Zum Inhalt springen

Ich übersetze den Markdown-Inhalt jetzt ins Deutsche und respektiere dabei die Markdown-Struktur, die URLs und alle anderen Anforderungen.

toc_depth: 3

Jitterbit Document Compliance Agent (Azure)

Überblick

Jitterbit stellt den Document Compliance Agent (Azure) seinen Kunden über Jitterbit Marketplace zur Verfügung. Dieser Agent automatisiert die compliance-fokussierte Dokumentenverarbeitung, indem er PDF-Dateien aus Azure Blob Storage abruft, deren Textinhalte mittels optischer Zeichenerkennung (OCR) extrahiert und AI-gestützte Analysen anwendet, um persönlich identifizierbare Informationen (PII) zu erkennen und zu entfernen. Dies hilft Organisationen, Datenschutzanforderungen ohne manuelle Dokumentenprüfung zu erfüllen.

Der Agent ruft PDF-Dateien aus einem konfigurierten Quellcontainer ab, übermittelt jede Datei an einen OCR-Service zur Analyse und erfasst den vollständig extrahierten Text. Ein LLM analysiert den extrahierten Text dann in zwei Durchläufen: einmal zur Identifizierung und Speicherung von PII-Daten und ein zweites Mal zur Erstellung einer bereinigten Version, aus der alle PII entfernt wurden. Beide Ausgabedateien werden auf einen SFTP-Server geschrieben, das Original-PDF wird in einen separaten Azure Blob Storage-Archivcontainer archiviert und aus dem Quellcontainer gelöscht. E-Mail-Benachrichtigungen werden an konfigurierte Empfänger versendet, wenn während der Verarbeitung Fehler auftreten.

Der Agent führt folgende Aufgaben aus:

  • Ruft eine Liste von PDF-Dateien aus einem konfigurierten Azure Blob Storage-Quellcontainer ab.
  • Übermittelt jedes PDF an Azure Document Intelligence zur OCR-Textextraktion und erfasst den extrahierten Text.
  • Sendet extrahierten Text an ein LLM, um PII-Daten zu erkennen und zu extrahieren, und schreibt die Ausgabe in eine Datei auf einem SFTP-Server.
  • Sendet extrahierten Text an das LLM, um eine bereinigte Version ohne PII zu erstellen, und schreibt die Ausgabe in eine Datei auf einem SFTP-Server.
  • Archiviert verarbeitete PDF-Dateien in einem konfigurierten Ziel-Azure Blob Storage-Archivcontainer und entfernt die Originale aus dem Quellcontainer.
  • Versendet E-Mail-Benachrichtigungen an konfigurierte Empfänger, wenn während der Verarbeitung Fehler auftreten.

Dieses Dokument erklärt die Einrichtung und Bedienung dieses AI-Agenten. Es behandelt die Architektur, Voraussetzungen und Schritte zur Installation, Konfiguration und Bedienung des AI-Agenten.

AI-Agent-Architektur

Dieser AI-Agent verbindet Azure Blob Storage, Azure Document Intelligence, ein LLM und einen SFTP-Server, um Text aus PDF-Dokumenten zu extrahieren und zu bereinigen. Ein typischer Verarbeitungslauf folgt diesen Schritten:

  1. Die Initial Controller-Operation initialisiert Verarbeitungsvariablen und löst den Blob-Listenschritt aus.
  2. Der Agent verbindet sich mit dem konfigurierten Azure Blob Storage-Quellcontainer und ruft eine Liste verfügbarer PDF-Dateien ab.
  3. Für jede Datei konstruiert der Agent die Document Intelligence-Quell-URL und übermittelt das PDF an Azure Document Intelligence zur OCR-Verarbeitung.
  4. Der Agent ruft das abgeschlossene OCR-Analyseergebnis ab und erfasst den vollständig extrahierten Text.
  5. Der Agent sendet den extrahierten Text an das LLM mit einer PII-Erkennungs-Eingabeaufforderung. Die identifizierten PII-Daten werden in eine Datei auf dem SFTP-Server geschrieben.
  6. Der Agent sendet den extrahierten Text an das LLM mit einer Datenbereinigungseingabeaufforderung, um eine bereinigte Version zu erstellen. Der bereinigte Text wird in eine Datei auf dem SFTP-Server geschrieben.
  7. Das Original-PDF wird in den Azure Blob Storage-Archivcontainer verschoben und aus dem Quellcontainer gelöscht.
  8. E-Mail-Benachrichtigungen werden an konfigurierte Empfänger versendet, wenn während der Verarbeitung Fehler auftreten.

