Artificial Neural Network Experten in München
– mit der Kraft von KI und geprüften, verfügbaren Spezialisten.Engagiere Experten, die künstliche neuronale Netze für Prognosen, Klassifikation und Mustererkennung entwerfen, trainieren und feinabstimmen. Sie arbeiten auch mit TensorFlow, Keras, PyTorch und Model-Evaluation. Erhalte schnelles, präzises Matching mit geprüften, verfügbaren Freelancern.
Lerne FRATCH Experten in München kennen, die kürzlich Artificial Neural Network eingesetzt haben
Philipp Grunert
Letzte Position:
Data Scientist & ML Engineer bei Data-Science Factory GmbH
- Aufbau, Implementierung und Vertrieb von automatisierten Data-Science-Lösungen wie Scorecard Factory und Prognose Factory
- Implementierung automatisierter End-to-End-Cloud-Prozesse
- Entwicklung von LLM- und NLP-Modellen
- Erstellung interaktiver Reports
- Betreuung nationaler und internationaler Großkonzerne sowie mittelständischer Firmen bei der Implementierung von ML-Projekten
Mirza Klimenta
Letzte Position:
Agentische KI für ein DeepResearch-Projekt bei Freiberuflich
- Erstellte ein multi-agentisches System, unterstützt von einem Wissensgraphen, um das Verfassen von Forschungsarbeiten zu automatisieren
- Setzte mehrere Experten (OpenAI-Modelle) ein, die beim Verfassen zusammenarbeiteten
- Extrahierte nützliche Informationen aus dem Wissensgraphen
- Technologien: LangChain, LangGraph, Smolagents, LlamaIndex, dspy
- Infrastruktur: Terraform und GitHub Actions (CI/CD) auf AWS
- Stellte die erste Anwendung als Streamlit-App bereit
Serge Kalinin
Letzte Position:
MLOps (machine learning operations) bei REWE Digital GmbH
- Es ist wie ein Start-up innerhalb von REWE, wo wir von Grund auf ein neues Prognosesystem auf der Google Cloud Platform aufbauen müssen. Offiziell heißt meine Rolle MLOps, aber meine eigentlichen Aufgaben umfassen auch die Entwicklung von Datenverarbeitungspipelines (Data Engineering) sowie Aufgaben von Data Scientists wie Feature Engineering und Modelltraining.
- GCP: Terraform (tofu), Vertex AI (Kubeflow), Cloud Run, IAM, Google Cloud Storage, BigQuery, Artifact Registry
- Data Engineering: Snowflake als zentrales Data Warehouse, Terraform, DBT für die Implementierung von Datenmodellen
- CI/CD: GitLab. Wir haben eine CI/CD-Pipeline aufgebaut, die Deployments neuer Releases bis in die Produktionsumgebung automatisiert
René Welland
Letzte Position:
Konferenzoperator bei Brähler Systems GmbH
- Die iOS/Android Delegate App und den Conference Operator entwickelt
- Eine benutzerfreundliche Konferenzumgebung und das Echtzeit-Video-Streaming aktualisiert und weiterentwickelt
- Das gesamte Konferenzerlebnis durch die Implementierung anpassbarer Funktionen für ein flexibles Setup optimiert
- Die Effizienz und Benutzerfreundlichkeit der Konferenztechnik verbessert und so einen reibungslosen Ablauf sowie eine bessere Interaktion der Teilnehmenden ermöglicht
Andreas Blum
Letzte Position:
Projektleiter Digitale Transformation bei SV Linde Tacherting e.V.
Erforschung, Entwicklung und Umsetzung einer umfassenden Digitalstrategie zur Modernisierung und Beschleunigung der Abläufe eines Sportvereins mit rund 1300 Mitgliedern.
Systemarchitektur & Implementierung: Konzeption und Aufbau einer zentralen, kostengünstigen und energieeffizienten ARM-basierten Serverinfrastruktur.
