Rememberizer Docs
anmeldenMelden Sie sich anKontaktiere uns
Deutsch
Deutsch
  • Warum Rememberizer?
  • Hintergrund
    • Was sind Vektor-Embeddings und Vektor-Datenbanken?
    • Glossar
    • Standardisierte Terminologie
  • Persönliche Nutzung
    • Erste Schritte
      • Durchsuche dein Wissen
      • Zugriff auf Mementos-Filter
      • Allgemeines Wissen
      • Verwalte dein eingebettetes Wissen
  • Integrationen
    • Rememberizer App
    • Rememberizer Slack-Integration
    • Rememberizer Google Drive-Integration
    • Rememberizer Dropbox-Integration
    • Rememberizer Gmail-Integration
    • Rememberizer Memory-Integration
    • Rememberizer MCP-Server
    • Drittanbieter-Apps verwalten
  • Entwicklerressourcen
    • Entwicklerübersicht
  • Integrationsoptionen
    • Registrierung und Verwendung von API-Schlüsseln
    • Registrierung von Rememberizer-Apps
    • Autorisierung von Rememberizer-Apps
    • Erstellung eines Rememberizer GPT
    • LangChain-Integration
    • Vektor-Speicher
    • Talk-to-Slack die Beispiel-Webanwendung
  • Unternehmensintegration
    • Muster der Unternehmensintegration
  • API-Referenz
    • API-Dokumentation Startseite
    • Authentifizierung
  • Kern-APIs
    • Dokumente nach semantischer Ähnlichkeit suchen
    • Dokumente abrufen
    • Inhalte von Dokumenten abrufen
    • Slack-Inhalte abrufen
    • Inhalte an Rememberizer merken
  • Konto & Konfiguration
    • Aktuelle Kontodetails des Benutzers abrufen
    • Verfügbare Datenquellenintegrationen auflisten
    • Mementos
    • Alle hinzugefügten öffentlichen Kenntnisse abrufen
  • Vektor-Speicher-APIs
    • Dokumentation zum Vektor-Speicher
    • Vektor-Speicherinformationen abrufen
    • Liste der Dokumente in einem Vektor-Speicher abrufen
    • Dokumentinformationen abrufen
    • Neues Textdokument zu einem Vektor-Speicher hinzufügen
    • Dateien in einen Vektor-Speicher hochladen
    • Dateiinhalte in einem Vektor-Speicher aktualisieren
    • Ein Dokument im Vektor-Speicher entfernen
    • Nach Dokumenten im Vektor-Speicher anhand semantischer Ähnlichkeit suchen
  • Zusätzliche Ressourcen
    • Hinweise
      • Nutzungsbedingungen
      • Datenschutzrichtlinie
      • B2B
        • Über Reddit Agent
  • Veröffentlichungen
    • Versionshinweise Startseite
  • 2025 Veröffentlichungen
    • 25. Apr 2025
    • 18. Apr 2025
    • 11. Apr 2025
    • 4. Apr 2025
    • 28. Mär 2025
    • 21. Mär 2025
    • 14. Mär 2025
    • 17. Jan 2025
  • 2024 Veröffentlichungen
    • 27. Dez 2024
    • 20. Dez 2024
    • 13. Dez 2024
    • 6. Dez 2024
  • 29. Nov 2024
  • 22. Nov 2024
  • 15. Nov 2024
  • 8. Nov 2024
  • 1. Nov 2024
  • 25. Okt 2024
  • 18. Okt 2024
  • 11. Okt 2024
  • 4. Okt 2024
  • 27. Sep 2024
  • 20. Sep 2024
  • 13. Sep 2024
  • 16. Aug 2024
  • 9. Aug 2024
  • 2. Aug 2024
  • 26. Juli 2024
  • 12. Juli 2024
  • 28. Juni 2024
  • 14. Juni 2024
  • 31. Mai 2024
  • 17. Mai 2024
  • 10. Mai 2024
  • 26. Apr 2024
  • 19. Apr 2024
  • 12. Apr 2024
  • 5. Apr 2024
  • 25. März 2024
  • 18. März 2024
  • 11. März 2024
  • 4. März 2024
  • 26. Feb 2024
  • 19. Feb 2024
  • 12. Feb 2024
  • 5. Feb 2024
  • 29. Jan 2024
  • 22. Jan 2024
  • 15. Jan 2024
  • LLM-Dokumentation
    • Rememberizer LLM Bereit Dokumentation
Powered by GitBook
On this page
  • Unternehmensintegrationsmuster
  • Überblick über die Unternehmensintegration
  • Architekturmuster für die Unternehmensintegration
  • Unternehmenssicherheitsmuster
  • Skalierbarkeit Muster
  • Team-basiertes Wissensmanagement
  • Best Practices für die Unternehmensintegration
  • Häufig abgerufene Dokumente für 10 Minuten im Cache speichern
  • Compliance Überlegungen
  • Konfigurieren Sie das Logging
  1. Unternehmensintegration

