

Wie l\u00e4uft das Zusammenspiel zwischen Patient:innen, Plattform und \u00c4rzt:innen ab?<\/p>\n<\/div>

<\/span>

Unser System funktioniert als ganzheitliche Plattform mit verschiedenen Inputs. Der erste Schritt ist ein initialer Arztbesuch, bei dem Mediziner:innen einmalig ein digitales Patient:innen-Profil anlegen. Hier flie\u00dfen Vorerkrankungen, Medikationen, Operationen und kardiologische Berichte ein. Dieser Schritt dauert etwa 20 Minuten, ist aber essenziell, da selbst 240 gemessene Sensorparameter allein keine sichere Volldiagnose erlauben.<\/p>\n

F\u00fcr eine belastbare Diagnose f\u00fchren wir vier verschiedene Datenquellen zusammen. Erstens die rund 240 Parameter aus dem Wearable selbst. Zweitens das digitale Patient:innen-Profil mit Vorerkrankungen, Operationen, Medikationen und famili\u00e4rer Vorbelastung durch Erbkrankheiten. Drittens die Gespr\u00e4che zwischen Patient:in und unserem KI-Sprach-Agenten, aus denen sich zus\u00e4tzliche Hinweise auf Beschwerden im Alltag ableiten lassen. Und viertens externe Messger\u00e4te, etwa ein tragbares Echokardiographie-Ger\u00e4t, eine smarte Waage oder Handheld-Ger\u00e4te zur Bestimmung kardialer Blutwerte. Erst die Kombination dieser vier Ebenen ergibt ein vollst\u00e4ndiges Bild \u2013 kein einzelner Datenstrom allein w\u00fcrde f\u00fcr eine sichere Diagnose ausreichen.<\/p>\n

Patient:innen tragen die Weste f\u00fcr eine Messdauer von f\u00fcnf bis sechs Minuten im Alltag. Die Rohdaten werden verschl\u00fcsselt in die Fraunhofer-Cloud \u00fcbertragen. Nach der Signalverarbeitung wertet das KI-Modell die Daten aus und erstellt innerhalb von zehn Minuten einen vollwertigen kardiologischen Bericht inklusive einer automatischen Risikobewertung. Dazu geh\u00f6rt beispielsweise der klinische Grace-3-Score (Global Registry of Acute Coronary Events), der das pers\u00f6nliche Risiko f\u00fcr einen k\u00fcnftigen Herzinfarkt pr\u00e4zise berechnet.<\/p>\n

Zus\u00e4tzlich k\u00f6nnen sich die Patient:innen \u00fcber ein Sprach-Interface mit dem System unterhalten, \u00e4hnlich wie mit Chat GPT, und ihre t\u00e4glichen Beschwerden schildern. Die Antworten passen sich jeweils der Rolle der \u00c4rzt:innen oder Patient:innen an. Patient:innen erhalten leicht verst\u00e4ndliche Lifestyle-Empfehlungen, w\u00e4hrend der behandelnde Arzt bei seinem Login medizinisch fundierte Analysen bekommt.<\/p>\n<\/div>

Sie nutzen trockene Textilelektroden statt der \u00fcblichen Klebepads. Wie verhindern Sie St\u00f6rsignale und Rauschen, wenn sich der Patient bewegt?<\/p>\n<\/div>

<\/span>

Um dieses Problem zu l\u00f6sen, haben wir ein mehrstufiges Kontrollsystem f\u00fcr die Textilelektroden entwickelt. Auf der Hardwareseite messen wir permanent den elektrischen Widerstand zwischen Elektrode und Haut. L\u00f6st sich die Weste an einer Stelle, wird das vom System erkannt. Gleichzeitig erfassen integrierte Sensoren jede Bewegung der Patient:innen. Wird ein starkes Signal registriert, z. B. weil der Patient gerade l\u00e4uft oder sich streckt, wissen wir, dass die EKG-Daten in dieser Sekunde unbrauchbar sind. Unsere Software filtert dieses Rauschen dann gezielt heraus. Das entscheidende Prinzip dahinter ist, dass nicht die vollen f\u00fcnf Minuten fehlerfrei aufgezeichnet werden m\u00fcssen. Dem System reichen aus der gesamten Messzeit am Ende nur wenige, absolut st\u00f6rungsfreie Sekunden aus, um eine verl\u00e4ssliche kardiologische Diagnose zu erstellen.<\/p>\n<\/div><\/div>\n\n\n

