{"id":20235,"date":"2026-08-31T18:35:04","date_gmt":"2026-08-31T10:35:04","guid":{"rendered":"https:\/\/www.oscoo.com\/?p=20235"},"modified":"2026-08-31T18:36:58","modified_gmt":"2026-08-31T10:36:58","slug":"do-ai-servers-use-ddr5-ram","status":"publish","type":"post","link":"https:\/\/www.oscoo.com\/de\/news\/do-ai-servers-use-ddr5-ram\/","title":{"rendered":"Verwenden KI-Server DDR5-RAM?"},"content":{"rendered":"
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t

KI-Server nutzen in gro\u00dfem Umfang DDR5-Speicher, der mittlerweile die Standardkonfiguration f\u00fcr den Systemspeicher in der KI-Recheninfrastruktur darstellt. Ob bei High-End-KI-Trainingsservern oder gro\u00df angelegten Inferenzservern \u2013 DDR5 dient als Kernspeicher auf der CPU-Seite und arbeitet auf der GPU-Seite mit HBM-Speicher (High-Bandwidth Memory) zusammen. Beide spielen unterschiedliche, sich jedoch erg\u00e4nzende Rollen und gew\u00e4hrleisten gemeinsam den stabilen Betrieb von KI-Workloads. Stark angetrieben durch die Nachfrage im KI-Bereich hat die Verbreitung von DDR5 auf dem globalen KI-Servermarkt im Jahr 2026 ein hohes Niveau erreicht, wodurch es zu einer unverzichtbaren Kernkomponente der KI-Recheninfrastruktur geworden ist.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t

DDR5 geh\u00f6rt nun zur Standardausstattung von KI-Servern<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t

Angesichts des rasanten Wachstums der KI-Branche hat DDR5 den Wandel von einer \u201coptionalen Konfiguration\u201d zu einer \u201cStandardkonfiguration\u201d vollzogen und ist zu einer unverzichtbaren Komponente f\u00fcr KI-Server geworden.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t

Was die Marktdurchdringung betrifft, so wird erwartet, dass die Gesamtdurchdringungsrate von DDR5 auf dem globalen Server-DRAM-Markt im Jahr 2026 zwischen 62% und 82% liegen wird.<\/strong> Im Bereich der KI-Server ist die Quote deutlich h\u00f6her. Neue Modelle der f\u00fchrenden Anbieter sind vollst\u00e4ndig auf DDR5 umgestellt, und der Generationswechsel von DDR4 zu DDR5 ist im Wesentlichen abgeschlossen.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t

KI-Server verbrauchen weitaus mehr DDR5-Speicher als herk\u00f6mmliche Unternehmensserver.<\/strong> Die DDR5-Speicherkapazit\u00e4t eines einzelnen KI-Servers ist acht- bis zehnmal so gro\u00df wie die eines herk\u00f6mmlichen Servers. Die Nachfrage nach DDR5 seitens Cloud-Dienstleistern und KI-Unternehmen hat sich zum wichtigsten Wachstumsmotor des globalen DDR5-Marktes entwickelt, macht einen erheblichen Anteil am gesamten Marktwert aus und ist zum gr\u00f6\u00dften Wachstumsmotor f\u00fcr die Speicherindustrie geworden. Beispielsweise nutzt ein g\u00e4ngiger High-End-KI-Trainingsserver auf Basis der NVIDIA H100-Plattform in der Regel 2 TB bis 4 TB DDR5-Systemspeicher sowie 640 GB HBM-Speicher und bildet so eine hierarchische Speicherarchitektur. Die beiden Speicherarten dienen jeweils dem Caching von Modellparametern und der Pufferung aktiver Rechendaten.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t

Auch die Lieferkette der Branche hat die Umstellung vollst\u00e4ndig abgeschlossen. Die Server-CPU-Plattformen der neuen Generation von Intel und AMD unterst\u00fctzen DDR5 nativ.<\/strong> Speicherhersteller wie Micron, SK hynix und Samsung haben speziell f\u00fcr KI optimierte DDR5-RDIMM-Produkte auf den Markt gebracht, die High-End-Spezifikationen wie 256-GB-Module mit hoher Kapazit\u00e4t und Geschwindigkeiten von 9200 MT\/s abdecken. Auf dem chinesischen Markt wird erwartet, dass f\u00fchrende Serverhersteller wie Inspur Information, Dawning Information Industry und H3C im Jahr 2026 bei neu verkauften KI-Servern DDR5-Konfigurationsraten von \u00fcber 92% erreichen und damit die Produktumstellung abschlie\u00dfen werden.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t
\"\"<\/a><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t

Die wichtigsten Gr\u00fcnde, warum KI-Server auf DDR5 setzen<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t

