Big Data Experten in Berlin
aus über 15.000 Lebensläufen mit der Kraft von KIHolen Sie sich Experten, die Datenpipelines entwerfen, Spark- und Hadoop-Workloads optimieren und zuverlässige Batch- und Streaming-Analysen aufbauen. Erhalten Sie schnelles, präzises Matching mit geprüften, verfügbaren Freelancern.
Lerne FRATCH Experten in Berlin kennen, die kürzlich Big Data eingesetzt haben
Patrick Hohensee
Letzte Position:
Leitender Technischer Recruiter | Business Partner AWS EMEA bei Amazon Web Services (AWS)
- Zusammenarbeit mit Senior Stakeholdern in ganz AWS EMEA, um Talentstrategie, Partnerentwicklung und Geschäftswachstum im Cloud-Ökosystem voranzutreiben.
- Schwerpunkte:
- Zusammenarbeit mit Sales & Partner Management bei Go-to-Market-Initiativen
- Beratung zur langfristigen Ressourcenstrategie für Cloud-, Data- und Security-Bereiche
- Unterstützung interner Innovationsteams bei der Skalierung von KI- und Automatisierungsprojekten
- Ergebnis: Beitrag zur Expansion von AWS in Zentraleuropa durch die Abstimmung von Geschäfts-, Technologie- und People-Strategie.
Alexander Zhirov
Letzte Position:
Senior Data Solutions Engineer bei VMware Inc.
- Private Cloud-Datenplattform auf VMware vSphere entworfen und implementiert, Greenplum MPP, Apache Kafka, Kubernetes und Apache Solr integriert und Echtzeit-Ingestion-Pipelines mit Kafka Connect und Schema Registry entwickelt.
- Migration von Oracle Exadata zu Greenplum geleitet, Datenmodelle neu architektonisch aufgebaut, Speicher optimiert, RabbitMQ mit Debezium für CDC implementiert und VectorDB für Generative AI eingeführt.
- PoC für Multi-Cloud-Migration über AWS, Azure und GCP entworfen und umgesetzt, KPIs für Durchsatz, Latenz und Kosteneffizienz definiert, Bulk-Datentransfers durchgeführt, Analytics- und Streaming-Workloads validiert und Architektur-Empfehlungen im großen Maßstab geliefert.
- Legacy-On-Premises-Infrastruktur bewertet und moderne cloud-native Datenplattformen mit Greenplum und containerisierten Microservices entworfen, mit Beratung zu Skalierbarkeit, Disaster Recovery und High Availability.
Wolfram Knan
Letzte Position:
AI / Machine Learning Engineer (Projects & Applied AI) bei UNIVERSITÉ PARIS 1 PANTHEON-SORBONNE & LIORA
- Entwickelte und implementierte ein hybrides Empfehlungssystem (Content-Based + Collaborative Filtering)
- Baute End-to-End-ML-Pipelines inklusive Datenverarbeitung, Feature Engineering, Modelltraining und Bewertung
- Entwickelte RAG-basierte LLM-Systeme mit LangChain und Vektordatenbanken für semantische Suche und Wissensabruf
- Etablierte MLOps-Workflows mit MLflow für Experiment-Tracking, Versionierung und Deployment-Bereitschaft
- Implementierte Deep-Learning-Modelle (Computer Vision & Klassifikation) mit PyTorch und TensorFlow
Jan Krol
Letzte Position:
Datenexperte bei Fertigung
Jonathan Stone
Letzte Position:
KI-gestützte Produkt- & Geschäftsentwicklung bei Selbstständig
- Entwicklung von Webseiten, CRMs und Micro-SaaS mit Lovable, Claude Code/ VS Studio (Vercel, Next.js, React, Supabase)
- Entwicklung einer Analysedienstleistung zur Erschließung von Automatisierungserträgen
Peter Merz
Letzte Position:
Geschäftsführender Gesellschafter ohne operative Tätigkeit bei pt plus GmbH & Co. KG
- Full-Service-Marketing-Agentur für globale Technologie-Konzerne
Julien Look