Workflow-Diagramm

Das folgende Diagramm zeigt die Hauptverarbeitungs-Pipeline für den Document Compliance Agent (Azure).

--- config: themeVariables: lineColor: '#6b7280' edgeLabelBackground: '#f5f5f5' flowchart: padding: 20 nodeSpacing: 80 --- flowchart LR classDef default fill:white, stroke:black, stroke-width:3px, rx:15px, ry:15px JSP@{ shape: hex, label: "
Document Compliance
Agent (Azure)" } BLOBSRC[Azure Blob Storage
Source Container] ADI[Azure Document
Intelligence] LLM[fas:fa-brain
LLM] SFTP[fas:fa-server
SFTP Server] BLOBARC[Azure Blob Storage
Archive Container] EMAIL[fas:fa-envelope
Email] JSP <-->|1. List and get PDFs| BLOBSRC JSP <-->|2. OCR request / extracted text| ADI JSP <-->|3. PII detection prompt / PII data| LLM JSP <-->|4. Clean data prompt / cleaned text| LLM JSP -->|5. Write output files| SFTP JSP -->|6. Archive and delete PDF| BLOBARC JSP -->|7. Error notification| EMAIL

Voraussetzungen

Sie benötigen folgende Komponenten, um diesen AI-Agenten zu verwenden.

Harmony-Komponenten

Sie müssen eine Jitterbit Harmony-Lizenz mit Zugriff auf folgende Komponenten haben:

Unterstützte Endpoints

Der AI-Agent verbindet sich mit den folgenden Endpoints. Sie können andere Systeme unterbringen, indem Sie die Endpoint-Konfigurationen und Workflows des Projekts modifizieren.

Großes Sprachmodell (LLM)

Der Agent nutzt Azure AI Foundry, um auf große Sprachmodelle für die PII-Erkennung und Datensanitization zuzugreifen. Azure AI Foundry ist eine verwaltete Plattform, die Zugriff auf Modelle von Anbietern wie OpenAI, Microsoft und Meta bietet. Sie benötigen ein Azure-Abonnement mit einem konfigurierten Azure AI Foundry Hub und Projekt sowie ein bereitgestelltes und über die Foundry-API zugängliches Modell.

Azure Blob Storage

Der Agent verwendet Azure Blob Storage sowohl als PDF-Quelle als auch als Archivziel. Sie benötigen ein Azure-Abonnement mit zwei konfigurierten Containern: einen für eingehende PDF-Dateien und einen zum Archivieren verarbeiteter Dateien. Beide Container erfordern Shared Access Signature (SAS)-Token mit Lese-, Schreib- und Auflistungsberechtigungen.

Azure Document Intelligence

Der Agent nutzt Azure Document Intelligence zur OCR-Extraktion aus PDF-Dateien. Sie benötigen eine Azure Document Intelligence-Ressource mit einer gültigen Endpunkt-URL und einem API-Schlüssel.

SFTP

Der Agent schreibt verarbeitete Ausgabedateien (PII-Daten und bereinigter Text) auf einen SFTP-Server. Sie benötigen einen SFTP-Server, der von Jitterbit aus zugänglich ist, mit gültigen Verbindungsdaten.

E-Mail

Der Agent sendet Fehlerbenachrichtigungen per SMTP-E-Mail. Die Standardkonfiguration verwendet Gmail (smtp.gmail.com). Sie benötigen ein Sender-E-Mail-Konto mit aktiviertem SMTP-Zugriff und, bei Verwendung von Gmail, ein konfiguriertes App-Passwort.

Installation, Konfiguration und Betrieb

Führen Sie folgende Schritte durch, um diesen KI-Agent zu installieren, zu konfigurieren und zu betreiben:

  1. Projekt herunterladen und installieren
  2. Azure-Ressourcen konfigurieren
  3. Projektvariablen konfigurieren
  4. Verbindungen testen
  5. Projekt bereitstellen
  6. Projekt-Workflows überprüfen
  7. Projekt-Workflows auslösen

Hilfreiche Informationen zur Fehlerbehebung finden Sie unter Fehlerbehebung.

