Benutzerdefinierte API-Integration

Dieser Leitfaden bietet technische Details zur Integration von Eaternity Forecast mit Ihrem individuellen POS-, ERP- oder Kuechenmanagementsystem ueber unsere REST-API.

API-Ueberblick

Basis-URL

Produktion: https://api.eaternity.org/v1/forecast
Sandbox: https://sandbox-api.eaternity.org/v1/forecast

Empfehlung: Entwickeln und testen Sie in der Sandbox-Umgebung vor dem Produktionseinsatz.

Authentifizierung

Unterstuetzte Methoden:

OAuth 2.0 (empfohlen fuer benutzerorientierte Anwendungen)
API-Schluessel (empfohlen fuer Server-zu-Server-Integration)

Sicherheitsanforderungen:

Alle Anfragen muessen HTTPS verwenden
TLS 1.2 oder hoeher erforderlich
API-Schluessel muessen sicher gespeichert werden (Umgebungsvariablen, Secret-Manager)

Siehe Eaternity API-Dokumentation →

Ratenbegrenzungen

Standardlimits:

100 Anfragen pro Minute
10.000 Anfragen pro Tag
Burst-Toleranz: 150 Anfragen in 60 Sekunden

Individuelle Limits:

Verfuegbar fuer Hochvolumen-Integrationen
Support kontaktieren fuer Limiterhoehanfragen

Ratenlimit-Header:

X-RateLimit-Limit: 100
X-RateLimit-Remaining: 87
X-RateLimit-Reset: 1705752000

Schnellstart

1. API-Zugangsdaten erhalten

Schritt 1: Eaternity fuer API-Zugang kontaktieren

E-Mail an forecast@eaternity.org
Firmendetails und Anwendungsfall angeben

Schritt 2: API-Zugangsdaten erhalten

API-Schluessel fuer Authentifizierung
Kitchen-ID fuer Ihren Standort
Sandbox-Umgebungszugang

Schritt 3: Authentifizierung testen

curl -X GET "https://sandbox-api.eaternity.org/v1/forecast/ping" \
  -H "Authorization: Bearer your_api_key_here"

# Erfolgsantwort:
{
  "status": "success",
  "message": "Authentication successful",
  "kitchen_id": "your_kitchen_id"
}

2. Historische Daten einreichen

Endpunkt: POST /v1/forecast/sales/bulk

Anfrage-Beispiel:

curl -X POST "https://api.eaternity.org/v1/forecast/sales/bulk" \
  -H "Authorization: Bearer your_api_key" \
  -H "Content-Type: application/json" \
  -d '{
    "kitchen_id": "your_kitchen_id",
    "start_date": "2023-10-01",
    "end_date": "2024-01-15",
    "sales": [
      {
        "date": "2023-10-01",
        "service_period": "lunch",
        "items": [
          {
            "item_id": "pasta_carbonara",
            "name": "Pasta Carbonara",
            "quantity_sold": 52,
            "price": 14.50,
            "category": "Main Course"
          },
          {
            "item_id": "caesar_salad",
            "name": "Caesar Salad",
            "quantity_sold": 31,
            "price": 9.00,
            "category": "Starter"
          }
        ]
      }
    ]
  }'

Antwort:

{
  "status": "success",
  "message": "Historical data import queued",
  "import_id": "imp_1234567890",
  "total_records": 92,
  "estimated_processing_time": "15 minutes",
  "status_url": "/v1/forecast/imports/imp_1234567890/status"
}

3. Importstatus pruefen

Endpunkt: GET /v1/forecast/imports/{import_id}/status

curl -X GET "https://api.eaternity.org/v1/forecast/imports/imp_1234567890/status" \
  -H "Authorization: Bearer your_api_key"

Antwort:

{
  "import_id": "imp_1234567890",
  "status": "processing",
  "progress": 65,
  "records_processed": 60,
  "records_total": 92,
  "records_failed": 0,
  "errors": [],
  "estimated_completion": "2024-01-20T10:35:00Z"
}

