kennisbank 2026-03-03 · 10 min leestijd

OpenAI API voor beginners: van API key tot eerste applicatie

De OpenAI API geeft je directe toegang tot GPT-4o, DALL-E 3 en Whisper via een eenvoudige REST-interface. Deze gids leidt je stap voor stap door het aanmaken van een account, je eerste Python call, het begrijpen van tokens en kosten, en de beste praktijken voor een solide productie-applicatie.

OpenAI GPT artificial intelligence interface

De OpenAI API is de meest gebruikte AI-interface ter wereld. Met meer dan 2 miljoen developers die er dagelijks gebruik van maken, is het ecosysteem enorm. Of je nu een chatbot wilt bouwen, tekst wilt genereren, of afbeeldingen wilt maken: de OpenAI API heeft er een model voor. In deze gids beginnen we bij nul en bouwen we toe naar een werkende applicatie.

Account aanmaken en facturering instellen

Ga naar platform.openai.com en maak een account aan met je e-mailadres of Google/Microsoft account. Na verificatie kom je in het platform dashboard. Hier moet je eerst je factureringsgegevens invullen voordat je de API kunt gebruiken. Ga naar Billing en voeg een betaalmethode toe. Stel een budgetlimiet in onder 'Limits' om te voorkomen dat je onverwacht hoge kosten maakt. Begin met een limiet van 10-20 euro voor je eerste experimenten.

⚠️ Stel altijd een budgetlimiet in

Voordat je begint te experimenteren: stel een hard budgetlimiet in via platform.openai.com/account/limits. Zonder limiet kan een bug in je code die duizenden API calls maakt leiden tot een onverwachte rekening. Begin laag (10-20 euro) en verhoog als je meer controle hebt.

API keys aanmaken en beheren

Ga naar platform.openai.com/api-keys en klik op 'Create new secret key'. Geef de key een beschrijvende naam (bijv. 'development-laptop' of 'productie-server'). Kopieer de key direct, want je ziet hem maar eenmaal. Sla hem op in een .env bestand: OPENAI_API_KEY=sk-... Voeg dit .env bestand toe aan .gitignore. Gebruik voor verschillende projecten of omgevingen aparte keys zodat je ze individueel kunt beheren en intrekken.

OpenAI API tutorial voor beginners: van account tot eerste applicatie

Je eerste Python call: Chat Completions API

Installeer de OpenAI library: pip install openai python-dotenv. Maak een Python bestand aan. Importeer de library en laad je API key: from openai import OpenAI; from dotenv import load_dotenv; load_dotenv(). Maak een client: client = OpenAI(). Stuur je eerste bericht: response = client.chat.completions.create(model='gpt-4o', messages=[{'role': 'user', 'content': 'Leg tokenization uit in twee zinnen'}]). Print de response: print(response.choices[0].message.content)

De message structuur begrijpen

De messages array is het hart van de Chat Completions API. Je kunt drie rollen gebruiken: 'system' voor instructies aan het model (wie het is, hoe het zich gedraagt), 'user' voor berichten van de gebruiker, en 'assistant' voor eerdere antwoorden van het model. Door een volledige conversatiehistorie mee te sturen, bouw je context op. Dit is hoe je chatbot-geheugen simuleert.

Tokens uitgelegd: wat zijn het en waarom tellen ze?

Tokens zijn de bouwstenen die taalmodellen gebruiken. Een token is ruwweg 4 karakters of 0.75 woorden in het Engels. In het Nederlands zijn tokens iets groter vanwege de langere woorden. Het woord 'automatisering' telt als meerdere tokens. De OpenAI tokenizer (tiktoken library) kun je gebruiken om precies te tellen hoeveel tokens je tekst bevat.

Waarom zijn tokens belangrijk? Ten eerste omdat je betaalt per token: zowel input als output tokens tellen mee. Ten tweede heeft elk model een context window: de maximale hoeveelheid tokens die het tegelijk kan verwerken. GPT-4o heeft een context window van 128.000 tokens, wat overeenkomt met ongeveer 300 pagina's tekst. Als je dit overschrijdt, krijg je een foutmelding.

Kosten berekenen en optimaliseren

De kosten van GPT-4o zijn per 1 miljoen tokens: $2.50 voor input en $10.00 voor output. GPT-4o-mini is aanzienlijk goedkoper: $0.15 per miljoen input tokens en $0.60 voor output. Voor de meeste applicaties is GPT-4o-mini meer dan voldoende voor eenvoudige taken zoals classificatie, samenvatten van korte teksten en structureerde data extractie.

💡 Kosten optimalisatie tips

1. Gebruik GPT-4o-mini voor eenvoudige taken. 2. Trim je system prompt tot het essentiële. 3. Beperk max_tokens als je weet hoe lang de output moet zijn. 4. Cache responses voor identieke queries. 5. Gebruik batch processing via de Batch API voor 50% korting. 6. Monitor gebruik dagelijks in het dashboard.

Rate limits begrijpen en omgaan met errors

OpenAI heeft rate limits op twee niveaus: requests per minuut (RPM) en tokens per minuut (TPM). Bij een nieuw account zijn de limieten laag; ze groeien naarmate je meer betaalt. Als je een 429 error krijgt (Too Many Requests), moet je wachten en opnieuw proberen. Implementeer altijd retry logic met exponential backoff: wacht 1 seconde, dan 2, dan 4, maximaal 64 seconden. De tenacity library in Python maakt dit eenvoudig.

Structured outputs: betrouwbare JSON van het model

Een van de krachtigste features voor productie-gebruik is Structured Outputs. Hiermee garandeer je dat het model een exact JSON schema volgt. Definieer een Pydantic model of JSON schema en geef dit mee aan je API call via response_format. Het model geeft gegarandeerd valide JSON terug die matched met je schema. Ideaal voor data extractie, formulierverwerking en workflows waar je de output direct verwerkt.

Productie tips: van prototype naar schaalbare applicatie

Als je van een prototype naar productie gaat, zijn er een aantal dingen die essentieel zijn. Gebruik de Assistants API voor conversaties met geheugen: die beheert de conversatiehistorie voor je. Implementeer een fallback: wat doet je app als de OpenAI API onbereikbaar is? Sla gegenereerde responses op in cache voor identieke vragen. Logging is cruciaal: sla request en response op, samen met user ID, timestamp en kosten.

Evalueer je prompts systematisch met een testset van vragen en verwachte antwoorden. OpenAI's Evals framework helpt hierbij. Monitor de kwaliteit van responses in productie via user feedback (thumbs up/down). Een goede eval pipeline is het verschil tussen een chatbot die soms goed werkt en een die betrouwbaar goed werkt.

🚀 Volgende stappen

Nu je de basis kent, zijn dit je volgende leerpunten: function calling voor externe API integraties, de Assistants API voor complexe conversaties met geheugen, de Batch API voor goedkope bulk verwerking, en fine-tuning als je het model wilt aanpassen op je eigen data. De OpenAI documentatie op platform.openai.com/docs is uitstekend.

Nieuwsbrief

Wil je meer van dit?

Elke week de beste agentic AI inzichten in je inbox.

Gratis aanmelden →