API-Dokumentation

Maschinenlesbare Endpoints für strukturierte KI-Psychologie Daten. Optimiert für AI-Crawler, LLMs und semantische Suche.

Public Data Export

GET /api/ai/public-data

JSON-LD Export aller öffentlichen Entitäten als Schema.org strukturierte Daten. Enthält Articles, Concepts, Studies, Tools und Research Hubs.

Response Format:

{
  "@context": "https://schema.org/22.0",
  "@type": "Dataset",
  "articles": [...],
  "concepts": [...],
  "studies": [...],
  "tools": [...],
  "researchHubs": [...]
}

Entities by Type

GET /api/ai/entities/[type]

Strukturierte Entitäten-Exporte nach Typ mit Relations. Unterstützte Typen: article, concept, study, tool, research_hub

Beispiel:

GET /api/ai/entities/article
→ Gibt alle Artikel mit Relations zurück

Semantic Search

POST /api/ai/semantic-search
GET /api/ai/semantic-search?q=query

Embedding-basierte semantische Suche über alle Entitäten. Nutzt OpenAI Embeddings und pgvector für Ähnlichkeitssuche.

Request (POST):

{
  "query": "KI macht müde",
  "match_threshold": 0.3,
  "match_count": 10,
  "types": ["article", "concept"]
}

Response:

{
  "query": "KI macht müde",
  "results": [
    {
      "id": "...",
      "name": "Cognitive Load durch ChatGPT",
      "type": "article",
      "similarity": 0.85,
      "similarityPercent": 85,
      "url": "..."
    }
  ],
  "totalResults": 10
}

RSS Feed

GET /api/feed/rss

RSS 2.0 Feed für Blog/News Artikel. Dynamisch aus Supabase generiert. Aktualisiert stündlich. Enthält die letzten 50 Artikel.

OpenAPI Specification

Maschinenlesbare API-Spezifikation im OpenAPI 3.0 Format. Für Entwickler und AI-Agents zur automatischen Integration.

OpenAPI Spec abrufen

Rate Limits & Caching

  • Cache: Alle Endpoints haben 1h Cache (s-maxage=3600), 24h stale-while-revalidate
  • Rate Limits: Aktuell keine Limits. Bei Missbrauch werden Limits eingeführt.
  • CORS: Alle Endpoints erlauben Cross-Origin Requests (*)
  • Content-Type: JSON-LD Endpoints liefern application/ld+json

Use Cases

  • AI Training: LLMs können diese Daten für Training verwenden
  • RAG Systems: Retrieval-Augmented Generation nutzt diese strukturierten Daten
  • Semantic Search: AI-Agents können semantisch suchen, nicht nur nach Keywords
  • Knowledge Graph: Relations zwischen Entitäten ermöglichen Graph-Traversal
  • Feed Readers: RSS Feed für traditionelle Feed-Reader