Statuswerte:

queued — Wartet auf Verarbeitung
processing — Wird gerade importiert
validating — Prueft Datenqualitaet
completed — Import erfolgreich
failed — Import mit Fehlern

4. Prognosen abrufen

Endpunkt: GET /v1/forecast/predictions

curl -X GET "https://api.eaternity.org/v1/forecast/predictions?date=2024-01-20" \
  -H "Authorization: Bearer your_api_key"

Antwort:

{
  "kitchen_id": "your_kitchen_id",
  "generated_at": "2024-01-20T03:15:42Z",
  "predictions": [
    {
      "date": "2024-01-20",
      "day_of_week": "Saturday",
      "items": [
        {
          "item_id": "pasta_carbonara",
          "name": "Pasta Carbonara",
          "predicted_quantity": 52,
          "confidence_interval": {
            "lower": 48,
            "upper": 56
          },
          "confidence_score": 0.92,
          "accuracy_last_30_days": 94.2,
          "factors": {
            "day_of_week_effect": 1.05,
            "weather_effect": 1.02,
            "trend": "stable"
          }
        }
      ]
    }
  ]
}

API-Endpunkte

Verkaufsdaten-Endpunkte

Taegliche Verkaeufe einreichen

POST /v1/forecast/sales

Verkaufsdaten fuer einen einzelnen Tag einreichen.

Anfrage-Body:

{
  "kitchen_id": "your_kitchen_id",
  "date": "2024-01-19",
  "service_periods": [
    {
      "period": "lunch",
      "items": [
        {
          "item_id": "pasta_carbonara",
          "name": "Pasta Carbonara",
          "quantity_sold": 52,
          "price": 14.50,
          "category": "Main Course"
        }
      ]
    },
    {
      "period": "dinner",
      "items": [
        {
          "item_id": "grilled_salmon",
          "name": "Grilled Salmon",
          "quantity_sold": 38,
          "price": 18.50,
          "category": "Main Course"
        }
      ]
    }
  ]
}

Antwort:

{
  "status": "success",
  "date": "2024-01-19",
  "items_processed": 12,
  "next_prediction_update": "2024-01-20T03:00:00Z"
}

Statuscodes:

200 — Erfolg
400 — Ungueltige Anfragedaten
401 — Authentifizierung fehlgeschlagen
422 — Datenvalidierung fehlgeschlagen
429 — Ratenlimit ueberschritten

Massen-Historikimport

POST /v1/forecast/sales/bulk

Grosse Mengen historischer Daten importieren.

Anfrage-Body:

{
  "kitchen_id": "your_kitchen_id",
  "start_date": "2023-10-01",
  "end_date": "2024-01-15",
  "sales": [
    {
      "date": "2023-10-01",
      "service_period": "lunch",
      "items": [...]
    }
  ]
}

Antwort:

{
  "status": "success",
  "import_id": "imp_1234567890",
  "total_records": 92,
  "status_url": "/v1/forecast/imports/imp_1234567890/status"
}

Bewaehrte Methoden:

Maximum 365 Tage pro Massenimport
Maximum 10.000 Datensaetze pro Anfrage
Bei groesseren Datensaetzen in mehrere Anfragen aufteilen
Importstatus ueber Status-Endpunkt ueberwachen

Verkaufsdaten aktualisieren

PATCH /v1/forecast/sales/{date}

Zuvor eingereichte Verkaufsdaten korrigieren.

