Kurs
A Beginner's Guide to The OpenAI API: Praktisches Tutorial und Best Practices
Mit der Veröffentlichung von ChatGPT hat sich weltweit ein großer Hype um künstliche Intelligenz und ihre Anwendungen entwickelt, vor allem unter nicht-technischen Interessenvertretern. Alle Unternehmen wollen die Technologie nutzen, die sie in ChatGPT erfahren haben, zugeschnitten auf ihre Branche und ihr Wachstum.
Aber wie können wir das erreichen?
Die Antwort ist ganz einfach: Unternehmen können die sich schnell entwickelnde OpenAI API nutzen, die von den Machern von ChatGPT entwickelt und zur Verfügung gestellt wird, um maßgeschneiderte Lösungen für die Bedürfnisse des Unternehmens zu erstellen.
Als angehende Datenwissenschaftler/innen und Praktiker/innen des maschinellen Lernens wissen wir, dass es OpenAI schon eine Weile gibt, sogar vor dem ChatGPT-Hype, aber die meisten von uns haben sie nicht genutzt, um Geschäftsprobleme in der Branche zu lösen. Bei all dem Fortschritt der letzten Zeit ist es wichtiger denn je, die API umfassend zu verstehen.
In diesem Tutorial werden wir genau das tun: OpenAI und seine API vorstellen, von der Erstellung eines OpenAI-Kontos bis hin zur Nutzung der API, um Antworten zu erhalten, und bewährte Praktiken bei der Nutzung der API besprechen, um einen umfassenden Überblick über die OpenAI-API zu geben.
Willst du die OpenAPI in Aktion sehen? Schau dir unseren Code-Along zum Aufbau von Chatbots mit OpenAI API und Pinecone an:
Ein Überblick über OpenAI und seine API
OpenAI ist ein Unternehmen für KI-Forschung und -Einsatz, das sich dafür einsetzt, dass künstliche Intelligenz der gesamten Menschheit zugutekommt.
Das Unternehmen wurde 2015 als Non-Profit-Organisation gegründet. Zum Gründungsteam gehörten unter anderem Elon Musk und Sam Altman. Im Laufe der Jahre hat sich OpenAI von seinen gemeinnützigen Anfängen zu einem breiteren Modell entwickelt, um seine Mission zu erfüllen, mit Partnerschaften mit Tech-Giganten wie Microsoft.
Was ist OpenAI API?
Die OpenAI API (Application Programming Interface) dient als Brücke zu den leistungsstarken maschinellen Lernmodellen von OpenAI und ermöglicht es dir, hochmoderne KI-Funktionen relativ einfach in deine Projekte zu integrieren.
Einfacher ausgedrückt ist die API wie ein Hilfsmittel, mit dem du die intelligenten Programme von OpenAI in deinen Projekten nutzen kannst. Du kannst zum Beispiel coole Funktionen wie das Verstehen und Erstellen von Text hinzufügen, ohne dass du alle Details der zugrunde liegenden Modelle kennen musst.
KI-Anwendungen entwickeln
OpenAI API Merkmale
Hier sind einige der wichtigsten Funktionen, die die OpenAI API zu einem wertvollen Werkzeug für alle machen, die KI in ihr Unternehmen integrieren wollen:
1. Vorgefertigte KI-Modelle
Vorgefertigte Modelle sind maschinelle Lernmodelle, die bereits auf einem großen Datensatz trainiert wurden, oft für eine allgemeine Aufgabe, bevor sie für eine bestimmte Aufgabe verwendet werden. Das OpenAI-Team hat diese Modelle in Form von APIs trainiert und veröffentlicht, d.h. "sie werden einmal trainiert, wir verwenden sie viele Male", was eine enorme Zeit- und Ressourcenersparnis bedeuten kann.
Einige der veröffentlichten Modelle sind:
- GPT-4: Verbesserte Versionen der GPT-3.5-Modelle, die sowohl Text als auch Code verstehen und erstellen können.
- GPT-3.5:: Erweiterte Versionen der GPT-3-Modelle, die in der Lage sind, Text oder Code zu verstehen und zu erzeugen.
- GPT Basis: Modelle, die Text oder Code verarbeiten und generieren können, aber keine Anweisungen befolgen können.
- DALL-E: Ein Modell, das Bilder auf der Grundlage von Textanweisungen erstellt und verändert.
- Whisper: Wandelt Audioeingaben in geschriebenen Text um.
- Einbettungen: Modelle, die Text in numerische Werte umwandeln.
- Moderation: Ein fein abgestimmtes Modell, das potenziell sensible oder unsichere Texte identifiziert.
