Wie Ihr Unternehmen von der automatisierten Datenerfassung profitieren könnte

Veröffentlicht: 2023-10-18

Untersuchungen zeigen, dass Unternehmen rund 80 % der von ihnen generierten Daten verschwenden. Dies bedeutet eine Verschwendung von Erkenntnissen, Wissen und Potenzial. Dies ist jedoch nicht verwunderlich, da einige Unternehmen Daten immer noch manuell verarbeiten, was eine mühsame und zeitaufwändige Aufgabe ist.

Automatisierte Datenerfassungstools helfen Ihnen dabei, alle in Ihrem Unternehmen vorhandenen Daten sowie Daten aus relevanten externen Quellen zu erfassen. Sie können einen Datenanalysedienstleister wie die Itrex Group beauftragen, all diese Daten zu interpretieren und Erkenntnisse zu gewinnen, die Ihr Unternehmen verändern werden.

Was ist also eine automatisierte Datenerfassung?

Bei der automatisierten Datenerfassung handelt es sich um den Prozess der automatischen Erfassung von Daten aus verschiedenen Quellen ohne menschliches Eingreifen und deren Speicherung an der entsprechenden Stelle in der Datenbank/dem System Ihres Unternehmens.

Es ist üblich, KI-Algorithmen zur Erfassung verschiedener Datentypen zu verwenden. Spracherkennungsmodelle können beispielsweise Daten aus Audiodaten sammeln und optische Zeichenerkennungsmodelle können Text analysieren. Einige dieser Tools können Informationen auch kategorisieren und nützliche Erkenntnisse liefern.

Welche Arten von Daten können diese Tools verarbeiten?

  • Strukturierte Daten sind hochorganisierte Daten, die sowohl von Menschen als auch von Maschinen „gelesen“ werden können, wie z. B. Excel-Tabellen, tabellarische CSV-Arbeitsblätter und SQL-Datenbanken.
  • Unstrukturierte Daten werden nicht nach einem vordefinierten Datenmodell angeordnet, was das Lesen, Sammeln und Analysieren durch Softwaretools erschwert. Freitext ist ein häufiger Typ unstrukturierter Daten, umfasst aber auch Bilder, Webseiten und Videoinhalte. Untersuchungen legen nahe, dass etwa 80–90 % der für Sie zugänglichen Daten unstrukturiert sind.
  • Halbstrukturierte Daten sind ein Mittelweg zwischen den beiden oben genannten Arten. Es entspricht keinem bestimmten semantischen Datenmodell und weist dennoch eine gewisse Struktur auf. Ein Beispiel sind XML-Dateien, die strukturiert sind, aber nicht unbedingt eine semantische Bedeutung haben.

Um die Dinge ins rechte Licht zu rücken, nehmen wir Rossum als ein Beispiel für einen glaubwürdigen Anbieter automatisierter Datenerfassung. Die Lösung des Unternehmens nutzt selbstlernende KI-Algorithmen, um unstrukturierte Daten zu extrahieren, ohne auf eine vordefinierte Vorlage angewiesen zu sein. Das Tool von Rossum besteht aus zwei Phasen: Extraktion und Validierung. Während der Validierung weist der Algorithmus Konfidenzwerte zu und fordert menschliche Experten auf, Daten zu überprüfen, deren Werte unter dem Schwellenwert liegen.

Automatisierte vs. manuelle Datenerfassung

Einige Unternehmen verlassen sich immer noch auf die manuelle Dateneingabe und überlasten dadurch ihr Personal. Dieser Vorgang umfasst das Eingeben oder Kopieren und Einfügen von Informationen von einer Quelle in eine andere, das Transkribieren von Audiodateien usw. Die manuelle Datenerfassung ist zeitaufwändig. Und da die Mitarbeiter mit trivialen Aufgaben beschäftigt sind, können sie keine Aufgaben ausführen, die ihre Qualifikationen und Fachkenntnisse erfordern.

Darüber hinaus zeigen Statistiken, dass die manuelle Dateneingabe fehleranfällig ist. Nehmen wir als Beispiel das Gesundheitswesen. Jeder Fehler in diesem Bereich kann potenziell lebensbedrohlich sein. Die manuelle Datenerfassung ist dort immer noch üblich, obwohl sie nachweislich eine Fehlerquote von 3–4 % aufweist.

