
Data Modeling Experten in Österreich
mit präzisem KI-Matching und geprüften, verfügbaren FreelancernBeauftragen Sie Experten, die zuverlässige Datenstrukturen entwerfen, Geschäftskonzepte Datenbanken zuordnen und Modelle für Analysen, Anwendungen und Cloud-Migrationen vorbereiten. FRATCH bringt Sie schnell mit präzise ausgewählten, geprüften Freelancern zusammen, die verfügbar sind, wenn Ihr Projekt sie braucht.
Lerne FRATCH Experten in Österreich kennen, die kürzlich Data Modeling eingesetzt haben
Laura H.
Letzte Position:
Sr. BI-Berater & Projektmanager bei Multivariata
- Projektleiter, Sr. BI-Experte, Data Scientist, Automatisierungsingenieur für Marketing Analytics | Customer Insights (Einzelhandel, E-Commerce)
- Produktmanager: Asset Metadata Ingest & Provide
- Product Owner Business Intelligence – verantwortlich für 2 Teams: Cloud Data Engineering, Data Warehouse (Logistik)
- Product Owner für den Aufbau einer Reporting-Plattform auf Azure & Power BI (Finanzen)
Alexander P.
Letzte Position:
Inhaber & Lektor bei Artellico / Eigenes Unternehmen für KI-Governance und Datenprodukte
- Beratung und Interim-Management an der Schnittstelle von IT-Betrieb und Regulatorik
- Betroffenheitsanalyse und Umsetzungsplanung zu NISG 2026 und EU AI Act, einschließlich Risikomanagement sowie Melde- und Nachweisprozessen
- Schulung von Leitungsorganen und Belegschaft zu regulatorischen Pflichten
- Lehraufträge Data & Information Management sowie Mensch-Maschine-Interaktion an der Hochschule Burgenland, seit 2023
- Betreuung von Masterarbeiten und Mitwirkung im Prüfungssenat
- Fachvorträge in Wirtschaft und Bildungseinrichtungen
- Konzeption und Entwicklung von Daten- und KI-Produkten, Plattformen und Pipelines
- Datenschutzorientierte Architekturen und Zero-Knowledge-Verschlüsselung, cloud-nativ auf EU-Infrastruktur
- Anbindung an Bankkontosysteme über SEPA-Lastschriftmandate und Nachrichtenformate nach ISO 20022 (pain.008, camt.053)
- MLOps und AIOps im laufenden Betrieb
- Eigene Anwendungen unter eigener Marke: gemeinsame Codebasis, getrennte Auslieferung je Zielgerät
- KI-gestützte Softwareentwicklung (vibe-coding), vollständige agentische Pipelines, Code-Erzeugung, Implementierung, automatisierte Tests, CI/CD und Releasezyklen
- Fachpublikationen zu EU AI Act, NIS2, DORA, CRA und CER als integriertem Governance-System
- Fachpublikationen zu Datensouveränität, Cloud-Ökonomie und industrieller Bildverarbeitung
- KI-Governance / Compliance: Datenqualität, Responsible AI, EU-AI-Act-Readiness, Risikoklassifizierung, KI-Ethik
Stefania D.
Letzte Position:
Data Engineer bei Storebox
Tech: AWS (Glue, Lambda, Redshift), Airflow, PostgreSQL, Python, PySpark, Metabase, Power BI
Geliefert: Analytics-ready Datenmodelle • Migration von Legacy-SQL zu Cloud-ETL • Dynamische Pricing Engine
- Verantwortlich für das unternehmensweite Data Warehouse von Anfang bis Ende — von der Datenaufnahme über die Transformation bis hin zu analytics-ready dimensionalen Datenmodellen auf AWS Redshift.
- Mit Analysten, Data Scientists und Business-Stakeholdern zusammengearbeitet, um skalierbare dimensionale Datenmodelle bereitzustellen, die Self-Service Analytics ermöglichen und das Dashboarding in Metabase und Power BI vereinfachen.
- End-to-End ETL/ELT-Pipelines auf AWS (Glue, Lambda, Redshift) mit Python und PySpark entwickelt und mit Apache Airflow (MWAA) orchestriert, um Zuverlässigkeit und Transparenz sicherzustellen.
- Standards für Data Quality und Governance über alle Pipelines und die zentrale Datenebene definiert und durchgesetzt.