Anfrage-Body:

{
  "kitchen_id": "your_kitchen_id",
  "items": [
    {
      "item_id": "pasta_carbonara",
      "quantity_sold": 54
    }
  ]
}

Anwendungsfaelle:

Dateneingabefehler korrigieren
Mit endgueltigen Tagesendwerten aktualisieren
Fehlende Servicezeitraeume hinzufuegen

Prognose-Endpunkte

Prognosen fuer Datumsbereich abrufen

GET /v1/forecast/predictions

Abfrageparameter:

date (erforderlich) — Datum oder Startdatum (YYYY-MM-DD)
end_date (optional) — Enddatum fuer Bereich (YYYY-MM-DD)
items (optional) — Kommagetrennte Artikel-IDs zum Filtern

Beispiele:

# Einzelnes Datum
GET /v1/forecast/predictions?date=2024-01-20

# Datumsbereich (naechste 7 Tage)
GET /v1/forecast/predictions?date=2024-01-20&end_date=2024-01-27

# Nur bestimmte Artikel
GET /v1/forecast/predictions?date=2024-01-20&items=pasta_carbonara,grilled_salmon

Antwort:

{
  "kitchen_id": "your_kitchen_id",
  "generated_at": "2024-01-20T03:15:42Z",
  "predictions": [
    {
      "date": "2024-01-20",
      "day_of_week": "Saturday",
      "items": [...]
    },
    {
      "date": "2024-01-21",
      "day_of_week": "Sunday",
      "items": [...]
    }
  ]
}

Prognose fuer einzelnen Artikel abrufen

GET /v1/forecast/predictions/{item_id}

Abfrageparameter:

date (erforderlich) — Prognosedatum
days_ahead (optional) — Anzahl Prognosetage (Standard: 7, Max: 14)

Beispiel:

GET /v1/forecast/predictions/pasta_carbonara?date=2024-01-20&days_ahead=7

Antwort:

{
  "item_id": "pasta_carbonara",
  "name": "Pasta Carbonara",
  "predictions": [
    {
      "date": "2024-01-20",
      "predicted_quantity": 52,
      "confidence_interval": {
        "lower": 48,
        "upper": 56
      },
      "confidence_score": 0.92
    }
  ],
  "historical_accuracy": {
    "last_7_days": 95.2,
    "last_30_days": 94.2,
    "all_time": 93.8
  }
}

Prognose ueberschreiben

POST /v1/forecast/predictions/override

Prognose fuer bestimmte Umstaende manuell ueberschreiben.

Anfrage-Body:

{
  "kitchen_id": "your_kitchen_id",
  "date": "2024-01-25",
  "item_id": "pasta_carbonara",
  "override_quantity": 75,
  "reason": "Conference group booking (50 pax confirmed)",
  "preserve_ratios": true
}

Parameter:

override_quantity (erforderlich) — Neue prognostizierte Menge
reason (erforderlich) — Erklaerung fuer Ueberschreibung (fuer Lernen genutzt)
preserve_ratios (optional) — Verwandte Artikel proportional anpassen

Antwort:

{
  "status": "success",
  "original_prediction": 52,
  "override_quantity": 75,
  "affected_items": [
    {
      "item_id": "caesar_salad",
      "original": 31,
      "adjusted": 45
    }
  ]
}

Analytik-Endpunkte

Genauigkeitsbericht abrufen

GET /v1/forecast/analytics/accuracy

Abfrageparameter:

start_date (erforderlich) — Berichtsstartdatum
end_date (erforderlich) — Berichtsenddatum
group_by (optional) — day, week, month oder item

Beispiel:

GET /v1/forecast/analytics/accuracy?start_date=2024-01-01&end_date=2024-01-31&group_by=week

Antwort:

{
  "period": {
    "start": "2024-01-01",
    "end": "2024-01-31"
  },
  "overall_mape": 12.3,
  "by_week": [
    {
      "week": 1,
      "start_date": "2024-01-01",
      "mape": 13.5,
      "items_within_10_percent": 52,
      "total_items": 65
    }
  ],
  "top_performers": [
    {
      "item_id": "pasta_carbonara",
      "mape": 8.2
    }
  ],
  "needs_attention": [
    {
      "item_id": "daily_special",
      "mape": 22.1,
      "reason": "High variance, new items frequently"
    }
  ]
}

Abfallreduzierungsbericht abrufen

GET /v1/forecast/analytics/waste-reduction

Lebensmittelabfalleinsparungen seit Forecast-Nutzung verfolgen.

