---
title: "Semantic Kernel: OpenAI-Connector mit eigenem Endpunkt"
description: "Microsoft Semantic Kernel mit BroadNet Inference verbinden: in Python per AsyncOpenAI-Client, in C# per eigenem Endpunkt, für Chat, Plugins und Agenten."
url: https://broadrouter.com/de/guides/semantic-kernel-openai-compatible/
lang: de
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/guides/semantic-kernel-openai-compatible/) (aktualisiert am 2026-11-16).

# Semantic Kernel mit BroadNet Inference nutzen

Aktualisiert 2026-11-16

Erstellen Sie in Python einen AsyncOpenAI-Client mit base\_url https://inference.broadnet.ai/v1 und Ihrem BroadNet-Schlüssel und übergeben Sie ihn als async\_client an OpenAIChatCompletion, mit ai\_model\_id auf einer BroadNet-ID wie broadnet/glm-5.3. In C# rufen Sie AddOpenAIChatCompletion mit einer Endpoint-Uri auf, was Microsoft als experimentell kennzeichnet (SKEXP0010). Für Plugins nutzen Sie GLM 5.3 oder Qwen3.8 27B.

Semantic Kernel ist Microsofts SDK, um KI-Apps und Agenten in C#, Python und Java zu bauen. Sein OpenAI-Connector funktioniert mit anderen OpenAI-kompatiblen Diensten: In Python übergeben Sie Ihren eigenen OpenAI-Client, in C# einen eigenen Endpunkt. BroadNet Inference stellt unter `https://inference.broadnet.ai/v1` Standard-Chat-Completions bereit, daher funktionieren beide Wege. BroadRouter ist die Website von BroadNet; diese Anleitung folgt der Semantic-Kernel-Dokumentation von Microsoft und dem Python-Quellcode von 1.47.0.

## Python

```bash
pip install semantic-kernel
export BROADNET_API_KEY='your-broadnet-key'
```

```python
import asyncio, os
from openai import AsyncOpenAI
from semantic_kernel.connectors.ai.open_ai import OpenAIChatCompletion, OpenAIChatPromptExecutionSettings
from semantic_kernel.contents import ChatHistory

client = AsyncOpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
chat = OpenAIChatCompletion(ai_model_id="broadnet/glm-5.3", async_client=client, service_id="broadnet")

async def main():
    history = ChatHistory()
    history.add_user_message("Give me three names for a billing microservice.")
    settings = OpenAIChatPromptExecutionSettings(max_tokens=4000)
    print(await chat.get_chat_message_content(chat_history=history, settings=settings))

asyncio.run(main())
```

`ai_model_id` wird unverändert gesendet; behalten Sie also das Präfix `broadnet/` bei. Das Argument `api_key` von `OpenAIChatCompletion` brauchen Sie nicht, wenn Sie einen Client übergeben.

### Plugins und Function Calling

```python
from semantic_kernel import Kernel
from semantic_kernel.connectors.ai.function_choice_behavior import FunctionChoiceBehavior
from semantic_kernel.functions import kernel_function

class Weather:
    @kernel_function(description="Get the weather for a city.")
    def get_weather(self, city: str) -> str:
        return f"21C in {city}"

kernel = Kernel()
kernel.add_service(chat)
kernel.add_plugin(Weather(), plugin_name="weather")
settings = OpenAIChatPromptExecutionSettings(
    max_tokens=4000,
    function_choice_behavior=FunctionChoiceBehavior.Auto(),
)
# await chat.get_chat_message_content(chat_history=history, settings=settings, kernel=kernel)
```

Semantic Kernel sendet das Plugin als Tool namens `weather-get_weather`, führt es aus, wenn das Modell danach fragt, und schickt das Ergebnis zurück. Nutzen Sie `broadnet/glm-5.3` oder `broadnet/qwen3.8-27b`; die BroadNet-Dokumentation nennt Tools nur für diese beiden.

### Agenten

```python
from semantic_kernel.agents import ChatCompletionAgent

agent = ChatCompletionAgent(service=chat, name="helper", instructions="Answer briefly.", plugins=[Weather()])
# response = await agent.get_response(messages="What's the weather in Dubai?")
```

## C# (.NET)

Die Microsoft-Dokumentation nennt dieses Muster für „other AI service providers that support the OpenAI chat completion API“ (Übersetzung: „andere KI-Dienstanbieter, die die OpenAI Chat Completion API unterstützen“). Die C#-Version haben wir nicht ausgeführt.

```csharp
using Microsoft.SemanticKernel;

#pragma warning disable SKEXP0010
IKernelBuilder kernelBuilder = Kernel.CreateBuilder();
kernelBuilder.AddOpenAIChatCompletion(
    modelId: "broadnet/glm-5.3",
    apiKey: Environment.GetEnvironmentVariable("BROADNET_API_KEY"),
    endpoint: new Uri("https://inference.broadnet.ai/v1")
);
Kernel kernel = kernelBuilder.Build();
```

Installieren Sie den Connector mit `dotnet add package Microsoft.SemanticKernel.Connectors.OpenAI`.

