AI-Produktmanager in München
aus über 15.000 Lebensläufen mit der Kraft von KIHolen Sie sich Produktverantwortliche an Bord, die KI-Roadmaps gestalten, ML-Use-Cases definieren und Daten, Engineering und Geschäftsziele zusammenbringen. Von der Discovery und modellgestützten Feature-Gestaltung bis hin zu Launch, Adoption und Iteration erhalten Sie ein schnelles, präzises Matching mit geprüften, verfügbaren Freelancern.
Lerne FRATCH AI-Produktmanager in München kennen
Florian S.
Letzte Position:
AI Product Manager / Product Owner bei AI Product
- Generative KI-Produkte für Unternehmenskunden, von der Strategie über die Spezifikation bis zur Produktion end-to-end verantwortet.
- Zentrale Strategie, lokale Konfiguration: mandantenfähiger KI-Assistent für die betriebliche Altersversorgung (bAV), als interaktiver Avatar mit Text- und Sprachpfad umgesetzt. Drei Mandanten laufen auf einer Codebasis, jeweils mit eigenem Gesprächsleitfaden, während Wissensbasis, Schutzmechanismen und Eskalationspfade zentral bleiben
- Versionierte, KI-fähige Wissensbasis, die in einen mandantenunabhängigen Sprachkontext und mandantenspezifische Text-Prompts eingebunden wird — die Konfigurationsebene, die lokale Anpassungen ermöglicht, ohne das Produkt aufzuspalten
- Konversationsdesign: Antwortgrenzen, Umfang und Umgang mit themenfremden Fragen, Regeln gegen Halluzinationen, Eskalation und Übergabe von Leads an menschliche Berater
- Fünf Eval-Suites als Qualitätstor vor jeder Änderung an Prompt oder Modell (Anti-Halluzination, Fehlermuster des LLM-as-a-judge, Konsistenz über mehrere Gesprächsrunden, Sprach-KPIs, Aktionsvokabular mit Konfusionsmatrix); ein Nutzertest mit 10 Testern (Hamburg, 07/2026) führte zur Überarbeitung von Alpha zu Beta
- Externe Entwickler, Compliance und Kunden-Stakeholder koordiniert; DSGVO-konformer EU-Stack, IDD-konform, Klassifizierung nach EU AI Act dokumentiert
- Zweite Produktlinie: White-Label-Social-Media-Generator für die Beratung chilli mind (CH/DE) — eine Codebasis, kundenindividuelles Branding und Konfiguration
- Ergebnisse: mehr als 239 Deployments und ein Pilot mit Unternehmenskunden · mehr als 108 Deployments für das White-Label-Produkt · wiederverwendbares Muster für mandantenfähige KI-Produkte in einem regulierten Umfeld
Asma K.
Letzte Position:
Data & AI Product Manager – Business- und Vertriebsoperationen bei PUMA GROUP
- Entwicklung der Vision, Strategie und Roadmap KI-gestützter Analyseprodukte, um sicherzustellen, dass sie den Geschäftsanforderungen von Vertrieb, Marketing, Finance und Führungsteams in ganz Europa entsprechen.
- Aufnahme von Geschäftsanforderungen, Priorisierung von Funktionen für AI-Produkte und Leitung der agilen Entwicklung von Prognose- und Analyselösungen. Definition von Produktspezifikationen, User Stories und Akzeptanzkriterien zur Sicherstellung einer erfolgreichen Umsetzung.
- Zusammenarbeit mit Business-Stakeholdern, Product Ownern, Data Scientists, ML Engineers und Software Engineers, um AI-Modelle in skalierbare Geschäftsprodukte zu überführen und AI-Erkenntnisse in operative Abläufe zu integrieren.
- Entwicklung und Umsetzung von Generative-AI-Lösungen unter Nutzung von Large Language Models (LLMs), um Berichte zu automatisieren und Abfragen von Unternehmensdaten in natürlicher Sprache zu ermöglichen; dadurch Reduzierung des manuellen Aufwands um etwa 30%.
- Definition von Produktzielen und Erfolgskennzahlen, Überwachung der Produktleistung und Nutzerakzeptanz sowie kontinuierliche Verbesserung des Produkts auf Basis von Nutzerfeedback und Geschäftsergebnissen.