Abfrageparameter:

baseline_start (erforderlich) — Basisperiode Start (vor Forecast)
baseline_end (erforderlich) — Basisperiode Ende
comparison_start (erforderlich) — Forecast-Nutzungsperiode Start
comparison_end (erforderlich) — Forecast-Nutzungsperiode Ende

Antwort:

{
  "baseline": {
    "period": "2023-10-01 to 2023-12-31",
    "waste_rate": 12.8,
    "total_waste_portions": 3845,
    "estimated_cost": 21148.50
  },
  "comparison": {
    "period": "2024-01-01 to 2024-03-31",
    "waste_rate": 7.2,
    "total_waste_portions": 2156,
    "estimated_cost": 11858.00
  },
  "improvement": {
    "waste_rate_reduction": 43.8,
    "portions_saved": 1689,
    "cost_savings": 9290.50,
    "annualized_savings": 11748.60
  }
}

Webhooks

Ueberblick

Webhooks ermoeglichen es Forecast, Benachrichtigungen an Ihr System zu senden, statt Polling zu erfordern.

Anwendungsfaelle:

Benachrichtigungen erhalten, wenn neue Prognosen bereit sind
Warnungen bei grossen Abweichungen zwischen Prognose und Istwert
Datenqualitaetsprobleme ueberwachen
Modell-Neutraining-Ereignisse verfolgen

Einrichtung

Webhook-Endpunkt konfigurieren:

POST /v1/forecast/webhooks

{
  "kitchen_id": "your_kitchen_id",
  "url": "https://your-system.com/webhooks/forecast",
  "events": [
    "predictions.generated",
    "variance.large",
    "data.quality_issue",
    "model.retrained"
  ],
  "secret": "your_webhook_secret_for_signature_validation"
}

Antwort:

{
  "webhook_id": "wh_1234567890",
  "status": "active",
  "events": ["predictions.generated", "variance.large"],
  "created_at": "2024-01-20T10:00:00Z"
}

Webhook-Ereignisse

predictions.generated

Ausgeloest wenn neue Prognosen generiert werden (taeglich um 3:00 Uhr).

Payload:

{
  "event": "predictions.generated",
  "timestamp": "2024-01-20T03:15:42Z",
  "kitchen_id": "your_kitchen_id",
  "data": {
    "date_range": {
      "start": "2024-01-20",
      "end": "2024-01-27"
    },
    "total_items": 65,
    "prediction_url": "/v1/forecast/predictions?date=2024-01-20"
  }
}

variance.large

Ausgeloest wenn tatsaechliche Verkaeufe deutlich von Prognose abweichen (>20% standardmaessig).

Payload:

{
  "event": "variance.large",
  "timestamp": "2024-01-19T21:30:00Z",
  "kitchen_id": "your_kitchen_id",
  "data": {
    "date": "2024-01-19",
    "item_id": "grilled_salmon",
    "predicted": 28,
    "actual": 42,
    "variance_percent": 50.0,
    "possible_causes": ["weather_warmer_than_forecast", "event_nearby"]
  }
}

data.quality_issue

Ausgeloest wenn Datenqualitaetsprobleme erkannt werden.

Payload:

{
  "event": "data.quality_issue",
  "timestamp": "2024-01-20T04:00:00Z",
  "kitchen_id": "your_kitchen_id",
  "data": {
    "issue_type": "missing_data",
    "severity": "warning",
    "description": "No sales data received for 2024-01-19",
    "recommendation": "Submit sales data for 2024-01-19 to maintain prediction accuracy"
  }
}

model.retrained

Ausgeloest wenn Modell mit neuen Daten neu trainiert wird (woechentlich).