Auswahl, Installation und Konfiguration von Open-Source-Lösungen für Wissensmanagement, Ticketbuchung und Mitgliederverwaltung.
Raghu Ram Vadali
Letzte Position:
Telco-Kundenabwanderungsprognose – End-to-End-ML-Pipeline bei Selbst initiiertes Projekt
- Entwickelte und implementierte eine vollständige Machine-Learning-Pipeline zur Kundenabwanderungsprognose auf Basis des Telco-Datensatzes.
- Wandte Vorverarbeitungstechniken an, darunter Behandlung fehlender Werte, kategoriale Kodierung, Feature Scaling und PCA.
- Baute und verglich über 15 Modelle (Logistic Regression, Random Forest, XGBoost usw.) und bewertete sie anhand von Accuracy, Precision, Recall, F1-Score, ROC-AUC und PR-AUC.
- Stimmte Hyperparameter mit GridSearchCV ab und erreichte 80,6 % Accuracy mit Random Forest und XGBoost.
- Erstellte visuelle Berichte (Balkendiagramme, Heatmaps, Radardiagramme), um die Modellleistung und die Abwanderungstreiber zu interpretieren.
- Exportierte wiederverwendbare Pipelines und trainierte Modelle mit joblib für die Bereitstellung.
Michael Møller
Letzte Position:
Freiberuflicher Senior Consultant & Cloud-Architekt bei Rheinmetall AG
- Spezialisierung auf Konzeption und Implementierung robuster, sicherer Cloud-Lösungen für kritische Kundeninfrastrukturen.
- Expertise im Microsoft Intune-Umfeld mit starkem Fokus auf Systemhärtung und umfassendes Richtlinienmanagement.
- Architektur einer NIST- und ISO/IEC 27000-konformen MDM-Infrastruktur für ein internationales Regierungsprojekt im Luftfahrt- und Verteidigungssektor.
- Übernahm die Architekturrolle für eine Offline Microsoft Endpoint Configuration Manager (MECM)-Umgebung, sicherte die NIST-Konformität und betreute dabei eine komplexe Fertigungsinfrastruktur.
Tobias Bauernfeind
Letzte Position:
Leiter XR-Projekt bei BMW Group
- Präsentation der weltweit ersten voll immersiven AR-Brillen-Erfahrung in einem fahrenden Auto auf der CES 2024.
- Vortrag über Augmented Reality auf internationalen Konferenzen (z.B. das AR Ride Concept @ Unite 2024).
- Leitung eines interdisziplinären Softwareteams mit 12 Personen, das Android-Headunit-Integrationen, Navigation- und ADAS-UIs sowie Embedded-Software entwickelt.
- Festlegung der technischen Ausrichtung, Steuerung domänenübergreifender Architektur und Integration sowie Betreuung von Entwicklern in den Bereichen Android, UI/UX und Embedded.
- Überwachung einer kleinen Flotte von Testfahrzeugen für Validierung, Tests und Datenerfassung.