- Aufbau von Data Governance, Standards für Stammdatenqualität und Berichtswesen in SQL-, BigQuery- und Power-BI-Umgebungen, um zuverlässige, sichere und skalierbare Analysen sicherzustellen.
Georg S.
Letzte Position:
Gründer & Geschäftsführer bei GS9 Consulting GmbH
- Strategische Beratung und Umsetzung KI-gestützter Automatisierungslösungen für Service-Prozesse (E-Mail-Dialog, Dokumenten-Handling, Bewertungsbearbeitung, Sprachagenten)
- Technische Orchestrierung über n8n (Workflow-Automatisierung), Claude und ChatGPT (LLMs) sowie individuelle API-Integrationen in bestehende Enterprise-Tools
- Messbare Kundenergebnisse: Antwortzeit-Reduktion von Stunden auf Minuten, 8h/Woche weniger Rechnungsbearbeitung, 75% weniger Routine-Anrufe
- Einordnung regulatorischer Rahmenbedingungen (DSGVO, Compliance) im Rahmen der Kundenberatung
- Technische Product Ownership (Backlog, Roadmap, Priorisierung)
- Formales Vertragsvehikel für Freelance-Mandate, u.a. 1&1 Telecommunications
- Aufbau & Skalierung von Enterprise-KI-Plattformen
Jennifer K.
Letzte Position:
KI-Produktmanager und Ingenieur bei Human-in-the-Loop Studio
- Architektur und Aufbau eines GenAI-basierten Tools zur automatisierten Asset-Erstellung für Social-Media-Kampagnen mit Nano Banana und Python. Es verarbeitet Kampagnenbriefing, Zielgruppe und zwei Produkte als Eingabe, generiert optimierte Prompts für Bild- und Textproduktion und nutzt Funktionen für Textpositionierung, ansprechende Overlays, Größenanpassung und strukturiertes Hochladen in AWS S3.
- Entwicklung und Aufbau einer Multi-Agenten-News-Intelligence-Plattform mit spezialisierten Rollen, darunter Retriever-Agenten (Tavily-Web-Scraping), Synthese-Agenten und Claude als Kurator/Orchestrator, und Entwurf autonomer Agentenzusammenarbeitsmuster mithilfe von LangChain und RAG.
- Aufbau eines autonomen Kundendienst-Agenten mit n8n und LLMs, der End-to-End-Support-Automatisierung mit nachvollziehbarer Argumentation, Governance-Kontrollen und skalierbarer Workflow-Orchestrierung mittels Python und Vektordatenbanken bietet.
- Entwicklung einer Finanzvalidierungs-Engine mit ML-gestützter Anomalieerkennung zur Plausibilitätsprüfung von Rechnungen, Compliance-Automatisierung und Risikominderung unter Verwendung von TensorFlow und SQL.
- Erstellung einer Kosteneinsparungsanwendung mittels OCR, KI, Pandas und NumPy für Datenanalyse, um Optimierungspotenziale zu identifizieren.
Markus O.
Letzte Position:
Leitender E-Lösungsarchitekt & Senior Anforderungsingenieur bei Zasterbot-Oracle
- Klärung von Projektzielen, Umfang und fachlichem Zielbild für den Aufbau der KI-basierten Wissensdatenbank.
- Ableitung der initialen Architektur- und Umsetzungsstrategie für den Zasterbot-Chatbot inklusive Abgrenzung von minimal funktionsfähigem Produkt (MVP) und Ausbaustufen.
- Erarbeitung eines fachlichen Zielbilds für den Aufbau einer strukturierten Wissensdatenbank und die Integration eines zukünftigen Chatbots.
- Ableitung und Priorisierung von Anwendungsfällen für die Informationsbeschaffung und -bereitstellung durch den Chatbot.
- Modellierung von Datenstrukturen und -flüssen zur effektiven Organisation der Wissensdatenbank auf der Base44-Plattform.
- Konzeption und Implementierung der Datenmodelle zur Speicherung und Verknüpfung relevanter Informationen.
- Entwicklung von Prozessen zur Extraktion, Analyse und Aufbereitung von Rohdaten für die Wissensdatenbank.
