Data Panda brengt je Open WebUI-gebruiksdata samen met de data uit de rest van je bedrijf. Vanop één plek maken we er dashboards, workflows, AI-toepassingen en apps van die je team elke dag gebruikt.
Open WebUI is een open-source, self-hosted AI-platform dat een team de ChatGPT-ervaring geeft op de eigen infrastructuur. Tim Jaeryang Baek startte het in september 2023 als Ollama WebUI, een vriendelijke frontend voor lokale Ollama-modellen, en hernoemde het begin 2024 naar Open WebUI toen het naast Ollama ook OpenAI-compatibele API's ging ondersteunen. Het project zit in de GitHub Accelerator van 2024 en staat ruim boven de 130k GitHub-sterren. Tot en met v0.6.5 zit de codebase onder BSD-3-Clause; vanaf v0.6.6 (april 2025) draait het onder een eigen Open WebUI License met een branding-retentie-clausule en een CLA, iets om na te kijken voor je het breed commercieel uitrolt.
Het product is een Docker- of Kubernetes-deployed web-app met een Python-backend en een Svelte-frontend. Het spreekt Ollama native en gelijk welk OpenAI-compatibel endpoint via URL, wat betekent dat LM Studio, vLLM, llama.cpp, LiteLLM, Mistral, Groq en OpenRouter allemaal op dezelfde manier inpluggen. RBAC, groepen, SSO/OIDC/LDAP en SCIM 2.0-provisioning dekken de enterprise-kant. De opgeslagen entiteiten waar een warehouse om geeft, zijn users, groups, chats, messages (met input/output-tokenaantallen per bericht), models, prompts, knowledge-collections, files, channels, notes, feedback-ratings en de analytics-tabellen achter het admin-dashboard, ontsloten via /api/v1/analytics/summary, /models, /users, /messages, /daily en /tokens. Die laatste reeks endpoints vereist admin-auth en is wat van Open WebUI niet langer enkel een chatvenster maakt, maar iets dat een finance- en IT-team effectief kan toewijzen.
Berichtvolume, tokenspend en modelmix per gebruiker en per groep op één tijdlijn.
Duw gebruikssignalen terug naar de tools waar de beslissingen over Open WebUI effectief vallen.
Gebruik de Open WebUI-historiek om de volgende ronde van model-routing en knowledge-base-beslissingen te voeden.
Interne tools op Open WebUI-gebruiksdata voor teams die niet in de admin-tab leven.
Een lijst van concrete rapporten, automatisaties en AI-toepassingen die we op Open WebUI-data hebben gebouwd. Kies er een die bij je situatie past.
Wie gebruikt onze self-hosted AI eigenlijk, en op welke modellen?
Bericht- en tokenvolume per gebruiker over de laatste dertig dagen, opgesplitst per groep en per backend-model. Brengt het engineering-team naar boven dat tienduizend Ollama-berichten per week op de lokale box draait, de marketinggroep die stilletjes alles via GPT-5 op de OpenAI-key duwt, en de lange staart van accounts die één keer inlogden en nooit terugkwamen, allemaal in één view in plaats van drie aparte admin-tabs op drie aparte hosts.
Worden onze knowledge-collections effectief geraadpleegd?
Retrieval-hits per knowledge-collection gekoppeld aan de chats die ze triggerden en de feedback-rating die erop volgde. Vangt de zorgvuldig samengestelde beleidscollection die niemand opzoekt, en de half afgewerkte sales-deck-collection waar tien mensen elke dag uit putten met thumbs-down-ratings, zodat de volgende ronde curatiewerk gericht is waar het loont.
Wat kost één gebruiker ons op de onderliggende API-key?
Tokenspend per gebruiker gemapt op de publieke modelprijs, gerangschikt van zwaarste tot lichtste verbruiker. Toont de analist wiens long-context samenvattingsroutine in z'n eentje meer GPT-5 verbruikt dan het hele supportteam op GPT-4o-mini, op tijd om een budget per gebruiker te zetten of die workload naar een goedkopere tier te verschuiven, in plaats van pas aan het einde van het kwartaal over de factuur te discussiëren.
Open WebUI-inferentiekost gesplitst per groep en per gebruiker, gemapt op de factuur van de modelprovider. De gedeelde OpenAI- of Anthropic-factuur achter de self-hosted frontend stopt één lijn te zijn en wordt spend waarop het team dat ze produceerde aanspreekbaar is.