\n
\n \n \n \"\"\n <\/picture><\/div><\/div><\/div>
Innenseite des tragbaren Kardio-Monitoring-Systems mit frei positionierbaren Textilelektroden, Silikon-Stethoskopen und weiteren integrierten Sensoren.
©<\/span>Fraunhofer IZM<\/div><\/div>\n <\/div>\n\n\n

Vor welchen technologischen und regulatorischen H\u00fcrden stehen Sie aktuell?<\/p>\n<\/div>

<\/span>

Technologisch fordert uns vor allem die Kombination aus Datenmenge und Rechenleistung heraus. Wenn 50 Sensoren gleichzeitig messen, str\u00f6men pro Sekunde riesige Datenmengen herein. Diese m\u00fcssen absolut synchron erfasst werden, damit sich aus der Kombination verschiedener Signale zus\u00e4tzliche Parameter ableiten lassen. Ein normaler, winziger Wearable-Chip ist damit \u00fcberfordert. Wir m\u00fcssen deshalb die Rechenpower eines kleinen PCs auf der Weste unterbringen, um die Daten direkt vor Ort verarbeiten zu k\u00f6nnen. Das auf kleinstem Raum zu l\u00f6sen, ohne dass das Ger\u00e4t zu hei\u00df wird oder der Akku nach kurzer Zeit leer ist, ist eine enorme Herausforderung.<\/p>\n

Eine weitere H\u00fcrde ist der Mangel an passenden Trainingsdaten f\u00fcr unsere KI. Im Internet gibt es zwar viele isolierte Datens\u00e4tze f\u00fcr EKG oder Sauerstoffs\u00e4ttigung, aber fast keine, bei denen alle 50 Sensoren gleichzeitig am selben Patienten gemessen wurden. Wir m\u00fcssen diese multimodalen Daten also m\u00fchsam selbst erheben.<\/p>\n

Regulatorisch ist die Zulassung von Medizinprodukten in Europa, insbesondere mit KI-Komponenten, sehr langwierig und kostspielig. Durch den neuen EU AI Act fallen KI-Diagnosesysteme in die Hochrisikoklasse 3. Die Zulassung erfordert klinische Studien, die schnell mehrere Millionen Euro und Jahre an Arbeit kosten k\u00f6nnen. W\u00e4hrend wir in der Forschung bei Fraunhofer f\u00fcr Testzwecke von einigen Auflagen befreit sind, ist der Weg zum kommerziellen Produkt f\u00fcr Unternehmen eine enorme H\u00fcrde.<\/p>\n<\/div>

Mit Blick auf die Zukunft: Wann wird das System einsatzbereit sein und wie soll der Vertrieb aussehen?<\/p>\n<\/div>

<\/span>

Wir haben nach vier Jahren b\u00fcrokratischer Vorbereitung die offizielle Ethikfreigabe erhalten, um das System an echten Patient:innen der Charit\u00e9 testen zu d\u00fcrfen. Anfang 2026 haben wir zwei Forschungsantr\u00e4ge eingereicht, um die finanziellen Mittel f\u00fcr diese klinische Studie mit hunderten Patient:innen zu sichern. Wenn die Bewilligung im August eintrifft, wollen wir Ende 2026 oder Anfang 2027 mit der Studie starten.<\/p>\n