Letzte Position:
MLOps-Ingenieur bei SAMGEN
- Aufbau und Skalierung von Cloud-Infrastruktur auf GCP zur Unterstützung einer SaaS-Plattform für Industriekunden
- Entwurf und Implementierung einer datengetriebenen DevOps-Pipeline für optimierte Deployments und CI/CD-Workflows
- Zusammenarbeit mit dem Data-Science-Team am MLOps-Workflow zur Automatisierung des integrierten Retrainings
Ludvig Gorondi
Letzte Position:
Gründer bei Insightl.ai Lernplattform
- Gründungsversuch mit einer Plattform für Karriereentwicklung und Personalcoaching
- Top-3-Platzierung beim Businessplan-Wettbewerb Berlin-Brandenburg
- Eigenständige Marktanalyse sowie User Research
- Aufbau eines umfassenden Wissensgraphen für Rollen, Fähigkeiten und Erfahrungen
- Datentransformation und Aufbau von Datenpipelines auf Azure
André Görst
Letzte Position:
IT Consulting Projektmanagement / Teilprojektleitung Engineering bei T-Systems (im Auftrag für Behörden)
- Projekte für Netze des Bundes (NdB).
- CR-Management, EoL Änderungsverlangen, Konzeptionen und Dokumentation nach ITSCM.
- Aufbauplanung von Rechenzentren.
- Projektmanagement und Teilprojektleitung Engineering.
- SW Entwicklung für virtuelle Serverlandschaften nach BSI.
Konstantin Simonow
Letzte Position:
Leiter der Cyber-Abwehr-Einheit bei Simonow Consulting GmbH
- Aufbau der Cyber-Abwehr-Einheit nach einem schwerwiegenden Cybersecurity-Zwischenfall
- Rekrutierung eines Teams von Cybersecurity-Architekten, -Ingenieuren und Senior Security Analysten
- Steuerung der Ressourcen und Aktivitäten des Teams bei der Definition und Umsetzung einer Ziel-Cybersicherheitsarchitektur, Überwachung der IT-Landschaft, Erkennung und Reaktion auf Sicherheitsereignisse und -vorfälle sowie Beratung weiterer IT-Stakeholder zur Verbesserung der Cybersicherheitslage der Organisation (vergleichbar mit der Rolle eines Technical CISO)
- Leitung der Trennung von Information Security (Governance, Risiko, Compliance) und Cyber-Abwehr-Einheit (technische Cybersicherheit) in enger Zusammenarbeit mit dem CISO
- Verantwortung für die Auswahl und das Onboarding eines externen Security Operations Center (MSSP)
Nick Panasar
Letzte Position:
Globaler ERP-, KI- & Supply-Chain-Projektmanager bei Dr. Martens
- Leitung der End-to-End-Einführung eines SAP Supply Chain Management (SCM / TD / SD) ERP-Programms, einschließlich Projektinitiierung, detaillierter Anforderungsanalyse, Definition des Operating Model, Systemdesign, Implementierung, Tests, Cutover und globalem Go-Live in Europa, Asien und Nordamerika. Sicherstellung, dass die ERP-Lösung zentrale Supply-Chain-, Produktions- und Planungsprozesse unterstützt, um künftiges Unternehmenswachstum zu ermöglichen.
- Durchführung funktionsübergreifender Workshops mit den Teams für Supply Chain, Beschaffung, Planung, Produktion und Logistik, um Anforderungen zu erfassen, das zukünftige Operating Model zu definieren und das End-to-End-Systemdesign abzubilden. Konsolidierung von über 150 Anforderungen in strukturierte Dokumente gemäß SAP-Standards.
- Gestaltung des Lösungsdesigns und der Einbindung von Anbietern in der frühen Discovery-Phase, Unterstützung bei der Auswahl der besten Technologiepartner und Sicherstellung, dass das Systemdesign Produktionsplanung, Bestandsverwaltung, Lagerhaltung, Logistik und Supply-Chain-Prognosen abdeckt.