Diese Modelle wurden auf riesigen Datenmengen trainiert und benötigten eine hohe Rechenleistung, die für Einzelpersonen oder sogar für viele Unternehmen nicht verfügbar oder erschwinglich ist. Jetzt können Datenwissenschaftler und Unternehmen die vortrainierten Modelle ganz einfach in Form einer API nutzen.
2. Anpassbare KI-Modelle
Das Anpassen von Modellen in der OpenAI-API ist in erster Linie ein Prozess, der als Feinabstimmung bekannt ist. Er ermöglicht es den Nutzern, vortrainierte Modelle so anzupassen, dass sie besser für ihre spezifischen Anwendungsfälle geeignet sind.
Die OpenAI API ermöglicht es uns, die vortrainierten Modelle mit unseren Trainingsdaten zu verwenden, die Modelle weiter zu trainieren und die fein abgestimmten Modelle für unsere Anwendungsfälle zu nutzen. Mehr über die Feinabstimmung eines GPT-3 Modells kannst du hier lesen. Die Feinabstimmung spart Kosten und ermöglicht geringere Latenzzeiten für nachgelagerte Anwendungen.
3. Einfache API-Schnittstelle
Die OpenAI API-Plattform ist intuitiv und auch für Anfänger einfach zu bedienen. Dank der umfassenden Dokumentation und der Schnellstart-Beispiele kannst du die API mit nur wenigen Zeilen Code für deine Anwendungsfälle nutzen, ohne eine steile Lernkurve durchlaufen zu müssen.
Diese Einfachheit ist hilfreich für Personen, die noch am Anfang ihrer Datenkarriere stehen, da sie den Schritt in die KI weniger einschüchternd und interessanter macht.
4. Skalierbare Infrastruktur
OpenAI hat Kubernetes-Cluster auf 7.500 Knoten skaliert, um eine skalierbare Infrastruktur für große Modelle wie GPT-3, CLIP und DALL-E sowie für schnelle iterative Forschung im kleinen Maßstab bereitzustellen. Der Azure OpenAI Service läuft auf der globalen Azure-Infrastruktur, um Produktionsanforderungen wie unternehmenskritische Sicherheit, Compliance und regionale Verfügbarkeit zu erfüllen, was auf eine skalierbare Infrastruktur zur Unterstützung der OpenAI-API-Nutzung hinweist.
Wenn deine Projekte größer und komplexer werden, brauchst du eine Infrastruktur, die mit ihnen wachsen kann. Die Fähigkeit der OpenAI API, bei steigender Nutzung zu skalieren, ist besonders nützlich, wenn du von kleinen Projekten zu größeren, anspruchsvolleren Projekten übergehst, und macht die OpenAI API zu einem zuverlässigen Werkzeug für deine Projekte.
Anwendungsfälle der OpenAI API in der Industrie
Mehr als 300 Anwendungen nutzen inzwischen GPT-3 über die OpenAI-API, was auf eine große Anzahl kreativer und einzigartiger Anwendungen hinweist, die weltweit entwickelt werden. Hier sind einige der gängigen Industrieanwendungen der OpenAI API:
1. Chatbots und virtuelle Assistenten
Die Fähigkeit der OpenAI API, menschenähnlichen Text zu verstehen und zu erzeugen, macht sie zu einem erstklassigen Kandidaten für die Entwicklung intelligenter Chatbots und virtueller Assistenten. Die vortrainierten Modelle wie GPT-4 oder ChatGPT können eingesetzt werden, um Konversationsagenten zu betreiben, die auf natürliche und intuitive Weise mit den Nutzern interagieren können. Diese Agenten können auf Websites, Anwendungen oder Kundendienstplattformen eingesetzt werden, um die Benutzerinteraktion zu verbessern und automatische Unterstützung zu leisten.
2. Stimmungsanalyse
Bei der Sentimentanalyse geht es darum, die Stimmung hinter Textdaten zu verstehen. Mit der OpenAI API kannst du Kundenrezensionen, Kommentare in sozialen Medien oder andere Textdaten analysieren, um die öffentliche Meinung oder die Kundenzufriedenheit zu ermitteln. Mit Modellen wie GPT-4 oder 3.5 kannst du den Prozess der Stimmungsanalyse automatisieren und daraus Erkenntnisse gewinnen, die für deine Geschäftsstrategien entscheidend sein können.
3. Bilderkennung
Obwohl OpenAI oft mit Textverarbeitung in Verbindung gebracht wird, wagt sie sich mit Modellen wie CLIP auch in den Bereich der Bilderkennung vor. CLIP ist ein Modell, das visuelle Konzepte aus natürlichsprachlichen Beschreibungen lernt und über die OpenAI API für Aufgaben wie Objekterkennung, Bildklassifizierung und mehr eingesetzt werden kann. Dies eröffnet Möglichkeiten in verschiedenen Bereichen, z. B. im Gesundheitswesen, wo die Bilderkennung genutzt werden kann, um medizinische Zustände aus Bilddaten zu erkennen.