Muster der Unternehmensintegration

Architekturmuster, Sicherheitsüberlegungen und bewährte Praktiken für Unternehmensintegrationen mit Rememberizer

Unternehmensintegrationsmuster

Dieser Leitfaden bietet umfassende Informationen für Organisationen, die die Wissensmanagement- und semantischen Suchfähigkeiten von Rememberizer in Unternehmensumgebungen integrieren möchten. Er behandelt architektonische Muster, Sicherheitsüberlegungen, Skalierbarkeit und bewährte Praktiken.

Überblick über die Unternehmensintegration

Rememberizer bietet robuste Integrationsmöglichkeiten für Unternehmen, die über die grundlegende API-Nutzung hinausgehen und es Organisationen ermöglichen, anspruchsvolle Wissensmanagementsysteme zu erstellen, die:

  • Skalierbar sind, um den organisatorischen Bedürfnissen in verschiedenen Abteilungen und Teams gerecht zu werden

  • Sicherheit und Compliance mit den Anforderungen des Unternehmens aufrechterhalten

  • Mit bestehenden Systemen und Workflow-Tools integriert werden

  • Team-basierten Zugriffskontrolle und Wissensaustausch ermöglichen

  • Hochvolumige Batch-Operationen für die Dokumentenverarbeitung unterstützen

Architekturmuster für die Unternehmensintegration

1. Multi-Tenant Wissensmanagement

Organisationen können eine Multi-Tenant-Architektur implementieren, um Wissen nach Teams, Abteilungen oder Funktionen zu organisieren:

                  ┌───────────────┐
                  │   Rememberizer│
                  │     Plattform  │
                  └───────┬───────┘
                          │
        ┌─────────────────┼─────────────────┐
        │                 │                 │
┌───────▼────────┐ ┌──────▼───────┐ ┌───────▼────────┐
│  Ingenieurwesen │ │    Vertrieb   │ │     Recht      │
│  Wissensdatenbank│ │ Wissensdatenbank│ │ Wissensdatenbank │
└───────┬────────┘ └──────┬───────┘ └───────┬────────┘
        │                 │                 │
        │                 │                 │
┌───────▼────────┐ ┌──────▼───────┐ ┌───────▼────────┐
│  Team-spezifische│ │ Team-spezifische│ │  Team-spezifische  │
│    Mementos    │ │   Mementos   │ │     Mementos    │
└────────────────┘ └──────────────┘ └─────────────────┘

Implementierungsschritte:

  1. Erstellen Sie separate Vektor-Speicher für jede Abteilung oder jedes wichtige Wissensgebiet

  2. Konfigurieren Sie teambasierte Zugriffskontrolle mit der Teamfunktionalität von Rememberizer

  3. Definieren Sie Mementos, um den Zugriff auf spezifische Wissensuntergruppen zu steuern

  4. Implementieren Sie rollenbasierte Berechtigungen für Wissensadministratoren und -nutzer

2. Architektur des Integrations-Hubs

Für Unternehmen mit bestehenden Systemen ermöglicht das Hub-and-Spoke-Muster, dass Rememberizer als zentrales Wissensrepository fungiert:

