{"id":14319,"date":"2026-05-19T14:40:02","date_gmt":"2026-05-19T12:40:02","guid":{"rendered":"https:\/\/manualjobsearch.com\/?p=14319"},"modified":"2026-05-19T14:45:51","modified_gmt":"2026-05-19T12:45:51","slug":"wie-ki-die-datenberufe-spaltet","status":"publish","type":"post","link":"https:\/\/manualjobsearch.com\/en_ca\/wie-ki-die-datenberufe-spaltet\/","title":{"rendered":"Wie KI die Datenberufe spaltet: Wer gewinnt \u2014 und wer verschwindet?"},"content":{"rendered":"
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\n
\n\nEin erfahrener Director einer 600-k\u00f6pfigen Daten-Organisation spricht offen \u00fcber die neue Realit\u00e4t: Die meisten Junior-Datenanalysten haben kaum noch Chancen. Mittlere Fachkr\u00e4fte stehen unter Druck. Aber wer richtig denkt, erlebt das beste Jahr seiner Karriere. Was Sie konkret tun k\u00f6nnen.\n<\/i>\n\n

Die unbequeme Frage: Sind Sie ein \u201eMensch-Maschine-Interface\u201c?<\/h2>\n\nEs gibt eine Frage, die in den letzten Monaten in vielen Daten-Teams die Stimmung ver\u00e4ndert hat. Sie lautet so einfach wie hart:\n\nWenn das Business eine Kennzahl bestellt \u2014 Sie nehmen die Anfrage, schreiben ein SQL-Statement, geben die Zahl zur\u00fcck. Welchen intellektuellen Beitrag haben Sie geleistet?\n\nDie Antwort ist: keinen. Sie waren ein \u00dcbersetzer zwischen einer gesch\u00e4ftlichen Frage und einer Programmiersprache.\n\nEin erfahrener Daten-Director formuliert es direkt:\n\n
\u201eWenn das alles ist, was Sie tun \u2014 dann tut es mir leid. Sie sollten ernsthaft \u00fcber Ihre Zukunft nachdenken.\u201c<\/div>\n\nDas ist nicht zynisch. Das ist die n\u00fcchterne Beobachtung von jemandem, der gerade in seiner Organisation ein Experiment laufen l\u00e4sst: KI-Agenten gegen lebende Analysten. Und das Ergebnis wird Sie \u00fcberraschen.\n\n

Der Test, der alles ver\u00e4nderte<\/h2>\n\nEine konkrete Gesch\u00e4ftsaufgabe: Preisgestaltung f\u00fcr Lagerhallen. Die Besonderheit dieser Aufgabe hat einen Haken \u2014 wenn ein Lager zu 50 Prozent belegt ist, geht jeder zus\u00e4tzliche Verkauf praktisch in reinen Gewinn. Die Halle steht ja sowieso. Wenn das Lager aber zu 100 Prozent voll ist, muss man die Preise erh\u00f6hen.\n\nMit anderen Worten: Das Wichtigste, was Sie zuerst herausfinden m\u00fcssen, ist die Auslastung. Davon h\u00e4ngt alles ab.\n\nWas passierte? Ein Team von acht Analysten arbeitete eine Woche an dem Problem. Sie schlugen kluge Aktionen vor: hier eine Promotion, dort einen Rabatt, da ein Bundle.\n\nDer Director fragte: \u201eSch\u00f6n, Leute. Aber wie ist die Auslastung?\u201c\n\nAntwort: \u201eHaben wir nicht berechnet.\u201c\n\nParallel arbeiteten KI-Agenten an derselben Aufgabe. Und sie haben als allererstes die Auslastung berechnet. Weil das logischerweise die wichtigste Frage ist.\n\n
Endergebnis: KI-Agenten 1 \u2014 Menschen 0.<\/div>\n\nDas hei\u00dft nicht, dass die Agenten \u00fcberlegen sind. Ihre Analyse-Qualit\u00e4t war mittelm\u00e4\u00dfig. Aber sie haben die richtige Frage gestellt \u2014 und das Team hat sie \u00fcbersehen.\n\n