Projekt herunterladen und installieren

Führen Sie folgende Schritte durch, um das Studio-Projekt für den KI-Agent zu installieren:

  1. Melden Sie sich beim Harmony-Portal unter https://login.jitterbit.com an und öffnen Sie den Marketplace.

  2. Suchen Sie den KI-Agent mit dem Namen Jitterbit Document Compliance Agent (Azure). Verwenden Sie die Suchleiste oder wählen Sie im Bereich Filter unter Typ die Option KI-Agent aus, um die Anzeige auf KI-Agenten zu beschränken.

  3. Klicken Sie auf den Link Dokumentation des Agenten, um seine Dokumentation in einem neuen Tab zu öffnen. Halten Sie den Tab offen, um später darauf verweisen zu können.

  4. Klicken Sie auf Projekt starten, um ein Konfigurationsdialogfeld zu öffnen.

    Hinweis

    Wenn Sie den KI-Agent noch nicht erworben haben, wird stattdessen Agent abrufen angezeigt. Klicken Sie darauf, um ein Informationsdialogfeld zu öffnen, und klicken Sie dann auf Absenden, um einen Vertreter zu kontaktieren, der Sie zum Kauf des KI-Agenten berät.

    Tipp

    Das Konfigurationsdialogfeld enthält eine Warnung, dass die Vorlage nicht importiert werden sollte, bevor Endpunktanpassungen vorgenommen werden. Diese Warnung gilt nicht für diesen KI-Agent und kann ignoriert werden. Befolgen Sie stattdessen die empfohlene Reihenfolge der Schritte in dieser Dokumentation.

  5. Wählen Sie im Dialogfeld Neues Projekt erstellen eine Umgebung aus, in der das Studio-Projekt erstellt wird, und klicken Sie auf Projekt erstellen.

  6. Nachdem das Fortschrittsdialogfeld angezeigt hat, dass das Projekt erstellt wurde, verwenden Sie den Dialogfeld-Link Zu Studio oder öffnen Sie das Projekt direkt von der Studio-Seite Projekte.

Azure-Ressourcen konfigurieren

Richten Sie die erforderlichen Azure-Ressourcen ein, bevor Sie Projektvariablen konfigurieren.

Azure Blob Storage-Container erstellen

  1. Melden Sie sich beim Azure-Portal an und suchen Sie in der oberen Suchleiste nach Speicherkonten.

  2. Klicken Sie auf + Erstellen, geben Sie Abonnement, Ressourcengruppe und Speicherkontoanmen ein, legen Sie Leistung auf Standard und Redundanz auf LRS fest, und klicken Sie dann auf Überprüfen + Erstellen und Erstellen.

  3. Nach Abschluss der Bereitstellung auf Zu Ressource wechseln klicken, dann zu Datenspeicher > Container navigieren.

  4. Auf + Container klicken, einen Namen für den Quellcontainer eingeben, die Zugriffsstufe auf Privat setzen und auf Erstellen klicken.

  5. Schritt 4 wiederholen, um einen Archivcontainer zu erstellen.

  6. Für jeden Container ein SAS-Token generieren:

    1. Im Speicherkonto zu Sicherheit + Netzwerk > Shared Access Signature navigieren.
    2. Blob-Dienste, Container und Objekt als Ressourcentypen sowie Lesen, Schreiben und Auflisten als Berechtigungen aktivieren.
    3. Ein Ablaufdatum festlegen und auf SAS und Verbindungszeichenfolge generieren klicken.
    4. Das SAS-Token sofort kopieren – es wird nur einmal angezeigt.

Eine Azure-Ressource für Dokumentenverständnis erstellen

  1. Im Azure-Portal auf + Ressource erstellen klicken, nach Document Intelligence suchen und auf Erstellen klicken.

  2. Die Ressource konfigurieren und als Tarif Standard S0 für Produktionsworkloads wählen.

  3. Auf Überprüfen + erstellen und dann auf Erstellen klicken. Nach Abschluss der Bereitstellung auf Zu Ressource wechseln klicken.

  4. Zu Ressourcenverwaltung > Schlüssel und Endpunkt navigieren und die Endpunkt-URL sowie Schlüssel 1 für die Verwendung in den Projektvariablen kopieren.