Im Vergleich zur Vorg\u00e4ngergeneration DDR4 bietet DDR5 wesentliche Verbesserungen hinsichtlich Bandbreite, Kapazit\u00e4t und Energieeffizienz. Diese Verbesserungen entsprechen den Kernanforderungen von KI-Workloads und sind ein wesentlicher Grund daf\u00fcr, dass DDR5 mittlerweile zur Standardkonfiguration f\u00fcr KI-Server geworden ist.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t

Eine h\u00f6here Bandbreite passt zu den Befehlss\u00e4tzen f\u00fcr die KI-Beschleunigung<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t

Die g\u00e4ngige Taktrate von Server-DDR5 liegt derzeit bei 5600 MT\/s bis 6400 MT\/s, w\u00e4hrend die neuesten High-End-Produkte des Jahres 2026 bereits 9200 MT\/s \u00fcberschritten haben. DDR5 mit hoher Bandbreite kann in Kombination mit CPU-seitigen KI-Beschleunigungsbefehlss\u00e4tzen wie Intel AMX und AMD AVX-512 die Inferenzleistung in reinen CPU-Szenarien erheblich verbessern. Laut den Testdaten von Micron erzielt ein mit DDR5 und einem Intel Xeon-Prozessor der 4. Generation ausgestatteter Server im Vergleich zu einer DDR4-Plattform eine 7,3-mal h\u00f6here Inferenzleistung bei Computer Vision, eine 4,9-mal h\u00f6here Inferenzleistung bei der Verarbeitung nat\u00fcrlicher Sprache sowie eine 4,3-mal h\u00f6here Inferenzleistung bei Empfehlungssystemen und unterst\u00fctzt damit effektiv leichtgewichtige KI-Inferenz-Workloads.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t

Gr\u00f6\u00dfere Kapazit\u00e4t erm\u00f6glicht die Inferenz bei gro\u00dfen Modellen<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t

Ein einzelnes DDR5-RDIMM-Modul bietet mittlerweile Kapazit\u00e4ten von 64 GB, 128 GB und sogar 256 GB, sodass ein Dual-Socket-Server problemlos mit mehreren Terabyte Systemspeicher ausgestattet werden kann.\u00a0Bei der KI-Inferenz kann DDR5 mit hoher Kapazit\u00e4t die Schl\u00fcssel-Wert-Paare (KV-Paare) gro\u00dfer Modelle im Cache speichern, wodurch die Latenz bis zum ersten Token bei der Inferenz mit langem Kontext erheblich reduziert wird und gleichzeitig eine gr\u00f6\u00dfere Anzahl gleichzeitiger Anfragen unterst\u00fctzt wird.\u00a0<\/span>Branchenweite Tests zeigen, dass die Auslagerung von KV-Caches gro\u00dfer Modelle auf DDR5-Speicher mit hoher Kapazit\u00e4t auf der CPU-Seite die Latenz bis zum ersten Token bei der Echtzeit-Inferenz mit langem Kontext um bis zu 98% reduzieren und die Kapazit\u00e4t f\u00fcr parallele Inferenz verdoppeln kann, was das Nutzererlebnis bei Diensten mit gro\u00dfen Modellen erheblich verbessert.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t

Eine bessere Energieeffizienz f\u00f6rdert den gro\u00dffl\u00e4chigen Einsatz<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t

Dank des Fertigungsprozesses der neuen Generation verbraucht DDR5-Speicher bei gleicher Kapazit\u00e4t 15% bis 20% weniger Strom als die Vorg\u00e4ngergeneration DDR4. Gleichzeitig l\u00e4sst sich der Gesamtstromverbrauch durch den Einsatz von Einzelmodulen mit hoher Kapazit\u00e4t weiter senken. So l\u00e4sst sich beispielsweise durch den Austausch mehrerer kleinerer Module gegen ein einzelnes 256-GB-DDR5-Modul der Stromverbrauch des Arbeitsspeichers sowie der Platzbedarf auf dem Mainboard deutlich reduzieren, was zu einer Verbesserung der Energieeffizienz beitr\u00e4gt.\u00a0F\u00fcr KI-Rechenzentren, in denen unter Umst\u00e4nden Zehntausende von Servern zum Einsatz kommen, kann die verbesserte Energieeffizienz von DDR5 die langfristigen Betriebskosten erheblich senken und gleichzeitig den K\u00fchlungsaufwand verringern, wodurch sich diese Technologie besser f\u00fcr den Einsatz in Racks mit hoher Dichte eignet.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t

Unterschiede bei der DDR5-Konfiguration in verschiedenen KI-Szenarien<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t

Verschiedene KI-Workloads stellen deutlich unterschiedliche Anforderungen an DDR5. Vom Training bis zur Inferenz und von zentralisierten Systemen bis hin zu Edge-Systemen \u2013 jedes Szenario hat seine eigenen Konfigurationspriorit\u00e4ten.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t