- Sicherstellung der Datenkonsistenz und -qualität als Grundlage für den zukünftigen Chatbot.
- Planung der Integration großer Sprachmodelle (LLMs) und Retrieval-Augmented Generation (RAG) für präzise und kontextbezogene Antworten.
- Implementierung von Funktionen zur Analyse und Darstellung von Daten aus der Wissensdatenbank.
- Nutzung der Base44-Plattform mit JSON-Schema-basierten Entitäten und flexiblem Berechtigungskonzept.
- Implementierung von Deno-Funktionen für Backend-Logik, Eventverarbeitung und Anbindung externer APIs.
- Integration von OpenAI-Services für die initiale Datenanalyse.
Sudharshana R.
Letzte Position:
Produktmanager – KI für Impact Edition II bei N3XTCODER
- Entwickelte ein Circularity-Assessment-Tool, das Architekt:innen hilft, die Gebäudekreislauffähigkeit bereits in der frühen Entwurfsphase zu bewerten und zu verbessern
- Führte eine detaillierte Analyse des bestehenden Tools durch, um Nutzerabläufe zu skizzieren und die zugrunde liegende Berechnungslogik zu entschlüsseln
- Moderierte strukturierte Diskussionen mit einem interdisziplinären Team und Fachexpert:innen, um die Problemstellung zu verfeinern und Projektprioritäten für einen 6-wöchigen agilen Sprint festzulegen
- Lieferte einen klickbaren Prototyp mit vereinfachter Nutzererfahrung aus, der KI-gestützte Assistenz mit smarten Tooltips, eine ML-basierte Materialvorschlags-/Matching-Logik und ein angepasstes GPT für detaillierte Einblicke integriert
- Das Tool wird derzeit von N3XTCODER für eine Fortsetzung der Entwicklung und von Civic Coding Consulting für KI-Beratung in Betracht gezogen
Diana M.
Letzte Position:
Produktmanager – Analytik, KI & LLM bei TrustYou
- Leitete die Vision, Strategie und Roadmap für das Analytics- und Datenvisualisierungsmodul einer Reputation-Management-Plattform für Hotels, Restaurants und Orte von Interesse, was zu einer erhöhten Nutzerbindung führte.
- Führte pro Monat 10–15 Experimente und A/B-Tests durch, um Hypothesen anhand von Nutzerfeedback und datengestützten Erkenntnissen zu validieren, die Akzeptanz und das Engagement zu steigern und Produktfunktionen iterativ zu verbessern.
- Erstellte Produktspezifikationen mit klaren Anforderungen (Jobs to Be Done, User Stories), Nutzerabläufen und KI-generierten Prototypen und legte gleichzeitig Benchmarks für Genauigkeit, Präzision und Recall von LLM-Modellen fest.
- Arbeitete mit dem Produkt-Trio zusammen, um Web Scraping, Embedded BI und RAG-Techniken anzuwenden, die Sentiment-Analyse zu verbessern und das Produkt in neue Branchen (Restaurants, Orte von Interesse) zu erweitern.
- Entwickelte Go-to-Market-Strategien und nutzte das Ring-Deployment-Framework, um Produktfeatures einzuführen.
- Setzte das WSJF-Framework zur Verwaltung des Product Backlogs ein, um sicherzustellen, dass Entwicklungsbemühungen mit Geschäftszielen und Stakeholder-Prioritäten übereinstimmen.
- Kommunizierte die Produktstrategie und Ergebnisse effektiv an C-Level-Führungskräfte, um Zustimmung für wichtige Initiativen zu erhalten.
- Setzte das Opportunity Solution Tree-Modell ein, um Chancen zu identifizieren und passte die Produktstrategie entsprechend an.
Martin M.