Payload:

{
  "event": "model.retrained",
  "timestamp": "2024-01-20T04:30:00Z",
  "kitchen_id": "your_kitchen_id",
  "data": {
    "training_data_range": {
      "start": "2023-10-01",
      "end": "2024-01-19"
    },
    "accuracy_improvement": 1.2,
    "new_mape": 12.1,
    "previous_mape": 13.3
  }
}

Webhook-Sicherheit

Signaturvalidierung:

Alle Webhook-Anfragen enthalten X-Forecast-Signature-Header zur Verifizierung.

Verifizierungsbeispiel (Python):

import hmac
import hashlib

def verify_webhook_signature(payload, signature, secret):
    expected_signature = hmac.new(
        secret.encode('utf-8'),
        payload.encode('utf-8'),
        hashlib.sha256
    ).hexdigest()

    return hmac.compare_digest(signature, expected_signature)

# In Ihrem Webhook-Handler:
payload = request.body
signature = request.headers['X-Forecast-Signature']
secret = 'your_webhook_secret'

if verify_webhook_signature(payload, signature, secret):
    # Webhook verarbeiten
    pass
else:
    # Anfrage ablehnen (moegliches Sicherheitsproblem)
    return 401

Datenformate und Validierung

Artikel-ID-Anforderungen

Format:

Nur alphanumerische Zeichen, Unterstriche, Bindestriche
Maximum 100 Zeichen
Gross-/Kleinschreibung beachten
Muss ueber alle Anfragen hinweg konsistent sein

Gute Beispiele:

pasta_carbonara
grilled-salmon-lemon
ITEM_12345

Schlechte Beispiele:

Pasta Carbonara (enthaelt Leerzeichen)
item#12345 (enthaelt Sonderzeichen)
Unterschiedliche Schreibweise: Pasta_Carbonara vs pasta_carbonara (inkonsistent)

Datumsformat

Erforderliches Format: YYYY-MM-DD (ISO 8601)

Gueltig:

2024-01-20
2024-12-31

Ungueltig:

20-01-2024 (falsche Reihenfolge)
2024/01/20 (Schraegstriche statt Bindestriche)
2024-1-20 (nicht nullgefuellt)

Mengenvalidierung

Anforderungen:

Nur Ganzzahlwerte
Minimum: 0
Maximum: 10.000 (Support kontaktieren fuer hoehere Limits)
Negative Werte abgelehnt

Preisvalidierung

Anforderungen:

Dezimalwerte (2 Nachkommastellen)
Minimum: 0,00
Maximum: 999,99
Waehrung nicht angegeben (konsistente Waehrung ueber alle Daten verwenden)

Fehlerbehandlung

Fehlerantwort-Format

{
  "status": "error",
  "error": {
    "code": "VALIDATION_ERROR",
    "message": "Invalid date format",
    "details": {
      "field": "date",
      "value": "20-01-2024",
      "expected": "YYYY-MM-DD"
    }
  }
}

Haeufige Fehlercodes

Code	HTTP-Status	Beschreibung	Loesung
`AUTHENTICATION_FAILED`	401	Ungueltiger API-Schluessel	API-Schluessel verifizieren
`RATE_LIMIT_EXCEEDED`	429	Zu viele Anfragen	Warten und wiederholen, oder Limiterhoehanfrage
`VALIDATION_ERROR`	422	Ungueltiges Datenformat	Anfrageformat gegen Doku pruefen
`NOT_FOUND`	404	Ressource nicht gefunden	kitchen_id oder item_id verifizieren
`INTERNAL_ERROR`	500	Serverfehler	Mit exponentiellem Backoff wiederholen