- Verwaltung der D365-Konfiguration und Fehlerbehebung, Gewährleistung der Übereinstimmung mit Geschäftsprozessen und Lösung von Integrationsproblemen zwischen D365, SAP-SCM-Modulen und umgebenden Systemen.
- Unterstützung bei Anpassungen des Grain-Datenmodells zur Aufnahme von Planungsdaten in Snowflake und Footprint, um Enterprise-Reporting und Analytics-Entwicklung zu ermöglichen.
- Steuerung von Umfang, Zeitplänen, Risiken und Abhängigkeiten über internationale Teams in Europa, Asien und den USA, Pflege integrierter Projektpläne, Issue-Logs und Executive Reports, um Stakeholder-Abstimmung und Projektfortschritt voranzutreiben.
- Ermöglichung der Integration KI-gestützter Bedarfsprognosetools in Supply-Chain-Planungsprozesse, Verbesserung der Prognosegenauigkeit, Lagerumschlagshäufigkeit und operativen Entscheidungsfindung in mehreren Regionen.
- Leitung der SIT-, UAT- und Datenmigrationsphasen, einschließlich Entwurf von Testszenarien, Fehler-Triage-Management und Koordination der Testdurchführung zur Validierung von Supply-Chain- und Produktions-Workflows vor dem Rollout.
- Ausarbeitung detaillierter Cutover-Pläne, Durchführung von Business-Readiness-Aktivitäten und Hypercare-Support zur Gewährleistung eines reibungslosen und koordinierten Go-Live sowie einer vollständigen Übergabe an die Fachbereiche.
Andrej Becker
Letzte Position:
Leitender UX-Design-Ingenieur bei Journexx GmbH
- Leitung, Konzeption und Entwicklung der UX- und UI-Strategie und deren Umsetzung für die Plattform
- Erstellung von Styleguides und Designsystemen in Figma
- Schaffung einer generischen End-to-End-Layoutstruktur für Big-Data-Cockpits in Figma und Sass (CSS, Design Tokens)
- Workflows, Wireframes, Nutzerforschung und Rapid-Prototyping
- Vorbereitung und Durchführung von Workshops und Discoverys
- Integration von Designs und Layouts in bestehende Frontend-Templates
- Prototyping (Low-/Mid-/High-Fidelity) verschiedener Apps für Journalisten und Verlage
- Entwicklung von Showcases für iOS und Android, Design Thinking, qualitative und quantitative Nutzertests sowie A/B-Tests
- Frontend-Entwicklung in enger Zusammenarbeit mit Design-Abteilungen
- Aktives Change-Management im Publishing- und Journalismussektor sowie gegenüber Stakeholdern
- Kommunikation im Unternehmen und Informations-Hub für Teams
- Sensibilisierung und Überzeugung für Digitalisierung und neue Produkte
- Erstellung von Konzepten und Designs für Gamification-Elemente auf der Plattform
- Überzeugung großer Branchenvertreter (u. a. WAN-IFRA) bezüglich neuer Konzepte und Einnahmequellen
- Entwicklung neuer Cloud-native-Apps und Umsatzstrategien
- Vorbereitung und Erstellung verschiedener Materialien für Change-Prozesse
- Erstellung von Präsentationen, Mini-Apps und Infomaterial zur Unterstützung von Change-Kampagnen
- Leitung von insgesamt drei Teams
Alexander Vitanyi
Letzte Position:
Product Owner bei FI-TS
- Neuaufbau einer bestehenden Cloud-Lösung mit Kubernetes, Terraform, Ansible, Prometheus, Grafana, GitLab, ArgoCD und PostgreSQL