Letzte Position:
Product Owner AI-Lernplattform bei B2B Tech Scale-Up
- Agiler Aufbau einer multimodalen Analyseplattform für Trainingsmaterial (Video, Audio, Dokumente) nach Scrum
- Extraktion kontext-relevanter Inhalte basierend auf Nutzerprofilen & Kompetenzdimensionen
- Personalisierte Ausspielung von Lerninhalten zur Steigerung der Vertriebsperformance
- Enge Abstimmung mit Sales-Teams & Stakeholdern zur Validierung der Features
- Einsatz von Gemini, Whisper, Python & JavaScript, Deployment auf AWS, Perl für Skripte zur Datenübernahme
- Integration in bestehende Tools & CRM-Systeme zur reibungslosen Einführung
- Genutzte Technologien: Python, OpenAI, Datenbanktechnologien wie PostgreSQL, CI/CD für Airflow-DAGs, FastAPI
Entdecke mehr als 15.000 Top-Freelancer
AI-Produktmanager – Statistiken
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
16 Jahre (Deutschland: 17 Jahre)
Positionsdauer
2,1 Jahre (Deutschland: 2 Jahre)
Positionen pro Freelancer
8 (Deutschland: 10)
Häufigste Fachbereiche
Produktentwicklung, Informationstechnologie (IT), Marketing
Häufigste Branchen
Informationstechnologie (IT), Bank- und Finanzwesen, Werbung
Fokus der Zertifizierungen
Produktentwicklung, Informationstechnologie (IT), Projektmanagement
Bachelor-Abschluss oder höher
100% (Deutschland: 95%)
Master-Abschluss oder höher
88% (Deutschland: 73%)
Doktortitel
13% (Deutschland: 8%)
Zertifizierungen pro Freelancer
5 (Deutschland: 4)
Häufigste Sprachen
Englisch, Deutsch, Französisch
Sprechen zwei oder mehr Sprachen
100% (Deutschland: 98%)
Basierend auf unserem Profilpool, Stand 19 Sep 2026.
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Freelancer in dieser Rolle in München verteilen, basierend auf aktuellen Verträgen auf unserer Plattform. Jeder Balken deckt eine Tagessatzspanne ab – seine Höhe zeigt, wie viele Freelancer innerhalb dieser Spanne abrechnen.
Durchschnittssätze für AI-Produktmanager in München
Die Tagessätze basieren auf aktuellen Verträgen und enthalten keinen FRATCH-Aufschlag.
Der durchschnittliche Tagessatz ist der Mittelwert aller Tagessätze aus aktuellen Verträgen vergleichbarer Freelancer auf unserer Plattform.
Der Median-Tagessatz ist der mittlere Wert aller Tagessätze – die Hälfte der vergleichbaren Freelancer verlangt weniger, die andere Hälfte mehr. Anders als der Durchschnitt wird er von Ausreißern kaum beeinflusst.
Berechnet auf Basis der Tagessätze unserer Freelancer, Stand 19 Sep 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Branchenfokus der AI-Produktmanager Experten
Sieh, in welchen Branchen unsere gematchten Freelancer am häufigsten tätig sind — jede Zahl wird live aus den Freelancern auf FRATCH berechnet.
- Informationstechnologie (IT) (88%)
- Bank- und Finanzwesen (63%)
- Werbung (50%)
- Automotive (50%)
- Professionelle Dienstleistungen (50%)
- Telekommunikation (50%)
- Versicherung (38%)
- Einzelhandel (38%)
Bitte beachte, dass Freelancer in mehreren Branchen tätig sein können, daher überschneiden sich die Prozentwerte.
Über die Rolle
Was sie tun
AI-Produktmanager verwandeln Geschäftsprobleme in nutzbare KI-Produkte. Sie definieren die Produktvision, übersetzen Nutzerbedürfnisse in modellgestützte Features und sorgen dafür, dass die Umsetzung auf echten Mehrwert ausgerichtet bleibt. In vielen Teams heißt diese Rolle auch AI Product Owner oder ML Product Manager.
- Die Produktstrategie für KI-Features und datengetriebene Workflows mitgestalten
- Klare Produktanforderungen für Engineering, Data Science und Design schreiben
- Use Cases, Leitplanken und Erfolgskennzahlen priorisieren
- Die Planung des Launches, die Adoption und die kontinuierliche Iteration unterstützen
Kernkompetenzen
Ein starker AI-Produktmanager versteht sowohl Produktarbeit als auch die Grenzen des Machine Learnings. Er kann mit Engineers über Datenqualität sprechen, mit Stakeholdern über Risiken und mit Nutzern über praktische Ergebnisse. Er muss das Modell nicht selbst bauen, aber er muss verstehen, wie es im Produktivbetrieb funktioniert.