Wenn Ihre Fehlertoleranz gering ist, ist es an der Zeit, über eine automatisierte Datenerfassung nachzudenken.

Vorteile der automatisierten Datenerfassung

  • Fehler reduzieren und höhere Datenqualität sicherstellen . Bei der manuellen Dateneingabe kommt es trotz der Sorgfalt und des Fachwissens der Mitarbeiter häufig zu Fehlern. Zu diesen Fehlern gehören Tippfehler, fehlende Einträge, doppelte Einträge und mehr. Im Gegensatz zu Menschen machen auf KI und Robotik basierende Tools zur Prozessautomatisierung (RPA) keine Fehler, weil sie müde oder emotional sind. Außerdem können Sie die Validierung als Teil des automatisierten Datenerfassungsprozesses einbeziehen, um die Genauigkeit sicherzustellen.
  • Zeitersparnis bei manuellen Aufgaben . Das Sammeln von Daten ist eine mühsame Aufgabe, wenn es manuell durchgeführt wird, und automatisierte Tools sind beim Abrufen von Informationen aus großen Datensätzen einfach schneller als Menschen.
  • Verbesserung der Skalierbarkeit . Wenn Ihr Betrieb wächst und die Menge der gesammelten Daten zunimmt, werden Sie gezwungen sein, zusätzliches Personal einzustellen, um die steigende Arbeitsbelastung bewältigen zu können. Wenn Sie sich auf automatisierte Datenerfassungsmethoden verlassen, kann Ihr System entsprechend skaliert werden. Im Gegensatz zu menschlichen Mitarbeitern können Bots bei Bedarf rund um die Uhr arbeiten, ohne eine Gehaltserhöhung zu verlangen.
  • Sinkende Kosten . Auch wenn die Implementierung einer automatisierten Datenerfassungslösung auf den ersten Blick wie eine teure Option erscheint, werden Sie dadurch auf lange Sicht von manuellen Arbeitskosten befreit. Ganz zu schweigen davon, dass die manuelle Datenerfassung mit Fehlern behaftet ist, die ebenfalls zu hohen Bußgeldern und Reputationsschäden führen können.

Automatisierte Datenerfassungsmethoden

Nachdem wir uns mit den Vorteilen der Automatisierung vertraut gemacht haben, sehen wir uns nun an, wie man die Datenerfassung automatisiert.

OCR, OMR, ICR

Die optische Zeichenerkennung (OCR) ist eine KI-gestützte Technologie, die getippte und gescannte Dokumente, PDF-Dateien und Text in Bildern „verstehen“ kann. Die Technologie kann unter anderem mit Finanzdokumenten, Rechtsberichten und Patienteninformationen arbeiten.

Die intelligente Zeichenerkennung (ICR) ist eine fortgeschrittenere Form der OCR, die auf handgeschriebenen Text spezialisiert ist. Die Identifizierung handgeschriebener Zeichen ist kompliziert, da jeder Mensch seinen eigenen, einzigartigen Schreibstil hat.

Mit der optischen Markierungserkennung (OMR) können von Menschen markierte Informationen erfasst werden, beispielsweise Antworten auf Multiple-Choice-Fragen und Umfrageergebnisse.

Intelligente Dokumentenverarbeitung (IDP)

IDP ist eine fortschrittliche KI-gestützte Technologie, die Dokumente lesen und verstehen, sie kategorisieren und nach bestimmten Informationen in einer Datei suchen kann. Es kann beispielsweise eine Rechnung lesen, eine Kontonummer extrahieren und diese mit der Adresse des Kontoinhabers verknüpfen. IDP ist besonders nützlich für dokumentenintensive Sektoren wie Versicherungen, Recht und Banken.

Verarbeitung natürlicher Sprache (NLP)

NLP ist ein Bereich der künstlichen Intelligenz, der geschriebene menschliche Sprache interpretiert und generiert. Sie können es mit der Spracherkennung kombinieren, um Audio zu verarbeiten. Eine Anwendung von NLP-Lösungen besteht darin, Stimmungsanalysen durchzuführen und die Wahrnehmung ihrer Marke durch Kunden anhand von Daten aus verschiedenen Quellen zu messen.