Ein Azure AI Foundry-Projekt erstellen

  1. Zu ai.azure.com navigieren und sich mit dem Azure-Konto anmelden.

  2. Auf Neuer Hub klicken, die Hub-Konfiguration ausfüllen (Abonnement, Ressourcengruppe, Name und Region) und auf Erstellen klicken.

  3. Im Hub auf Neues Projekt klicken, einen Projektnamen eingeben und auf Erstellen klicken.

  4. Zu Einstellungen > Projektdetails navigieren und die Projekt-Endpunkt-URL und den API-Schlüssel für die Verwendung in den Projektvariablen kopieren.

Projektvariablen konfigurieren

Im Studio-Projekt, das aus dem Marketplace installiert wurde, Werte für die folgenden Projektvariablen festlegen.

Um Projektvariablen zu konfigurieren, das -Aktionsmenü des Projekts verwenden und Projektvariablen auswählen, um die Konfigurationsleiste zu öffnen.

Azure Blob Storage

Variablenname Beschreibung
Azure_Blob_Endpoint_URL Azure Blob Storage-Endpunkt-URL (z. B. https://<account>.blob.core.windows.net).
Azure_Source_Container_Name Name des Quellcontainers, in den PDF-Dateien zur Verarbeitung hochgeladen werden.
Azure_Source_Container_SAS_Token SAS-Token für den Quellcontainer, verwendet zur Authentifizierung von Lese-, Schreib- und Auflistungsvorgängen.
Azure_Archive_Container_Name Name des Archivcontainers, in den verarbeitete PDFs verschoben werden.
Destination_Archive_Container_SAS_Token SAS-Token für den Archivcontainer, verwendet zur Authentifizierung von Schreibvorgängen.

Azure Document Intelligence

Variablenname Beschreibung
Azure_Document_Intelligence_Endpoint_URL Endpunkt-URL für die Azure Document Intelligence-Ressource (z. B. https://<resource-name>.cognitiveservices.azure.com).
Azure_Document_Intelligence_Key API-Schlüssel zur Authentifizierung von Azure Document Intelligence-Anforderungen.
Document_Intelligence_Model_ID Modell-ID für die OCR-Analyse (Standard: prebuilt-layout).
Document_Intelligence_Locale Gebietsschema für die OCR-Textextraktion (Standard: en-US).
Document_Intelligence_API_Version Azure Document Intelligence-API-Version (Standard: 2024-11-30).

Azure AI Foundry

Variablenname Beschreibung
Azure_Foundry_Base_URL Regionsstandort für Azure AI Foundry (z. B. us).
Azure_AI_Foundry_Key API-Schlüssel zur Authentifizierung von Azure AI Foundry-Anforderungen.
Azure_AI_Foundry_Project_Name Name des Azure AI Foundry-Projekts, das für LLM-Inferenz verwendet wird.

SFTP

Variablenname Beschreibung
SFTP_Host Hostname des SFTP-Servers, auf dem verarbeitete Ausgabedateien geschrieben werden.
SFTP_UserName Benutzername für die SFTP-Authentifizierung.
SFTP_Password Passwort für die SFTP-Authentifizierung.
SFTP_Folder_Path Ordnerpfad auf dem SFTP-Server, in den Ausgabedateien geschrieben werden (Standard: /Azure_PDF_Parser).

E-Mail

Variablenname Beschreibung
Email_Enabled Auf true setzen, um E-Mail-Benachrichtigungen zu aktivieren (Standard: true).
Email_Summary Auf true setzen, um Zusammenfassungs-E-Mail-Benachrichtigungen zu aktivieren (Standard: true).
Email_Data_Error Auf true setzen, um Benachrichtigungen über Fehler zu aktivieren (Standard: false).
Email_SMTP_Servers Kommagetrennte Liste von SMTP-Serveradressen zum Versenden von Benachrichtigungen (Standard: smtp.gmail.com).
Email_Sender_Account E-Mail-Kontoadresse zum Versenden von Benachrichtigungen.
Email_Sender_Password Passwort für das Absender-E-Mail-Konto. Generieren Sie für Gmail ein App-Passwort in Ihren Google-Kontosicherheitseinstellungen.
Email_Recipients Kommagetrennte Liste von E-Mail-Adressen der Empfänger für Benachrichtigungen.
Email_Subject_Line Betreffzeile für Benachrichtigungs-E-Mails (Standard: Azure PDF Parser Agent - Summary).