       ┌─────────────┐               ┌─────────────┐
       │ CRM-System  │               │  ERP-System │
       └──────┬──────┘               └──────┬──────┘
              │                             │
              │                             │
              ▼                             ▼
       ┌──────────────────────────────────────────┐
       │                                          │
       │           Unternehmens-Service-Bus       │
       │                                          │
       └────────────────────┬─────────────────────┘
                            │
                            ▼
                  ┌───────────────────┐
                  │   Rememberizer    │
                  │ Wissensplattform   │
                  └─────────┬─────────┘
                            │
          ┌─────────────────┴────────────────┐
          │                                  │
┌─────────▼──────────┐            ┌──────────▼────────┐
│ Internes Wissen    │            │ Kundenwissen      │
│      Repository    │            │       Repository  │
└────────────────────┘            └─────────────────────┘

Implementierungsschritte:

  1. Erstellen und Konfigurieren von API-Schlüsseln für die System-zu-System-Integration

  2. Implementieren von OAuth2 für den benutzerbasierten Zugriff auf Wissensrepositorys

  3. Einrichten von ETL-Prozessen für die regelmäßige Wissenssynchronisation

  4. Verwenden von Webhooks, um externe Systeme über Wissensaktualisierungen zu benachrichtigen

3. Microservices-Architektur

Für Organisationen, die Microservices übernehmen, integrieren Sie Rememberizer als spezialisierten Wissensdienst:

┌─────────────┐  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐
│ Benutzerdienst│  │ Auth-Dienst │  │ Daten-Dienst│  │ Such-UI    │
└──────┬──────┘  └──────┬──────┘  └──────┬──────┘  └──────┬──────┘
       │                │                │                │
       └────────────────┼────────────────┼────────────────┘
                        │                │                  
                        ▼                ▼                  
               ┌─────────────────────────────────┐         
               │       API-Gateway               │         
               └─────────────────┬─────────────┘         
                                 │                        
                                 ▼                        
                       ┌───────────────────┐              
                       │   Rememberizer    │              
                       │   Wissens-API     │              
                       └───────────────────┘              

Implementierungsschritte:

  1. Erstellen Sie dedizierte Dienstkonten für die Integration von Microservices

  2. Implementieren Sie die JWT-Token-basierte Authentifizierung für die Kommunikation zwischen Diensten

  3. Entwerfen Sie idempotente API-Interaktionen für Resilienz

  4. Implementieren Sie Schaltkreisschutz für Fehlertoleranz

Unternehmenssicherheitsmuster

Authentifizierung & Autorisierung

Rememberizer unterstützt mehrere Authentifizierungsmethoden, die für Unternehmensumgebungen geeignet sind:

1. OAuth2-Integration

Für benutzerbasierten Zugriff implementieren Sie den OAuth2-Authentifizierungsfluss:

// Schritt 1: Benutzer zur Rememberizer-Authentifizierungs-Endpoint umleiten
function redirectToAuth() {
  const authUrl = 'https://api.rememberizer.ai/oauth/authorize/';
  const params = new URLSearchParams({
    client_id: 'YOUR_CLIENT_ID',
    redirect_uri: 'YOUR_REDIRECT_URI',
    response_type: 'code',
    scope: 'read write'
  });
  
  window.location.href = `${authUrl}?${params.toString()}`;
}

// Schritt 2: Autorisierungscode gegen Tokens eintauschen
async function exchangeCodeForTokens(code) {
  const tokenUrl = 'https://api.rememberizer.ai/oauth/token/';
  const response = await fetch(tokenUrl, {
    method: 'POST',
    headers: {
      'Content-Type': 'application/json'
    },
    body: JSON.stringify({
      client_id: 'YOUR_CLIENT_ID',
      client_secret: 'YOUR_CLIENT_SECRET',
      grant_type: 'authorization_code',
      code: code,
      redirect_uri: 'YOUR_REDIRECT_URI'
    })
  });
  
  return response.json();
}

2. Authentifizierung mit Dienstkonto

Für die Integration von System zu System verwenden Sie die Authentifizierung mit API-Schlüssel:

import requests

def search_knowledge_base(query, api_key):
    headers = {
        'X-API-Key': api_key,
        'Content-Type': 'application/json'
    }
    
    payload = {
        'query': query,
        'num_results': 10
    }
    
    response = requests.post(
        'https://api.rememberizer.ai/api/v1/search/',
        headers=headers,
        json=payload
    )
    
    return response.json()