Spracherkennung

Spracherkennungstools können die menschliche Stimme entschlüsseln und Daten aus der menschlichen Sprache extrahieren und klassifizieren. Unternehmen können Spracherkennung einsetzen, um automatisch Daten aus mündlichen Kundenbefragungen zu sammeln, während Krankenhäuser damit Daten aus den Äußerungen von Ärzten erfassen und in die EHRs der entsprechenden Patienten eingeben können.

Data-Mining

Data-Mining-Techniken zielen darauf ab, Trends, Muster und andere wertvolle Informationen in großen Datensätzen zu entdecken. Mit anderen Worten: Es hilft dabei, riesige Datenmengen zu verstehen, die nicht manuell verarbeitet werden können. Beispielsweise können Finanzinstitute mithilfe von Data Mining Finanztransaktionen analysieren und Anzeichen von Betrug erkennen. Einzelhändler können diese Technik anwenden, um die Kundenstimmung auf Webseiten mit Kundenbewertungen zu erkennen.

Automatisierte Datenerfassungsmethoden auf niedriger Ebene

Datenbankabfrage

Unter Datenbankabfragen versteht man das automatische Abrufen spezifischer Daten aus einer Datenbank durch systematische Abfragen, die in vordefinierten Zeiträumen oder als Reaktion auf einen Auslöser ausgeführt werden. Beispielsweise kann eine Bank diese automatisierte Datenerfassungsmethode nutzen, um ihre Transaktionsdatenbank systematisch abzufragen und Informationen aus verschiedenen Filialen zu aggregieren, um Gewinn- und Verlustrechnungen zu erstellen.

QR-Code- und Barcode-Erkennung

Bei dieser automatisierten Datenerfassungsmethode werden codierte Bilder verarbeitet, die verschlüsselte Daten wie Barcodes und QR-Codes enthalten.

Der Einzelhandel nutzt diese Technik, um Lagerbestände zu verfolgen, zusätzliche Informationen zu Produkten anzuzeigen und Kunden die Zahlung zu ermöglichen. Bei Starbucks können Kunden beispielsweise QR-Codes scannen, um mehr über ihre Lieblingsgetränke zu erfahren. Und Amazon Go setzt auf QR-Codes, um seine kassenfreien Geschäfte zu ermöglichen.

Web-Scraping

Ein Scraping-Bot durchsucht das Web, um Daten von Websites zu extrahieren. Es kann nützliche Informationen wie Unternehmenskontakte, Branchenstatistiken, Produktinformationen usw. abrufen und die gesammelten Daten in eine Tabellenkalkulation oder ein anderes Format exportieren. Fortgeschrittenere Tools können mit JSON-Dateien arbeiten.

Da es unterschiedliche Formen von Websites gibt, variieren auch die Funktionalitäten der Scraping-Tools. Einige können CAPTCHA sogar umgehen. Eine Anwendung von Web-Scraping-Tools ist das Sammeln relevanter Informationen aus Unternehmensverzeichnissen und Social-Media-Profilen, um Unternehmen bei der Lead-Generierung zu unterstützen.

Anwendungsprogrammierschnittstelle (API)

Viele Online-Plattformen bieten eine API an, mit der andere über API-Aufrufe auf strukturierte Daten zugreifen können. Beispielsweise kann eine Social-Media-Plattform eine API bereitstellen, die es verschiedenen Software-Bots ermöglicht, Social-Media-Überwachung durchzuführen.

Bedenken Sie, dass nicht jede Online-Ressource eine API bietet; In anderen Fällen ist eine API möglicherweise nicht gut dokumentiert, was den Zugriff erschwert.

IoT-basierte automatisierte Datenerfassung

Erfassung von Sensordaten

Im Kontext von Internet-of-Things-Anwendungen (IoT) können Sensoren dabei helfen, verschiedene Arten von Daten automatisch zu erfassen. Beispielsweise können in Anwendungsfällen der vorausschauenden Wartung an einem Gerät angebrachte Sensoren dessen Temperatur, Vibration und andere Parameter erfassen, um nach Anomalien im Zustand des Geräts zu suchen. Im Gesundheitswesen können IoT-Geräte die Vitalfunktionen von Patienten erfassen, um bei der Überwachung chronischer Krankheiten und anderer Störungen zu helfen.