- Die Migration von Legacy-SQL-Infrastruktur in skalierbare AWS-Glue-Pipelines mit verteilter PySpark-Verarbeitung geleitet, um Engpässe zu beseitigen und Ausfallzeiten zu reduzieren.
- Eine dynamische Pricing Engine entwickelt, die automatische Rabattaktionen auf Basis von Auslastung, Konkurrenzpreisen und Standort-Performance-Tiers anwendet.
- Schema-Mappings entworfen, um MongoDB-Daten in strukturierte relationale Systeme (Redshift/PostgreSQL) zu übernehmen.
Stefan M.
Letzte Position:
SAP Architekt bei Produktionsindustrie
Einführung von SAP Business Data Cloud / Datasphere
Technologien: SAP Datasphere | SAP BTP | SAP ANALYTICS CLOUD | ETL / ELT | Security & Governance
Aufgaben / Verantwortung:
- Konzeption und Umsetzung von Datenarchitekturen in SAP Business Data Cloud / Datasphere
- Design von Spaces, Data Products und Data Flows für integrierte Datenmodelle
- Anbindung von SAP- & Non-SAP-Systemen über SDI, ODP, APIs
- Integration mit SAP ANALYTICS CLOUD für Self-Service-Analytics
- Aufbau von Governance-, Security- & Berechtigungskonzepten
- Erstellung von Architekturrichtlinien & Performanceoptimierung
Ergebnisse / Erfolge:
- Einführung eines zentralen Datenkatalogs & Berechtigungskonzepts
- Grundstein für Self-Service-Analytics gelegt
Immo M.
Letzte Position:
Weiterentwicklung der Data Analytics-Systemlandschaft auf Basis von MS Power BI bei Österreichischer Landesenergieversorger
Weiterentwicklung der Data Analytics-Systemlandschaft auf Basis von MS Power BI Branche: Energiewirtschaft
- Konzeption und Entwicklung von ETL-Prozessen, primäre Datenquelle SAP IS/U inkl. Extraktion mittels Theobald Extraktoren nach Azure Synapse, Unterstützung bei SAP S4-Umstellung
- Unterstützung bei der Konzeption und Entwicklung von Datenmodellen in Azure Synapse Analytics
- Erhebung und Umsetzung von Anforderungen im Data Analytics-Bereich aus internen Fachbereichen
- Identifikation, Dokumentation und Analyse bestehender sowie bereichsübergreifender Prozesse
- Datendefinition, Datenmodellierung und -aufbereitung sowie Quellenauswahl für die Zusammenführung von Daten aus unterschiedlich strukturierten Datenquellen
- Entwurf von Reports und Dashboards auf Basis von MS Power BI
- Überführung von Reporting-Prozessen aus bestehenden Strukturen und Reporting-Lösungen (Qlik) auf MS Power BI Premium (PPU)
- Praktische Entwicklung und Umsetzung von Analysen, Reports und Dashboards auf Basis von Microsoft Power BI
- Power Apps für Rückschreibprozesse aus Power BI Premium in Azure SQL DB
- Beratung zu Governance, Planung, Dokumentation und Begleitung der Umsetzung (Steuerung und Optimierung von Ressourceneinsatz und Veröffentlichungsprozessen, Verwaltung von Workspaces, Datasets und Berechtigungskonzepten inkl. RLS – Row Level Security, zielgruppenabhängige Veröffentlichung von (Teil-)Inhalten einzelner Apps)
- Laufende Betreuung und Administration der Power BI Service-Umgebung
- Laufender Betrieb und Wartung der Reporting-Lösungen
- Begleitung von Power BI im Rahmen der SAP S4-Umstellung
- Einführung von MS Fabric
- Zusammenarbeit mit internen Fachbereichen und externen Entwicklungspartnern
- Coaching/Schulung, Dokumentation, Entwicklungsprozesse
Michael O.
Letzte Position:
Tankstellenmitarbeiter bei Shell
- Präzise Abwicklung von Kundentransaktionen unter Zeitdruck, einschließlich Bargeld- und Kassendatenverarbeitung mit hoher Sorgfalt
- Zuverlässige, gleichbleibende Leistung in einem schnelllebigen, kundenorientierten Umfeld; Ausbau von Organisations- und Multitasking-Fähigkeiten
Hossein A.
