Erste Schritte mit Dedicated AI Hosting

Nach unserem Setup bekommst du:

• API Base URL - deinen dedizierten HTTPS-Endpunkt, z. B. https://dein-unternehmen.llm.aihosting.mittwald.de
• API-Key - ein Bearer-Token zur Authentifizierung deiner Requests

Halte deinen API-Key vertraulich. Speichere ihn in einer Umgebungsvariablen oder einem Secrets-Manager — trage ihn nie direkt im Quellcode ein oder committe ihn in ein Repository. Falls ein Key kompromittiert wird, melde dich bei uns für eine Rotation.

Verfügbare Modelle prüfen

user@local $ curl https://dein-unternehmen.llm.aihosting.mittwald.de/v1/models \
  -H "Authorization: Bearer YOUR_API_KEY"

Verwende eine der zurückgegebenen Modell-IDs als YOUR_MODEL_ID.

Notiz

Wenn auf deinem Endpunkt noch kein Modell installiert wurde, kann diese Liste leer sein. In dem Fall melde dich bei uns, damit wir die Modell-Provisionierung abschließen.

Erste Anfrage senden

curl

user@local $ curl https://dein-unternehmen.llm.aihosting.mittwald.de/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "YOUR_MODEL_ID",
    "messages": [
      {"role": "user", "content": "Erkläre Retrieval-Augmented Generation in zwei Sätzen."}
    ]
  }'

Python

user@local $ pip install openai python-dotenv

OPENAI_API_KEY=YOUR_API_KEY
OPENAI_BASE_URL=https://dein-unternehmen.llm.aihosting.mittwald.de/v1

from openai import OpenAI
from dotenv import load_dotenv

load_dotenv()

client = OpenAI()

response = client.chat.completions.create(
    model="YOUR_MODEL_ID",
    messages=[
        {"role": "user", "content": "Erkläre Retrieval-Augmented Generation in zwei Sätzen."}
    ]
)

print(response.choices[0].message.content)

JavaScript / TypeScript

user@local $ npm install openai dotenv

OPENAI_API_KEY=YOUR_API_KEY
OPENAI_BASE_URL=https://dein-unternehmen.llm.aihosting.mittwald.de/v1

import OpenAI from "openai";
import "dotenv/config";

const client = new OpenAI({
  apiKey: process.env.OPENAI_API_KEY,
  baseURL: process.env.OPENAI_BASE_URL,
});

const response = await client.chat.completions.create({
  model: "YOUR_MODEL_ID",
  messages: [
    { role: "user", content: "Erkläre Retrieval-Augmented Generation in zwei Sätzen." }
  ],
});

console.log(response.choices[0].message.content);

Streaming-Antworten

Mit "stream": true empfängst du Tokens direkt beim Generieren, anstatt auf die vollständige Antwort zu warten.

curl

user@local $ curl https://dein-unternehmen.llm.aihosting.mittwald.de/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "YOUR_MODEL_ID",
    "stream": true,
    "messages": [
      {"role": "user", "content": "Erkläre Retrieval-Augmented Generation in zwei Sätzen."}
    ]
  }'

Python

from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY", base_url="https://dein-unternehmen.llm.aihosting.mittwald.de/v1")

with client.chat.completions.stream(
    model="YOUR_MODEL_ID",
    messages=[{"role": "user", "content": "Erkläre Retrieval-Augmented Generation in zwei Sätzen."}],
) as stream:
    for chunk in stream:
        if chunk.choices[0].delta.content:
            print(chunk.choices[0].delta.content, end="", flush=True)

JavaScript / TypeScript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: "YOUR_API_KEY",
  baseURL: "https://dein-unternehmen.llm.aihosting.mittwald.de/v1",
});

const stream = await client.chat.completions.create({
  model: "YOUR_MODEL_ID",
  stream: true,
  messages: [{ role: "user", content: "Erkläre Retrieval-Augmented Generation in zwei Sätzen." }],
});

for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
}

Notiz

Wenn eine Streaming-Anfrage unterbrochen wird (z. B. durch einen Netzwerk-Timeout oder einen Server-Neustart), schließt sich die Verbindung, anstatt einen HTTP-Fehlercode zurückzugeben. Das HTTP 200 wird beim Start des Streams geschrieben – ein Fehler mitten im Stream sieht auf Client-Seite wie ein Connection-Reset aus. Erkenne unvollständige Streams und sende die Anfrage in diesem Fall erneut.

Request-Parameter

Parameterempfehlungen können modellspezifisch sein. Starte mit den SDK-Defaults und tune dann gemäß Modellverhalten und Use Case.

Drop-in-Replacement

Da der Endpunkt OpenAI-kompatibel ist, kannst du ihn als Drop-in-Replacement in Frameworks mit eigener Base-URL nutzen. Eine vollständige Übersicht der unterstützten Endpunkte und Parameter — einschließlich Tool Calling und strukturierter Ausgaben — findest du unter OpenAI-API-Kompatibilität.

Mehrere API-Keys verwalten

Wenn du getrennte Keys pro App/Team, Nutzungsstatistiken oder per-Key-Rate-Limits brauchst, nutze LiteLLM als Self-Hosted-Proxy.