# Schnellstart

Schick deinen ersten Request an Aqueduct in drei Schritten.

## 1. API-Key holen { #1-get-an-api-key }

1. Melde dich unter [aqueduct.ai.datalab.tuwien.ac.at](https://aqueduct.ai.datalab.tuwien.ac.at/) mit deinem TU Wien Account (SSO) an.
2. Erstelle unter **API Keys** einen persönlichen API-Key.
3. Speichere ihn in einer Umgebungsvariable, damit er nie in deinem Code landet:

    ``` bash
    export AQUEDUCT_API_KEY="sk-..."
    ```

Studierende müssen zuerst Zugang beantragen, siehe [Zugang](https://datalab.tuwien.ac.at/de/aiml/access/#students).

## 2. Die Endpoints { #2-know-the-endpoints }

| Was | URL |
| --- | --- |
| OpenAI-kompatible API | `https://aqueduct.ai.datalab.tuwien.ac.at/v1` |
| MCP-Server | `https://aqueduct.ai.datalab.tuwien.ac.at/mcp-servers/{name}/mcp`, siehe [MCP-Server](https://datalab.tuwien.ac.at/de/aiml/aqueduct/mcp/) |

Aqueduct ist kompatibel mit der OpenAI-API. Jede OpenAI-Client-Library und jedes Tool funktioniert, wenn du die Base-URL
änderst.

## 3. Request schicken { #3-send-a-request }

=== "curl"

    ``` bash
    curl https://aqueduct.ai.datalab.tuwien.ac.at/v1/chat/completions \
      -H "Authorization: Bearer $AQUEDUCT_API_KEY" \
      -H "Content-Type: application/json" \
      -d '{
        "model": "qwen-3.8-27b",
        "messages": [{"role": "user", "content": "Say this is a test"}]
      }'
    ```

=== "Python"

    ``` python
    import os
    from openai import OpenAI

    client = OpenAI(
        base_url="https://aqueduct.ai.datalab.tuwien.ac.at/v1",
        api_key=os.environ["AQUEDUCT_API_KEY"],
    )

    chat_completion = client.chat.completions.create(
        model="qwen-3.8-27b",
        messages=[{"role": "user", "content": "Say this is a test"}],
    )
    print(chat_completion.choices[0].message.content)
    ```

=== "JavaScript"

    ``` javascript
    import OpenAI from "openai";

    const client = new OpenAI({
      baseURL: "https://aqueduct.ai.datalab.tuwien.ac.at/v1",
      apiKey: process.env.AQUEDUCT_API_KEY,
    });

    const completion = await client.chat.completions.create({
      model: "qwen-3.8-27b",
      messages: [{ role: "user", content: "Say this is a test" }],
    });
    console.log(completion.choices[0].message.content);
    ```

Für ein anderes Modell ersetzt du den Wert von `model` durch eine ID aus [Verfügbare Modelle](https://datalab.tuwien.ac.at/de/aiml/aqueduct/models/).

## Nächste Schritte { #next-steps }

- [Verfügbare Modelle](https://datalab.tuwien.ac.at/de/aiml/aqueduct/models/): Kontextlängen, Bild-Input und Reasoning Efforts
- [Integrationen](https://datalab.tuwien.ac.at/de/aiml/aqueduct/integrations/): Coding-Agents und Editoren einrichten
- [Öffentliche Aqueduct-Dokumentation](https://tu-wien-datalab.github.io/aqueduct/): Speech, Bildgenerierung, Files und Batches und mehr
- [Beispiele](https://cookbooks.git-pages.tuwien.ac.at/private/llm-as-a-service-cookbook/) im LLM-as-a-Service-Cookbook
- [FAQ](https://datalab.tuwien.ac.at/de/aiml/faq/): Rate Limits, Reasoning, Timeouts