- Product Discovery, Roadmap-Planung und Backlog-Management
- Vertrautheit mit Machine Learning, LLMs und Experimenten
- Stakeholder-Management über Business, Tech, Legal und Operations hinweg
- Fähigkeit, KPIs für Genauigkeit, Adoption und Geschäftswirkung zu definieren
Typische Projekte
Unternehmen holen sich freiberufliche KI-Produktprofis ins Team, wenn der Scope klar ist, das interne Team aber ausgelastet ist. Häufige Projekte sind eine neue Empfehlungs-Engine, ein interner Copilot, intelligente Suche, Betrugserkennung, Kundenservice-Automatisierung oder Workflow-Tools auf Basis von generativer KI. In München kommt das oft in Enterprise-Software, Mobility, Industrietechnik, Finance und B2B-Services vor.
Tools und Methoden
Diese Arbeit basiert auf klaren Produktmethoden und enger Zusammenarbeit mit technischen Teams. Starke Profis wissen, wie man Discovery durchführt, Annahmen testet und die Umsetzung auf Daten und Nutzerfeedback stützt.
- Nutzerinterviews, Problemframing und Opportunity Mapping
- Jira, Confluence, FigJam, Figma und Analyse-Tools
- Experimentdesign, A/B-Tests und Feature-Bewertung
- Grundverständnis von APIs, Modell-Prompts und Datenflüssen
Wann man jemanden hinzuzieht
Ein freiberuflicher AI-Produktmanager ist sinnvoll, wenn ein Unternehmen schnell handeln muss, ohne einen langen Einstellungsprozess. Das ist typisch für neue KI-Initiativen, Produkt-Neuausrichtungen, Pilotprojekte oder Teams, die vorübergehend seniorige Verantwortung brauchen, bevor eine feste Stelle besetzt ist.
Er ist auch dann eine gute Wahl, wenn das Unternehmen eine Außenperspektive braucht. Ein erfahrener Freelancer kann unklare Anforderungen hinterfragen, Scope-Risiken reduzieren und das Team darauf fokussieren, was zuerst live gehen sollte.
Woran man gute Arbeit erkennt
Die besten Leute in dieser Rolle treffen schwierige Entscheidungen früh und erklären sie klar. Sie fordern die richtigen Daten an, halten schwachen Use Cases stand und sorgen dafür, dass das Produkt nützlich, sicher und messbar bleibt. Außerdem arbeiten sie gut mit Remote-Teams und mit Vor-Ort-Workshops in München zusammen, wenn Abstimmungen schnell gehen müssen.
Suchen Sie nach jemandem, der Strategie, Produktdetails und technische Abwägungen verbinden kann, ohne den Nutzer aus dem Blick zu verlieren.
Häufig gestellte Fragen
Unsicher, wo du bei AI-Produktmanager anfangen sollst? Diese Antworten decken das Wichtigste ab.
Ein AI-Produktmanager definiert die Produktrichtung für KI-gestützte Features und arbeitet dann mit Engineering-, Daten-, Design- und Business-Teams zusammen, um diese Richtung in ausgelieferte Arbeit zu übersetzen. Auf freiberuflicher Basis umfasst die Rolle oft Discovery, Roadmap-Gestaltung, Anforderungen, Launch-Support und Iteration. Die besten Freelancer helfen Teams auch dabei zu entscheiden, was nicht gebaut werden sollte.
Die nützlichste Kombination ist Produkturteil, technisches Verständnis und klares Stakeholder-Management. Ein AI-Produktmanager sollte die Grundlagen von Machine Learning, Datenabhängigkeiten, Experimenten und das Schreiben von Anforderungen für komplexe Features verstehen. Außerdem sollte er wissen, wie man Geschäftswert, Nutzerbedürfnisse und Modellgrenzen austariert.
Ein klassischer Produktmanager konzentriert sich möglicherweise vor allem auf User Flows, Marktbedürfnisse und Delivery. Ein AI-Produktmanager muss zusätzlich Trainingsdaten, Modellverhalten, Qualitätsdrift, menschliche Kontrolle und das Risiko falscher Ausgaben berücksichtigen. Dadurch ist die Rolle technischer und stärker von enger Zusammenarbeit mit Daten und Engineering abhängig.