F\u00fcr den sp\u00e4teren Vertrieb gibt es zwei Szenarien: Entweder nutzen Haus\u00e4rzt:innen das System direkt in ihrer Praxis um zu entscheiden, ob Patient:innen an ein spezialisiertes kardiologisches Zentrum \u00fcberwiesen werden muss. Oder es wird als verschreibungspflichtiges Wearable von den Krankenkassen f\u00fcr die h\u00e4usliche Langzeit\u00fcberwachung von Herzinsuffizienz-Patient:innen finanziert. Die Hardwarekosten liegen nur bei wenigen hundert Euro – es ist die Zulassung, die den Prozess bestimmt.<\/p>\n<\/div>

Was fasziniert Sie als Entwickler an dieser Schnittstelle von Mikroelektronik und Medizin?<\/p>\n<\/div>

<\/span>

Es ist faszinierend, die Signale des eigenen K\u00f6rpers live und in Echtzeit zu sehen – ob es der eigene Puls ist oder die Kontraktion des Herzens. Aber am meisten motivieren mich die t\u00e4glichen Probleme im Labor. Wenn Hardware und Software zusammengebracht werden, treten oft Fehler auf, die wie schwarze Magie wirken. Oft geht man frustriert nach Hause, weil etwas nicht funktioniert, wacht am n\u00e4chsten Morgen auf und hat pl\u00f6tzlich die L\u00f6sung. Das macht die Arbeit spannend.<\/p>\n

J\u00e4hrlich sterben weltweit \u00fcber neun Millionen Menschen an Herz-Kreislauf-Erkrankungen. Bei einem Herzinfarkt z\u00e4hlt jede Sekunde. Wenn unsere Sensorplattform kritische Verschlechterungen ein oder zwei Tage im Voraus erkennen kann, rettet das Menschenleben. Genau dieses Ziel treibt mich in meiner Arbeit an.<\/p>\n<\/div><\/div>\n\n\n

\n
\n \n \n \"\"\n <\/picture><\/div><\/div><\/div>
©<\/span>Fraunhofer IZM | Basel Adams (KI-generiert)<\/div><\/div>\n <\/div>\n\n\n

Text von: Katharina F\u00f6rster<\/p>\n","protected":false},"excerpt":{"rendered":"

Um Herz-Kreislauf-Erkrankungen fr\u00fchzeitig zu erkennen, wurde am Fraunhofer IZM eine intelligente Sensor-Plattform entwickelt. Im Interview erkl\u00e4rt Basel Adams, der Entwickler der Technologie, wie das System mit 15 Sensormodalit\u00e4ten \u00fcber 240 Gesundheitsparameter erfasst. Er erl\u00e4utert, warum die Technologie im Gegensatz zu Smartwatches vollwertige klinische Diagnosen erm\u00f6glicht, wie St\u00f6rsignale im Alltag gefiltert werden und vor welchen regulatorischen H\u00fcrden die Medizintechnik steht.<\/p>\n","protected":false},"author":144,"featured_media":34520,"comment_status":"closed","ping_status":"closed","sticky":true,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[9],"tags":[],"class_list":["post-34480","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-interviews"],"acf":[],"_links":{"self":[{"href":"https:\/\/fmd-insight.de\/de\/wp-json\/wp\/v2\/posts\/34480","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/fmd-insight.de\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/fmd-insight.de\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/fmd-insight.de\/de\/wp-json\/wp\/v2\/users\/144"}],"replies":[{"embeddable":true,"href":"https:\/\/fmd-insight.de\/de\/wp-json\/wp\/v2\/comments?post=34480"}],"version-history":[{"count":10,"href":"https:\/\/fmd-insight.de\/de\/wp-json\/wp\/v2\/posts\/34480\/revisions"}],"predecessor-version":[{"id":34522,"href":"https:\/\/fmd-insight.de\/de\/wp-json\/wp\/v2\/posts\/34480\/revisions\/34522"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/fmd-insight.de\/de\/wp-json\/wp\/v2\/media\/34520"}],"wp:attachment":[{"href":"https:\/\/fmd-insight.de\/de\/wp-json\/wp\/v2\/media?parent=34480"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/fmd-insight.de\/de\/wp-json\/wp\/v2\/categories?post=34480"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/fmd-insight.de\/de\/wp-json\/wp\/v2\/tags?post=34480"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}