Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Quickstart
<a name="getting-started"></a>

Beginnen Sie in wenigen Minuten mit Amazon Bedrock. Für neue Anwendungen empfehlen wir den [`bedrock-runtime`](endpoints.md)Endpunkt. [Die folgenden Schritte führen Sie durch die Ausführung Ihrer ersten Inferenzanfrage mithilfe der Anthropic-native [Messages API](inference-messages-api.md), der OpenAI-compatible [Responses API](inference-responses-api.md) und [Chat Completions API](inference-chat-completions.md) sowie der [Converse](conversation-inference.md) und Invoke APIs.](inference-invoke.md) Eine vollständige Liste der APIs finden Sie unter. [Entwicklung](build.md) Nachdem Sie diese Schritte abgeschlossen haben, können Sie Inferenzanfragen an jedes unterstützte Foundation-Modell senden.

**Um Ihre erste Inferenzanforderung auszuführen**

1. Eröffnen Sie ein [AWS Konto.](https://portal.aws.amazon.com/billing/signup)

   Wenn Sie bereits einen haben AWS-Konto, überspringen Sie diesen Schritt.

1. Generieren Sie einen kurzfristigen API-Schlüssel zur Authentifizierung Ihrer Anfragen an Amazon Bedrock, indem Sie den [**Amazon Bedrock-Service** in der AWS](https://console.aws.amazon.com/bedrock/home#/api-keys/short-term/create) Management Console öffnen.

   Das vollständige Verfahren finden Sie im Abschnitt. [API-Schlüssel](api-keys.md)

   Verwenden Sie für Produktionsanwendungen [IAM-Rollen oder temporäre Anmeldeinformationen](https://docs.aws.amazon.com/IAM/latest/UserGuide/security-creds-programmatic-access.html#security-creds-alternatives-to-long-term-access-keys). 

1. Installieren Sie das entsprechende SDK für die APIs, die Sie verwenden möchten. Python muss bereits installiert sein.
**Anmerkung**  
Für die API-Schlüsselauthentifizierung über die `AWS_BEARER_TOKEN_BEDROCK` Umgebungsvariable ist `boto3` Version 1.39.0 oder höher erforderlich. Frühere Versionen ignorieren die Variable und schlagen mit fehl. `Unable to locate credentials` Wenn Sie es bereits `boto3` installiert haben, führen Sie es aus, `pip install --upgrade boto3` um sicherzustellen, dass Sie eine unterstützte Version verwenden.

------
#### [ Messages API ]

   ```
   pip install anthropic aws-bedrock-token-generator
   ```

------
#### [ Responses/Chat Completions API ]

   ```
   pip install boto3 openai
   ```

------
#### [ Invoke/Converse API ]

   ```
   pip install boto3
   ```

------

1. Legen Sie in der Terminalsitzung, in der Sie Ihren Code ausführen, die folgenden Umgebungsvariablen fest, um den API-Schlüssel für die Authentifizierung zu verwenden.

------
#### [ Messages API ]

   ```
   # macOS/Linux
   export AWS_BEARER_TOKEN_BEDROCK="<provide your Bedrock API key>"
   export ANTHROPIC_BASE_URL="https://bedrock-runtime.<your-region>.amazonaws.com/anthropic"
   
   # Windows (PowerShell)
   $env:AWS_BEARER_TOKEN_BEDROCK="<provide your Bedrock API key>"
   $env:ANTHROPIC_BASE_URL="https://bedrock-runtime.<your-region>.amazonaws.com/anthropic"
   ```

------
#### [ Responses/Chat Completions API ]

   ```
   # macOS/Linux
   export OPENAI_API_KEY="<provide your Bedrock API key>"
   export OPENAI_BASE_URL="https://bedrock-runtime.<your-region>.amazonaws.com/openai/v1"
   
   # Windows (PowerShell)
   $env:OPENAI_API_KEY="<provide your Bedrock API key>"
   $env:OPENAI_BASE_URL="https://bedrock-runtime.<your-region>.amazonaws.com/openai/v1"
   ```

------
#### [ Invoke/Converse API ]

   ```
   # macOS/Linux
   export AWS_BEARER_TOKEN_BEDROCK="<provide your Bedrock API key>"
   
   # Windows (PowerShell)
   $env:AWS_BEARER_TOKEN_BEDROCK="<provide your Bedrock API key>"
   ```