- Abstimmung und Steuerung externer Partner und Dienstleister
- Sicherstellung des Services termingerecht und im Budget mit Budgetverantwortung
- Integration der Cloud-Lösung in externe Public Clouds (AWS)
- Aufbau und Definition von Prozessen und Workflows in Jira und Confluence
- Produktmanagement der Softwareentwicklung zur Automatisierung und Self-Service im CI/CD-DevOps-Modus
- Agile Softwareentwicklung mit Kanban und Scrum in verschiedenen Entwicklungsteams
- Zentraler Ansprechpartner für Key Customers in den jeweiligen Projekten
- Erstellung und Abstimmung des Product Backlogs mit Stakeholdern aus Vertrieb, Architektur, Entwicklung, Marketing, Management und Kunden
- Migration von Bestandskunden in die AWS-Cloud als Product Owner
- Erstellung und Abstimmung einer Produkt-Roadmap mit internen und externen Stakeholdern
Stefan Ojanen
Letzte Position:
KI-Berater & Berater bei Freiberuflich
- Beratungsleistungen im KI-Bereich zu Produktmanagement, Strategie, KI-Modellen und KI-Infrastruktur
- KI-Produktleiter bei Ringier AG:
- BliKI-Chatbot für Blick.ch – live, Zehntausende Nutzer
- AI Forge Journalistentool für Blick.ch – live, Hunderte interne Nutzer
- Floorian automatisiertes System zur Optimierung von Mindestanzeigenpreisen – Pilotphase läuft
- Freiberuflicher CTO für ein KI-as-a-Service-Unternehmen, das automatisierte Trading-Lösungen anbietet
- KI-Agent ruft Personen in großem Umfang an, führt Gespräche, um bestimmte Ziele zu erreichen, und handelt basierend auf dem Gesprächsverlauf
- KI-Handelsbot basierend auf Transformator-Zeitreihenmodell zur Prognose zukünftiger Asset-Preise
Deependra Pokhrel
Letzte Position:
Datenspezialist bei Cloud Factory
- Als Datenspezialist habe ich meine analytischen Fähigkeiten genutzt, um Rohdaten in umsetzbare Erkenntnisse zu verwandeln und damit strategische Entscheidungen und operative Verbesserungen vorangetrieben. Meine Aufgaben umfassten Dateninterpretation, Automatisierung von Berichten und funktionsübergreifende Zusammenarbeit unter Einsatz von Tools wie Microsoft Excel, Power BI und Python für umfassende Datenanalysen.
- Implementierung von Python-Skripten zur Validierung und Abstimmung großer Datensätze, wodurch manuelle Fehler reduziert und die Datenzuverlässigkeit erhöht wurden.
- Einsatz von Python (Pandas, NumPy, Matplotlib/Seaborn) zur Automatisierung von Datenbereinigung, -analyse und -visualisierung, was Effizienz und Genauigkeit im Reporting steigerte.
- Entwicklung interaktiver Dashboards in Power BI zur Darstellung wichtiger Kennzahlen, Trends und Leistungsindikatoren, um Entscheidungsprozesse in Echtzeit zu unterstützen.
- Gestaltung und Durchführung automatisierter Berichte mit Excel (Pivot-Tabellen, Power Query, VBA) und Power BI, um Datenkonsistenz und -genauigkeit abteilungsübergreifend sicherzustellen.
- Datenanalyse: Excel (Erweiterte Pivot-Tabellen, Power Query), Power BI (DAX, Datenmodellierung), Python (Pandas, NumPy, Visualisierungsbibliotheken)
- Automatisierung & Reporting: Power BI Dashboards, Excel-Makros (VBA), Python-Skripting.