Was diese Geschichte wirklich bedeutet<\/h2>\n\nKI teilt heute alle Datenfachkr\u00e4fte in zwei Lager \u2014 und die Grenze verl\u00e4uft nicht dort, wo man es erwartet.\n\nEs geht nicht darum, ob Sie ChatGPT benutzen k\u00f6nnen. Es geht darum, ob Sie intellektuellen Mehrwert beisteuern.\n\nLager 1: Mensch-Maschine-Interfaces.<\/strong> Diese Menschen nehmen Gesch\u00e4ftsanfragen entgegen und \u00fcbersetzen sie in Code. Die ganze Denkarbeit hat das Business schon vorab gemacht \u2014 die Kennzahl ist bekannt, die Verwendung ist klar. Es muss nur noch ausgef\u00fchrt werden.\n\nDiese Rolle ist hochgef\u00e4hrdet. KI macht das heute schon, schneller und ohne Pause.\n\nLager 2: Denker.<\/strong> Diese Menschen fragen zuerst: Warum brauchen wir diese Zahl \u00fcberhaupt? Was passiert mit dem Ergebnis? Welche Szenarien gibt es? Welche Frage \u00fcbersehen wir gerade? Diese Rolle wird wertvoller \u2014 nicht weniger wert.\n\n
\u201eSie m\u00fcssen sich eine ehrliche Frage stellen: Ist meine Arbeit intellektuell oder quasi-intellektuell? Wenn der echte intellektuelle Anteil niedrig war \u2014 dann steht es schlecht.\u201c<\/div>\n\n

Eine einfache Selbstanalyse: Was tun Sie tats\u00e4chlich den ganzen Tag?<\/h2>\n\nDas praktische Werkzeug ist ebenso simpel wie unbequem:\n\nSetzen Sie sich f\u00fcr ein bis zwei Wochen hin und schreiben Sie auf, was Sie t\u00e4glich tun. Sprechen Sie mit dem Business? Schreiben Sie Code? Denken Sie nach? Entwerfen Sie Systeme? Halten Sie Meetings?\n\nDann fragen Sie sich f\u00fcr jeden Punkt: Macht das eine KI inzwischen nicht schon ganz ordentlich?\n\nFinden Sie Ihren Flaschenhals. Was h\u00e4lt Sie davon ab, schneller zu werden?\n\nBisher war f\u00fcr viele der Engpass das Schreiben von Code. Heute l\u00e4sst sich das mit KI l\u00f6sen \u2014 Sie h\u00f6ren auf, dort zu h\u00e4ngen.\n\nAber dann kommt die ernste Frage: Was bleibt \u00fcbrig? Wenn der Code weg ist, was tun Sie dann? Wenn Sie keine ehrliche Antwort darauf haben \u2014 wissen Sie jetzt, woran Sie arbeiten m\u00fcssen.\n\n

Die Lage nach Karrierestufen: ungesch\u00f6nt<\/h2>\n\n

Berufseinsteiger: ehrliche Worte<\/h3>\n\n
\u201eIch bin froh, dass ich keine Kinder im Alter von 18 bis 20 habe, die jetzt in den Beruf einsteigen m\u00fcssen. Ich habe keine Antwort f\u00fcr sie.\u201c<\/div>\n\nIn gro\u00dfen Daten-Organisationen werden heute praktisch keine klassischen Junioren mehr eingestellt. Wenn Praktikanten genommen werden, dann nur solche, die das Niveau haben, das man fr\u00fcher von Mid-Level erwartet h\u00e4tte.\n\nEtwa einer von hundert Praktikanten erf\u00fcllt dieses neue Niveau. Diese eine Person ist mit Angeboten \u00fcbersch\u00fcttet. Die anderen neunundneunzig finden keinen Einstieg.\n\nWas unterscheidet die eine Person? Sie kann ein System entwerfen. Sie hat eigene Projekte realisiert. Sie hat etwas gebaut, das funktioniert.\n\nWas hindert irgendjemanden daran, gerade einen Web-Service zu bauen, ein paar hundert Nutzer zu gewinnen und damit zu arbeiten? Nichts. Aber von tausend Leuten, die das verstehen, tun es zehn bis zwanzig.\n\nEs geht um etwas, das als Eigeninitiative bezeichnet wird. Ironischerweise \u2014 in der \u00c4ra der KI-Agenten suchen Unternehmen Menschen mit Eigeninitiative. Mit Antrieb. Mit der F\u00e4higkeit, etwas selbst anzupacken, ohne dass jemand sagt: \u201eMach das.\u201c\n\nDas ist keine erlernbare Fertigkeit \u2014 das ist eine Charaktereigenschaft. Und das Ergebnis ist eine harte Spaltung: eine kleine Gruppe ist mit Angeboten \u00fcbersch\u00fcttet, die gro\u00dfe Masse findet nichts.\n\n