Letzte Position:
Datawarehouse Consultant bei LENZING AG
- Beratung zur Enterprise-Data-Warehouse- und Reporting-Praxis bei einem der größten Industriekonzerne Österreichs.
- Entwicklung und Standardisierung von Power-BI-Dashboards sowie Data-Visualization-Governance für unternehmensweites Reporting.
- Entwicklung eines WCAG-konformen, farbenblind-sicheren Visualisierungsstandards (Okabe-Ito-Palette), um Dashboards im gesamten Unternehmen zu vereinheitlichen.
Elija L.
Letzte Position:
Fujitsu Deutschland
- Begleitung und Mitgestaltung des Aufbaus und der Weiterentwicklung eines unternehmensweiten HUB-Systems im Fujitsu-Umfeld zur Integration unterschiedlichster Datenquellen und Anwendungen im internationalen Kontext
- Konzeption und Umsetzung von Datenmodellierung, ETL-Prozessen, Reporting und Datenqualitätsmanagement
Kevin L.
Letzte Position:
Data Consultant bei VBV Pensions- und Vorsorgekasse Österreich
Entwicklung eines strukturierten Rahmens und umfassender Richtlinien für die Dokumentation von Geschäfts- und Prüfungsprozessen in einem regulierten Finanzumfeld. Unterstützung bei der Standardisierung der Prozessdokumentation zur Verbesserung von Transparenz, Konsistenz und Rückverfolgbarkeit in allen betrieblichen Arbeitsabläufen. Mitwirkung bei der Definition von Dokumentationsstandards, Vorlagen und Governance-Prinzipien für das interne Prozessmanagement und die Audit-Bereitschaft.
Alexander H.
Letzte Position:
Softwareentwickler bei SpiraTec AG
- Entwicklung modularer Anwendungen für ein industriellen Chemiewerk zur Optimierung interner Prozesse
- Technologien: .NET 10, Blazor WebAssembly, C#, Azure SQL, Syncfusion
- Entwicklung von Frontend-Komponenten mit Blazor WASM
- Backend-Logik in C#
- Datenbankdesign in Azure SQL
- Implementierung modularer Softwarearchitektur
- Weiterentwicklung bestehender Systeme
Qamile B.
Letzte Position:
SAP BI / SAP Analytics Cloud bei ARDDEX Group
- Anforderungsaufnahme und fachliche Konzeption von Reporting- und Planungsanforderungen im Controlling (CO) sowie Modellierung von SAP Analytics Cloud Datenmodellen für Group Reporting.
- Konzeption und Implementierung von Reports und Dashboards zur Unterstützung von Planungs-, Forecast- und Steuerungsprozessen.
Michael P.
Letzte Position:
Selbstständiger IT-Berater bei Vamico GmbH
- Punktuelle Beratung und Unterstützung zu IT-Delivery- und Integrationsthemen.
- Konzeption, Umsetzung und Betrieb eigener Softwareprodukte (Rendita, vailuate) in Eigenverantwortung: Anforderungen, Architektur, Test, Releases und laufende Weiterentwicklung, KI-gestützt umgesetzt.
- Laufende Weiterbildung in KI-Themen, überwiegend praxisnah durch eigene Arbeit mit LLMs: API- Integration, agentische Workflows mit automatisierter Evaluation, Model Context Protocol; akademisch begleitet durch das MSc-Studium AI Transformation.
Lorenz G.
Letzte Position:
Business Analyst bei Wirtschaftsagentur Wien
- Durchführung einer Machbarkeitsstudie zur Einführung eines hausinternen DWH als zentrale Datenbasis
- Durchführung von Workshops zur IST-Analyse (Prozesse, Reports, KPIs) gemeinsam mit den Auftraggebern
- Erhebung und Detaillierung der fachlichen Anforderungen inkl. Zielbild für ein hausinternes DWH
- Abstimmung und Klärung von Datenanlieferungen und Schnittstellen in Terminen mit Stakeholdern und Datenlieferanten
- Entwicklung erster Datenmodelle als Grundlage für Datenqualität und spätere Implementierung
- Ausarbeitung von Lösungsvarianten inkl. Architektur- und Betriebsoptionen sowie Entscheidungsgrundlage
- Erstellung des Business Case inkl. Aufwandsschätzungen, Kosten-/Nutzenbetrachtung und Entscheidungsvorlage
Christian M.