KI-Trainingsserver.<\/strong> KI-Trainingsserver nutzen GPUs als zentrale Rechenressource und sind mit HBM-Speicher ausgestattet. DDR5 ist haupts\u00e4chlich f\u00fcr die Datenvorverarbeitung, die Aufgabenplanung, das Laden von Modellen und die tempor\u00e4re Speicherung zust\u00e4ndig. Ein einzelner Trainingsserver verf\u00fcgt in der Regel \u00fcber 384 GB bis 768 GB DDR5, w\u00e4hrend High-End-Trainingssysteme mit 8 GPUs mit 2 TB bis 4 TB konfiguriert werden k\u00f6nnen. Da die koordinierende Rolle der CPU beim Training weiter zunimmt, w\u00e4chst auch die Speicherkapazit\u00e4t kontinuierlich.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t

KI-Inferenzserver.<\/strong> In GPU-Inferenzservern arbeitet DDR5 mit dem GPU-Speicher zusammen, um das Caching von Ein- und Ausgabedaten sowie die Aufgabenplanung zu bew\u00e4ltigen. Eine typische Konfiguration umfasst 192 GB bis 384 GB. Es gibt auch eine Art von reinen CPU-Inferenzservern, die DDR5 als Kernspeicher nutzen. Es eignet sich nicht nur f\u00fcr schlanke Modelle und Inferenzszenarien am Netzwerkrand, sondern wird auch h\u00e4ufig f\u00fcr kostensensible oder latenzunempfindliche Inferenz-Bereitstellungen mit gro\u00dfen Modellen eingesetzt. Durch die Kombination von DDR5 mit hoher Bandbreite und KI-Befehlss\u00e4tzen f\u00fchren diese Systeme die Inferenz vollst\u00e4ndig auf der CPU durch, was geringere Bereitstellungskosten und gr\u00f6\u00dfere Flexibilit\u00e4t mit sich bringt.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t

Edge-AI-Szenarien.<\/strong> Bei Edge-AI- und Lightweight-AI-Anwendungen kommen in der Regel DDR5- oder LPDDR5X-Speicher mit geringerem Stromverbrauch zum Einsatz, um den Energieverbrauch zu senken und gleichzeitig die Leistung aufrechtzuerhalten, wodurch die Anforderungen an den Einsatz in Edge-Rechenzentren und eingebetteten KI-Ger\u00e4ten erf\u00fcllt werden.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t

Rollenverteilung und Unterschiede zwischen DDR5 und HBM<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t

DDR5 und HBM sind verschiedene Speicherebenen in KI-Servern. Jede hat ihre eigene Funktion, sie erg\u00e4nzen sich gegenseitig, und es besteht kein Ersatzverh\u00e4ltnis zwischen ihnen.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\n \n \n \n \n \n \n \n \n \n
Vergleich Dimension<\/th>\n DDR5-Systemspeicher<\/th>\n HBM (High-Bandwidth Memory)<\/th>\n <\/tr>\n <\/thead>\n
Reicht f\u00fcr<\/td>\n CPU, zust\u00e4ndig f\u00fcr die Systemplanung, die Datenvorverarbeitung und das Modell-Caching<\/td>\n GPU\/KI-Beschleuniger, zust\u00e4ndig f\u00fcr die Kernberechnungen im KI-Bereich<\/td>\n <\/tr>\n
Aufstellungsort<\/td>\n Speichersteckpl\u00e4tze auf der Hauptplatine; abnehmbar und austauschbar<\/td>\n Im Inneren des GPU-Geh\u00e4uses: 3D-gestapelt und verl\u00f6tet<\/td>\n <\/tr>\n
Bandbreitenstufe<\/td>\n Zehn bis \u00fcber 100 GB\/s<\/td>\n Mehr als 1,5 TB\/s pro Chip, mehr als das Zehnfache von DDR5<\/td>\n <\/tr>\n
Die wichtigsten Vorteile<\/td>\n Hohe Kapazit\u00e4t, hohe Wirtschaftlichkeit, flexible Einsatzm\u00f6glichkeiten<\/td>\n Extrem hohe Bandbreite, sehr geringe Latenz<\/td>\n <\/tr>\n
Vergleich Dimension<\/td>\n DDR5-Systemspeicher<\/td>\n HBM (High-Bandwidth Memory)<\/td>\n <\/tr>\n
Rolle in KI-Szenarien<\/td>\n Betreibt das System, plant Aufgaben, speichert Schl\u00fcssel-Wert-Paare im Cache und speichert vorverarbeitete Daten<\/td>\n Versorgt den KI-Rechenkern kontinuierlich mit gro\u00dfen Mengen an Modellparametern<\/td>\n <\/tr>\n <\/tbody>\n<\/table>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t