Mid-Level: Vermutlich am h\u00e4rtesten getroffen<\/h3>\n\n
\u201eDiese Leute dachten, sie haben es geschafft. Sie sind drin. Sie sind etabliert. Und jetzt dr\u00fcckt der schwere Stiefel der KI auf ihre Finger.\u201c<\/div>\n\nMid-Level-Fachkr\u00e4fte stehen vor der unangenehmsten Aufgabe: ihre eigene Arbeit ehrlich zu analysieren. Wo verbringen Sie wirklich Zeit? Was davon ist wertvoll?\n\nHier ein wenig bekanntes Ph\u00e4nomen aus gro\u00dfen Tech-Konzernen: Viele Ingenieure verstehen nicht, was wirklich wichtig ist. Aber sie wissen, dass sie bewertet werden. Was machen sie dann? Die rational betrachtet beste Strategie: so viel wie m\u00f6glich tun. Lotterie-Prinzip \u2014 viel produzieren in der Hoffnung, dass etwas Wertvolles dabei ist.\n\nDas f\u00fchrt zu Burnout. Und es f\u00fchrt nicht zu besseren Ergebnissen.\n\nDer Ausweg: ehrliche Selbstanalyse. Warum habe ich das gemacht? War das wertvoll? Was wirklich z\u00e4hlt? Wer bremst mich?\n\nDas ist hart. Nicht jeder schafft das. Wer es schafft, wird belohnt. Hier hilft ein Mentor oder externer Berater \u2014 in einer anderen Person sieht man Probleme leichter als in sich selbst.\n\n

Senior-Level: Das Leben wird besser<\/h3>\n\nEchte Senioren \u2014 das sind diejenigen, die schon immer autonome Einheiten waren, verantwortlich f\u00fcr ein System oder einen Prozess \u2014 haben es heute leichter, nicht schwerer.\n\nFr\u00fcher gaben Senioren Aufgaben an Junior- und Mid-Level-Mitarbeiter weiter \u2014 klein zerlegt, fast wie an einen Agenten. Heute k\u00f6nnen diese Aufgaben an KI-Agenten gehen. Das Leben des Seniors wurde leichter.\n\nWas fr\u00fcher unm\u00f6glich war \u2014 etwa ein Zwanzigstel aller Hypothesen testen zu k\u00f6nnen \u2014 wird heute zu einem F\u00fcnftel. Das ist ein erheblicher Sprung.\n\nAber Achtung: Es ist ein Mythos zu glauben, dass ein Senior dadurch dreimal so viel leistet. Der Hauptengpass eines Seniors ist nicht seine Bandbreite \u2014 sondern interne B\u00fcrokratie und die Absurdit\u00e4t gro\u00dfer Konzernprozesse. Daran \u00e4ndert KI nichts.\n\n

F\u00fchrungskr\u00e4fte: Eine neue, unbequeme Frage<\/h3>\n\nDie Aufgabe der Manager hat sich nicht ge\u00e4ndert \u2014 sie sind f\u00fcr Ergebnisse verantwortlich. Aber es entsteht eine neue Frage:\n\nWenn ich alles, was von mir erwartet wird, in 15 Wochenstunden erledigen kann \u2014 warum sollte ich die restlichen 25 Stunden umsonst arbeiten?\n\n
\u201e15 Stunden pro Woche arbeite ich. Die anderen 25 Stunden tats\u00e4chlich gratis. Weil alles, was von mir erwartet wurde, in den ersten 15 Stunden fertig war. Manche Leute sagen: Nein danke, mir reicht das.\u201c<\/div>\n\nDaraus folgt zwangsl\u00e4ufig: Performance-Bewertungssysteme m\u00fcssen \u00fcberdacht werden. Das alte Modell \u2014 \u201ealle bekommen mehr oder weniger dasselbe\u201c \u2014 funktioniert nicht mehr.\n\nTop-Performer m\u00fcssen erkennbar belohnt werden. Erste gro\u00dfe Unternehmen reagieren bereits: Boni bis zu 300 Prozent vom Gehalt f\u00fcr die besten Mitarbeiter. Stark erh\u00f6hte Aktienpakete.\n\nUnd Middle-Management wird stark reduziert. Wenn jeder Senior eine hochproduktive autonome Einheit mit Agenten ist \u2014 wozu braucht man dann so viele Manager? Erste Unternehmen f\u00fchren die \u201eGiga-Manager\u201c ein: statt 5 direkten Mitarbeitern nun 10 oder 15. Keine w\u00f6chentlichen Einzelgespr\u00e4che mehr.\n\n