Letzte Position:
Leitender Berater bei Theo Förch GmbH & Co KG
- Branche: Großhandel
- Funktion: Implementierung, Konzeption, Strategieberatung, Support, Troubleshooting, Performance Tuning, Architektur
- Bereich: Konzernweit
- Tätigkeit:
- Migrations/Upgradedurchführung, Begleitung von IBM Cognos Analytics und IBM Cognos Controller, Planning Analytics 2.1 (Planning Analytics Workspace (PAW), Planning Analytics Excel (PAFE), Cube Views, Multidimensional Expressions (MDX)
- Operative und strategische Beratung und Support des internen IT Teams bei Installation, Konfiguration, Performance Tuning und Architektur, Security und Compliance
- Systemumgebung: IBM Cognos Analytics 11.1x, IBM Planning Analytics Workspace 2.1, IBM Planning Analytics Excel 2.1, IBM Cognos Controller 11.1, Windows Server 2025, Windows Server 2022
Johanna U.
Letzte Position:
Managerin bei Deloitte Consulting GmbH
- Technologieberatung und Projektmanagement mit Schwerpunkt auf SAP ICMR und SAP Group Reporting
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die Data Modeling einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
20 Jahre

Positionsdauer
2,7 Jahre

Positionen pro Freelancer
13

Häufigste Fachbereiche
Informationstechnologie (IT), Business Intelligence, Projektmanagement

Häufigste Branchen
Informationstechnologie (IT), Bank- und Finanzwesen, Professionelle Dienstleistungen

Fokus der Zertifizierungen
Informationstechnologie (IT), Projektmanagement, Business Intelligence
Bachelor-Abschluss oder höher
89%
Master-Abschluss oder höher
68%
Doktortitel
7%

Zertifizierungen pro Freelancer
5

Häufigste Sprachen
Deutsch, Englisch, Französisch

Sprechen zwei oder mehr Sprachen
97%
Basierend auf unserem Profilpool, Stand 18 Nov 2026.
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Experten in dieser Technologie in Österreich verteilen, basierend auf aktuellen Verträgen auf unserer Plattform. Jeder Balken deckt eine Tagessatzspanne ab – seine Höhe zeigt, welcher Anteil der Experten innerhalb dieser Spanne abrechnet.
Durchschnittssätze von Experten in Österreich, die Data Modeling 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 18 Nov 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Branchenfokus der Data Modeling Experten
Sieh, in welchen Branchen unsere gematchten Freelancer am häufigsten tätig sind — jede Zahl wird live aus den Freelancern auf FRATCH berechnet.
- Informationstechnologie (IT) (82%)
- Bank- und Finanzwesen (61%)
- Professionelle Dienstleistungen (55%)
- Einzelhandel (52%)
- Regierung und öffentliche Verwaltung (42%)
- Transport und Logistik (39%)
- Telekommunikation (39%)
- Fertigung (36%)
Bitte beachte, dass Freelancer in mehreren Branchen tätig sein können, daher überschneiden sich die Prozentwerte.
Über die Technologie
Was Data Modeling umfasst
Data Modeling definiert, wie Informationen strukturiert, verknüpft, gespeichert und verwaltet werden. Dabei werden Geschäftskonzepte wie Kunden, Bestellungen, Produkte und Ereignisse in klare konzeptionelle, logische und physische Modelle überführt. Die Arbeit unterstützt konsistente Daten in Anwendungen, Berichten, Integrationen und analytischen Systemen.
Modelle für jede Ebene
Ein gutes Modell verbindet die geschäftliche Bedeutung mit der technischen Umsetzung. Experten erstellen beispielsweise Entity-Relationship-Diagramme, dimensionale Modelle, normalisierte relationale Schemata oder Modelle für dokumenten-, graph- und ereignisbasierte Datenbanken. Außerdem dokumentieren sie Verantwortlichkeiten, Identifikatoren, Beziehungen, Einschränkungen und Regeln für die Datenqualität.
Ökosystem und Werkzeuge
Data Modeling erstreckt sich über Datenbank-, Analyse- und Softwareentwicklungsumgebungen. Zu den gängigen Tools und Technologien gehören SQL, PostgreSQL, Oracle Database, SQL Server, MySQL, Snowflake, BigQuery, dbt, ERwin, SAP PowerDesigner und Cloud-Datendienste. Spezialisten nutzen neben diesen Technologien häufig Versionsverwaltung, Tools für Schema-Migrationen, Metadatenkataloge und Systeme für Datenherkunft.