Christian Musewald
Letzte Position:
Selbstständiger Unternehmensberater bei CuriousMinds Unternehmensberatung
- Strategieberatung, technisches Consulting, Interim Management und Training
- Managementberatung und Ausarbeitung von Applikationslösungen durch interdisziplinäre Lösungsansätze
- Mitarbeiter- und Teamentwicklung sowie Innovations- und Kommunikationsmanagement
David Huber
Letzte Position:
Berater für KI-Strategie und Digitalisierung bei ai-strategy.io
- Entwicklung einer KI-Vision: Abgleich externer Best Practices mit Analyse von Prozessen, Schnittstellen, Stakeholdern, Datenflüssen und Kennzahlen, um ein langfristiges Zielbild von Prozessautomatisierung und KI-Erweiterung zu entwickeln
- Ausgearbeitetes Schulungsframework für Mitarbeitende, z. B. für eine Stiftung im öffentlichen Dienst: Grundlagen der KI, Anwendungen generativer KI, Bewertung menschlicher Urteilsfähigkeit und automatisierter Steuerung in gesellschaftskritischen Einsatzbereichen
- Einführung von spezialisierten Advanced-Upskilling-Kursen für Produktmanager: Einsatz von KI in Innovation, Portfoliomanagement, Prozessautomatisierung und Marketing zur Förderung neuer Produkte und Dienstleistungen
- Mehrfacher Keynote-Redner: KI-getriebene Organisationstransformation durch Kulturwandel und zukunftsgerichtete Führungspraktiken
- Laufender Austausch von Fachwissen und Erfahrungen mit meinem persönlichen Netzwerk führender KI-Strategen in internationalen Konzernen wie Siemens, Mercedes-Benz, BMW, McDonald’s, Adidas, Linde, Infineon und TÜV Süd, um Best Practices zu sammeln
- Kooperation mit Expertennetzwerken für Führungskräfte, z. B. dem TEC Leadership Institute und PM1, um die Wirkung durch erhöhte Reichweite über Organisationen und Branchen hinweg zu verstärken
Martin Ratajczak
Letzte Position:
Senior LLM-Forschungswissenschaftler bei BYO Inc.
- Erforsche und entwickle Modelle für Chatbots, NLP und LLMs (z. B. Llama, Qwen, OpenAI)
- Verbessere Chatbots mit RAG und In-Context-Learning
- Überwachtes Fine-Tuning (PEFT, LoRA) mit Huggingface oder Unsloth
- Fortgeschrittene Trainingsmethoden: Test-Time-Training, (transduktives) aktives Lernen, verstärkendes Lernen
- High-Throughput-Serving mit vLLM
- Anwenden von Embedding-Modellen (z. B. SentenceTransformers), Ähnlichkeits-/Vektorsuche, Vektor-Datenbanken oder Ranking (z. B. LlamaIndex, Faiss, LangChain)
- Generieren und Filtern synthetischer Daten, Clustering
- Erkennen von Halluzinationen
- Evaluierung von Chatbot-Modellen (ROUGE, BLEU, F1-Score, Recall, Precision)
- Visualisierung von Experimenten (matplotlib)
András Bognár
Letzte Position:
Testgeräteentwickler bei Minebea Access Solutions
- Pkw-Türgriff auf Systemebene getestet, dabei Hardware, Software und Mechanik integriert
- Komplette Testgeräte für Systemtester aufgebaut und bereitgestellt, unter Einsatz von Arduino-Boards, Saleae Logic analyser, Oszilloskop, Multimeter, RLC-Meter, programmierbaren Netzteilen und Funktionsgeneratoren
- Systemtestkonzepte entwickelt und manuellen Systemprüfstand aufgebaut
- Systemtester mit Hardware- und Software-Tools unterstützt
- Produkte: BMW XNF, Rolls Royce, Audi eRing, JLR (Jaguar Land Rover)
Daniel Carton
Letzte Position:
Gründer & Geschäftsführer bei BotCraft GmbH
- Aufbau des Unternehmens mit Fokus auf Connectivity für IIoT und Industrie 4.0, iRPA/Prozessautomatisierung, Advanced Robotics und Smart Systems, Sensors and Services
- Projektleitung und Software-Architektur für IoT-Gateway-Entwicklung (seit 2020) mit Protokollübersetzung, IT/OT-Konvergenz und GRC
- Entwicklung von RPA-Bots zur Automatisierung und Überwachung industrieller Prozesse mit agentischem AI-Ansatz (seit 2020)
- Implementierung von Unsupervised Clustering und Anomalieanalyse für Zeitreihendaten in BigData-Streaming-Pipelines (seit 2021)
- Einführung eines Docker-basierten Release-Trains für OTA-Updates mit DevSecOps und CI/CD (seit 2018)
Anton Klonov
Letzte Position:
Leiter der technischen Gesamtintegration NSC / Entwicklung von Hadoop Cloud bei IABG
Leiter der technischen Gesamtintegration NSC (National Secure Cloud, Projekt mit ca. 60 Mitarbeitern).