Was gefragt ist \u2014 und was zur Commodity wird<\/h2>\n\nHier eine klare Trennung:\n\n
    \n
  • Commodity (alle k\u00f6nnen das):<\/strong> Code schreiben. Noch n\u00f6tig, aber nicht mehr unterscheidend.<\/li>\n
  • Kritisch (wenige k\u00f6nnen das):<\/strong> Systeme entwerfen. Trade-offs verstehen. Eine ganze Architektur im Kopf halten. Klar Gedanken formulieren.<\/li>\n<\/ul>\n\nDie Frage \u201ewelche Technologien soll ich lernen?\u201c ist heute weniger wichtig als sie scheint:\n\n
    \u201eTechnologien sind nicht entscheidend. Heute eine, morgen eine andere. Man muss Probleme l\u00f6sen k\u00f6nnen. Bauen Sie irgendeinen Web-Service. Bringen Sie 100 Nutzer dazu. Arbeiten Sie damit. Die notwendigen Technologien lernen Sie nebenbei.\u201c<\/div>\n\nEines aber ist Pflicht: jedes Web-Frontend einer LLM (Chat-Interface) \u2014 das ist Standard. Und eine Agent-gest\u00fctzte Entwicklungsumgebung (verschiedene Tools sind heute verf\u00fcgbar) \u2014 das m\u00fcssen Sie jetzt beherrschen. Das ist nicht optional.\n\n

    Wo wird gerade wirklich Geld verdient \u2014 klassisches ML oder GenAI?<\/h2>\n\nEine wichtige Erkenntnis, die in der \u00f6ffentlichen Debatte oft untergeht:\n\n
    \u201eDer \u00fcberwiegende Teil des Geldes wird nach wie vor mit klassischem maschinellem Lernen verdient. Die ganze KI-Agenten-\u00d6konomie basiert auf einer Idee: Wir steigern die Produktivit\u00e4t. Was ist Produktivit\u00e4tssteigerung? Es ist die F\u00e4higkeit, dasselbe mit weniger Menschen zu tun. Die ganze GenAI-Wirtschaft basiert darauf, dass wir Sie alle entlassen.\u201c<\/div>\n\nKonkrete Erfolgsgeschichte: Ein gro\u00dfes europ\u00e4isches Fintech hat drei Viertel seines Kundensupports auf KI umgestellt. Und der Support funktioniert tats\u00e4chlich auf gutem Niveau \u2014 die meisten Kunden brauchen keinen menschlichen Mitarbeiter mehr.\n\nAber das ist Kundensupport \u2014 nicht die alles ver\u00e4ndernde Revolution, die der Markt erwartet.\n\nPrognose: Agenten werden in 3 bis 5 Jahren zehn Millionen Stellen in Back-Offices gro\u00dfer Unternehmen ersetzen \u2014 besonders in Indien, Malaysia und \u00e4hnlichen Hubs. Aber der Return on Investment bei der KI-Integration in Unternehmen ist heute praktisch null, und wird auch im n\u00e4chsten Jahr nicht da sein.\n\n

