mirror of
https://github.com/fhswf/aki_prj23_transparenzregister.git
synced 2026-02-13 22:17:38 +01:00
Merge branch 'main' of github.com:fhswf/aki_prj23_transparenzregister into main
This commit is contained in:
8 files changed
+481
-1
No files matched your search
@@ -0,0 +1,288 @@
|
||||
{
|
||||
"cells": [
|
||||
{
|
||||
"attachments": {
|
||||
"grafik.png": {
|
||||
"image/png": "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 truncated
|
||||
}
|
||||
},
|
||||
"cell_type": "markdown",
|
||||
"id": "8e40a4b1",
|
||||
"metadata": {},
|
||||
"source": [
|
||||
"# Aufgabe: Welche Daten müssen zeitlich persistiert werden und wie können diese gespeichert werden?\n",
|
||||
"Autor: Sebastian \\\n",
|
||||
"Datum: 20-04-2023\n",
|
||||
"\n",
|
||||
"Eine Frage ist, welche Daten von Kapitalgesellschaften benötigt werden, um eine Historie zu visualisieren und auszuwerten.\n",
|
||||
"Dafür werden Daten von Kapitalgesellschaften über **Statista** verwendet.\\\n",
|
||||
"Für dieses Portal gibt es eine Hochschullizenz. Man kann sich über den folgenden Link anmelden: https://de.statista.com/login/campus/ und wählt die Fachhochschule Südwestfalen aus. \\\n",
|
||||
"Man wird auf die Anmeldeseite der FH SWF geleitet, meldet sich dort an und willigt der Datenweitergabe zu.\n",
|
||||
"\n",
|
||||
"> 20.04.2023: Für API ist ein Key notwendig, den es für die FH scheinbar nicht gibt! Daten müssen manuell ermittelt werden!\n",
|
||||
"\n",
|
||||
"> Die Daten sind nicht homogen formatiert, d.h. Formatierung und Skalierung (Millonen, Milliarden €) müssen angepasst werden!\n",
|
||||
"\n",
|
||||
"### Kennzahlen\n",
|
||||
"In einer ersten Betrachtung werden die vorgeschlagenen Kennzahlen betrachtet:\n",
|
||||
"- Umsatz\n",
|
||||
"- EBIT\n",
|
||||
"- EBIT Marge\n",
|
||||
"- Bilanzsumme\n",
|
||||
"- Eigenkapitalanteil (Eigenkapital / Bilanzsumme)\n",
|
||||
"- Fremdkapitalanteil (Fremdkapital / Bilanzsumme)\n",
|
||||
"- Verschuldungsgrad (Fremdkapital / Eigenkapital)\n",
|
||||
"- Eigenkapitalrentabilität (EBIT/Eigenkapital)\n",
|
||||
"- Umschlaghäufigkeit des Gesamtkapitals (Umsatz / Bilanzsumme) \n",
|
||||
"\n",
|
||||
"Im Zuge des Projekts wäre es wünschenswert für jedes beteiligte Unternehmen eine Zeitreihe der oben genannten Kennzahlen zu erhalten, damit man sich die Historie ansehen und ggfs. mit anderen Unternehmen vergleichen kann.\n",
|
||||
"\n",
|
||||
"Als ersten Anhaltspunkt welche Unternehmen betrachtet werden, wurde nach den 10 größten deutschen Unternehmen gesucht:\n",
|
||||
"https://www.ig.com/de/trading-strategien/die-groessten-unternehmen-deutschlands-und-der-welt-220715\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"|Platz |\tUnternehmen |\tBranche |\tMarktkapitalisierung (EUR) in Mrd.|\n",
|
||||
"|---|---|---|---|\n",
|
||||
"|1. |\tSAP |\tSoftware |\t101,8|\n",
|
||||
"|2. |\tDeutsche Telekom |\tTelekommunikation |\t95,8|\n",
|
||||
"|3. |\tVolkswagen Vz.| \tAutomobil |\t77,3|\n",
|
||||
"|4. |\tSiemens |\tEisen / Stahl \t|77,2|\n",
|
||||
"|5. |\tAllianz |\tVersicherung |\t74,3|\n",
|
||||
"|6. |\tMercedes-Benz Group| \tAutomobil |\t58,8|\n",
|
||||
"|7. |\tBayer| \tPharma |\t56,3|\n",
|
||||
"|8. |\tSiemens Healthineers| \tMedical Equipment| \t54,1|\n",
|
||||
"|9. |\tDeutsche Post| \tGütertransport| \t44,4|\n",