Wichtige Geschäftsanwendungen der automatisierten Datenerfassung

Nachfolgend finden Sie fünf Beispiele dafür, wie Sie automatisierte Datenerfassungsmethoden in Kombination mit Datenanalyselösungen und maschinellem Lernen nutzen können, um Ihre Position im Wettbewerb zu stärken.

Eine aufschlussreiche Anleitung zur Vorbereitung Ihrer Daten für maschinelles Lernen finden Sie in unserem Blog.

Anwendungsfall Nr. 1: Sie mit den richtigen Informationen ausstatten, um fundierte Entscheidungen zu treffen

Je mehr Daten Sie haben, desto besser verstehen Sie kommende Trends und Ihre eigenen Prozesse. So kann die automatisierte Datenerfassung Sie bei der Entscheidungsfindung unterstützen:

  • Beschleunigung der Marktforschung . Sie können sich darauf verlassen, dass Web-Scraping-Bots soziale Medien und andere Online-Plattformen crawlen, um die neuesten Markttrends und Wettbewerbsaktivitäten zu erfassen. Die Verfügbarkeit all dieser Informationen wird dem Management dabei helfen, Produktions- und andere Prozesse zu priorisieren.
  • Verfolgung der Mitarbeiterleistung . Ein automatisierter Datenerfassungsprozess kann auch interne HR-Entscheidungen unterstützen. Die Tools können Daten zur Anwesenheit, Leistung und dem Grad des Engagements und der ehrenamtlichen Tätigkeit der Mitarbeiter im Unternehmen sammeln, was bei der Entscheidung über Beförderungen und bei der Ermittlung von Schulungs- und Ausbildungsmöglichkeiten hilft.

Beispiele aus der Praxis:

  • Starwood-Hotels beziehen Daten zur Wirtschaftslage, lokalen Ereignissen und Wetterbedingungen aus verschiedenen Quellen, um ihre dynamische Preisgestaltung anzupassen. Findet beispielsweise im örtlichen Theater eine berühmte Aufführung statt, passen sich die Zimmerpreise in den umliegenden Hotels entsprechend an.
  • Netflix analysierte über 30 Millionen Sendungen und 4 Millionen Kundenbewertungen, um auf Filme und Serien zu wetten, die später große Hits wurden.

Anwendungsfall Nr. 2: Produktivitätshürden beleuchten

Sie können automatisch erfasste Daten verwenden, um:

  • Optimieren Sie interne Abläufe . Automatisierte Tools können Daten zu verschiedenen Aufgaben im Zusammenhang mit dem Produktionsprozess oder jedem anderen Prozess in Ihrem Unternehmen zusammenfassen. Durch die Analyse dieser Daten erhalten Sie eine Vorstellung von etwaigen Ineffizienzen oder Blockaden in Ihrem Ablauf. Ganz zu schweigen davon, dass das automatische Sammeln von Daten bereits produktiver ist als das manuelle Sammeln.
  • Erleichtern Sie die vorausschauende Wartung . Ungeplante Gerätestillstände können zu einem Produktivitätsverlust von bis zu 20 % führen. Unternehmen können dies vermeiden, indem sie Sensordaten zu Geräteparametern automatisch aggregieren, um Geräte zu lokalisieren, die erste Anzeichen einer Fehlfunktion aufweisen, und diese zum richtigen Zeitpunkt zu beheben, ohne den Rest des Prozesses zu behindern.

Beispiel aus der Praxis:

Eine im Journal of Nursing Administration veröffentlichte Studie zeigt, wie die automatische Erfassung der Vitalparametermessungen von Patienten und deren Übertragung in die entsprechenden EHR-Felder Fehler im Vergleich zu manuellen Eingaben um 20 % und die Messzeit in einigen Fällen um bis zu zwei Stunden pro Messung reduzierten , wodurch die Produktivität des Pflegepersonals gesteigert wird.

Anwendungsfall Nr. 3: Lenken Sie Ihre Marketingkampagnen in die richtige Richtung

Durch die Aggregation von Daten aus verschiedenen Quellen, beispielsweise Produktbewertungsseiten und Social-Media-Plattformen, können Sie die Zielgruppe segmentieren und das Kundenverhalten verstehen. Mit diesem Wissen können Vermarkter personalisierte Kampagnen erstellen und Produkte und Dienstleistungen bei Personen bewerben, die dafür am empfänglichsten sind, anstatt lästige allgemeine Nachrichten an alle zu senden.

