Index

projekt: Automatisierung des Asset-Managements: NinjaOne zu GLPI Integration

Projektübersicht Das Ziel ist es, die manuelle Datenpflege in GLPI zu eliminieren, indem wir die Inventardaten direkt aus NinjaOne (RMM) über eine automatisierte Schnittstelle (API) beziehen. Technische Architektur Die Lösung wird auf unserer Proxmox-Umgebung implementiert: Infrastruktur: GLPI wird als Docker-Container oder auf einer Linux-VM betrieben. Schnittstelle: Ein maßgeschneidertes Python-Script fungiert als Middleware. Datenfluss: Das Script authentifiziert sich bei der NinjaOne API und extrahiert alle relevanten Asset-Informationen (CPU, RAM, Seriennummern, IP-Adressen). Die Daten werden im Arbeitsspeicher transformiert und für die GLPI REST API aufbereitet. Anschließend werden die Datensätze in GLPI erstellt oder bei bestehenden Geräten aktualisiert. Warum Python auf Docker/VM? Automatisierung: Durch einen Cron-Job (z.B. jede Nacht um 02:00 Uhr) bleibt das Inventar ohne menschliches Zutun aktuell. Datenintegrität: Wir nutzen die Seriennummer als eindeutigen Identifikator, um Dubletten in GLPI zu vermeiden. Flexibilität: Da wir Python nutzen, können wir spezifische Logiken einbauen (z.B. nur Geräte importieren, die in den letzten 30 Tagen online waren). Ressourceneffizienz: Die Nutzung von Proxmox ermöglicht uns eine hochverfügbare und leicht zu sichernde (Snapshot-Backups) Umgebung. Die Vorteile für das Unternehmen Zeitersparnis: Keine manuelle Erfassung von Hardware-Spezifikationen mehr. Genauigkeit: Menschliche Fehler bei der Dateneingabe werden ausgeschlossen. Compliance: Ein stets aktuelles IT-Asset-Register ist die Grundlage für Audits und Lizenzmanagement. ################### Wir werden GLPI auf Proxmox (Docker) hosten und ein Python-Skript entwickeln, das die API von NinjaOne abfragt. So synchronisieren wir unsere IT-Assets vollautomatisch und stellen sicher, dass unsere Inventardaten in GLPI immer auf dem neuesten Stand sind, ohne manuellen Aufwand ################### Die Nutzung der NinjaOne API ist in unserer bestehenden Lizenz enthalten. Es fallen keine zusätzlichen Kosten für die Schnittstelle an. Da wir das Skript selbst entwickeln, entstehen auch keine externen Beraterkosten. Wir nutzen lediglich die vorhandenen Ressourcen effiziente ################# Der Workflow sieht wie folgt aus: Vorbereitung: Ein neuer Mitarbeiter erhält einen Laptop. Ich erfasse vorab die Seriennummer und unsere interne Inventarnummer manuell in GLPI. Automatisierung: Nachts scannt das Python-Skript NinjaOne. Es nutzt die Seriennummer als eindeutigen Identifikator. Abgleich (Merge): Findet das Skript die Seriennummer in GLPI, werden die technischen Details (CPU, RAM, OS-Version) automatisch ergänzt. Neuanlage: Falls ein Gerät in NinjaOne auftaucht, das noch nicht in GLPI existiert, legt das Skript automatisch einen neuen Datensatz mit dem Status Überprüfung ausstehend an. #################