|
||||
"|10. |\tBMW |\tAutomobil| \t44,4|\n",
|
||||
"\n",
|
||||
"Eine erste Idee:\n",
|
||||
""
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "code",
|
||||
"execution_count": 45,
|
||||
"id": "01459424",
|
||||
"metadata": {},
|
||||
"outputs": [],
|
||||
"source": [
|
||||
"import numpy as np\n",
|
||||
"import pandas as pd\n",
|
||||
"import ipywidgets as widgets\n",
|
||||
"pd.options.plotting.backend = \"plotly\""
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "markdown",
|
||||
"id": "a2d2f79a",
|
||||
"metadata": {},
|
||||
"source": [
|
||||
"**Einlesen der bestehenden Datensätze**"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "code",
|
||||
"execution_count": 16,
|
||||
"id": "4862a09e",
|
||||
"metadata": {},
|
||||
"outputs": [],
|
||||
"source": [
|
||||
"dfEON=pd.read_csv('Data_Transparenzregister/EON_Data.csv', index_col=0, sep=';') \n",
|
||||
"dfBASF=pd.read_csv('Data_Transparenzregister/BASF_Data.csv', index_col=0, sep=';') \n",
|
||||
"dfTELEKOM=pd.read_csv('Data_Transparenzregister/TELEKOM_Data.csv', index_col=0, sep=';') "
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "code",
|
||||
"execution_count": 22,
|
||||
"id": "9f84b5d6",
|
||||
"metadata": {},
|
||||
"outputs": [
|
||||
{
|
||||
"data": {
|
||||
"text/plain": [
|
||||
"Umsatz [Mill. €] 73100.0\n",
|
||||
"EBIT [Mill. €] 9160.0\n",
|
||||
"EBITDA [Mill. €] NaN\n",
|
||||
"Name: 2016, dtype: float64"
|
||||
]
|
||||
},
|
||||
"execution_count": 22,
|
||||
"metadata": {},
|
||||
"output_type": "execute_result"
|
||||
}
|
||||
],
|
||||
"source": [
|
||||
"#select a specific year\n",
|
||||
"dfTELEKOM.loc[2016]"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "markdown",
|
||||
"id": "51453575",
|
||||
"metadata": {},
|
||||
"source": [
|
||||
"### Mini GUI\n",
|
||||
"Folgend wird eine minimale GUI implementiert, welche die drei Metriken (Umsatz, EBIT, EBITDA) von drei Unternehmen visualisiert."
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "code",
|
||||
"execution_count": 50,
|
||||
"id": "c871a495",
|
||||
"metadata": {},
|
||||
"outputs": [
|
||||
{
|
||||
"data": {
|
||||
"application/vnd.jupyter.widget-view+json": {
|
||||
"model_id": "9d5fd8316c744857930548ada689c0ca",
|
||||
"version_major": 2,
|
||||
"version_minor": 0
|
||||
},
|
||||
"text/plain": [
|
||||
"interactive(children=(Dropdown(description='Company:', options=('BASF', 'EON', 'Telekom'), value='BASF'), Drop…"
|
||||
]
|
||||
},
|
||||
"metadata": {},
|
||||
"output_type": "display_data"
|
||||
}
|
||||
],
|
||||
"source": [
|
||||
"def get_Data(company, metric):\n",
|
||||
" if company=='BASF':\n",
|
||||
" dfSelect=dfBASF\n",
|
||||
" print('BASF')\n",
|
||||
" if company=='EON':\n",
|
||||
" dfSelect=dfEON\n",
|
||||
" print('EON') \n",
|
||||
" if company=='Telekom':\n",
|
||||
" dfSelect=dfTELEKOM\n",
|
||||
" print('Telekom') \n",
|
||||
" fig=dfSelect.plot()\n",
|
||||
" fig.show() \n",
|
||||
" return\n",
|
||||
"\n",
|
||||
"W_company=widgets.Dropdown(\n",
|
||||
" options=['BASF', 'EON', 'Telekom'],\n",
|
||||
" value='BASF',\n",
|
||||
" description='Company:',\n",
|
||||
" disabled=False,\n",
|
||||
")\n",
|
||||
"W_metric=widgets.Dropdown(\n",
|
||||
" options=['EBIT', 'EBITDA', 'Volume'],\n",
|
||||