4. Spielen und verstärkendes Lernen
Die OpenAI-API findet auch in der Spieleindustrie und in Reinforcement-Learning-Umgebungen ihre Anwendung. Modelle können so trainiert oder angepasst werden, dass sie mit Spielumgebungen interagieren und Entscheidungen treffen, die entweder das Spiel autonom spielen oder den Spielern beim Spielen helfen.
OpenAI hat dies mit Modellen wie Dactyl, das mithilfe von Reinforcement Learning gelernt hat, einen Rubik's Cube zu lösen, und OpenAI Five, das im Spiel Dota 2 gegen menschliche Spieler angetreten ist, unter Beweis gestellt.
Jetzt, wo wir die OpenAI-API und ihre Anwendungsfälle verstanden haben, können wir sie in die Praxis umsetzen.
Hands-On: Erste Schritte mit der OpenAI API
Nehmen wir an, du bist ein absoluter Anfänger bei der OpenAI API und lassen dich Schritt für Schritt deinen ersten API-Aufruf machen.
Schritt 1: Erstelle ein OpenAI Plattform Konto
Als Erstes brauchst du ein Konto auf der OpenAI-Plattform.
Gehe auf die OpenAI-Plattform und folge den Anweisungen, um ein Konto zu erstellen. Sobald du dich angemeldet hast, solltest du etwas Ähnliches sehen:
Schritt 2: Hol dir deinen API-Schlüssel
Sobald dein Konto eingerichtet ist, musst du deinen API-Schlüssel abrufen, der für die Interaktion mit der API erforderlich ist.
Navigiere zu der Seite mit den API-Schlüsseln in deinem OpenAI-Konto, wie in der Abbildung unten dargestellt.
Du kannst nun einen API-Schlüssel erstellen, den du kopieren und sicher aufbewahren musst, da du ihn nicht mehr einsehen kannst. Wenn du sie jedoch verlierst oder eine neue brauchst, kann eine neue erstellt werden.
Schritt 3: Installiere die OpenAI Python Bibliothek
Jetzt, wo das Konto und die API-Schlüssel eingerichtet sind, müssen wir im nächsten Schritt unseren lokalen Rechner einrichten. Wir können von unserem lokalen Rechner aus über die Python-Bibliothek von OpenAI auf die OpenAI-API zugreifen.
Du kannst es mit pip installieren, indem du den folgenden Befehl verwendest:
pip install openai
Schritt 4: Deinen ersten API-Aufruf tätigen
Jetzt, da du deinen API-Schlüssel und die OpenAI-Bibliothek installiert hast, ist es an der Zeit, deinen ersten API-Aufruf zu tätigen.
Hier ist der Code dafür:
def get_chat_completion(prompt, model="gpt-3.5-turbo"):
# Creating a message as required by the API
messages = [{"role": "user", "content": prompt}]
# Calling the ChatCompletion API
response = openai.ChatCompletion.create(
model=model,
messages=messages,
temperature=0,
)
# Returning the extracted response
return response.choices[0].message["content"]
response = get_chat_completion("Translate into Spanish: As a beginner data scientist, I'm excited to learn about OpenAI API!")
print(response)
Wir schreiben eine Hilfsfunktion, um die ChatCompletion-API zu verwenden, indem wir das Modell "gpt-3.5-turbo" auswählen, das die vom Benutzer erstellte Eingabeaufforderung annimmt und die Antwort zurückgibt.
Hier ist die Antwort (wenn du ein bisschen Spanisch kannst, kannst du sie gerne bestätigen!):
Schritt 5: Weiter erforschen
Mit deinem ersten API-Aufruf bist du auf einem guten Weg! Hier sind ein paar nächste Schritte, die du beachten solltest:
- Probiere verschiedene Suchmaschinen aus und finde heraus, welche für deinen Anwendungsfall am besten geeignet ist.
- Experimentiere mit verschiedenen Eingabeaufforderungen und Parametern, um zu sehen, wie die API reagiert.
- In der OpenAI-Dokumentation erfährst du mehr darüber, was du mit der API machen kannst.
Die Idee ist, dass du von hier aus überlegen sollst, wie du die API für dein Geschäftsproblem nutzen kannst (am Ende des Tutorials findest du weitere Ressourcen).