3. SAML und Enterprise SSO

Für die Integration von Enterprise Single Sign-On:

  1. Konfigurieren Sie Ihren Identitätsanbieter (Okta, Azure AD usw.), um Rememberizer als Dienstanbieter zu erkennen

  2. Richten Sie die SAML-Attributzuordnung ein, um die Benutzerattribute von Rememberizer abzugleichen

  3. Konfigurieren Sie Rememberizer, um die Authentifizierung an Ihren Identitätsanbieter zu delegieren

Zero Trust Sicherheitsmodell

Implementieren Sie einen Zero Trust-Ansatz mit Rememberizer durch:

  1. Mikrosegmentierung: Erstellen Sie separate Wissensdatenbanken mit unterschiedlichen Zugriffskontrollen

  2. Kontinuierliche Überprüfung: Implementieren Sie kurzlebige Tokens und regelmäßige Reauthentifizierung

  3. Minimaler Zugriff: Definieren Sie feingranulare Mementos, die den Zugriff auf spezifische Wissensuntergruppen einschränken

  4. Ereignisprotokollierung: Überwachen und prüfen Sie alle Zugriffe auf sensibles Wissen

Skalierbarkeit Muster

Batch-Verarbeitung für die Dokumentenaufnahme

Für die großflächige Dokumentenaufnahme implementieren Sie das Batch-Upload-Muster:

import requests
import time
from concurrent.futures import ThreadPoolExecutor

def batch_upload_documents(files, api_key, batch_size=5):
    """
    Dokumente in Batches hochladen, um Ratenlimits zu vermeiden
    
    Args:
        files: Liste der Dateipfade zum Hochladen
        api_key: Rememberizer API-Schlüssel
        batch_size: Anzahl der gleichzeitigen Uploads
    """
    headers = {
        'X-API-Key': api_key
    }
    
    results = []
    
    # Dateien in Batches verarbeiten
    with ThreadPoolExecutor(max_workers=batch_size) as executor:
        for i in range(0, len(files), batch_size):
            batch = files[i:i+batch_size]
            futures = []
            
            # Batch von Uploads einreichen
            for file_path in batch:
                with open(file_path, 'rb') as f:
                    files = {'file': f}
                    future = executor.submit(
                        requests.post,
                        'https://api.rememberizer.ai/api/v1/documents/upload/',
                        headers=headers,
                        files=files
                    )
                    futures.append(future)
            
            # Ergebnisse sammeln
            for future in futures:
                response = future.result()
                results.append(response.json())
            
            # Ratenbegrenzung - Pause zwischen den Batches
            if i + batch_size < len(files):
                time.sleep(1)
    
    return results

Hochvolumige Suchoperationen

Für Anwendungen, die hochvolumige Suchen erfordern:

async function batchSearchWithRateLimit(queries, apiKey, options = {}) {
  const {
    batchSize = 5,
    delayBetweenBatches = 1000,
    maxRetries = 3,
    retryDelay = 2000
  } = options;
  
  const results = [];
  
  // Verarbeite Abfragen in Chargen
  for (let i = 0; i < queries.length; i += batchSize) {
    const batch = queries.slice(i, i + batchSize);
    const batchPromises = batch.map(query => searchWithRetry(query, apiKey, maxRetries, retryDelay));
    
    // Führe Charge aus
    const batchResults = await Promise.all(batchPromises);
    results.push(...batchResults);
    
    // Wende Ratenbegrenzung zwischen Chargen an
    if (i + batchSize < queries.length) {
      await new Promise(resolve => setTimeout(resolve, delayBetweenBatches));
    }
  }
  
  return results;
}

async function searchWithRetry(query, apiKey, maxRetries, retryDelay) {
  let retries = 0;
  
  while (retries < maxRetries) {
    try {
      const response = await fetch('https://api.rememberizer.ai/api/v1/search/', {
        method: 'POST',
        headers: {
          'X-API-Key': apiKey,
          'Content-Type': 'application/json'
        },
        body: JSON.stringify({ query })
      });
      
      if (response.ok) {
        return response.json();
      }
      
      // Behandle Ratenbegrenzung speziell
      if (response.status === 429) {
        const retryAfter = response.headers.get('Retry-After') || retryDelay / 1000;
        await new Promise(resolve => setTimeout(resolve, retryAfter * 1000));
        retries++;
        continue;
      }
      
