Change Data Capture Experten in Deutschland
aufbauen, schnell aus über 15.000 Lebensläufen vermitteltBeauftragen Sie Experten, die log-basierte Datenpipelines entwickeln, Debezium und Kafka Connect konfigurieren und operative Datenbanken mit Data Warehouses oder ereignisgesteuerten Services verbinden. FRATCH vermittelt Sie schnell und präzise mit geprüften, verfügbaren Freelancern.
Lerne FRATCH Experten in Deutschland kennen, die kürzlich Change Data Capture eingesetzt haben
Kiriakos K.
Letzte Position:
Tech Lead / Architect : OTTO API Platform bei OTTO
Reifung ihrer API-Praktiken sowohl auf Business- als auch auf Technologieebene. Meine Rolle umfasst Strategie, Architektur, Developer Advocacy sowie hands-on Software Engineering und ermöglicht es sowohl technischen Teams als auch dem Business-Management, API-zentrierte Prinzipien effektiv zu übernehmen und anzuwenden. Gleichzeitig etablieren wir mit diesem Projekt auch GitOps, DX und Platform Best Practices.
Highlights:
- Abstimmung mit Executives auf die Initiative durch Klarstellung der Strategie, Ersetzen von Missverständnissen und Mythen durch Fakten, Verdeutlichen des Werts bestehender Assets und Ermöglichen fundierter Entscheidungen
- Entwicklung eines Vorgehens für das API Lifecycle Management bei OTTO
- Vorantreiben des Plattformfortschritts und Förderung des Entwicklerengagements durch hands-on Engineering-Arbeit in Richtung strategischer Ziele
API Lifecycle Management, Team Topologies, Organizational Evolution, Regulatory, Platform Advocate, Developer Platform, Communities of Practice, Terraform, Kotlin, Kafka, Kong, WSO2, Apigee, Gravitee, Backstage, AsyncAPI, OpenAPI, API Design, AWS, React, Node.js, TypeScript, Redocly, Reactive Programming, CDC, Golang, Gin-Gonic, GitOps, DX (Developer Experience), Stakeholder Management, Roadmaps, Workshops, Discovery.
Ali A.
Letzte Position:
Gründer & Architekt bei Independent AI R&D
- Vollständig On-Premises betriebene LLM-Plattform zur Dokumentenprüfung für einen Compliance-kritischen Bankbereich: agentenbasierte LangGraph-Pipeline mit deterministischer Verifizierung, jedes KI-Urteil strukturiert und an die Quelle gebunden; ~960 automatisierte Tests, kein Datenabfluss
- GPU-Durchsatzoptimierung (quantized serving, speculative decoding, prefix caching): 9.5-fache Beschleunigung der Extraktion, 500+ Fallakten mit mehreren Dokumenten pro Tag auf einer einzelnen A100
- KI-native EDI/EDIFACT-Integrationsplattform (~116k LOC Java 25 / Spring Boot 4, 1,900+ Tests): Von LLM erstellte Partnermappings werden vor dem Go-live maschinell verifiziert (DFDL-Konformität, Feldabdeckungsprüfungen, Testläufe), ~99.5% Byte-Übereinstimmung bei echten Kundendateien – ersetzt wochenlange manuelle Zuordnung pro Partner
Alexander Z.
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.
Frank E.
Letzte Position:
DevOps bei Lauck-IT
Betrieb und Erweiterung von Azure DevOps-Pipelines
Betrieb und Erweiterung von AWS-Services
Citrix (Windows 10, Bitwarden)
AWS: ECR, EKS, CloudFront CDN, Route 53, VPC Peering und CNI-Upgrade, Atlas MongoDB, S3-Buckets, Hosting statischer Websites
Azure: Build und Deployment mit DevOps-Pipelines
Hardeep B.
Letzte Position:
Sr. Data Engineer bei Charles Schwab Bank
- End-to-end-Datenpipelines (Batch & Streaming) mit Python, SQL und Apache Spark sowie Databricks auf AWS entworfen und umgesetzt und dabei die ETL-Latenz um 40 % reduziert.
- Serverless, ereignisgesteuerte Ingestion-Pipelines mit AWS Lambda und SQS entwickelt und so die Echtzeitverfügbarkeit der Daten für nachgelagerte Analysen sichergestellt.
- Google Cloud Platform (GCP)-Services wie BigQuery und Dataflow genutzt, um Cloud-übergreifende Data-Warehousing- und Analytics-Integrationen zu steuern.