    Wie bereitet man sich vor \u2014 drei Schritte zum n\u00e4chsten Job<\/h2>\n\nIn gro\u00dfen Daten-Organisationen sieht ein Bewerbungsprozess f\u00fcr Senior-Positionen heute typischerweise so aus:\n\n
      \n
    1. Code-Interview.<\/strong> Zwei Formate. Entweder bekommt man Code zur Review: \u201eWas ist gut, was schlecht, was w\u00fcrden Sie \u00e4ndern?\u201c Oder einen Codebaustein mit der Aufgabe, einen ML-Algorithmus zu implementieren. Google und sogar LLMs zur Unterst\u00fctzung sind erlaubt \u2014 aber nicht zum kompletten Schreiben. Man beobachtet, wie der Kandidat Probleme angeht.<\/li>\n
    2. System Design.<\/strong> Auch zwei Formate. \u201eGreenfield\u201c \u2014 entwerfen Sie ein System von Grund auf. \u201eBrownfield\u201c \u2014 erz\u00e4hlen Sie von einem System, das Sie gebaut haben, und wie Sie es heute \u00e4ndern w\u00fcrden.<\/li>\n
    3. Behavioral.<\/strong> Wie verhalten Sie sich in bestimmten Situationen? Wie erz\u00e4hlen Sie von Ihrer Erfahrung?<\/li>\n<\/ol>\n\nDer h\u00e4ufigste Fehler von Kandidaten: nicht \u00fcber die finale Antwort nachzudenken, sondern sie zu \u00e4ndern, sobald jemand nachfragt: \u201eIst das wirklich Ihre finale Antwort?\u201c Das Problem ist nicht eine falsche Antwort. Das Problem ist, dass der Kandidat keine kritische Selbstpr\u00fcfung gemacht hat.\n\n

      Wie Sie sich heute abheben<\/h2>\n\nEs gibt eine ern\u00fcchternde Erkenntnis: Um zu den oberen f\u00fcnf Prozent zu geh\u00f6ren, ist kein Genie n\u00f6tig.\n\nDie Anleitung ist banal: Analysieren. Schauen, wie erfolgreiche Menschen es machen. Bei Bedarf einen Berater oder Mentor fragen. Anpassen. Anwenden. Wiederholen.\n\n
      \u201eErstaunlicherweise tun viele Menschen bewusst alles, um sich nicht zu verbessern. Selbst nach dieser Erkl\u00e4rung werden es 5 von 100 umsetzen. Und w\u00e4ren es 20 \u2014 w\u00e4re der Wettbewerb viermal so hart.\u201c<\/div>\n\nKonkret hei\u00dft das \u2014 sich auf dem Markt abheben kann man durch:\n\n
        \n
      • Wettbewerbe in Datenwissenschaft auf h\u00f6chstem Niveau<\/li>\n
      • Olympiaden<\/li>\n
      • Sinnvolle Open-Source-Beitr\u00e4ge<\/li>\n
      • Ver\u00f6ffentlichungen, Vortr\u00e4ge<\/li>\n
      • Eigene Projekte mit echten Nutzern<\/li>\n<\/ul>\n\nDer Inhalt ist nicht entscheidend. Der Beweis ist: dieser Mensch bei\u00dft sich an einer Sache fest und f\u00fchrt sie zum Ergebnis.\n\n

        W\u00fcrden Sie heute in den Beruf einsteigen?<\/h2>\n\nDiese Frage, gestellt an einen erfahrenen Daten-Director, ergibt eine bemerkenswert ehrliche Antwort:\n\n
        \u201eIch bin mir nicht sicher, ob ich heute in die Datenwissenschaft einsteigen w\u00fcrde, ehrlich gesagt. Es ist ein roter Ozean. Es ist der Tod.\u201c<\/div>\n\nWas war damals anders? Damals war es leicht einzusteigen, viel Geld, deutlich besser als die Arbeit, die er vorher gemacht hatte. Heute sind die Bedingungen andere.\n\nUnd wohin w\u00fcrde er stattdessen gehen? Eine ehrliche Antwort: wei\u00df er nicht. \u201eDas klassische Problem eines Menschen am Anfang seiner Karriere.\u201c\n\n