Technische Integration aller Subprojekte in ein Produkt, Definition von Schnittstellen, Basiskomponenten einer Cloud inklusive Hardware, technische Architektur der Basis IABG.
Entwicklung einer Cloud-Management-Plattform (CMP), die in der Lage ist, Private/Mixed-Cloud beliebiger Komplexität anhand einer textuellen Beschreibung per Klick oder interaktiv zu erstellen.
CMP beinhaltet auch den kompletten Zyklus des Hardware-Managements.
Als Basis werden Kubernetes, OpenStack und Hadoop eingesetzt.
Die Managementschicht umfasst Harbor, Gitea, Longhorn, Keycloak, Rancher und Jenkins, die automatisch konfiguriert sind.
Private Cloud kann beliebige Workloads von Kunden ausführen, darunter die komplette Hadoop-Schicht mit HDFS, Spark, MapReduce, Mesos, HBase und ca. 20 weiteren ML-/DL-Technologien.
Hadoop-Worker-Cluster können auch ohne Kubernetes auf Bare Metal oder Standardhardware automatisch installiert werden.
OpenStack mit Nova, Neutron, Ironic, Swift, Cinder und Ceph.
Entwicklung einer Java-Anwendung Rudi: SOAP, REST, Container, DB.
Technologien: Kubernetes (K3s, Rke2, Minikube, Harbor, Gitea, Jenkins, Longhorn, Keycloak, Rancher), OpenStack (Nova, Neutron, Keystone, Swift, Ceph, Cinder, Sahara, Magnum, Kayobe, Kolla, Bigrost, Ironic), Hadoop (HDFS, Ambari, Solr, Livy, Ranger, YARN, Tez, HBase, Kafka, Hive, Zookeeper, MapReduce, Spark, Oozie, Flink), Virtualisierung (Kubernetes (K3s), VMware, Oracle), Skripting (Ansible, Puppet, Juju, Shell, Groovy, Gradle, Maven).
Maksym Shvaykovskyy
Letzte Position:
Leiter Systemintegrationen bei TAKKT AG
- Führung leistungsstarker Teams zur Steigerung der Effizienz von Unternehmenssystemen, mit Spezialisierung auf ERP- und PIM-Systeme in AWS, Azure und firmeneigenen Rechenzentrumsinfrastrukturen
- Sicherstellung einer nahtlosen Ausrichtung an den Vorstellungen der Stakeholder durch strategische Technologie-Integration und dynamische Führung
- Aufbau von Generativen KI-Lösungen unter Nutzung von Plattformen wie Azure/OpenAI, Google, Claude und Ollama
- Entwicklung intelligenter Systemintegrationen und fortschrittlicher Datenstrategien unter Einsatz von KI- und Machine-Learning-Modellen
- Etablierung von agilen Methoden (SCRUM) und Mentoring des Teams in Rollen wie Team Lead, Scrum Master und Product Owner
- Bereitstellung robuster, skalierbarer Lösungen zur Förderung des strategischen Unternehmenswachstums und operativer Exzellenz
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die Artificial Neural Network einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
20 Jahre (Deutschland: 16 Jahre)
Positionsdauer
2,5 Jahre (Deutschland: 2,3 Jahre)
Positionen pro Freelancer
12 (Deutschland: 10)
Häufigste Fachbereiche
Informationstechnologie (IT), Produktentwicklung, Forschung und Entwicklung (F&E)
Häufigste Branchen
Informationstechnologie (IT), Automotive, Bildung
Fokus der Zertifizierungen
Informationstechnologie (IT), Business Intelligence, Logistik
Bachelor-Abschluss oder höher
100% (Deutschland: 98%)
Master-Abschluss oder höher
100% (Deutschland: 86%)
Doktortitel
41% (Deutschland: 30%)
Zertifizierungen pro Freelancer
1 (Deutschland: 2)
Häufigste Sprachen
Englisch, Deutsch, Französisch
Sprechen zwei oder mehr Sprachen
100% (Deutschland: 97%)
Basierend auf unserem Profilpool, Stand 30 Aug 2026.