" value='Volume',\n",
|
||||
" description='Metric:',\n",
|
||||
" disabled=False,\n",
|
||||
")\n",
|
||||
"\n",
|
||||
"out=widgets.interact(get_Data, company=W_company, metric=W_metric)"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "markdown",
|
||||
"id": "fe99f2c6",
|
||||
"metadata": {},
|
||||
"source": [
|
||||
"### Fazit\n",
|
||||
"Mit wieviel Datensätzen müssen wir im Projekt rechnen? \\\n",
|
||||
"Wir nehmen an, dass die Datenbank 100 deutsche Unternehmen beinhaltet, welches je mit 9 Metriken bewertet wird und max. 4 Daten punkte (Quartalszahlen) vorliegen. Ein realistischer Rückblick ist über die letzten 15 Jahre möglich, da ansonsten die Datengrundlage dünn wird. \n",
|
||||
"\n",
|
||||
"Eine kurze Überschlagsrechnung ergibt: \n",
|
||||
"\n",
|
||||
"\n",
|
||||
"$\n",
|
||||
"n_{Unternehmen} = 100 \\newline\n",
|
||||
"n_{Metriken}=9 \\newline\n",
|
||||
"n_{Datenpunkte pro Jahr }=4 \\newline\n",
|
||||
"n_{Jahre} = 15 \\newline \\newline\n",
|
||||
"n_{Datensätze} = n_{Unternehmen} *n_{Metriken} * n_{Datenpunkte pro Jahr } *n_{Jahre} \\newline \n",
|
||||
"n_{Datensätze} = 100 * 9 * 4 * 15 = 54000 Datenpunkte\n",
|
||||
"$\n",
|
||||
"\n",
|
||||
"D.h. für jedes Unternehmen wären es 540 Datenpunkte, welche sich auf 9 Metriken aufteilen. \\\n",
|
||||
"Diese Datenmenge (60 Einträge pro Metrik) könnte als **JTS json Time Series** abgespeichert werden.\n",
|
||||
"\n",
|
||||
"### JTS - json Time series\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"Example for a jts document(https://docs.eagle.io/en/latest/reference/historic/jts.html):\n",
|
||||
"\n",
|
||||
"``` json\n",
|
||||
"{\n",
|
||||
" \"docType\": \"jts\",\n",
|
||||
" \"version\": \"1.0\",\n",
|
||||
" \"header\": {\n",
|
||||
" \"startTime\": \"2018-08-16T02:00:00.000Z\",\n",
|
||||
" \"endTime\": \"2018-08-16T02:20:43.000Z\",\n",
|
||||
" \"recordCount\": 5,\n",
|
||||
" \"columns\": {\n",
|
||||
" \"0\": {\n",
|
||||
" \"id\": \"541a5a129bc9b4035f906d70\",\n",
|
||||
" \"name\": \"Temperature\",\n",
|
||||
" \"dataType\": \"NUMBER\",\n",
|
||||
" \"renderType\": \"VALUE\",\n",
|
||||
" \"format\": \"0.###\",\n",
|
||||
" \"aggregate\": \"NONE\"\n",
|
||||
" }\n",
|
||||
" }\n",
|
||||
" },\n",
|
||||
" \"data\": [\n",
|
||||
" {\n",
|
||||
" \"ts\": \"2018-08-16T02:00:39.000Z\",\n",
|
||||
" \"f\": { \"0\": {\"v\": 99, \"q\": 100, \"a\": \"site maintenance\"} }\n",
|
||||
" },\n",
|
||||
" {\n",
|
||||
" \"ts\": \"2018-08-16T02:05:40.000Z\",\n",
|
||||
" \"f\": { \"0\": {\"v\": 28.22 } }\n",
|
||||
" },\n",
|
||||
" {\n",
|
||||
" \"ts\": \"2018-08-16T02:10:41.000Z\",\n",
|
||||
" \"f\": { \"0\": {\"a\": \"sensor recalibrated\" } }\n",
|
||||
" },\n",
|
||||
" {\n",
|
||||
" \"ts\": \"2018-08-16T02:15:42.000Z\",\n",
|
||||
" \"f\": { \"0\": {\"v\": 29.2, \"q\": 100 } }\n",
|
||||
" },\n",
|
||||
" {\n",
|
||||
" \"ts\": \"2018-08-16T02:20:43.000Z\",\n",
|
||||
" \"f\": { \"0\": {\"v\": 29.18 } }\n",
|
||||
" }\n",
|
||||
" ]\n",
|
||||
"}\n",
|
||||
"\n",
|
||||
"```\n",
|
||||
"\n",
|
||||
"### Mongo DB\n",
|
||||
"Mongo DB bietet die Möglichkeit auch Zeitseriendaten zu persistieren. Das bietet den Vorteil nicht mehrere Datenbanksysteme für die Entitäten und Zeitserien aufzusetzen, sondern ein Datenbanksystem zu verwenden."
