Power BI GLPI Dashboard für Tickets, SLAs und Werksvergleich
Wir bringen GLPI-Daten so in Power BI, dass du Werk-zu-Werk vergleichen, SLAs (TTO/TTR) steuern und offene Tickets täglich sauber verfolgen kannst.
- SLA-KPIs: TTO, TTR, netto/brutto
- Werk- und Standortvergleich statt Excel-Listen
- API/DB-Logik passend zur GLPI-Statistik
.png)
Wenn GLPI-Statistik nicht reicht, beginnt Excel-Schmerz
GLPI liefert Ticketzahlen und Zeiten – aber sobald du Werke vergleichen, Kategorien konsolidieren oder Wartezeit sauber herausrechnen willst, wird’s mühsam.
Dann entstehen Monatsberichte aus Listenexporten, API-Limits bremsen die Abfrage, und Datenbank-Queries passen nicht zur Anwendungslogik (z. B. „gelöschte“ Tickets). Genau hier setzt ein Power BI GLPI Reporting an.
Typische Hürden bei Power BI mit GLPI
Damit das Reporting wirklich steuerungsfähig wird, musst du drei Dinge in den Griff bekommen: Datenzugriff, Zeitlogik und Dimensionen.
API-Export ist nicht automatisch ein Datenmodell
REST-API-Abfragen liefern ohne Paging/Filter oft nur Teilmengen (z. B. die ersten Einträge). Zudem fehlen dir ohne sauberes Laden und Historisierung stabile Kennzahlen für Woche/Monat.
Wartezeit vs. Bearbeitungszeit ist kein Standardfeld
Wenn Teams an „Bearbeitungsdauer“ gemessen werden, aber Wartezeiten (z. B. Rückfragen, Freigaben) drin sind, sind die Zahlen unfair – und Maßnahmen wirken ins Leere.
Kategorien sind gewachsen – und brechen Vergleiche
Mehrstufige Kategorien, Überschneidungen und unterschiedliche Nutzung je Werk verhindern klare Auswertungen. Ohne Mapping/Normalisierung bekommst du kein belastbares KPI-Set.
Ehrliche Partnerschaften führen zu erfolgreichen Datenprojekten.
Seit Jahren realisieren wir skalierbare Lösungen mit Microsoft Power BI, Fabric und Copilot.
Zertifizierungen
Projekte
zufriedenheit
Für wen lohnt sich Power BI GLPI Reporting?
Für IT-Organisationen, die GLPI als Ticket- und Inventarsystem betreiben und aus Tickets echte Steuerung machen wollen – nicht nur Rückblick.
Besonders, wenn du mehrere Werke/Entitäten hast, SLAs (TTO/TTR) reporten musst, oder der Monatsbericht heute aus Excel-Exporten zusammengebaut wird.
Was steckt im Paket?
Ein klar abgegrenzter Einstieg, der aus GLPI-Daten ein steuerungsfähiges Power BI Dashboard macht.
Datenquelle sauber anbinden
Wir klären den besten Weg: GLPI REST-API mit Paging/Filtern oder direkter MariaDB-Zugriff – inklusive Logik, damit Zahlen zur GLPI-Anwendungsstatistik passen (z. B. Umgang mit gelöschten Tickets).
KPI-Definition für IT-Service-Steuerung
Gemeinsam definieren wir ein KPI-Set: Zeit bis zur Übernahme, TTO/TTR, netto vs. brutto, SLA-Quote für Zuweisung und Lösung, offene Tickets nach Alter, Volumen nach Ticketart (Störung/Anfrage).
Dimensionen & Mapping stabil machen
Wir strukturieren Kategorieebenen, Entität (Werk), Standort, Team, Priorität, Status und Quelle. Wo nötig, setzen wir ein Mapping auf, damit Berichte über Jahre vergleichbar bleiben.
Power BI Dashboard & Betriebsklarheit
Du bekommst ein Dashboard für IT-Leitung und Teamleitungen – mit täglichen Sichten auf offene Tickets und wöchentlichen/monatlichen Auswertungen. Dazu: Rollen, Refresh, und ein Setup, das intern weitergeführt werden kann.
Willst du GLPI-Tickets endlich wie eine Service-Pipeline steuern?
- Use Cases und KPIs kurz abklopfen
- API vs. MariaDB Zugriff sauber entscheiden
- Erste Dashboard-Skizze in 30 Minuten
Gemeinsam erzielte Ergebnisse.
Zwei Beispiele aus der Praxis: so sieht ein Power BI GLPI Setup typischerweise aus.