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Freelancer in dieser Technologie 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 von Experten in München, die Artificial Neural Network einsetzen
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 30 Aug 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Über die Technologie
Was es ist
Künstliche neuronale Netze sind Machine-Learning-Modelle, die Muster aus Daten lernen. Sie werden für Bilderkennung, Textanalyse, Vorhersagen, Anomalieerkennung und andere Aufgaben genutzt, bei denen sich Regeln nur schwer per Hand schreiben lassen. In der Praxis holen Unternehmen Spezialisten dazu, wenn das Modell aus komplexen, verrauschten oder sehr umfangreichen Daten lernen muss.
Übliche Stacks
- TensorFlow und Keras für Modellentwurf und Training
- PyTorch für Forschung, Prototyping und eigene Trainingsschleifen
- scikit-learn für Datenaufbereitung und Baseline-Modelle
- ONNX, CUDA und GPU-Tools für Deployment und Beschleunigung
Starke Profis wissen, wie diese Bausteine zusammenpassen. Sie trainieren nicht nur ein Netz, sondern gestalten den gesamten Ablauf von den Daten bis zur Inferenz.
Typische Arbeit
- Klassifikations- und Regressionsmodelle aufbauen
- Architekturen, Loss-Funktionen und Hyperparameter feinabstimmen
- Trainingsdaten bereinigen und unausgewogene Klassen behandeln
- Model Drift, Overfitting und Stabilität bewerten
- Exporte für APIs, Batch-Jobs oder den Edge-Einsatz vorbereiten
Wann man jemanden beauftragen sollte
Unternehmen suchen meist freiberufliche Expertise, wenn ein internes Team gezielte Hilfe bei einem neuen Modell, einem riskanten Redesign oder einer einmaligen Lieferung braucht. In München kommt das oft in Mobilität, Industrieanlagen, Medien und anderen datenintensiven Umgebungen vor. Remote-Arbeit ist üblich, aber Vor-Ort-Termine helfen, wenn Datenzugriff, Workshops mit Stakeholdern oder die Übergabe in den Betrieb eng abgestimmt werden müssen.
Was starke Spezialisten tun
Gute Spezialisten erklären Abwägungen in einfacher Sprache. Sie wählen Architekturen, die zum Anwendungsfall passen, dokumentieren Datenannahmen und testen die Ergebnisse gegen die Geschäftsziele. Außerdem achten sie auf Probleme wie Leakage, instabiles Training und schwache Generalisierung, bevor ein Modell in die Produktion geht.
Fähigkeiten darum herum
Ein starkes Projekt umfasst meist auch Data Engineering, Python, Statistik und den Blick auf Deployment. Je nach Anwendungsfall brauchen Experten außerdem NLP, Computer Vision, MLOps oder ein Cloud-Setup. Die besten Ergebnisse kommen von Profis, die ihre Modellarbeit mit klaren Produktanforderungen und verlässlichem Betrieb verbinden können.
Häufig gestellte Fragen
Fragen zu Artificial Neural Network? Hier findest du die passenden Antworten.
Ein Artificial Neural Network wird genutzt, um Muster in Daten zu finden, die für feste Regeln zu komplex sind. Unternehmen setzen es für Bildklassifikation, Dokumenten-Tagging, Prognosen, Betrugssignale und Vorhersagen auf Basis von Sensordaten ein. Es passt gut, wenn die Eingaben unübersichtlich sind und das Ergebnis von feinen Zusammenhängen in den Daten abhängt.
Ein Artificial Neural Network kann komplexere, nichtlineare Zusammenhänge erfassen als ein lineares Modell und oft auch mehr als ein einzelner Decision Tree. Der Nachteil ist, dass es meist mehr Daten, mehr Feintuning und mehr Sorgfalt bei der Bewertung braucht. Für einfachere Geschäftsprobleme kann ein leichteres Modell schneller zu bauen und leichter zu erklären sein.