Prompt-patronen en knowledge-collection-hits over teams heen, die naar boven halen welke klantgerichte use cases mensen in hun eigen woorden zoeken. Accountmanagers krijgen taal die van echte interne gebruikers komt, in plaats van te gokken welke AI-features klanten in het volgende gesprek zullen oppikken.
Actieve gebruikers, modelmix en feedback-ratings per groep over negentig dagen. Het gedrag van de AI-uitrol wordt gevolgd als een curve, niet pas opgemerkt de dag dat iemand ziet dat de lokale Ollama-node aan 100% GPU draait en de OpenAI-factuur verdrievoudigde.
Dit zijn de 4 tabellen die we vandaag uit Open WebUI naar je warehouse halen. Je bevraagt ze rechtstreeks in SQL, koppelt ze aan de rest van je stack, of bouwt er rapporten op.
Mis je een tabel? We kunnen de sync uitbreiden. Laat ons weten wat je mist en we bouwen het erbij.
Je houdt de rapporteringstool die je al hebt. Wij koppelen hem aan het warehouse waar je Open WebUI-data staat.
OAuth-authenticatie. Standaard read-only. Wij tekenen een DPA en je admin houdt de sleutels.
Data stroomt naar je warehouse op het schema dat jij kiest. Bijna real-time of 's nachts, aan jou. Jij bent eigenaar.
We bouwen het eerste dashboard, de eerste workflow of AI-toepassing samen met jou, en geven de sleutels over. Of we blijven erbij voor doorlopende levering.
Wij zetten de basis op. Jouw team bouwt erop verder.
Beste match Teams die al een BI-analist of data engineer in huis hebben en zelf willen bouwen.
Wij bouwen het geheel, van A tot Z.
Beste match Teams zonder BI- of dev-capaciteit in huis. Jij zegt wat je nodig hebt en wij leveren het.
Jij. Ze komt in jouw warehouse terecht, op jouw cloud-account. Wij verkopen ze niet door en aggregeren ze niet. Stop je met ons, dan blijft het warehouse van jou en blijft het draaien.
Bijna real-time voor de meeste operationele systemen. Voor zwaardere bronnen plannen we per uur of per nacht. Je kiest op basis van wat de rapporten nodig hebben.
Nee. Heb je er geen, dan helpen we je er een kiezen en zetten we het op als deel van de eerste levering. Gangbare startpunten zijn Snowflake, Microsoft Fabric of een kleine Postgres-start.
De admin-Analytics-endpoints (/api/v1/analytics/summary, /models, /users, /messages, /daily, /tokens) zijn de primaire bron, samen met de chat-, message-, user-, group-, model-, prompt-, knowledge-collection- en feedback-tabellen erachter. Input- en output-tokenaantallen per bericht worden automatisch door Open WebUI opgeslagen als analytics aanstaat en zijn genormaliseerd over Ollama-, OpenAI-compatibele en llama.cpp-backends. Chatinhoud kan je mee binnenhalen als het beleid dat toelaat, maar de meeste opstellingen halen enkel metadata binnen en laten de berichten in Open WebUI staan.
Van de onderliggende keys van de modelprovider. Een self-hosted Ollama-deployment wordt gemeten in GPU-uren en elektriciteit, niet in tokens, terwijl traffic die Open WebUI routeert naar OpenAI, Anthropic, OpenRouter of gelijk welk OpenAI-compatibel endpoint op de factuur van die provider verschijnt. De tokenaantallen per bericht in Open WebUI koppelen aan de publieke prijslijst van het gebruikte model levert een kost per gebruiker en per groep die aansluit bij de werkelijke externe factuur.
Tot en met v0.6.5 zit het project onder BSD-3-Clause en gedraagt het zich als klassieke permissieve open source. Vanaf v0.6.6 (april 2025) draait het onder een eigen Open WebUI License met een anti-endorsement-clausule en een contributor licence agreement, en die licentie is niet OSI-goedgekeurd. Voor intern bedrijfsgebruik is dat zelden een probleem; voor Open WebUI in een product dat je aan klanten verkoopt, leg je de licentie- en brandingvoorwaarden best eerst voor aan juridisch voor je uitrolt.
We bekijken je Open WebUI-opzet en de systemen eromheen. Samen kiezen we wat we als eerste bouwen.