- Erfahrung mit DMS (CDC, Full Load) und Airflow für skalierbare Automatisierung und Orchestrierung von Datenpipelines.
- Datenpipelines mit Databricks und Airflow verwaltet und angepasst. Automatisierung mit Docker, Kubernetes und Terraform.
- Datenqualitätsprüfungen mit dbt automatisiert, um Transformationen zu modularisieren und eine produktionsreife Data Lineage sicherzustellen, wodurch die Zuverlässigkeit um 30 % verbessert wurde.
- Mit Compliance-Teams zusammengearbeitet, um die Einhaltung von GDPR und SOC2 sicherzustellen. Junior Engineers betreut und bei der Refaktorierung der Architektur für mehr Skalierbarkeit mitgewirkt.
- Dashboards in Power BI erstellt und gepflegt, um umsetzbare Einblicke zu liefern.
Umut G.
Letzte Position:
Data Architect bei BA Technology
Ich bin ein erfahrener Data Engineer mit Spezialisierung auf End-to-End Data Integration, Cloud-DWH-Architekturen und hochwertige, gesteuerte Datenprodukte.
Ich habe folgende Projekte und Einsätze als Freelancer umgesetzt.
- Data Migration des CRM-Systems für AL-FA Objekt Service Gmbh
- Microsoft Software Resales Partnership
Ich suche freiberufliche Rollen wie: Freelance Data Engineer Cloud Data Warehouse Architect Data Modeling & Architecture Consultant MDM & Data Governance Specialist BI & Analytics Developer
Technische Schwerpunkte
- Data Engineering & Integration: SQL Server/SSIS, Informatica PowerCenter/IDQ, Talend, Kafka, Azure Data Factory – Delta/CDC/ELT-Patterns, robuste Pipelines, Monitoring/Recovery, Data Lineage & Impact Analysis, Medallion Architecture mit Bronze/Silver/Gold-Layern
- DWH & Cloud: Azure SQL / Data Lake / Synapse, AWS Redshift/S3, on-prem SQL/Oracle – skalierbare Data Marts mit starkem Kosten-Nutzen-Fokus.
- Data Modeling: Atomic (Inmon) und Dimensional (Kimball), Data Vault (Linstedt), Domain-Driven Design, klare Herkunft & Verträge.
- MDM & Governance: Informatica MDM, IBM MDM, Stewardship-Prozesse, Data-Quality-Regeln, Survivorship/XREF, Katalog/Glossar, SIF/BES/REST-Publikation.
- Analytics/BI: Power BI, SSAS, Cognos – geschäftsreife, wartbare Datenprodukte.
Klaus E.
Letzte Position:
Exasolution DBA bei Rechenzentrum Innsbruck
- DBA Exasolution Server Beratung und Migration auf Version 8
- Analyse von SQL-Query-Performance und Tuning
- Fehlersuche in Batchskripten
- Technologien: Gitlab, EXACloud, EXAOperation, DBeaver, Control M
Felix R.
Letzte Position:
SAP Analytics & Planning Experte bei RWS GmbH
- Greenfield-Implementierung von S/4HANA Embedded Analytics sowie Reporting- und Planungsprozessen mit SAP Analytics Cloud (SAC).
- Integrierte Produktions-, Vertriebs- und Bestandsplanung sowie Finanzplanung und Management-Reporting.
- Bestandsprognosen über SAC Machine Learning realisiert.
- Integration von S4/HANA-Daten und HR-Daten (Factorial) in SAP Datasphere (verschiedene Tabellen mit Echtzeitreplikation, zugehörige Dataflows und analytische Modelle)
Benjamin S.
Letzte Position:
Konzeption und Implementierung eines neuen Cloud Services bei Porsche AG
- Konzeption eines neuen Cloud Services
- Anforderungsanalyse
- API-Design (REST-API, Kafka)
- Beratung zu Architektur, Machbarkeits- und Aufwandsschätzung
- Umsetzung einer Microservice-Architektur
- Implementierung eines Spring-Boot-Webservices
- Entwicklung von REST-APIs inkl. Business- und Persistenzlogik
- Kafka-Consumer und -Producer
- Verschiedene Excel-Upload/Download-Szenarien
- Change Data Capture
- Cloud Provisioning mit IaC/Terraform
- Go-Live mit 30.000 Nutzern
- Betrieb, Support und Fehlerbehebung bei weiteren Services
Umgebung/Werkzeuge: Gitlab, JIRA, Confluence, IntelliJ, Spring Boot, Java, Docker, Terraform, AWS ECS, Postgres, Apache Kafka, SAP Datasphere, JUnit, Debezium, Apache POI, Hibernate, JPA, Testcontainer
Peter B.