Die automatisierte Datenerfassung kann die Lead-Generierung verbessern, da sie Interessenten Punkte zuweisen kann, um deren Interaktion mit Ihren Produkten zu verstehen und potenzielle Käufer/Partner/Mitarbeiter zu ermitteln.

Beispiele aus der Praxis:

  • American Express aggregierte Daten zu 115 Variablen, einschließlich historischer Kundentransaktionen, um die Kundenabwanderung vorherzusehen und einzudämmen. Dem Unternehmen gelang es, vorherzusagen, dass 24 % der Konten tatsächlich innerhalb weniger Monate geschlossen wurden.
  • Amazon stützt sich auf enorme Mengen an Kundendaten wie Käufe, Engagements, Wunschlisten usw. und analysiert diese Informationen, um gezielte Anzeigenplatzierungen für Benutzeruntergruppen zu erstellen.

Anwendungsfall Nr. 4: Sicherstellung optimaler Lagerbestände

Wenn Sie Sensoren verwenden, um den Produktbestand zu überwachen, können automatisierte Datenerfassungstools Bestandsdaten zusammen mit Verkaufsstatistiken, Nachfragemustern und allgemeinen Markttrends zusammenfassen. Mit dieser Kombination wissen Sie, wann Sie Produkte auffüllen müssen, um der steigenden Nachfrage gerecht zu werden, und wann Sie die teure Nachfüllung eines Produkts vermeiden können, das nicht mehr im Trend liegt.

Beispiel aus der Praxis:

Aliaxis, ein großes Produktions- und Vertriebsunternehmen, kombiniert seine eigenen Daten zu Produktionsplänen und Verkaufsaufzeichnungen mit externen Daten wie Lieferanteninformationen, Kundenbewertungen und mehr, um seinen Lagerbestand zu verwalten. Mit Hilfe der Datenanalyse gelang es dem Unternehmen:

  • Prognostizieren Sie die Nachfrage und halten Sie optimale Lagerbestände aufrecht
  • Identifizieren Sie veraltete Lagerhaltungspraktiken
  • Bewerten Sie die Lieferantenleistung anhand von Lieferzeiten, Produktqualität und Preisen. Aliaxis nutzte diese Erkenntnisse, um Partnerschaften zu erneuern/kündigen und Lieferantenverträge auszuhandeln.

Anwendungsfall Nr. 5: Aufrechterhaltung einer erstklassigen Produktqualität

So kann die Analyse automatisch erfasster Daten dabei helfen, die Produktqualität in verschiedenen Phasen des Produktionsprozesses zu überwachen:

  • Aggregation von Daten aus Produktionslinien in Echtzeit auf der Suche nach defekter Ausrüstung oder einem Zwischenprodukt, das in Bezug auf Gewicht, Materialzusammensetzung usw. nicht den Qualitätsstandards entspricht.
  • Bewertung der Eigenschaften von Rohstoffen, die in der Produktion verwendet werden sollen
  • Untersuchen des Endprodukts auf Farbabweichungen, Formunregelmäßigkeiten usw., um nicht konforme Teile zu erkennen

Außerdem können Unternehmen all diese Qualitätsbewertungsdaten nutzen, um automatisch eine umfassende Qualitätsdokumentation zu erstellen, Einblicke in die Verbesserung der Produktion zu erhalten und sicherzustellen, dass die Produkte weiterhin den Industriestandards entsprechen.

Beispiel aus der Praxis:

Intel nutzte Big Data, um einen Weg zu finden, den Chip-Qualitätssicherungsprozess zu verkürzen. Traditionell durchlaufen diese Chips in der Produktion rund 19.000 Tests. Durch die Analyse großer Mengen historischer Daten beschloss das Unternehmen, sich auf spezifische Tests auf Waferebene zu konzentrieren, wodurch die Zeit für die Qualitätskontrolle um 25 % verkürzt und 3 Millionen US-Dollar an einer Produktionslinie eingespart wurden.

Hindernisse für die automatisierte Datenerfassung

Auch wenn die automatisierte Datenerfassung nachweislich Vorteile hat, gibt es dennoch Herausforderungen, die Sie berücksichtigen müssen.