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "code",
|
||||
"execution_count": null,
|
||||
"id": "37033e3e",
|
||||
"metadata": {},
|
||||
"outputs": [],
|
||||
"source": []
|
||||
}
|
||||
],
|
||||
"metadata": {
|
||||
"kernelspec": {
|
||||
"display_name": "Python 3",
|
||||
"language": "python",
|
||||
"name": "python3"
|
||||
},
|
||||
"language_info": {
|
||||
"codemirror_mode": {
|
||||
"name": "ipython",
|
||||
"version": 3
|
||||
},
|
||||
"file_extension": ".py",
|
||||
"mimetype": "text/x-python",
|
||||
"name": "python",
|
||||
"nbconvert_exporter": "python",
|
||||
"pygments_lexer": "ipython3",
|
||||
"version": "3.8.8"
|
||||
}
|
||||
},
|
||||
"nbformat": 4,
|
||||
"nbformat_minor": 5
|
||||
}
|
||||
@@ -0,0 +1,25 @@
|
||||
Jahr;Umsatz [Millionen €];Ebit [Millionen €];EBITDA [Millionen €]
|
||||
1999;29473;;
|
||||
2000;35946;;
|
||||
2001;32500;;
|
||||
2002;32216;;
|
||||
2003;33361;;
|
||||
2004;37537;;
|
||||
2005;42745;5830;
|
||||
2006;52610;6750;
|
||||
2007;57951;7316;
|
||||
2008;62304;6463;9562
|
||||
2009;50693;3677;7388
|
||||
2010;63873;7761;11131
|
||||
2011;73497;8586;11993
|
||||
2012;72129;6742;10009
|
||||
2013;73973;7160;10432
|
||||
2014;74326;7626;11043
|
||||
2015;70449;6248;10649
|
||||
2016;57550;6275;10526
|
||||
2017;61223;7587;10765
|
||||
2018;60220;5974;8970
|
||||
2019;59316;4201;8185
|
||||
2020;59149;-191;6494
|
||||
2021;78598;7677;11355
|
||||
2022;87327;6548;10748
|
||||
|
@@ -0,0 +1,17 @@
|
||||
Jahr;Umsatz [Mill. €];EBIT [Mill. €];EBITDA [Mill. €]
|
||||
2007;66912;;
|
||||
2008;84873;;
|
||||
2009;79974;;
|
||||
2010;92863;;
|
||||
2011;112954;;
|
||||
2012;132093;7010;
|
||||
2013;119615;5640;
|
||||
2014;113095;4700;
|
||||
2015;42656;3600;
|
||||
2016;38173;3100;
|
||||
2017;37965;3100;
|
||||
2018;30084;2990;4840
|
||||
2019;41284;3220;5558
|
||||
2020;60944;3780;6905
|
||||
2021;77358;4720;7889
|
||||
2022;115660;5200;8059
|
||||
|
@@ -0,0 +1,19 @@
|
||||
Jahr ;Umsatz [Mill. €];EBIT [Mill. €];EBITDA [Mill. €]
|
||||
2005;59600;7600;
|
||||
2006;61300;5300;
|
||||
2007;62500;5300;
|
||||
2008;61700;7000;
|
||||
2009;64600;6000;
|
||||
2010;62420;5510;
|
||||
2011;58650;5560;
|
||||
2012;58170;-3960;
|
||||
2013;60130;4930;
|
||||
2014;62660;7250;
|
||||
2015;69230;7030;
|
||||
2016;73100;9160;
|
||||
2017;74950;9380;
|
||||
2018;75660;8000;23333
|
||||