Letzte Position:
Data Warehouse Berater (Entwicklung und Analyse) bei Atruvia AG
- Entwicklung und Erweiterung von ETL-Datenbeladungsjobs mit IBM DataStage und SQL-Optimierung in einer IBM DB2 Umgebung im Rahmen der Agree21 Datenmigration
- Analyse der Datenqualität und Entwicklung von Testprozeduren
- Erstellung von Skripten in MS Powershell und Dokumentation von GIT-Deploymentprozessen
- Technologien: RedHat Linux, IBM DB2 mit DB Visualizer, IBM InfoSphere DataStage 11.7, JIRA, TortoiseGIT, TortoiseSVN, Powershell Skripts
Asad K.
Letzte Position:
Senior KI-Entwickler bei Neuland.ai AG
- Entwarf und implementierte ein produktionsreifes GraphRAG-System mit Neo4j, Embeddings und Multi-Hop-Reasoning für über 120 Mio. Knoten, steigerte die Antwortgenauigkeit um 32 %, verringerte Halluzinationen um 41 % und senkte die Abruflatenz um 38 %.
- Entwickelte und implementierte ein Enterprise-Agenten-Ökosystem mit Model Context Protocol (MCP), das interne APIs, Datenbanken und Services als sichere aufrufbare Tools für autonome Workflows und Systemintegration bereitstellt.
- Konzipierte und setzte einen produktionsreifen E-Mail-Routing-Agenten auf LLM-Basis mit Microsoft Graph API, MCP und Azure OpenAI ein, erreichte 96 % Routing-Genauigkeit, senkte den manuellen Triage-Aufwand um 65 % und verkürzte die Reaktionszeiten von 18 Stunden auf unter 4 Stunden.
- Implementierte Selbstkorrektur-Pipelines für autonome Agenten mittels iterativer Feedback-Schleifen (Ralph Wiggum), was eine zuverlässige Fehlererkennung, automatisierte Behebung und produktionssichere Ausführung ermöglicht.
- Entwickelte eine multimodale semantische Suchplattform mit multimodalen LLMs und Vektor-Embeddings, ermöglichte semantisches Auffinden von über 250 000 Bild- und Video-Assets und verbesserte die Trefferquote um 48 %.
Vladislav L.
Letzte Position:
Freiberuflicher Dateningenieur / Architekt bei Deutsche Bank
Entwickelte und implementierte einen skalierbaren Data Lake auf der Google Cloud Platform (GCP) für die Abteilung Anti-Financial Crime (AFC), um Initiativen zur Geldwäschebekämpfung und Terrorismusfinanzierung zu unterstützen
Erstellte robuste Datenpipelines, um täglich über 30 Millionen Transaktionen aus Privat- und Firmenbanken zu erfassen und zu verarbeiten, und wandte dimensionales Modellieren an, um erweiterte Analysen und regulatorische Berichte zu ermöglichen
Sorgte für Ausfallsicherheit durch die Implementierung von Change Data Capture, Late-Data-Handling und Schema-Evolution in sich entwickelnden Quellsystemen
Führte ein kleines Engineering-Team und arbeitete mit internationalen Stakeholdern in Deutschland, Singapur, Sri Lanka, Hongkong, Taiwan und Thailand zusammen, um Compliance, Datenqualität und Performance sicherzustellen
Google Cloud Platform (GCP)
Apache Spark (Dataproc & Cloudera Data Platform - Python PySpark)
Apache Airflow (Cloud Composer - Python API)
Google Cloud Storage
BigQuery
GitHub Actions
Terraform
Google Kubernetes Engine (GKE)
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die Change Data Capture einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
20 Jahre
Positionsdauer
1,8 Jahre
Positionen pro Freelancer
12
Häufigste Fachbereiche
Informationstechnologie (IT), Business Intelligence, Projektmanagement
Häufigste Branchen
Informationstechnologie (IT), Bank- und Finanzwesen, Automotive
Fokus der Zertifizierungen
Informationstechnologie (IT), Projektmanagement, Business Intelligence
Bachelor-Abschluss oder höher
92%
Master-Abschluss oder höher
42%
Zertifizierungen pro Freelancer
5
Häufigste Sprachen
Englisch, Deutsch, Französisch
Sprechen zwei oder mehr Sprachen
92%
Basierend auf unserem Profilpool, Stand 19 Sep 2026.
