KI & AI

Semantic Kernel

Overview

Semantic Kernel ist ein Open-Source-SDK von Microsoft, mit dem Entwickler KI-Modelle in Anwendungen einbinden. Es fungiert als Middleware: Fordert ein Modell einen Funktionsaufruf an, übersetzt Semantic Kernel die Anfrage, führt die Funktion aus und gibt das Ergebnis an das Modell zurück. Vorhandener Code wird als Plugin bereitgestellt, OpenAPI-Spezifikationen lassen sich ebenfalls einbinden. Unterstützt werden C#, Python und Java mit stabiler Version 1.x.

Wichtige Änderung: Microsoft hat das Microsoft Agent Framework als direkten Nachfolger von Semantic Kernel und AutoGen veröffentlicht. Das GitHub-Repository von Semantic Kernel verweist inzwischen mit dem Hinweis „Semantic Kernel is now Microsoft Agent Framework“ auf den Nachfolger und beschreibt ihn als Version 1.0 mit stabilen APIs. Microsoft stellt einen Migrationsleitfaden bereit.

Für Bestandsprojekte bedeutet das: Semantic Kernel läuft weiter, neue Agenten- und Orchestrierungsprojekte sollten aber auf dem Agent Framework starten. Die Aussage älterer Texte, Semantic Kernel sei die Grundlage vieler Copilot-Implementierungen, lässt sich mit aktuellen Quellen nicht belegen.

How it works

Die Bausteine von Semantic Kernel:

  1. Kernel: Zentrales Objekt, das Modellverbindungen (z. B. Azure OpenAI, OpenAI, lokale Modelle) und Dienste verwaltet.
  2. Plugins: Native Funktionen oder OpenAPI-Schnittstellen, die das Modell per Function Calling aufrufen kann.
  3. Agenten und Orchestrierung: Agenten-Abstraktionen für einzelne und mehrere Agenten.
  4. Speicher: Anbindung von Vektorspeichern für RAG und Gedächtnis.
  5. Filter und Telemetrie: Eingriffspunkte vor und nach Funktionsaufrufen sowie OpenTelemetry-Unterstützung.

Das Agent Framework übernimmt diese Konzepte (sitzungsbasierter Zustand, Typsicherheit, Filter, Telemetrie) und ergänzt sie um graphbasierte Workflows, MCP-Clients, einen Harness Agent für lange Aufgaben und Unterstützung für .NET, Python und Go (Go als Public Preview).

Benefits

  • Bewährtes, stabiles SDK für bestehende .NET-, Python- und Java-Anwendungen
  • Modellunabhängig: Anbieter lassen sich wechseln, ohne die Geschäftslogik umzuschreiben
  • Vorhandener Code wird als Plugin für das Modell nutzbar, ohne eigene Function-Calling-Logik
  • Dokumentierter Migrationspfad zum Agent Framework, Konzepte bleiben weitgehend gleich

Practical example

Ein Softwareanbieter für ERP-Lösungen mit 120 Beschäftigten hat 2024 einen Assistenten mit Semantic Kernel in C# gebaut, der Aufträge per Plugin aus dem ERP abfragt. Für eine neue Version mit mehreren zusammenarbeitenden Agenten und menschlicher Freigabe prüft das Team den Migrationsleitfaden und portiert die Plugins auf das Microsoft Agent Framework. Die bestehenden Funktionen bleiben erhalten, die neuen Workflows ersetzen selbst geschriebene Steuerlogik.

Things to keep in mind

  • Neue Projekte direkt mit dem Microsoft Agent Framework beginnen statt mit Semantic Kernel
  • Bestehende Projekte anhand des offiziellen Migrationsleitfadens planen, nicht unter Zeitdruck umbauen
  • Die Lizenz (MIT) erlaubt kommerziellen Einsatz, die Nutzungsbedingungen der angebundenen Modelle gelten separat
  • Plugins mit minimalen Rechten ausstatten, das Modell entscheidet selbst, wann es sie aufruft

Licensing & availability

Open Source unter MIT-Lizenz, kostenfrei. Kosten entstehen für die angebundenen Modelle und Dienste (z. B. Azure OpenAI nach Tokenverbrauch). Nachfolger ist das Microsoft Agent Framework, ebenfalls Open Source. Stand: Oktober 2026.

Conclusion

Semantic Kernel ist ein solides SDK für bestehende Anwendungen, aber nicht mehr der Startpunkt für neue Projekte. Setze für neue Agentenlösungen auf das Microsoft Agent Framework.

Further reading

Related articles