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die Big Data einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
17 Jahre (Deutschland: 19 Jahre)
Positionsdauer
2,3 Jahre (Deutschland: 3 Jahre)
Positionen pro Freelancer
10 (Deutschland: 12)
Häufigste Fachbereiche
Informationstechnologie (IT), Produktentwicklung, Business Intelligence
Häufigste Branchen
Informationstechnologie (IT), Bank- und Finanzwesen, Medien, Unterhaltung und Druck
Fokus der Zertifizierungen
Informationstechnologie (IT), Projektmanagement, Business Intelligence
Bachelor-Abschluss oder höher
91%
Master-Abschluss oder höher
43% (Deutschland: 64%)
Doktortitel
9% (Deutschland: 17%)
Zertifizierungen pro Freelancer
2 (Deutschland: 3)
Häufigste Sprachen
Deutsch, Englisch, Spanisch
Sprechen zwei oder mehr Sprachen
93% (Deutschland: 98%)
Basierend auf unserem Profilpool, Stand 30 Aug 2026.
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Freelancer in dieser Technologie in Berlin 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 Berlin, die Big Data 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
Big-Data-Arbeit
Big Data bedeutet Systeme, die große Datenmengen aus vielen Quellen sammeln, bewegen, speichern und analysieren. Dazu gehören oft Hadoop, Apache Spark, Kafka, Hive und Cloud-Datendienste. Das Ziel ist einfach: rohe Daten in nutzbare Berichte, Produkterkenntnisse und operative Entscheidungen verwandeln.
Typische Umsetzung
- Batch-Pipelines für Logs, Ereignisse und Geschäftsdaten
- Streaming-Flows für Verarbeitung in nahezu Echtzeit
- Data Lakes und Warehouse-Feeds
- ETL- und ELT-Jobs für Analyseteams
- Datenebenen für Suche, Empfehlungen und Betrugserkennung
Tools und Stack
Starke Spezialisten arbeiten über den ganzen Stack hinweg, nicht nur mit einem Framework. Sie kennen Spark SQL, Hadoop-Speichermuster, Kafka-Topics, Partitionierung, Orchestrierung und Cloud-Dienste wie AWS, Azure oder Google Cloud. Sie verstehen auch Datenformate, Schema-Änderungen und Fehlertoleranz.
Wann Hilfe sinnvoll ist
Unternehmen suchen meist freiberufliche Big-Data-Expertise, wenn Pipelines langsam, anfällig oder schwer zu erweitern sind. Das hilft auch, wenn ein Team zusätzliche Unterstützung für eine Migration, eine neue Datenplattform oder eine komplexe Reporting-Schicht braucht. In Berlin passt das oft zu Produktunternehmen, Medien, Logistik und Fintech-Teams, die remote oder hybrid zusammenarbeiten.
Was gute Spezialisten tun
Gute Profis denken gleichzeitig an Datenqualität, Latenz und Kosten. Sie schreiben saubere Jobs, dokumentieren Abhängigkeiten und behandeln Fehler auf vorhersagbare Weise. Außerdem arbeiten sie gut mit Analysten, Produktteams und Datenspezialisten zusammen, damit die Ergebnisse auch nach der Übergabe nutzbar bleiben.
Suchbegriffe und Passung
Menschen suchen bei dieser Art von Arbeit oft nach Big-Data-Experten unter Hadoop, Spark oder Apache Kafka. Die beste Passung ist jemand, der echte Pipelines gebaut hat und nicht nur einmal ein Tool benutzt hat. In Berlin reicht klare Kommunikation auf Englisch oft aus, aber gute Dokumentation ist in jedem Fall wichtig.
Häufig gestellte Fragen
Neugierig auf Big Data? Hier sind die Antworten, die immer wieder gefragt sind.
Big-Data-Arbeit umfasst normalerweise Datenerfassung, Speicherung, Verarbeitung und Analyse über große oder schnell wachsende Datenmengen hinweg. Das kann Batch-Jobs, Streaming-Pipelines, Data Lakes oder Analytics-Feeds für Dashboards und Machine Learning bedeuten. Der genaue Umfang hängt davon ab, ob das Unternehmen Berichte, operative Daten oder Ereignisse in Echtzeit braucht.