------

1. Wählen Sie ein Modell und führen Sie Ihre erste Inferenzanforderung aus. 

   1. Wählen Sie ein Modell aus. Amazon Bedrock unterstützt [mehr als 100 Foundation-Modelle](models.md). 
**Anmerkung**  
Die OpenAI-compatible Beispiele verwenden ein globales System-Inferenzprofil. Wenn Sie Anforderungen an die Datenresidenz haben, wählen Sie stattdessen ein unterstütztes geografisches Inferenzprofil aus der Modellkarte aus.

   1. Verwenden Sie den folgenden Python-Code, um Ihre erste Inferenzanforderung auszuführen.

------
#### [ Messages API ]

      ```
      from anthropic import Anthropic
      from aws_bedrock_token_generator import provide_token
      
      token = provide_token(region="us-east-1")
      
      client = Anthropic(api_key=token)
      
      response = client.messages.create(
          model="global.anthropic.claude-opus-5",
          max_tokens=1024,
          messages=[{"role": "user", "content": "Can you explain the features of Amazon Bedrock?"}]
      )
      print(response)
      ```

------
#### [ Responses API ]

      ```
      from openai import OpenAI
      
      client = OpenAI()
      
      response = client.responses.create(
          model="global.openai.gpt-5.6-sol",
          input="Can you explain the features of Amazon Bedrock?"
          )
      print(response)
      ```

------
#### [ Chat Completions API ]

      ```
      from openai import OpenAI
      
      client = OpenAI()
      
      response = client.chat.completions.create(
          model="global.openai.gpt-5.6-sol",
          messages=[{"role": "user", "content": "Can you explain the features of Amazon Bedrock?"}]
          )
      print(response)
      ```

------
#### [ Converse API ]

      ```
      import boto3
      
      client = boto3.client('bedrock-runtime', region_name='us-east-1')
      response = client.converse(
          modelId='global.anthropic.claude-opus-5',
          messages=[
              {
                  'role': 'user',
                  'content': [{'text': 'Can you explain the features of Amazon Bedrock?'}]
              }
          ]
      )
      print(response)
      ```

------
#### [ Invoke API ]

      ```
      import json
      import boto3
      
      client = boto3.client('bedrock-runtime', region_name='us-east-1')
      response = client.invoke_model(
          modelId='global.anthropic.claude-opus-5',
          body=json.dumps({
                  'anthropic_version': 'bedrock-2023-05-31',
                  'messages': [{ 'role': 'user', 'content': 'Can you explain the features of Amazon Bedrock?'}],
                  'max_tokens': 1024
          })
      )
      print(json.loads(response['body'].read()))
      ```

------

   1. Speichern Sie die Datei als `bedrock-first-request.py`.

   1. Führen Sie den Code mit dem folgenden Befehl aus:

      ```
      python3 bedrock-first-request.py
      ```

      Sie sollten die Ausgabe Ihrer Inferenzanforderung sehen.

Weitere Informationen zur Verwendung anderer APIs und Endpunkte finden Sie unter [Entwicklung](build.md) und. [Von Amazon Bedrock unterstützte Inferenzendpunkte](endpoints.md)

## Nächste Schritte
<a name="getting-started-next-steps"></a>

Nachdem Sie Ihre erste Anfrage ausgeführt haben, erkunden Sie die folgenden Ressourcen, um weitere mit Amazon Bedrock zu entwickeln:
+ [Automatisieren von Aufgaben in einer Anwendung mithilfe von KI-Agenten](agents.md)— Erstellen Sie Agenten, die mehrstufige Aufgaben orchestrieren können.
+ [Abrufen von Daten und Generieren von KI-Antworten mit Wissensdatenbanken für Amazon Bedrock](knowledge-base.md)— Connect Fundamentmodelle mit Ihren Datenquellen.
+ [Anpassen des Modells für eine bessere Leistung im jeweiligen Anwendungsfall](custom-models.md)— Fine-tune Modelle für Ihren Anwendungsfall.
+ [Die Leistung von Amazon-Bedrock-Ressourcen bewerten](evaluation.md)— Evaluieren Sie die Modellleistung für Ihre Workloads.