Einfach ausgedr\u00fcckt bestimmt HBM die Obergrenze der Rechenleistung f\u00fcr das KI-Training, w\u00e4hrend DDR5 die allgemeine Scheduling-Effizienz, die Parallelit\u00e4t bei der Inferenz sowie die F\u00e4higkeit zur Verarbeitung langer Kontexte eines KI-Servers bestimmt. Beide sind unverzichtbar. Es sollte ausdr\u00fccklich darauf hingewiesen werden, dass HBM ein dedizierter Speicher f\u00fcr GPUs ist und kein Systemspeicher im herk\u00f6mmlichen Sinne. Unter dem Speichersystem eines Servers versteht man speziell die auf der Hauptplatine installierten DDR5-Speichermodule, die zur Grundausstattung aller Server geh\u00f6ren.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t

Zuk\u00fcnftige Entwicklung von DDR5 in KI-Szenarien<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t

Die weiterhin steigende Nachfrage nach KI treibt die rasante Entwicklung der DDR5-Technologie voran. F\u00fcr die Zukunft zeichnen sich drei wesentliche Entwicklungsrichtungen ab.<\/p>

  • Erstens werden Geschwindigkeit und Kapazit\u00e4t weiter zunehmen. Die DDR5-Geschwindigkeiten werden auf \u00fcber 10.000 MT\/s steigen, w\u00e4hrend die Kapazit\u00e4t einzelner Module 512 GB \u00fcbersteigen wird, wodurch die Anforderungen gro\u00dfer Modelle an Inferenz mit langen Kontexten und hoher Parallelit\u00e4t noch besser erf\u00fcllt werden.<\/li>
  • Zweitens wird sich die MRDIMM-Technologie zunehmend durchsetzen. Die Multiplexed-DIMM-Technologie kann die DDR5-Bandbreite von 30% auf 40% erh\u00f6hen, ohne die Architektur der Steckpl\u00e4tze auf dem Motherboard zu ver\u00e4ndern. Die Produkte der ersten Generation haben im Musterstadium bereits 8800MT\/s erreicht, w\u00e4hrend die zweite Generation voraussichtlich von Ende 2026 bis Anfang 2027 12800MT\/s erreichen wird (vorbehaltlich der endg\u00fcltigen Ank\u00fcndigungen der Hersteller zur Serienproduktion). Dies kann den durch die steigende Anzahl von CPU-Kernen verursachten Engpass bei der Speicherbandbreite wirksam entsch\u00e4rfen.<\/li>
  • Schlie\u00dflich wird das Verh\u00e4ltnis von Angebot und Nachfrage weiterhin angespannt bleiben. Das durch KI getriebene Wachstum der DDR5-Nachfrage \u00fcbertrifft den Ausbau der weltweiten Produktionskapazit\u00e4ten f\u00fcr Speicher bei weitem. Es wird erwartet, dass hochdichte, hochfrequente DDR5-Speicher in Serverqualit\u00e4t in den Jahren 2026 und 2027 weiterhin knapp bleiben und zu einem der wichtigsten Engp\u00e4sse bei der Bereitstellung von KI-Rechenkapazit\u00e4ten werden.<\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

    KI-Server nutzen in gro\u00dfem Umfang DDR5-Speicher, der mittlerweile die Standardkonfiguration f\u00fcr den Systemspeicher in der KI-Recheninfrastruktur darstellt. Ob bei High-End-KI-Trainingsservern oder gro\u00df angelegten Inferenzservern \u2013 DDR5 dient als Kernspeicher auf der CPU-Seite und arbeitet auf der GPU-Seite mit HBM-Speicher (High-Bandwidth Memory) zusammen.<\/p>","protected":false},"author":4,"featured_media":20253,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"set","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[347],"tags":[],"class_list":["post-20235","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-quick-answers"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.oscoo.com\/de\/wp-json\/wp\/v2\/posts\/20235","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.oscoo.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.oscoo.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.oscoo.com\/de\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.oscoo.com\/de\/wp-json\/wp\/v2\/comments?post=20235"}],"version-history":[{"count":20,"href":"https:\/\/www.oscoo.com\/de\/wp-json\/wp\/v2\/posts\/20235\/revisions"}],"predecessor-version":[{"id":20256,"href":"https:\/\/www.oscoo.com\/de\/wp-json\/wp\/v2\/posts\/20235\/revisions\/20256"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.oscoo.com\/de\/wp-json\/wp\/v2\/media\/20253"}],"wp:attachment":[{"href":"https:\/\/www.oscoo.com\/de\/wp-json\/wp\/v2\/media?parent=20235"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.oscoo.com\/de\/wp-json\/wp\/v2\/categories?post=20235"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.oscoo.com\/de\/wp-json\/wp\/v2\/tags?post=20235"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}