Ein Artificial Neural Network-Projekt nutzt häufig TensorFlow, Keras oder PyTorch für Training und Experimente. Spezialisten arbeiten außerdem mit Python, NumPy, pandas und scikit-learn für Vorverarbeitung und Baseline-Checks. Für das Deployment kommen oft ONNX, Docker, Cloud-Dienste oder GPU-Tools dazu.
Ein Artificial Neural Network-Spezialist sollte auch Datenbereinigung, Feature-Aufbereitung und Evaluation verstehen. In vielen Projekten sind MLOps, API-Integration und Monitoring genauso wichtig wie der Trainingscode. Für Teams in München reicht oft gute Kommunikation auf Englisch, aber lokale Zusammenarbeit kann bei Workshops und der Übergabe helfen.
Ein Artificial Neural Network-Projekt kann schon sehr früh von freiberuflicher Hilfe profitieren, besonders wenn das Team neu im Deep Learning ist oder eine Produktionsfrist hat. Je individueller die Architektur, die Datenpipeline oder das Deployment-Ziel, desto wertvoller wird ein erfahrener Spezialist. Ein einfaches Proof-of-Concept braucht oft weniger Unterstützung als ein Produktivsystem.
Ein Artificial Neural Network-Spezialist kann oft remote arbeiten, weil Modellentwicklung digital und iterativ ist. Vor-Ort-Zeit in München hilft, wenn der Datenzugriff sensibel ist, Stakeholder Workshops brauchen oder ein Team Anforderungen und Ergebnisse eng prüfen will. Viele Projekte funktionieren am besten mit einem Remote-Kern und einigen fokussierten Terminen vor Ort.
Ein Artificial Neural Network-Experte sollte Modellentscheidungen, Datenannahmen und Fehlerbilder ohne Fachjargon erklären können. Achte auf klare Beispiele für Training, Validierung, Kontrolle von Overfitting und Deployment, nicht nur auf Theorie. Starke Spezialisten zeigen auch, wie sie den Nutzen für das Geschäft gemessen haben, nicht nur die technische Genauigkeit.
Ein Artificial Neural Network-Freelancer arbeitet meist an einer Mischung aus Experimenten, Review und Übergabe. Gute Kunden stellen Datenzugang, einen klaren Anwendungsfall und jemanden bereit, der Geschäftsfragen schnell beantworten kann. Die Arbeit umfasst oft Iterationen, daher sollten Spezialisten bereit sein zu dokumentieren, was sich geändert hat und warum.
Der durchschnittliche Stundensatz von Freelancern in München, Deutschland, die Künstliches neuronales Netz in ihren letzten Projekten eingesetzt haben, liegt bei 99 €, was einem Tagessatz von etwa 790 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in München, Deutschland, die Künstliches neuronales Netz in ihren letzten Projekten eingesetzt haben, haben 100% mindestens einen Bachelor-Abschluss, 100% mindestens einen Master-Abschluss und 41% einen Doktortitel.
Freelancer in München, Deutschland, die Künstliches neuronales Netz in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 20 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 2,5 Jahre.
Die häufigsten Sprachen unter Freelancern in München, Deutschland, die Künstliches neuronales Netz in ihren letzten Projekten eingesetzt haben, sind Englisch (100%), Deutsch (95%) und Französisch (42%).
Die häufigsten Industrien unter Freelancern in München, Deutschland, die Künstliches neuronales Netz in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (89%), Automotive (74%) und Bildung (68%).
Die häufigsten Bereiche unter Freelancern in München, Deutschland, die Künstliches neuronales Netz in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Produktentwicklung (95%) und Forschung und Entwicklung (F&E) (95%).
Hauptstandorte der FRATCH Experten, die kürzlich Artificial Neural Network eingesetzt haben
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 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