Wiederholungslogik

Empfohlene Wiederholungsstrategie:

import time
import requests

def make_request_with_retry(url, max_retries=3):
    for attempt in range(max_retries):
        try:
            response = requests.get(url)

            if response.status_code == 200:
                return response.json()
            elif response.status_code == 429:
                # Ratenlimitiert - warten und wiederholen
                retry_after = int(response.headers.get('Retry-After', 60))
                time.sleep(retry_after)
            elif response.status_code >= 500:
                # Serverfehler - exponentieller Backoff
                wait_time = 2 ** attempt
                time.sleep(wait_time)
            else:
                # Clientfehler - nicht wiederholen
                raise Exception(f"Error {response.status_code}: {response.text}")

        except requests.exceptions.RequestException as e:
            if attempt == max_retries - 1:
                raise
            time.sleep(2 ** attempt)

    raise Exception("Max retries exceeded")

SDK und Client-Bibliotheken

Offizielle SDKs

Python SDK (Empfohlen):

pip install eaternity-forecast

Verwendung:

from eaternity_forecast import ForecastClient

client = ForecastClient(api_key='your_api_key')

# Taegliche Verkaeufe einreichen
client.sales.submit(
    date='2024-01-19',
    items=[
        {'item_id': 'pasta_carbonara', 'quantity_sold': 52}
    ]
)

# Prognosen abrufen
predictions = client.predictions.get(date='2024-01-20')

JavaScript/TypeScript SDK:

npm install @eaternity/forecast-sdk

Verwendung:

import { ForecastClient } from '@eaternity/forecast-sdk';

const client = new ForecastClient({ apiKey: 'your_api_key' });

// Prognosen abrufen
const predictions = await client.predictions.get({ date: '2024-01-20' });

Community-SDKs:

Ruby: gem install eaternity-forecast
PHP: composer require eaternity/forecast-sdk
Go: go get github.com/eaternity/forecast-go

SDK-Dokumentation anzeigen →

Testen

Sandbox-Umgebung

Zweck: Integration testen ohne Produktionsdaten zu beeinflussen

Basis-URL: https://sandbox-api.eaternity.org/v1/forecast

Funktionen:

Separate Authentifizierungs-Zugangsdaten
Testdaten koennen zurueckgesetzt werden
Gleiche API wie Produktion
Schnellere Prognosegenerierung (zum Testen)

Einschraenkungen:

Prognosen koennen weniger genau sein (synthetische Daten)
Keine SLA-Garantien
Daten woechentlich zurueckgesetzt

Beispiel-Integrationstest

import unittest
from eaternity_forecast import ForecastClient

class TestForecastIntegration(unittest.TestCase):
    def setUp(self):
        self.client = ForecastClient(
            api_key='sandbox_api_key',
            base_url='https://sandbox-api.eaternity.org/v1/forecast'
        )

    def test_submit_sales_and_get_predictions(self):
        # Historische Daten einreichen
        response = self.client.sales.submit(
            date='2024-01-19',
            items=[
                {'item_id': 'test_item_1', 'quantity_sold': 50},
                {'item_id': 'test_item_2', 'quantity_sold': 30}
            ]
        )
        self.assertEqual(response['status'], 'success')

        # Auf Verarbeitung warten (Sandbox ist schneller)
        time.sleep(10)

        # Prognosen abrufen
        predictions = self.client.predictions.get(date='2024-01-20')
        self.assertIsNotNone(predictions)
        self.assertGreater(len(predictions['predictions']), 0)

Produktions-Bereitstellungs-Checkliste

Vor Go-Live

Go-Live

Von Sandbox zu Produktions-URLs wechseln
API-Zugangsdaten auf Produktion aktualisieren
Erste 24 Stunden Prognosen ueberwachen
Taegliche Verkaufseinreichung funktioniert verifizieren
Prognoseabruf funktioniert bestaetigen
Webhook-Zustellung pruefen (falls konfiguriert)

Nach Go-Live

Genauigkeitsmetriken woechentlich verfolgen
Grosse Abweichungswarnungen pruefen und reagieren
Feedback zur Prognosequalitaet geben
Zubereitungsworkflows basierend auf Konfidenz optimieren
Monatliche Leistungsueberpruefungen planen

