Lektion 16 · KI-Systeme selbst aufbauen

APIs und kontrollierte Automatisierung

Du erkennst Anfrage, Antwort und Fehler einer API und planst eine sichere Automatisierung.

Etwa 30 MinutenKostenlosErstfassung · 11.09.2026

Lernziel

Du erkennst Anfrage, Antwort und Fehler einer API und planst eine sichere Automatisierung.

Voraussetzungen

Lokales Abschlussprojekt; Grundkenntnisse in Python oder Bereitschaft, ein kurzes Beispiel zu lesen.

So funktioniert es

Eine API ist eine Schnittstelle zwischen Programmen. Statt einen Button anzuklicken, sendet dein Programm eine strukturierte Anfrage. Die Antwort enthält Daten oder einen Fehler. Das lokale RAG-Projekt verwendet HTTP und JSON, um mit Ollama zu sprechen.

Bei /api/chat beschreiben Modellname und Nachrichten die Aufgabe. Für ein kleines Lernskript vereinfacht stream: false die Verarbeitung: Es erwartet eine vollständige JSON-Antwort statt vieler Teilstücke. Ein Timeout begrenzt die Wartezeit, sagt aber noch nicht, ob ein Server die Anfrage bereits verarbeitet hat.

Eine lokale Anfrage an das heruntergeladene Modell benötigt hier keinen API-Schlüssel. Bei externen APIs gelten andere Bedingungen: Authentifizierung, Datenübertragung, Kontingente und mögliche Kosten. Bewahre Schlüssel außerhalb öffentlicher Webseiten und Quelltexte auf. Die Academy benötigt keinen externen Schlüssel.

Vor dem Automatisieren

  • Lege Eingabeformat und maximale Größe fest.
  • Behandle fehlende Felder, Fehlerantworten und Zeitüberschreitungen.
  • Vermeide unbegrenzte Wiederholungen.
  • Setze vor Versand oder Änderungen eine ausdrückliche Freigabe.
  • Protokolliere nur, was du zur Prüfung brauchst, ohne Geheimnisse.

Das Beispiel unten ruft nur dein lokales Modell auf. Es sendet keine E-Mail und verändert keine Dokumente. Führe es als Python-Datei aus, nachdem Ollama und das benannte Modell bereitstehen.

Konkretes Beispiel

Ein Ablauf erstellt einen Textentwurf und zeigt ihn zur Prüfung. Erst eine getrennte Freigabe dürfte später einen Versand auslösen. Eine API-Antwort mit Status 200 beweist die technische Annahme, nicht die fachliche Richtigkeit des Textes.

import json, urllib.request
payload = {"model": "llama3.2:latest", "stream": False,
           "messages": [{"role": "user", "content": "Nenne zwei fiktive Buchtitel."}]}
request = urllib.request.Request("http://127.0.0.1:11434/api/chat",
    data=json.dumps(payload).encode("utf-8"),
    headers={"Content-Type": "application/json"})
try:
    with urllib.request.urlopen(request, timeout=180) as response:
        result = json.load(response)
    print("Ungeprüfter Entwurf:", result["message"]["content"])
except (OSError, ValueError, KeyError) as error:
    print("Anfrage nicht abgeschlossen. Kein Folgeprozess gestartet.")

Deine Übung

Ergänze auf Papier drei Fehlerpfade zu deinem Ablauf: Server nicht erreichbar, Antwort ohne erwartetes Feld, Prüfung lehnt den Entwurf ab. In keinem Fall soll automatisch versendet werden.

Selbsttest

Was beweist ein technisch erfolgreicher API-Aufruf?

Lösung mit Erklärung

Dass die Anfrage technisch verarbeitet wurde; der Inhalt braucht eigene Prüfung.

Technischer Erfolg und fachliche Qualität sind unterschiedliche Prüfungen.

Häufige Fehler

  • API-Schlüssel in Browsercode einbauen.
  • Nach jedem Timeout beliebig oft wiederholen.
  • Eine erfolgreiche HTTP-Antwort mit einer geprüften Aussage verwechseln.

Nächster Lernschritt

Du hast alle Themen kennengelernt. Wiederhole nun die Übungen und bewerte dein Abschlussprojekt mit der Qualitätscheckliste.

Quellen

Offizielle Dokumentation und Originalveröffentlichungen; abgerufen am 11. September 2026. Eigene Beispiele und Übungen stammen von Wittmer AI. Externe Seiten können sich ändern.

Dein Lernfortschritt

Optional, nur in diesem Browser. Kein Konto, keine Übertragung. Bei gelöschten Browserdaten geht der Fortschritt verloren.