## Welches Modell passt?

| Einsatz | Modell |
| --- | --- |
| Plugins, Function Calling, Agenten | `broadnet/glm-5.3` |
| Plugins plus Bildeingabe oder arabischer Text | `broadnet/qwen3.8-27b` |
| Chat und Zusammenfassungen ohne Tools, Flatrate-Plan | `broadnet/deepseek-v4.1-flash` |

[Preise für alle Modelle](https://broadrouter.com/de/pricing/).

## So haben wir das getestet

Am 2026-11-15 haben wir semantic-kernel 1.47.0 für Python in einer frischen virtuellen Umgebung installiert und einfachen Chat, Streaming, automatisches Function Calling und einen `ChatCompletionAgent` gegen einen lokalen Mock-Server ausgeführt, der das Chat-Completions-Format von BroadNet spricht. Die protokollierten Anfragen haben wir ausgewertet. Alle gingen an `/v1/chat/completions`, mit unveränderter BroadNet-Modell-ID und einem Bearer-Schlüssel. `max_tokens` wurde unter diesem Namen gesendet, Streaming ergänzte `stream_options.include_usage`, und Function Calling sendete `tool_choice: "auto"`. Wir hatten keinen BroadNet-Schlüssel und haben daher keine echte Modellausgabe getestet. Das C#-Snippet stammt aus der Microsoft-Dokumentation und wurde nicht ausgeführt.

## Fehlerbehebung

-   **401.** Der Schlüssel ist falsch, abgelaufen oder sein Kontingent ist aufgebraucht.
-   **404.** Die `base_url` des Clients muss auf `/v1` enden. Prüfen Sie die Modell-ID. Kostenpflichtige Modelle brauchen eine Aufladung; das Guthaben von $5 deckt nur `broadnet/gemma-4-26b-a4b` und die beiden Transcribe-Modelle ab.
-   **Leere Antworten.** Bei DeepSeek V4.1 Flash, GLM 5.3 und Qwen3.8 27B zählt Reasoning zu `max_tokens`. Erhöhen Sie den Wert. [Warum Antworten leer zurückkommen](https://broadrouter.com/de/guides/reasoning-tokens-empty-response/).
-   **Reasoning-Modelle und Rollen.** Die Microsoft-Dokumentation empfiehlt `instruction_role="developer"` für Reasoning-Modelle von OpenAI. Die API-Referenz von BroadNet erwähnt die Rolle `developer` nicht; lassen Sie `instruction_role` daher auf dem Standardwert. Unser Agent-Test hat die Anweisungen in einer `system`\-Nachricht gesendet.
-   **429.** Ein Pay-as-you-go-Schlüssel erlaubt 30 Anfragen pro Minute und 4 gleichzeitig laufende. Siehe [Fehlercodes und Retries](https://broadrouter.com/de/guides/errors-and-retries/).

## Begriffe in dieser Anleitung

[Tool Calling (Function Calling)](https://broadrouter.com/de/glossary/tool-calling/)

Tool Calling, auch Function Calling genannt, ist eine Funktion von LLM-APIs, bei der das Modell eine strukturierte Anfrage zurückgibt, eine vom Entwickler definierte Funktion mit JSON-Argumenten auszuführen. Die Anwendung führt die Funktion aus und sendet das Ergebnis zurück; das Modell selbst führt nie Code aus.

[Pay-as-you-go](https://broadrouter.com/de/glossary/pay-as-you-go/)

Pay-as-you-go ist ein Preismodell, bei dem Sie nur für tatsächliche Nutzung zahlen, gemessen pro Einheit wie Tokens, Anfragen oder Audiominuten, ohne Abonnement oder Mindestabnahme. Die meisten LLM-APIs rechnen so ab, aus einem vorausbezahlten Guthaben oder per regelmäßiger Rechnung.

[Rate Limit (Ratenbegrenzung)](https://broadrouter.com/de/glossary/rate-limit/)

Ein Rate Limit ist eine Obergrenze, die eine API festlegt, wie stark ein Client sie in einem Zeitfenster nutzen darf, etwa Anfragen pro Minute oder Tokens pro Minute. Anfragen über dem Limit werden abgelehnt, meist mit HTTP 429 Too Many Requests, bis die Nutzung wieder darunter liegt.

[Streaming](https://broadrouter.com/de/glossary/streaming/)

Streaming ist eine Art, die Antwort eines Sprachmodells in kleinen Chunks zurückzugeben, während sie noch erzeugt wird, statt als eine Antwort am Ende. OpenAI-kompatible APIs streamen über Server-Sent Events, wenn die Anfrage stream auf true setzt.