      // Andere Fehler
      throw new Error(`Suche fehlgeschlagen mit Status: ${response.status}`);
    } catch (error) {
      retries++;
      if (retries >= maxRetries) {
        throw error;
      }
      await new Promise(resolve => setTimeout(resolve, retryDelay));
    }
  }
}

Team-basiertes Wissensmanagement

Rememberizer unterstützt team-basiertes Wissensmanagement und ermöglicht es Unternehmen:

  1. Teamarbeitsbereiche erstellen: Wissen nach Abteilung oder Funktion organisieren

  2. Rollenbasierte Berechtigungen zuweisen: Kontrollieren, wer Wissen anzeigen, bearbeiten oder verwalten kann

  3. Wissen über Teams hinweg teilen: Konfigurieren Sie den teamübergreifenden Zugriff auf spezifische Wissensdatenbanken

Teamrollen und Berechtigungen

Rememberizer unterstützt die folgenden Teamrollen:

Rolle
Fähigkeiten

Besitzer

Vollständiger administrativer Zugriff, kann Teammitglieder und sämtliches Wissen verwalten

Admin

Kann Wissen verwalten und Mementos konfigurieren, kann jedoch das Team selbst nicht verwalten

Mitglied

Kann Wissen gemäß den Memento-Berechtigungen anzeigen und durchsuchen

Implementierung von team-basiertem Wissensaustausch

import requests

def create_team_knowledge_base(team_id, name, description, api_key):
    """
    Erstelle eine Wissensdatenbank für ein bestimmtes Team
    """
    headers = {
        'X-API-Key': api_key,
        'Content-Type': 'application/json'
    }
    
    payload = {
        'team_id': team_id,
        'name': name,
        'description': description
    }
    
    response = requests.post(
        'https://api.rememberizer.ai/api/v1/teams/knowledge/',
        headers=headers,
        json=payload
    )
    
    return response.json()

def grant_team_access(knowledge_id, team_id, permission_level, api_key):
    """
    Gewähre einem Team Zugriff auf eine Wissensdatenbank
    
    Args:
        knowledge_id: ID der Wissensdatenbank
        team_id: ID des Teams, dem der Zugriff gewährt werden soll
        permission_level: 'read', 'write' oder 'admin'
        api_key: Rememberizer API-Schlüssel
    """
    headers = {
        'X-API-Key': api_key,
        'Content-Type': 'application/json'
    }
    
    payload = {
        'team_id': team_id,
        'knowledge_id': knowledge_id,
        'permission': permission_level
    }
    
    response = requests.post(
        'https://api.rememberizer.ai/api/v1/knowledge/permissions/',
        headers=headers,
        json=payload
    )
    
    return response.json()

Best Practices für die Unternehmensintegration

1. Implementieren Sie eine robuste Fehlerbehandlung

Gestalten Sie Ihre Integration so, dass sie verschiedene Fehlerszenarien elegant behandelt:

async function robustApiCall(endpoint, method, payload, apiKey) {
  try {
    const response = await fetch(`https://api.rememberizer.ai/api/v1/${endpoint}`, {
      method,
      headers: {
        'X-API-Key': apiKey,
        'Content-Type': 'application/json'
      },
      body: method !== 'GET' ? JSON.stringify(payload) : undefined
    });
    
    // Verschiedene Antworttypen behandeln
    if (response.status === 204) {
      return { success: true };
    }
    
    if (!response.ok) {
      const error = await response.json();
      throw new Error(error.message || `API-Aufruf fehlgeschlagen mit Status: ${response.status}`);
    }
    
    return await response.json();
  } catch (error) {
    // Fehlerdetails zur Fehlersuche protokollieren
    console.error(`API-Aufruf an ${endpoint} fehlgeschlagen:`, error);
    