2019;80530;9460;24731
|
||||
2020;99950;12370;35017
|
||||
2021;107610;12580;37330
|
||||
2022;114200;15410;40208
|
||||
|
@@ -0,0 +1,57 @@
|
||||
# Weekly *2*: 13.04.2023
|
||||
|
||||
## Teilnehmer
|
||||
- Prof. Arinir
|
||||
- Tristan Nolde
|
||||
- Tim Ronneburg (Protokollant)
|
||||
- Philipp Horstenkamp
|
||||
- Kim Mesewinkel-Risse
|
||||
- Sascha Zhu
|
||||
- Sebastian Zeleny
|
||||
|
||||
## Themen
|
||||
|
||||
- **Seminarthemen:**
|
||||
- Themen die im Zuge der Implementierung erarbeitet werden
|
||||
- Themen:
|
||||
- Textmining (Ontologien)
|
||||
- Semantische Suche
|
||||
- Anmeldungsformular:
|
||||
- Jeder sendet das Formular selbst an Herrn Arinir
|
||||
- Projektauftakt: 30.03.2023
|
||||
- Enddatum: 15.02.2024
|
||||
- Titel: Transparanzregister Kapitalgeselschaften
|
||||
- **Vorstellung der Ergebnisse des letzten Sprints:**
|
||||
- Erstellung des GitHubs Projekts
|
||||
- Anlegen eines Protokolltemplates
|
||||
- Interne Meetings jeden Donnerstag
|
||||
- Timeline erstellt mit Mermaid.js in Markdown (Sebastian)
|
||||
- Recherche zum Datenschutz / Urheberrecht: Welche Daten aus den Datenbanken dürfen offline oder online benutzt werden. (Sascha)
|
||||
- Für die eigene Forschung: 75 % der Daten dürfen genutzt werden
|
||||
- 15 % Wenn es an Dritte weitergeleitet werden
|
||||
- Wenn wir die Ergebnisse veröffentlichen müssen die Vorgaben der Datenbanken beachten
|
||||
- Hinweis von Herrn Arinir: Das ist als Vorschungsprojekt zu sehen
|
||||
- Die Ergebnisse werden nicht veröffentlicht
|
||||
- nur die Vorgehensweise wird als Paper veröffentlicht
|
||||
- Recherche zu Unternehmenskennzahlen (Kim)
|
||||
- Hinweis: Für Tendenzanalysen sollen zeitliche Veränderungen erfasst werden (Timescale Datenbank)
|
||||
- Vierteljährliche Daten reichen aus
|
||||
- Recherche zu den verfügbaren Datengrundlagen (Phillip und Tristan)
|
||||
- Anlegen eines Pflichtenhefts mit den Anforderungen an das Projekt (Tim)
|
||||
- **Organisatorisches:**
|
||||
- Es muss noch ein Projekt angelegt werden für das GitHub Repository mit einem Board zur Projektorganisation
|
||||
- Im Meeting erledigt
|
||||
- **Recherche:**
|
||||
- Nicht nur auf Kennzahlen eingehen, sondern auch auf die Berichterstattung eingehen
|
||||
- Dazu sollen die Technologieauswahl recherchiert werden (Trendanalyse von Nachrichten, Finanztreff, Twitter etc.)