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Freelancer in dieser Technologie in Deutschland 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 Deutschland, die Change Data Capture 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 19 Sep 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Branchenfokus der Change Data Capture Experten
Sieh, in welchen Branchen unsere gematchten Freelancer am häufigsten tätig sind — jede Zahl wird live aus den Freelancern auf FRATCH berechnet.
- Informationstechnologie (IT) (100%)
- Bank- und Finanzwesen (58%)
- Automotive (50%)
- Telekommunikation (42%)
- Fertigung (33%)
- Medien, Unterhaltung und Druck (33%)
- Pharmazeutika (33%)
- Professionelle Dienstleistungen (33%)
Bitte beachte, dass Freelancer in mehreren Branchen tätig sein können, daher überschneiden sich die Prozentwerte.
Über die Technologie
Was CDC leistet
Change Data Capture, oft als CDC bezeichnet, erfasst Einfügungen, Aktualisierungen und Löschungen, sobald sie in einem Quellsystem erfolgen. Statt vollständige Tabellen wiederholt zu kopieren, sendet es nur geänderte Datensätze an nachgelagerte Systeme. Das ermöglicht aktuellere Daten und reduziert gleichzeitig die Belastung operativer Datenbanken.
Wo es eingesetzt wird
CDC wird zum Aufbau von Datenplattformen, ereignisgesteuerten Services und operativen Reporting-Prozessen eingesetzt. Häufige Ziele sind Cloud Data Warehouses, Lakehouses, Suchindizes, Caches und kundenorientierte Anwendungen. Teams aus Einzelhandel, Finanzwesen, Logistik und Fertigung nutzen es überall dort, wo mehrere Systeme synchron bleiben müssen.
- Datenbankänderungen an Analyseplattformen replizieren
- Ereignisse in Streaming- und Messaging-Systeme einspeisen
- Services und Lesemodelle synchron halten
- Migrationen mit kontrollierter Datenbewegung unterstützen
Ökosystem und Tools
Gute CDC-Arbeit verbindet die Interna von Datenbanken mit Streaming-Infrastruktur. Spezialisten arbeiten möglicherweise mit der logischen Replikation von PostgreSQL, MySQL-Binlogs, dem Change Tracking von SQL Server, Oracle-Redo-Logs, Debezium, Kafka Connect, Apache Kafka, cloudnativen Change Streams und verwalteten Services wie AWS DMS. Schema-Register, Datenverträge, Konnektoren und Observability vervollständigen das Setup.
Wann Expertise wichtig ist
Freelance-Expertise hilft, wenn eine bestehende Integration zu langsam ist, doppelte Ereignisse erzeugt oder Datenlücken nicht erklären kann. Sie ist außerdem bei Datenbankmigrationen, der Modernisierung von Data Warehouses, der Integration nach Unternehmenszusammenschlüssen und der Einführung ereignisgesteuerter Architekturen wertvoll. In Deutschland ist die Remote-Zusammenarbeit üblich, während regulierte oder industrielle Umgebungen Workshops vor Ort und eine klare Dokumentation auf Englisch oder Deutsch erfordern können.
- Quelldatenbanken werden durch wiederholte Exporte belastet
- Berichte benötigen aktuellere Daten, als Batch-Jobs liefern
- Teams benötigen zuverlässiges erneutes Abspielen, Wiederherstellung und korrekte Reihenfolge
- Eine Migration muss ohne längere Ausfallzeit laufen
Umsetzung und Schutzmaßnahmen
Eine solide Implementierung definiert das Änderungsereignis, den Schlüssel, die Regeln für die Reihenfolge und die Zustellgarantien, bevor ein Konnektor bereitgestellt wird. Profis kümmern sich um Snapshots, Offsets, Schemaentwicklung, Löschungen, Wiederholungsversuche, Nachlieferungen und Zugriffskontrollen. Außerdem überwachen sie Verzögerungen, Fehler und Datenqualität über den gesamten Pfad hinweg, statt den Konnektor als eigenständiges Tool zu betrachten.
Woran man gute Arbeit erkennt
Der richtige Spezialist kann die Unterschiede zwischen log-basierter CDC, Triggern, zeitstempelbasierter Abfrage und nativen Change Streams erklären. Er testet die Fehlerwiederherstellung, überprüft den Abgleich von Quelle und Ziel und dokumentiert die betriebliche Verantwortung. Achten Sie auf Erfahrung mit den relevanten Datenbank-Engines, Streaming-Mustern, Sicherheitsanforderungen und der fachlichen Bedeutung der Daten, nicht nur auf die Vertrautheit mit einem bestimmten Produkt.