Zwei Werke vergleichen: SLA-Steuerung statt Excel-Monatsbericht
Ausgangslage
- GLPI liefert Standardstatistiken, aber kein Werk-zu-Werk-Vergleich
- Monatsreport entsteht manuell aus Listenexporten in Excel
- Kategorien sind über Jahre gewachsen und überschneiden sich
- Unklare Zeitlogik: brutto statt netto (Wartezeiten enthalten)
Ergebnis
- Power BI Dashboard mit Entität/Werk, Standort, Ticketart und Kategorieebenen
- Kennzahlen für Zeit bis Übernahme, TTO/TTR sowie netto/brutto getrennt
- SLA-Quote für Zuweisung und Lösung inkl. Filter auf Ausreißer
- Wöchentliche Steuerung + tägliche Sicht auf offene Tickets nach Alter
Störungsursachen & Aufwand sichtbar machen – inkl. Genehmigungszeiten
Ausgangslage
- Viele Störungen, aber keine klare Ursachen- und Standortanalyse
- Aufwandsstunden stecken in Aufgaben, werden aber nicht ausgewertet
- Genehmigungen für Beschaffung dauern – ohne Transparenz über Durchlaufzeiten
- Datenbankabfragen weichen von GLPI-Statistik ab (Status/Löschlogik)
Ergebnis
- Auswertungen nach Standort, Kategorie, Team und Priorität mit Drilldown
- Aufwandsstunden je Ticket und Kategorie als Steuerungsgröße
- Genehmigungs-Durchlaufzeiten von Einreichung bis Entscheidung
- Governance für Begriffe/Definitionen, damit Reports konsistent bleiben
Unser Ansatz: In vier Phasen zum Erfolg
Vier Schritte, damit aus GLPI-Daten ein belastbares Power BI Reporting wird.
Erstgespräch
Wir klären Use Cases, Zielgruppen (IT-Leitung, Teamleitungen, Werksleitung) und die KPI-Definitionen: TTO/TTR, Zeit bis zur Übernahme, netto/brutto, SLA-Quoten, offene Tickets nach Alter und Volumen nach Kategorie/Entität.
Setup
Wir setzen die Datenanbindung auf (REST-API mit Paging/Filter oder MariaDB), bauen ein sauberes Datenmodell und regeln die Logik rund um Status, Löschkennzeichen und Zeitstempel – damit Power BI die GLPI-Statistik fachlich korrekt abbildet.
Training
Wir gehen mit dir die Berichte durch: Filterlogik, Drilldowns, Definitionen und die richtigen Fragen für die Service-Steuerung. Ziel: Das Team kann Reports bewerten, erweitern und im Alltag nutzen.
Skalierung
Wenn der erste Gipfel erreicht ist, skalieren wir: weitere Kategorie-Mappings, zusätzliche Daten (z. B. ERP-Stammdaten für Standorte/Teams), mehr Zielgruppen-Views und eine robuste Refresh- und Rollenstruktur.
So fühlt sich IT-Service-Steuerung mit Power BI an
Du gehst von Export-Reporting zu einem Dashboard, das täglich steuerungsfähig ist.
- Monatsbericht aus GLPI-Exporten in Excel
- Kein stabiler Vergleich zwischen Werken/Entitäten
- Kategorieebenen uneinheitlich, schwer auswertbar
- Bearbeitungszeiten enthalten Wartezeiten
- API/DB liefert widersprüchliche Zahlen
- Power BI GLPI Dashboard mit klaren KPIs
- Werk-, Standort- und Teamvergleich auf Knopfdruck
- Netto/brutto-Zeiten sauber getrennt
- SLA-Steuerung über TTO/TTR und Ausreißerlisten
- Ein Datenmodell, das zur GLPI-Logik passt
Wir lassen unsere Kunden für uns sprechen
SANHA GmbH & Co. KG
Ausgangssituation:
- Absatz- und Produktionsplanung auf Basis von Erfahrung statt Daten
- Unzureichende Transparenz über Nachfrageentwicklung am Markt führte zu Planungsunsicherheit
Ergebnis:
- KI-basierte Absatzprognosen als Grundlage für die Produktionssteuerung
- Effiziente Ressourcennutzung und frühzeitig erkennbare Nachfrageentwicklung
GBG Unternehmensgruppe
Ausgangssituation:
- Fragmentierte BI-Landschaft mit Tools wie Snowflake und Tableau
- Strategischer Wunsch nach Microsoft-Integration zur Vereinheitlichung
Ergebnis:
- Integration in das Microsoft-Ökosystem reduziert Systembrüche und vereinfacht die Datenarchitektur
- Unternehmensweite Migration von Tableau und Snowflake zu Power BI und Fabric
EW GROUP GmbH
Ausgangssituation:
- Daten aus zahlreichen internationalen Tochtergesellschaften waren verteilt und schwer vergleichbar
- Management hatte keinen konsolidierten Überblick über zentrale KPIs der einzelnen Gesellschaften.
Ergebnis:
- Zentrale Daten- und Reportingplattform schafft Transparenz über Kennzahlen aller Gesellschaften.
- Fundierte Managemententscheidungen auf Basis konsolidierter Daten statt isolierter Einzelreports.
Pakete, die euch schneller zu steuerbaren GLPI-KPIs bringen
Der Umfang hängt von Datenzugriff (API/DB), Kategorie-Mapping und gewünschter KPI-Tiefe ab.
- Use Cases & KPI-Set festziehen
- API vs. MariaDB Vorgehen klären
- Grobes Datenmodell inkl. Dimensionen
- Dashboard-Skizze für IT-Leitung
- Datenanbindung (API/DB) implementiert
- Kern-KPIs: TTO/TTR, netto/brutto
- Werk/Standort/Kategorie-Analysen mit Drilldown
- Refresh, Rollen, Abnahme-Workshop
- Kategorie-Mapping über mehrere Ebenen
- Ausreißer-Views & SLA-Verfehlungen-Listen
- Integration weiterer Quellen (z. B. ERP)
- Governance-Setup für Begriffe/Definitionen
Willst du GLPI-Tickets endlich wie eine Service-Pipeline steuern?
- Use Cases und KPIs kurz abklopfen
- API vs. MariaDB Zugriff sauber entscheiden
- Erste Dashboard-Skizze in 30 Minuten