    // Bedeutungsvolle Fehlermeldung an den aufrufenden Code weitergeben
    throw new Error(`Fehler beim ${method} ${endpoint}: ${error.message}`);
  }
}

2. Implementierung von Caching für Häufig Abgerufenes Wissen

Reduzieren Sie die API-Belastung und verbessern Sie die Leistung mit geeignetem Caching:

import requests
import time
from functools import lru_cache

Häufig abgerufene Dokumente für 10 Minuten im Cache speichern

@lru_cache(maxsize=100) def get_document_with_cache(document_id, api_key, timestamp=None): """ Ein Dokument mit Caching abrufen

Args:
    document_id: ID des abzurufenden Dokuments
    api_key: Rememberizer API-Schlüssel
    timestamp: Zeitstempel zur Ungültigmachung des Caches (Standard: 10 Min. Abschnitte)
"""
# Generiere einen Zeitstempel, der sich alle 10 Minuten ändert, um den Cache ungültig zu machen
if timestamp is None:
    timestamp = int(time.time() / 600)

headers = {
    'X-API-Key': api_key
}

response = requests.get(
    f'https://api.rememberizer.ai/api/v1/documents/{document_id}/',
    headers=headers
)

return response.json()

### 3. Implementieren Sie die asynchrone Verarbeitung für Dokumenten-Uploads

Für große Dokumentensätze implementieren Sie die asynchrone Verarbeitung:

```javascript
async function uploadLargeDocument(file, apiKey) {
  // Schritt 1: Upload initiieren
  const initResponse = await fetch('https://api.rememberizer.ai/api/v1/documents/upload-async/', {
    method: 'POST',
    headers: {
      'X-API-Key': apiKey,
      'Content-Type': 'application/json'
    },
    body: JSON.stringify({
      filename: file.name,
      filesize: file.size,
      content_type: file.type
    })
  });
  
  const { upload_id, upload_url } = await initResponse.json();
  
  // Schritt 2: Datei an die bereitgestellte URL hochladen
  await fetch(upload_url, {
    method: 'PUT',
    body: file
  });
  
  // Schritt 3: Verarbeitungsstatus überwachen
  const processingId = await initiateProcessing(upload_id, apiKey);
  return monitorProcessingStatus(processingId, apiKey);
}

async function initiateProcessing(uploadId, apiKey) {
  const response = await fetch('https://api.rememberizer.ai/api/v1/documents/process/', {
    method: 'POST',
    headers: {
      'X-API-Key': apiKey,
      'Content-Type': 'application/json'
    },
    body: JSON.stringify({
      upload_id: uploadId
    })
  });
  
  const { processing_id } = await response.json();
  return processing_id;
}

async function monitorProcessingStatus(processingId, apiKey, interval = 2000) {
  while (true) {
    const statusResponse = await fetch(`https://api.rememberizer.ai/api/v1/documents/process-status/${processingId}/`, {
      headers: {
        'X-API-Key': apiKey
      }
    });
    
    const status = await statusResponse.json();
    
    if (status.status === 'completed') {
      return status.document_id;
    } else if (status.status === 'failed') {
      throw new Error(`Verarbeitung fehlgeschlagen: ${status.error}`);
    }
    
    // Warten, bevor erneut überprüft wird
    await new Promise(resolve => setTimeout(resolve, interval));
  }
}

4. Implementieren Sie eine ordnungsgemäße Ratenbegrenzung

Respektieren Sie die API-Ratenlimits, um einen zuverlässigen Betrieb sicherzustellen:

import requests
import time
from functools import wraps

class RateLimiter:
    def __init__(self, calls_per_second=5):
        self.calls_per_second = calls_per_second
        self.last_call_time = 0
        self.min_interval = 1.0 / calls_per_second
    
    def __call__(self, func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            current_time = time.time()
            time_since_last_call = current_time - self.last_call_time
            
            if time_since_last_call < self.min_interval:
                sleep_time = self.min_interval - time_since_last_call