Testverbindungen

Testen Sie die Endpunktkonfigurationen, um die Konnektivität mit den definierten Projektvariablenwerten zu überprüfen.

Um Verbindungen zu testen, wechseln Sie zur Registerkarte Projektendpunkte und Konnektoren in der Designkomponentenpalette, fahren Sie mit dem Mauszeiger über jeden Endpunkt und klicken Sie auf Testen.

Projekt bereitstellen

Stellen Sie das Studio-Projekt bereit.

Um das Projekt bereitzustellen, verwenden Sie das Menü Aktionen des Projekts und wählen Sie Bereitstellen aus.

Projekt-Workflows überprüfen

Das Studio-Projekt enthält einen Workflow, der die Verarbeitungs-Pipeline des Document Compliance Agent (Azure) implementiert.

PDF-Parser

Vorgang Beschreibung
Initial Controller Initialisiert Verarbeitungsvariablen und startet die Pipeline.
List Blobs From Azure Container Ruft eine Liste von PDF-Dateien aus dem Azure Blob Storage-Quellcontainer ab.
Document Intelligence Source URL Formation Erstellt die Quell-URL für jede PDF-Datei zur Verarbeitung durch Azure Document Intelligence.
Post PDF Data to Azure DI Sendet jedes PDF an Azure Document Intelligence zur OCR-Verarbeitung.
Get Azure DI Analysis Result Ruft das abgeschlossene OCR-Analyseergebnis von Azure Document Intelligence ab.
Azure Foundry Request Formation Bereitet LLM-Anfragen basierend auf den Analyseergebnissen von Document Intelligence vor.
Post DI Data to Foundry for PII Data Sendet extrahierten Text an das LLM, um PII zu erkennen und zu extrahieren.
Write PII JSON Data to SFTP Schreibt die PII-Ausgabe in eine Datei auf dem SFTP-Server.
Post DI Data to Foundry for Clean Data Sendet extrahierten Text an das LLM, um eine bereinigte Version ohne PII zu erstellen.
Write Clean JSON Data to SFTP Schreibt die bereinigten Daten in eine Datei auf dem SFTP-Server.
Move Blob to Archive Container Kopiert die verarbeitete PDF in den Azure Blob Storage-Archivcontainer.
Delete Blob from Source Container Löscht das Original-PDF aus dem Quellcontainer nach der Archivierung.
Initial Controller

Der Initial Controller-Vorgang dient als Einstiegspunkt für den Workflow. Er führt das Skript Run Orchestrator#1 aus, um den Vorgang List Blobs From Azure Container auszulösen, führt dann Protokollierungsskripte und das Skript Logging and Notification Rollup aus, um Verarbeitungsdetails aufzuzeichnen und den Vorgang Send Email basierend auf Erfolgs- oder Fehlerzählungen aufzurufen.

List Blobs From Azure Container

Der Vorgang List Blobs From Azure Container stellt eine Verbindung zum konfigurierten Azure Blob Storage-Quellcontainer her und ruft eine Liste der verfügbaren Blobs ab. Die Antwort wird transformiert und in einer Variablen gespeichert, und das Skript Extract Blob Names from Response durchläuft jeden Blobnamen, um den Vorgang Document Intelligence Source URL Formation aufzurufen.

Document Intelligence Source URL Formation

Der Vorgang Document Intelligence Source URL Formation führt das Skript DI Source URL Formation aus, das die vollständig qualifizierte Quell-URL für die PDF-Datei erstellt und den Vorgang Post PDF Data to Azure DI aufruft, um die OCR-Verarbeitung zu starten.

Post PDF Data to Azure DI

Der Vorgang Post PDF Data to Azure DI transformiert den Anforderungstext für Azure Document Intelligence und sendet das PDF über HTTP an Azure Document Intelligence zur Analyse. Die Antwort wird transformiert, in einer Variablen gespeichert und protokolliert. Der Vorgang verzögert dann die Ausführung, um die Verarbeitung abzuschließen, bevor der Vorgang Get Azure DI Analysis Result aufgerufen wird.