Big Data ist das breitere Feld, während Hadoop und Spark gängige Bestandteile des Stacks sind. Hadoop wird oft mit verteilter Speicherung und älteren Batch-Setups verbunden, während Spark für schnellere Verarbeitung und Analysen genutzt wird. Viele Projekte verwenden beide Ansätze sowie Kafka, Hive oder Cloud-Dienste, je nach Datenfluss.
Ein starker Big-Data-Spezialist kennt in der Regel Datenmodellierung, SQL, Linux und mindestens eine Cloud-Umgebung. Außerdem sollte er Orchestrierung, Beobachtbarkeit, Zugriffskontrolle und den Umgang mit kaputten Schemata oder verspäteten Daten verstehen. Für viele Projekte ist auch Erfahrung mit Python oder Scala hilfreich.
Ein Big-Data-Projekt braucht jemanden, der produktive Pipelines ausgeliefert hat und nicht nur Demos gebaut hat. Wenn das System einfach ist, reicht vielleicht ein solider Spezialist. Wenn Streaming, Migrationen oder viele Quellsysteme dazukommen, braucht man jemanden, der diese Probleme schon gelöst hat.
Fragen Sie, welche Plattformen sie genutzt haben, wie sie Fehlerabsicherung entwerfen und wie sie Datenqualität testen. Ein guter Big-Data-Experte kann Kompromisse bei Latenz, Kosten und Wartbarkeit ohne ausweichende Antworten erklären. Sie sollten auch nach Beispielen für Pipelines, Migrationen oder Vorfälle fragen, die sie betreut haben.
Die meiste Big-Data-Arbeit kann remote erledigt werden, weil sie sich auf Code, Datenflüsse und Reviews konzentriert. Vor-Ort-Zeit in Berlin kann am Anfang eines Projekts helfen, besonders für Workshops oder die Planung von Zugängen. Viele Teams nutzen ein hybrides Modell und halten den Großteil der Umsetzung remote.
Schlechte Big-Data-Arbeit zeigt sich oft durch versteckte Fehler, unklare Zuständigkeiten und Jobs, die sich schwer erneut ausführen lassen. Achten Sie auf schwaches Monitoring, fehlende Tests und Pipelines, die von manuellen Schritten abhängen. Ein guter Spezialist hinterlässt klare Logs, Wiederherstellungswege und Dokumentation.
In Berlin tauchen Big-Data-Projekte oft in Medien, Mobilität, Fintech, E-Commerce und Produktanalysen auf. Teams brauchen möglicherweise Hilfe bei Ereignis-Pipelines, Customer-Data-Plattformen, Reporting-Schichten oder Cloud-Migrationen. Englisch ist oft die Arbeitssprache, besonders in gemischten internationalen Teams.
Der durchschnittliche Stundensatz von Freelancern in Berlin, Deutschland, die Big Data in ihren letzten Projekten eingesetzt haben, liegt bei 105 €, was einem Tagessatz von etwa 843 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in Berlin, Deutschland, die Big Data in ihren letzten Projekten eingesetzt haben, haben 91% mindestens einen Bachelor-Abschluss, 43% mindestens einen Master-Abschluss und 9% einen Doktortitel.
Freelancer in Berlin, Deutschland, die Big Data in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 17 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 2,3 Jahre.
Die häufigsten Sprachen unter Freelancern in Berlin, Deutschland, die Big Data in ihren letzten Projekten eingesetzt haben, sind Deutsch (96%), Englisch (96%) und Spanisch (22%).
Die häufigsten Industrien unter Freelancern in Berlin, Deutschland, die Big Data in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (81%), Bank- und Finanzwesen (48%), Medien und Unterhaltung und Druck (41%).
Die häufigsten Bereiche unter Freelancern in Berlin, Deutschland, die Big Data in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (96%), Produktentwicklung (70%) und Business Intelligence (67%).
Hauptstandorte der FRATCH Experten, die kürzlich Big Data 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.
Hamburg 
München 
Köln 
Frankfurt 
Stuttgart 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