                time.sleep(sleep_time)
            
            self.last_call_time = time.time()
            return func(*args, **kwargs)
        
        return wrapper

# Wenden Sie die Ratenbegrenzung auf API-Aufrufe an
@RateLimiter(calls_per_second=5)
def search_documents(query, api_key):
    headers = {
        'X-API-Key': api_key,
        'Content-Type': 'application/json'
    }
    
    payload = {
        'query': query
    }
    
    response = requests.post(
        'https://api.rememberizer.ai/api/v1/search/',
        headers=headers,
        json=payload
    )
    
    return response.json()

Compliance Überlegungen

Datenresidenz

Für Organisationen mit Anforderungen an die Datenresidenz:

  1. Wählen Sie die geeignete Region: Wählen Sie Rememberizer-Deployments in konformen Regionen

  2. Dokumentieren Sie Datenflüsse: Kartieren Sie, wo Wissen gespeichert und verarbeitet wird

  3. Implementieren Sie Filter: Verwenden Sie Mementos, um den Zugriff auf sensible Daten einzuschränken

Audit-Logging

Implementieren Sie umfassendes Audit-Logging zur Einhaltung der Vorschriften:

import requests
import json
import logging

Konfigurieren Sie das Logging

logging.basicConfig( level=logging.INFO, format='%(asctime)s [%(levelname)s] %(message)s', handlers=[ logging.FileHandler('rememberizer_audit.log'), logging.StreamHandler() ] )

def audit_log_api_call(endpoint, method, user_id, result_status): """ Protokollieren Sie die API-Aufrufdetails zu Prüfungszwecken """ log_entry = { 'timestamp': time.time(), 'endpoint': endpoint, 'method': method, 'user_id': user_id, 'status': result_status }

logging.info(f"API-AUFRUF: {json.dumps(log_entry)}")

def search_with_audit(query, api_key, user_id): endpoint = 'search' method = 'POST'

try:
    headers = {
        'X-API-Key': api_key,
        'Content-Type': 'application/json'
    }
    
    payload = {
        'query': query
    }
    
    response = requests.post(
        'https://api.rememberizer.ai/api/v1/search/',
        headers=headers,
        json=payload
    )
    
    status = 'success' if response.ok else 'error'
    audit_log_api_call(endpoint, method, user_id, status)
    
    return response.json()
except Exception as e:
    audit_log_api_call(endpoint, method, user_id, 'exception')
    raise

## Nächste Schritte

Um Unternehmensintegrationen mit Rememberizer zu implementieren:

1. **Entwerfen Sie Ihre Wissensarchitektur**: Skizzieren Sie Wissensdomänen und Zugriffsmodelle
2. **Richten Sie rollenbasierte Teamstrukturen ein**: Erstellen Sie Teams und weisen Sie entsprechende Berechtigungen zu
3. **Implementieren Sie Authentifizierungsflüsse**: Wählen und implementieren Sie die Authentifizierungsmethoden, die Ihren Anforderungen entsprechen
4. **Entwerfen Sie skalierbare Workflows**: Implementieren Sie die Batchverarbeitung für die Dokumentenaufnahme
5. **Etablieren Sie Überwachungs- und Prüfungsrichtlinien**: Richten Sie Protokollierung und Überwachung für Compliance und Betrieb ein

## Verwandte Ressourcen

* [Mementos Filterzugriff](../personal/mementos-filter-access.md) - Steuern, welche Datenquellen für Integrationen verfügbar sind
* [API-Dokumentation](api-docs/README.md) - Vollständige API-Referenz für alle Endpunkte
* [LangChain-Integration](langchain-integration.md) - Programmatische Integration mit dem LangChain-Framework
* [Erstellen eines Rememberizer GPT](creating-a-rememberizer-gpt.md) - Integration mit der GPT-Plattform von OpenAI
* [Vektor-Datenbanken](vector-stores.md) - Technische Details zur Implementierung der Vektordatenbank von Rememberizer

Für zusätzliche Unterstützung bei Unternehmensintegrationen kontaktieren Sie das Rememberizer-Team über das Support-Portal.
PreviousTalk-to-Slack die Beispiel-WebanwendungNextAPI-Dokumentation Startseite

Last updated 22 days ago