Best Practices bei der Verwendung der OpenAI API
Jetzt, wo du dich mit der API gut auskennst, findest du hier einige Best Practices, die du beachten solltest, bevor du sie in deinen Projekten einsetzt:
1. Die Preisgestaltung der API verstehen
Die API bietet eine Reihe von Modellen mit unterschiedlichen Funktionen und Preispunkten an, die nach dem Prinzip "Pay-for-you-use" funktionieren. Die Kosten werden pro 1.000 Token berechnet, wobei Token im Wesentlichen Wortteile sind und 1.000 Token etwa 750 Wörtern entsprechen. Die aktualisierten Preise für alle Modelle findest du auf der OpenAI-Preisseite.
Wenn du dich anmeldest, bekommst du ein kostenloses Guthaben von 5 $, das du in den ersten drei Monaten nutzen kannst. Du kannst das Tutorial ausprobieren und die API besser verstehen, bevor du dich entscheidest zu zahlen.
2. Sichern deines API-Schlüssels
Anstatt deinen API-Schlüssel direkt im Quellcode deiner Anwendung zu kodieren, solltest du Umgebungsvariablen verwenden, um den API-Schlüssel zu speichern und abzurufen, was sicherer ist.
Außerdem ist es eine Herausforderung, fest kodierte API-Schlüssel zu verwalten, besonders in einer Teamumgebung. Wenn der Schlüssel gedreht oder geändert werden muss, muss jede Instanz des fest codierten Schlüssels im Quellcode gefunden und aktualisiert werden.
3. Die neuesten Modelle verwenden
OpenAI empfiehlt, die neuesten Modelle für das Problem zu verwenden, das du lösen willst, wenn mehrere Versionen verfügbar sind. Das macht Sinn, denn die neueren Modelle sind leistungsfähiger, aber auch teurer. Im Allgemeinen lohnt es sich, mit einigen verfügbaren Modellen zu experimentieren und dasjenige auszuwählen, das am besten zu deinem Anwendungsfall passt, wobei du den Kompromiss zwischen Kosten und Leistung berücksichtigen solltest.
4. Effiziente Ausnutzung der Token-Limits durch Batching
Batching ist eine Technik, mit der du mehrere Aufgaben in einer einzigen API-Anfrage zusammenfassen kannst, um sie gemeinsam effizient zu bearbeiten, anstatt für jede Aufgabe eine eigene Anfrage zu senden.
Die OpenAI API setzt separate Grenzen für die Anzahl der Anfragen pro Minute und die Anzahl der Token pro Minute, die du verarbeiten kannst. Wenn du an das Limit für Anfragen pro Minute stößt, aber noch ungenutzte Kapazitäten bei den Token pro Minute hast, kann das Batching helfen, diese Kapazitäten effizient zu nutzen.
Indem du mehrere kleinere Aufgaben in einer einzigen Anfrage zusammenfasst, reduzierst du die Gesamtzahl der gesendeten Anfragen und verarbeitest möglicherweise mehr Token in einer einzigen Anfrage, bleibst also unter den Ratengrenzen und optimierst die Kosten.
Fazit
Wenn du ein relativer Neuling in der Datenwissenschaft bist, hast du dich vielleicht noch nicht viel mit APIs beschäftigt. In der Vergangenheit war das normal, aber mit dem rasanten Fortschritt und den Fähigkeiten von Unternehmen wie OpenAI im Bereich der KI ist das Wissen, wie man ihre vortrainierten Modelle über ihre API effektiv nutzt (und sie fein abstimmt), zu einer wichtigen Fähigkeit für jeden Datenwissenschaftler geworden, um Zeit, Kosten und andere Ressourcen zu sparen.
In diesem Tutorium werden OpenAI, seine API und einige gängige branchenspezifische Anwendungsfälle vorgestellt. Außerdem erfährst du, wie du die OpenAI-API in die Praxis umsetzt und welche Best Practices du beachten solltest.
Der nächste Schritt wäre, dein Wissen über die OpenAI API mit Hilfe von Tutorials wie z.B.:
- OpenAI API Cheatsheet in Python
- GPT-3.5 und GPT-4 über die OpenAI API in Python verwenden
- Einführung in Texteinbettungen mit der OpenAI API
- OpenAI Funktionsaufruf Tutorial
Wenn du stattdessen einen geführten Ansatz bevorzugst, der dir eine praktische Erfahrung bietet, die dieses Tutorial ergänzt, schau dir unseren eigenen Kurs Arbeiten mit der OpenAI API an.
Verdiene eine Top-KI-Zertifizierung

Als Senior Data Scientist konzipiere, entwickle und implementiere ich umfangreiche Machine-Learning-Lösungen, um Unternehmen dabei zu helfen, bessere datengestützte Entscheidungen zu treffen. Als Data-Science-Autorin teile ich Erfahrungen, Karrieretipps und ausführliche praktische Anleitungen.
Beginne deine KI-Reise noch heute!
Kurs
Arbeiten mit der OpenAI API
Kurs