Häufig gestellte Fragen
Vor der nächsten Projektanfrage: die häufigsten Fragen zu Change Data Capture.
Change Data Capture erfasst Datenbankänderungen und übermittelt sie an andere Systeme, ohne wiederholt vollständige Tabellen auszulesen. Unternehmen nutzen CDC für das Laden von Data Warehouses, die Synchronisierung von Anwendungen, die Verarbeitung von Ereignissen, Migrationen und Reporting nahezu in Echtzeit.
CDC verursacht in der Regel weniger Belastung im Quellsystem und eine geringere Datenverzögerung, da es festgeschriebenen Änderungen folgt, statt Datensätze wiederholt zu durchsuchen. Polling kann für kleine Integrationen einfacher sein, während sich Batch-Replikation eher eignet, wenn Aktualität keine große Rolle spielt.
Ein guter Change Data Capture-Spezialist kann mit Debezium, Kafka Connect, Apache Kafka, der logischen Replikation von PostgreSQL, MySQL-Binlogs und Cloud-Migrationsservices arbeiten. Nützliche angrenzende Kenntnisse umfassen Datenmodellierung, Schemaentwicklung, Ereignisdesign, SQL, Observability, Sicherheit und Cloud-Infrastruktur.
Eine kleine, gut verstandene Quelle kann oft von einem Spezialisten betreut werden, der vergleichbare Konnektoren und Wiederherstellungsverfahren umgesetzt hat. Komplexe Systemlandschaften erfordern tiefere Erfahrung mit Transaktionsreihenfolge, Snapshots, Löschungen, Schemaänderungen, erneutem Abspielen, Compliance und dem systemübergreifenden Abgleich.
Change Data Capture eignet sich häufig für die Remote-Zusammenarbeit, da Konfiguration, Tests und Monitoring über gemeinsam genutzte Umgebungen erfolgen können. Termine vor Ort können bei Netzwerkzugriffen, regulierten Daten, Fabriksystemen oder Workshops mit mehreren deutschsprachigen Teams dennoch hilfreich sein.
CDC kann falsche Ergebnisse liefern, wenn Teams Löschungen, doppelte Zustellung, Transaktionsgrenzen oder Schemaänderungen übersehen. Weitere Risiken sind unbegrenzte Verzögerungen, unvollständige Snapshots, schwache Zugriffskontrollen und ein fehlender Abgleich zwischen Quelle und Ziel.
Bitten Sie einen Change Data Capture-Spezialisten zu erklären, wie er sich nach einem Konnektorausfall erholt, mit Ereignissen in falscher Reihenfolge umgeht und die Vollständigkeit von Quelle und Ziel überprüft. Gute Profis sprechen über Betriebsleitfäden, messbare Datenqualitätsprüfungen und die Grenzen ihres gewählten Tools, statt zu versprechen, dass ein Konnektor alles löst.
Ein CDC-Auftrag besteht selten nur aus der Konfiguration eines Konnektors. Freelancer sollten das Verhalten der Quelldatenbank, die Garantien des Ziels, Sicherheitsgrenzen, die Zuständigkeit für Vorfälle, die erwartete Aktualität, die Schema-Governance und die Frage klären, ob das Team die Pipeline nach der Umsetzung betreuen kann.
Der durchschnittliche Stundensatz von Freelancern in Deutschland, die Change Data Capture in ihren letzten Projekten eingesetzt haben, liegt bei 95 €, was einem Tagessatz von etwa 757 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in Deutschland, die Change Data Capture in ihren letzten Projekten eingesetzt haben, haben 92% mindestens einen Bachelor-Abschluss und 42% mindestens einen Master-Abschluss.
Freelancer in Deutschland, die Change Data Capture in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 20 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 1,8 Jahre.
Die häufigsten Sprachen unter Freelancern in Deutschland, die Change Data Capture in ihren letzten Projekten eingesetzt haben, sind Englisch (100%), Deutsch (92%) und Französisch (17%).
Die häufigsten Industrien unter Freelancern in Deutschland, die Change Data Capture in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Bank- und Finanzwesen (58%) und Automotive (50%).
Die häufigsten Bereiche unter Freelancern in Deutschland, die Change Data Capture in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Business Intelligence (83%) und Projektmanagement (75%).
Hauptstandorte der FRATCH Experten, die kürzlich Change Data Capture 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 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