        Welches Datenfeld ist am sichersten?<\/h2>\n\n
        \u201eSzenario-Analyse und Risiko-Annahme. Risiko-Annahme nimmt KI nicht ab.\u201c<\/div>\n\nRisiko ist Verantwortung. Und Verantwortung muss ein Mensch tragen \u2014 keine Maschine.\n\nWer entscheidet, einen Kredit zu vergeben? Eine Versicherung auszuzahlen? Ein Medikament freizugeben? Ein Investment zu t\u00e4tigen? Wer tr\u00e4gt die rechtlichen, ethischen, pers\u00f6nlichen Folgen, wenn die Entscheidung falsch war?\n\nDiese Fragen werden nicht von Maschinen beantwortet. Sie werden nicht von Maschinen beantwortet werden.\n\n

        Fazit: Es geht um ein neues Denken, nicht um neue Tools<\/h2>\n\nDie wichtigsten Erkenntnisse aus dieser Beobachtung des Marktes:\n\n
          \n
        • KI ersetzt nicht den Datenfachmann. Sie ersetzt den \u00dcbersetzer zwischen Business und Code. Wer mehr als das tut, ist sicherer als je zuvor.<\/li>\n
        • Tools sind sekund\u00e4r. Welche Bibliothek, welches Framework \u2014 fast egal. Was z\u00e4hlt: Probleme erkennen, Systeme entwerfen, Trade-offs verstehen, die richtige Frage stellen.<\/li>\n
        • Der wichtigste Schritt heute: ehrliche Selbstanalyse. Was tue ich wirklich? Was davon hat intellektuellen Mehrwert? Welches ist mein Flaschenhals?<\/li>\n
        • Und etwas bauen. Nicht reden, nicht planen \u2014 bauen. Ein Web-Service. Ein kleines Tool. Eine Datenanalyse mit echten Konsequenzen.<\/li>\n<\/ul>\n\nBeweisen \u2014 sich selbst zuerst \u2014 dass Sie etwas zu Ende bringen k\u00f6nnen.\n\nIn einem Markt, der sich so schnell ver\u00e4ndert, ist das wertvollste Signal nicht ein Zertifikat. Es ist der Beweis, dass Sie selbst denken k\u00f6nnen.\n\nEditorial Note:<\/strong>\nDieser Artikel basiert auf einem Expertengespr\u00e4ch mit einer langj\u00e4hrigen F\u00fchrungskraft im Bereich Daten und KI in einem internationalen Konzern. Die wiedergegebenen Einsch\u00e4tzungen und Beobachtungen spiegeln die pers\u00f6nliche Position der Expertin oder des Experten wider.\n<\/article>\n\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

          Ein erfahrener Director einer 600-k\u00f6pfigen Daten-Organisation spricht offen \u00fcber die neue Realit\u00e4t: Die meisten Junior-Datenanalysten haben kaum noch Chancen. Mittlere Fachkr\u00e4fte stehen unter Druck. Aber wer richtig denkt, erlebt das beste Jahr seiner Karriere. Was Sie konkret tun k\u00f6nnen. Die unbequeme Frage: Sind Sie ein \u201eMensch-Maschine-Interface\u201c? Es gibt eine Frage, die in den letzten Monaten […]<\/p>","protected":false},"author":1,"featured_media":14320,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[1],"tags":[],"class_list":["post-14319","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ohne-rubrik"],"acf":[],"_links":{"self":[{"href":"https:\/\/manualjobsearch.com\/en_ca\/wp-json\/wp\/v2\/posts\/14319","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/manualjobsearch.com\/en_ca\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/manualjobsearch.com\/en_ca\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/manualjobsearch.com\/en_ca\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/manualjobsearch.com\/en_ca\/wp-json\/wp\/v2\/comments?post=14319"}],"version-history":[{"count":7,"href":"https:\/\/manualjobsearch.com\/en_ca\/wp-json\/wp\/v2\/posts\/14319\/revisions"}],"predecessor-version":[{"id":14329,"href":"https:\/\/manualjobsearch.com\/en_ca\/wp-json\/wp\/v2\/posts\/14319\/revisions\/14329"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/manualjobsearch.com\/en_ca\/wp-json\/wp\/v2\/media\/14320"}],"wp:attachment":[{"href":"https:\/\/manualjobsearch.com\/en_ca\/wp-json\/wp\/v2\/media?parent=14319"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/manualjobsearch.com\/en_ca\/wp-json\/wp\/v2\/categories?post=14319"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/manualjobsearch.com\/en_ca\/wp-json\/wp\/v2\/tags?post=14319"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}