[Concurrency (Parallelität)](https://broadrouter.com/de/glossary/concurrency/)

Concurrency (Parallelität) ist die Zahl der Anfragen, die ein Client gleichzeitig offen hat. LLM-APIs begrenzen sie oft pro Schlüssel oder Plan, getrennt von den Anfragen pro Minute, weil jede offene Anfrage GPU-Kapazität belegt, bis ihre Antwort fertig ist.

[LLM-Flatrate (Flat-rate LLM plan)](https://broadrouter.com/de/glossary/flat-rate-llm-plan/)

Eine LLM-Flatrate ist ein Plan, der für den Zugang zu einer Sprachmodell-API einen Festpreis pro Zeitraum, etwa pro Monat, berechnet statt pro Token. Solche Pläne begrenzen meist etwas anderes, etwa Parallelität, Geschwindigkeit, Modelle oder Nutzungsfenster. Die Limits zählen also so viel wie der Preis.

[Prepaid-Guthaben (Prepaid Credit)](https://broadrouter.com/de/glossary/prepaid-credit/)

Prepaid-Guthaben ist Geld, das vor der Nutzung auf ein API-Konto eingezahlt wird. Jede Anfrage zieht ihre Kosten vom Guthaben ab, und wenn es aufgebraucht ist, stoppen abgerechnete Anfragen, bis Sie aufladen. So sind die Ausgaben auf das eingezahlte Geld begrenzt.

## Häufige Fragen

### Wie setze ich in Semantic Kernel für Python eine eigene Base-URL?

OpenAIChatCompletion hat in Version 1.47 kein Argument base\_url. Erstellen Sie einen openai.AsyncOpenAI-Client mit base\_url und api\_key und übergeben Sie ihn als async\_client. Dieser Client schickt dann jede Anfrage an BroadNet.

### Warum braucht der eigene Endpunkt in C# ein Pragma?

Laut Microsoft-Dokumentation ist die Nutzung eigener Endpunkte mit dem OpenAI-Connector experimentell; die Überladung mit Endpoint braucht daher #pragma warning disable SKEXP0010.

### Funktioniert automatisches Function Calling mit BroadNet?

Es nutzt Standard-Tool-Calls über Chat Completions; verwenden Sie also ein Modell, das BroadNet mit Tools führt: GLM 5.3 oder Qwen3.8 27B. In unserem Test mit einem Mock-Server hat Semantic Kernel das Plugin als Tool gesendet und das Ergebnis in einer Tool-Nachricht zurückgegeben.

### Funktioniert der ChatCompletionAgent von Semantic Kernel mit BroadNet?

Ja. Er nimmt denselben OpenAIChatCompletion-Dienst. In unserem Python-Test hat er die Agent-Anweisungen als System-Nachricht gesendet und das Plugin über Chat Completions aufgerufen.

## Verwandte Anleitungen

-   [OpenAI Python SDK mit BroadNet Inference nutzen](https://broadrouter.com/de/guides/openai-python-sdk/)
-   [OpenAI Agents SDK mit BroadNet Inference betreiben](https://broadrouter.com/de/guides/openai-agents-sdk-custom-provider/)
-   [Warum ein Reasoning-Modell eine leere Antwort liefert](https://broadrouter.com/de/guides/reasoning-tokens-empty-response/)
-   [Fehlercodes von BroadNet Inference: Wann ist ein Retry sinnvoll?](https://broadrouter.com/de/guides/errors-and-retries/)
-   [Alle Tools, die mit BroadNet Inference funktionieren (auf Englisch)](https://broadrouter.com/integrations/): SDKs, Coding-Agenten, Chat-Oberflächen und Automatisierungstools, jeweils mit den genauen Einstellungen

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

[Loslegen](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-guides-semantic-kernel-openai-compatible&utm_content=page-cta) ·

**Quellen**

-   [Microsoft Learn, Chat-Completion-Dienste zu Semantic Kernel hinzufügen (aktualisiert am 2026-05-26, geprüft am 2026-11-15)](https://learn.microsoft.com/en-us/semantic-kernel/concepts/ai-services/chat-completion/)
-   [Semantic-Kernel-Quellcode, Python-OpenAIChatCompletion in python-1.47.0 (geprüft am 2026-11-15)](https://github.com/microsoft/semantic-kernel/blob/python-1.47.0/python/semantic_kernel/connectors/ai/open_ai/services/open_ai_chat_completion.py)
-   [PyPI, semantic-kernel 1.47.0 (geprüft am 2026-11-15)](https://pypi.org/project/semantic-kernel/)
-   [API-Referenz von BroadNet Inference (geprüft am 2026-11-15) (auf Englisch)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-guides-semantic-kernel-openai-compatible&utm_content=sources)