Azure DI-Analyseergebnis abrufen

Der Vorgang Get Azure DI Analysis Result führt einen HTTP GET aus, um das abgeschlossene OCR-Analyseergebnis von Azure Document Intelligence abzurufen. Die Antwort wird transformiert und in einer Variable für die Verwendung in nachfolgenden LLM-Verarbeitungsschritten gespeichert.

Azure Foundry Request Formation

Der Vorgang Azure Foundry Request Formation liest das Document Intelligence-Ergebnis aus der Variable, transformiert den Inhalt und führt das Skript PII Request Formation for Foundry aus, um Anfragen für die PII-Erkennung, saubere Datenverarbeitung und Blob-Verwaltung vorzubereiten und zu versenden.

Post DI Data to Foundry for PII Data

Der Vorgang Post DI Data to Foundry for PII Data transformiert den Azure AI Foundry PII-Anforderungstext und sendet den extrahierten Text via HTTP an Azure AI Foundry mit einer PII-Erkennungsaufforderung. Die LLM-Antwort wird transformiert, in einer Variable gespeichert und protokolliert.

Write PII JSON Data to SFTP

Der Vorgang Write PII JSON Data to SFTP liest die PII-Daten aus der Variable, transformiert den Inhalt und führt das Skript Write PII Data in a file aus, um die PII-Ausgabe in eine Datei auf dem SFTP-Server zu schreiben und den Vorgang Post DI Data to Foundry for Clean Data aufzurufen.

Post DI Data to Foundry for Clean Data

Der Vorgang Post DI Data to Foundry for Clean Data führt das Skript Clean Data Request Formation for Foundry aus, transformiert den Anforderungstext und sendet den extrahierten Text an Azure AI Foundry mit einer Datenbereinigungsaufforderung, um eine bereinigte Version mit allen entfernten PII zu erstellen. Die Antwort wird transformiert, in einer Variable gespeichert und protokolliert.

Write Clean JSON Data to SFTP

Der Vorgang Write Clean JSON Data to SFTP liest die bereinigten Daten aus der Variable, transformiert den Inhalt und führt das Skript Write Clean Data in a file aus, um die bereinigte Ausgabe in eine Datei auf dem SFTP-Server zu schreiben und den Vorgang Move Blob to Archive Container aufzurufen.

Move Blob to Archive Container

Der Vorgang Move Blob to Archive Container transformiert den Verschiebungsanforderungstext und sendet eine HTTP-Anfrage, um die verarbeitete PDF aus dem Quellcontainer in den Archivcontainer zu kopieren. Die Antwort wird transformiert und in einer Variable gespeichert.

Delete Blob from Source Container

Der Vorgang Delete Blob from Source Container sendet eine HTTP DELETE-Anfrage, um die ursprüngliche PDF aus dem Quellcontainer zu entfernen, nachdem diese erfolgreich archiviert wurde, und stellt sicher, dass die Datei bei nachfolgenden Ausführungen nicht erneut verarbeitet wird.

Fehlerbehandlung

Vorgang Beschreibung
On Failure Email Löst den Fehlerbenachrichtigungsworkflow aus, wenn ein Verarbeitungsfehler auftritt.
Send Email Sendet die Fehlerbenachrichtigungs-E-Mail über den konfigurierten SMTP-Endpunkt.
On Failure Email

Der Vorgang On Failure Email führt das Skript Send Error Email Script aus, um Fehlerdetails zu protokollieren und den Vorgang Send Email aufzurufen.

Send Email

Der Vorgang Send Email transformiert den E-Mail-Text, sendet die Benachrichtigung über den konfigurierten E-Mail-Adapter und transformiert alle Fehlerantworten.

Project Workflows auslösen

Um den Document Compliance Agent (Azure) auszuführen, stellen Sie den Vorgang Initial Controller bereit und führen ihn aus. Halten Sie in Studio den Mauszeiger über den Vorgang und klicken Sie auf das Symbol Deploy and Run in der oberen rechten Ecke der Vorgangskachel.

Um die Pipeline zu automatisieren, konfigurieren Sie Vorgangszeitpläne für den Vorgang Initial Controller, um ihn in der gewünschten Häufigkeit auszuführen.

Fehlerbehebung

Bei Problemen überprüfen Sie die Vorgangsprotokolle auf ausführliche Informationen zur Fehlerbehebung.

Wenn Sie weitere Unterstützung benötigen, kontaktieren Sie den Jitterbit-Support.