Ein Freelancer lohnt sich, wenn der Bedarf dringend, projektbezogen oder noch im Wandel ist. Wenn Sie eine KI-Roadmap definieren, ein Pilotprojekt starten oder vorübergehend seniorige Verantwortung brauchen, während die Suche weiterläuft, kann ein AI-Produktmanager schnell einsteigen und Momentum halten. Es ist auch eine starke Option, wenn Sie vor einer langfristigen Festanstellung erst eine Außenperspektive wünschen.
Zu den häufigen Projekten gehören interne Copilots, Empfehlungsfunktionen, intelligente Suche, Workflow-Automatisierung und KI-Assistenten für Kunden. Ein AI-Produktmanager kann auch bei Betrugserkennung, Klassifikationssystemen oder generativen KI-Features helfen, die eine sorgfältige Einführung brauchen. Die Arbeit ist meist dann am stärksten, wenn das Geschäftsziel klar ist und das Team jemanden braucht, der das Produkt darum herum formt.
Beides kann funktionieren, aber das richtige Setup hängt vom Team und von der Projektphase ab. Ein AI-Produktmanager kann für Discovery, Planung und Abstimmung oft remote arbeiten, während Vor-Ort-Sessions in München helfen, wenn Workshops, Stakeholder-Abstimmung oder sensible Produktentscheidungen schnellere Gespräche brauchen. Viele Teams nutzen ein hybrides Setup.
Achten Sie darauf, wie die Person Probleme formuliert, nicht nur darauf, wie sie Tickets schreibt. Ein starker AI-Produktmanager kann die Produktlogik, den Datenbedarf, die Abwägungen und die Erfolgskennzahlen in einfacher Sprache erklären. Gute Signale sind klare Priorisierung, realistischer Scope und ein sauberer Blick auf Risiko und Adoption.
Die Titel überschneiden sich stark, aber der Fokus kann je nach Unternehmen unterschiedlich sein. Ein AI-Produktmanager verantwortet meist die breitere Strategie und die abteilungsübergreifende Koordination, während ein AI Product Owner sich stärker auf Backlog und Delivery-Details konzentrieren kann. ML Product Manager ist eine weitere gängige Bezeichnung, besonders wenn das Produkt eher auf Machine Learning als auf allgemeiner Software aufbaut.
Der durchschnittliche Stundensatz für AI-Produktmanager in München liegt bei 104 €, was einem Tagessatz von etwa 831 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern, die als AI-Produktmanager in München arbeiten, haben 100% mindestens einen Bachelor-Abschluss, 88% mindestens einen Master-Abschluss und 13% einen Doktortitel.
Freelancer, die als AI-Produktmanager in München arbeiten, haben im Durchschnitt 16 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 2,1 Jahre.
Die häufigsten Sprachen unter Freelancern, die als AI-Produktmanager in München arbeiten, sind Englisch (100%), Deutsch (88%) und Französisch (50%).
Die häufigsten Industrien unter Freelancern, die als AI-Produktmanager in München arbeiten, sind Informationstechnologie (IT) (88%), Bank- und Finanzwesen (63%) und Werbung (50%).
Die häufigsten Bereiche unter Freelancern, die als AI-Produktmanager in München arbeiten, sind Produktentwicklung (100%), Informationstechnologie (IT) (88%) und Marketing (88%).
FRATCH AI-Produktmanager Hauptstandorte
Unsere Freelancer und Interim-Experten sind in der gesamten DACH-Region zuhause — verfügbar vor Ort in den wichtigsten Wirtschaftszentren oder komplett remote. Wähle einen Standort und entdecke passende Spezialisten, lokale Markteinblicke und aktuelle Verfügbarkeiten.
Berlin Hamburg 
München Köln Frankfurt Stuttgart Düsseldorf Leipzig Dortmund Essen Bremen Dresden Hannover Nürnberg 
Berlin Länder:
Kostenlose Demo vereinbaren
Kontaktiere uns und das FRATCH-Team meldet sich innerhalb von 4 Stunden bei dir.
Möchtest du lieber direkt mit uns in Kontakt treten?
Wir haben immer Zeit für einen Anruf oder eine E-Mail!
Philipp Thomaschewski
FRATCH CEO