  1. Datenverwaltung und -verifizierung . Wer ist für die Prüfung und Pflege der erhobenen Daten verantwortlich? Wie lange bleiben diese Daten in Ihrem System? Können Einzelpersonen auf ihre persönlichen Daten zugreifen und diese löschen, wenn sie dies wünschen? Es ist unerlässlich, dass Ihr Unternehmen starke Data-Governance-Praktiken einführt und bei Bedarf externe Datenverwaltungsdienste in Anspruch nimmt, um alle Bedenken im Zusammenhang mit der Verwaltung großer Datenmengen auszuräumen.
  2. Die Datenqualität kann leiden . Automatisierte Techniken können große Datenmengen ansammeln, die manuell nicht überprüft werden können. Wenn Sie also nicht über ein starkes Validierungssystem verfügen, können automatisierte Datenerfassungstools beginnen, inkonsistente Daten von minderer Qualität hinzuzufügen. Dies ist eine gefährliche Praxis, da sie dazu führen kann, dass andere Anwendungen, die auf diese Daten angewiesen sind, nicht richtig funktionieren. Es kann Ihre Entscheidungen beeinflussen und dazu führen, dass Chancen verpasst werden.
  3. Dateneigentum und Datenschutzverletzungen . Jeder Standort hat seine Anforderungen an den Datenschutz. Wenn Sie täglich große Datenmengen erfassen, kann es schwierig werden, eine ordnungsgemäße Anonymisierung sicherzustellen, Einwilligungen einzuholen und den Menschen die Kontrolle über ihre persönlichen Daten zu geben. Eine Nichteinhaltung kann jedoch zu finanziellen Verlusten und Reputationsschäden führen.
  4. Datensicherheit . Wenn Sie mehr Daten speichern, können Sie ein attraktiveres Ziel für Cyberkriminelle werden. Daher ist es sinnvoll, Ihre Sicherheitsprotokolle zu stärken, um die Daten vor unbefugtem Zugriff zu schützen. Um die Dinge ins rechte Licht zu rücken: Statista meldete allein im ersten Quartal 2023 weltweit 6,4 Millionen Datenfilialen.
  5. Integrationsprobleme . Automatisierte Datenerfassungstools erfassen Daten aus verschiedenen Quellen wie Datenbanken, Website-APIs usw., was zu einer Menge an Informationen führt, die inkonsistent und dupliziert sind und denen eine einheitliche Formatierung fehlt. Damit diese Daten jedoch nützlich sind, müssen sie in einer kohärenten und nutzbaren Ansicht gespeichert werden.
  6. Implementierungskosten . Wie wir bereits festgestellt haben, senkt die Automatisierung des Datenerfassungsprozesses die Arbeitskosten, kann aber auch eigene Kosten verursachen. Es besteht die Anfangsinvestition für die Anschaffung und Integration des Systems. Anschließend muss das System aktualisiert, gewartet und geschützt werden. Und das Unternehmen wird weiterhin menschliche Mitarbeiter darin schulen, dieses System richtig zu nutzen.

Also, wohin geht es von hier aus?

Wenn Sie ein kleines Unternehmen betreiben, das Zugriff auf eine bescheidene Datenmenge benötigt und eine hohe Fehlertoleranz bei der Datenverarbeitung aufweist, ist die manuelle Datenerfassung und -verarbeitung kein Problem. Andernfalls ist es am besten, die Möglichkeit einer automatisierten Datenerfassung in Betracht zu ziehen.

Die Umstellung auf automatisierte Datenerfassung ist jedoch nur der Anfang. Um alle in Ihrem Besitz befindlichen Daten verwalten zu können, ist es ratsam, strenge Datenverwaltungspraktiken einzuführen. Und um Ihre Abläufe weiter zu transformieren, können Sie von Softwarelösungen für künstliche Intelligenz, prädiktiven Analysen und anderen leistungsstarken Big-Data-Diensten profitieren. Hier bei ITRex verfügen wir über eine nachgewiesene Erfolgsbilanz mit KI-gestützten Technologien und unterstützen Sie gerne auf Ihrem Weg.

Möchten Sie sich in eine datengesteuerte Organisation verwandeln? Melde dich! Wir helfen Ihnen, die Datenerfassung zu automatisieren, Datenverwaltungspraktiken zu implementieren und leistungsstarke analytische KI-gestützte Tools zu entwickeln.

Ursprünglich veröffentlicht unter https://itrexgroup.com am 3. Oktober 2023.