|
||||
|
||||
## Abgeleitete Action Items
|
||||
|
||||
| Action Item | Verantwortlicher | Deadline |
|
||||
|-------------|------------------|-----------------|
|
||||
| Rechechieren welche Nachrichtenquellen (Aktuelle und "Alte" Nachrichten) genutzt werden können | Sascha und Tim | 27.04.2023 |
|
||||
| Recherchieren welche Technologien zur Auswertung der Nachrichtenqullen genutzt werden können (z.b. Sentiment Analyse) | Philipp und Kim | 27.04.2023 |
|
||||
| Beschäftigen mit Historien (Timescale Datenbank) | Tristan und Sebastian | 27.04.2023 |
|
||||
| Festlegen von Kriterien wann ein Artikel positiv oder negativ zu bewerten ist | Sascha | Ende offen |
|
||||
| Abgabe des Anmeldeformulars zum Projekt | alle | 20.04.2023 |
|
||||
| Liste mit geeignetetn Metriken | Herr Arinir | 27.04.2023 |
|
||||
@@ -4,7 +4,7 @@
|
||||
- Prof. Arinir
|
||||
- Tristan Nolde
|
||||
- Tim Ronneburg
|
||||
- Phillip Horstenkamp
|
||||
- Philipp Horstenkamp
|
||||
- Kim Mesewinkel-Risse
|
||||
- Sascha Zhu
|
||||
- Sebastian Zeleny (Protokollant)
|
||||
|
||||
Binary file not shown.
@@ -0,0 +1,74 @@
|
||||
# Nachrichtenquellen
|
||||
|
||||
## **Twitter API v2**
|
||||
|
||||
### **Access Levels**
|
||||
**Free:**
|
||||
- 1,500 Tweets per months
|
||||
- 1 AppID
|
||||
- Login with Twitter
|
||||
|
||||
**Basic:**
|
||||
- 100 per month
|
||||
|
||||
**Enterprise:**
|
||||
- Monthly subscribtion tiers
|
||||
|
||||
Postman Besipiele: https://developer.twitter.com/en/docs/tutorials/postman-getting-started
|
||||
|
||||
Getting started: https://github.com/twitterdev
|
||||
|
||||
|
||||
|
||||
## **NewsAPI**
|
||||
- Developer ist kostenlos
|
||||
- 24 Stunden verspätet sind die Artikel erreichabr
|
||||
- Bis zu einem Monat alte Artikel abrufbar
|
||||
- 100 Anfragen pro Tag
|
||||
- CORS geht nur für local host
|
||||
- Hat extra einen Punkt für deutsche Nachrichten: https://newsapi.org/s/germany-news-api
|
||||
|
||||
|
||||
Benötigt einen Account um einen API Key zu generieren.
|
||||
Doku: https://newsapi.org/docs/get-started
|
||||
|
||||
**Hinweis**: *Bietet die Möglichkeit nach Artikel mit einem bestimmten Wort zu suchen*
|
||||
|
||||
## **Bloomberg API**
|
||||
- Link: https://www.bloomberg.com/professional/support/api-library/
|
||||
- generell kostenlos, bei starker Nutzung muss ein Preis angefragt werden
|
||||
- sehr gut für Marktanalysen geeignet
|
||||
|
||||
|
||||
## **New York Times API**
|
||||
- die ersten 1000 Anfragen pro Tag sind kostenlos
|
||||
- 11 verschiedene APIs
|
||||
|
||||
|
||||
## **PressePortal**
|
||||
Bietet eine API zur DPA Gruppe an. Eher schlecht beschrieben und der API-Key muss via Email beantragt werden, bietet aber potentiell Zugriff auf deutsche Nachrichten.
|
||||
|
||||
Demo: https://api.presseportal.de/v2/demo/index.htx?mod=section_all&newsroom=&office=&city=&keyword=&topic=&police_officetype=&police_federalstate=&media=dokument&limit=&language=de&companyinfo=6344
|
||||
|
||||
API-Key Anfragen: https://api.presseportal.de/
|
||||
|
||||
|
||||
## **Tagesschau API 2.0**
|
||||
https://tagesschau.api.bund.dev/
|
||||
|
||||
## **Yahoo finance API**
|
||||
https://financeapi.net/
|
||||
|
||||
## **Google News API**
|
||||
- deprecated
|
||||
- kostenlos
|
||||
- gut dokumentiert
|
||||
|
||||
|
||||
## **Sonstiges**
|
||||
Bing News API, ESPN, Guardian API, BBC News API Yahoo News API und Financial Times fallen raus, da diese immer mit kosten verbunden sind oder sich nur mit Sport oder Kommentare befassen.
|
||||
|
||||
- "Die Zeit" hatte mal eine API die abgeschaltet wurde.
|
||||
|
||||
|
||||
-> RSS Feeds Irgendwie abgreifen
|
||||
Reference in new issue
Block a user