Support

Technischer Support

E-Mail: forecast-api@eaternity.org

Antwortzeiten:

Kritisch (Produktion ausgefallen): 4 Stunden
Hoch (eingeschraenkte Leistung): 24 Stunden
Mittel (Fragen, Bugs): 48 Stunden
Niedrig (Erweiterungen): 1 Woche

In Support-Anfragen angeben:

Kitchen-ID
API-Endpunkt und -Methode
Anfrage-/Antwortbeispiele
Fehlermeldungen
Zeitstempel des Problems

Dokumentation

API-Referenz — Vollstaendige Endpunkt-Dokumentation
Integrationsueberblick — Alle Integrationsoptionen
Fehlerbehebung — Haeufige Probleme

Siehe auch

Integrationsueberblick — Integrationsmethoden vergleichen
Necta-Integration — Necta-spezifischer Leitfaden
Fehlerbehebung — Haeufige Probleme
API-Referenz — Vollstaendige API-Dokumentation

API-Ueberblick​

Basis-URL​

Authentifizierung​

Ratenbegrenzungen​

Schnellstart​

1. API-Zugangsdaten erhalten​

2. Historische Daten einreichen​

3. Importstatus pruefen​

4. Prognosen abrufen​

API-Endpunkte​

Verkaufsdaten-Endpunkte​

Taegliche Verkaeufe einreichen​

Massen-Historikimport​

Verkaufsdaten aktualisieren​

Prognose-Endpunkte​

Prognosen fuer Datumsbereich abrufen​

Prognose fuer einzelnen Artikel abrufen​

Prognose ueberschreiben​

Analytik-Endpunkte​

Genauigkeitsbericht abrufen​

Abfallreduzierungsbericht abrufen​

Webhooks​

Ueberblick​

Einrichtung​

Webhook-Ereignisse​

predictions.generated​

variance.large​

data.quality_issue​

model.retrained​

Webhook-Sicherheit​

Datenformate und Validierung​

Artikel-ID-Anforderungen​

Datumsformat​

Mengenvalidierung​

Preisvalidierung​

Fehlerbehandlung​

Fehlerantwort-Format​

Haeufige Fehlercodes​

Wiederholungslogik​

SDK und Client-Bibliotheken​

Offizielle SDKs​

Testen​

Sandbox-Umgebung​

Beispiel-Integrationstest​

Produktions-Bereitstellungs-Checkliste​

Vor Go-Live​

Go-Live​

Nach Go-Live​

Support​

Technischer Support​

Dokumentation​

Siehe auch​

API-Ueberblick

Basis-URL

Authentifizierung

Ratenbegrenzungen

Schnellstart

1. API-Zugangsdaten erhalten

2. Historische Daten einreichen

3. Importstatus pruefen

4. Prognosen abrufen

API-Endpunkte

Verkaufsdaten-Endpunkte

Taegliche Verkaeufe einreichen

Massen-Historikimport

Verkaufsdaten aktualisieren

Prognose-Endpunkte

Prognosen fuer Datumsbereich abrufen

Prognose fuer einzelnen Artikel abrufen

Prognose ueberschreiben

Analytik-Endpunkte

Genauigkeitsbericht abrufen

Abfallreduzierungsbericht abrufen

Webhooks

Ueberblick

Einrichtung

Webhook-Ereignisse

predictions.generated

variance.large

data.quality_issue

model.retrained

Webhook-Sicherheit

Datenformate und Validierung

Artikel-ID-Anforderungen

Datumsformat

Mengenvalidierung

Preisvalidierung

Fehlerbehandlung

Fehlerantwort-Format

Haeufige Fehlercodes

Wiederholungslogik

SDK und Client-Bibliotheken

Offizielle SDKs

Testen

Sandbox-Umgebung

Beispiel-Integrationstest

Produktions-Bereitstellungs-Checkliste

Vor Go-Live

Go-Live

Nach Go-Live

Support

Technischer Support

Dokumentation

Siehe auch