- Konzeptionelle, logische und physische Datenmodelle
- Dimensionale Modelle für Berichte und Analysen
- Schemadesign und Planung von Migrationen
- Datenwörterbücher, Datenherkunft und Dokumentation der Datenverwaltung
Wann Unternehmen Spezialisten brauchen
Unternehmen holen sich freiberufliche Expertise, wenn ein neues Produkt ein belastbares Schema benötigt, Berichtsdaten uneinheitlich sind oder eine Legacy-Datenbank Veränderungen verhindert. Spezialisten sind auch bei Fusionen, Cloud-Migrationen, der Konsolidierung von Plattformen sowie bei der Einführung eines Data Warehouse oder Lakehouse wertvoll. In Österreich unterstützen sie möglicherweise verteilte Teams aus Fertigung, Finanzwesen, Einzelhandel, Gesundheitswesen und öffentlichen Dienstleistungen.
Merkmale guter Praxis
Qualitativ gute Arbeit beginnt mit Fragen zu Geschäftsprozessen, Datenverantwortung, Zugriffsanforderungen und künftigen Änderungen. Gute Fachleute prüfen Modelle gemeinsam mit Stakeholdern, testen Annahmen anhand realer Datensätze und erklären Abwägungen, ohne die Komplexität zu verschleiern.
- Klare Benennungen und einheitliche Definitionen
- Angemessene Normalisierung oder Denormalisierung
- Nachvollziehbare Verbindungen von Anforderungen zu Schemaentscheidungen
- Berücksichtigung von Datenschutz, Sicherheit, Leistung und Wartbarkeit
Zusammenarbeit mit freiberuflichen Experten
Ein klar abgegrenzter Auftrag sollte die relevanten Systeme, die erforderlichen Entscheidungen und die erwarteten Ergebnisse festlegen. Typische Ergebnisse umfassen Modelldiagramme, Spezifikationen für Schemata, Transformationsregeln, Hinweise zur Migration und Dokumentation für technische und geschäftliche Teams. Remote-Zusammenarbeit funktioniert gut, wenn Repositories, Modellierungsstandards und Review-Prozesse zugänglich sind; Workshops vor Ort können helfen, wenn Prozesse komplex sind oder Stakeholder eine enge Abstimmung benötigen.
Häufig gestellte Fragen
Neugierig auf Data Modeling? Hier sind die Antworten, die immer wieder gefragt sind.
Data Modeling wird verwendet, um die Struktur und Bedeutung von Informationen zu beschreiben, bevor sie in Datenbanken, Data Warehouses, Anwendungen oder Integrationsabläufen umgesetzt werden. Es hilft Teams, Duplikate zu reduzieren, Beziehungen zu klären, Berichte zu verbessern und Daten leichter zu verwalten.
Data Modeling umfasst mehr als das Zeichnen von Tabellen oder die Auswahl von Spaltentypen. Es verbindet Geschäftskonzepte mit logischen Beziehungen, Regeln, Verantwortlichkeiten und technischen Speicherentscheidungen, während der Tabellenentwurf meist nur die Umsetzungsebene darstellt.
Data Modeling wird häufig mit SQL, Datenbankleistung, Data Warehousing, ETL- oder ELT-Design, Data Governance und Metadatenverwaltung kombiniert. Je nach Projekt können auch Erfahrungen mit Cloud-Plattformen, dbt, Analysetools oder Anwendungsarchitektur wertvoll sein.
Data Modeling hängt nicht von einer festgelegten Erfahrungshöhe ab, sondern von der Komplexität des Systems, dem geschäftlichen Umfang und den Folgen schlechter Entscheidungen. Ein kleines Schema benötigt möglicherweise gezielte Designunterstützung, während eine Migration oder ein unternehmensweites Modell Erfahrung mit mehreren Bereichen, Legacy-Einschränkungen und der Abstimmung mit Stakeholdern erfordert.
Data Modeling eignet sich gut für die Remote-Zusammenarbeit, wenn Experten auf Anforderungen, Schema-Repositories, Beispieldaten und Reviews zugreifen können. Österreichische Unternehmen bevorzugen für die Erkundung von Fachbereichen möglicherweise trotzdem Workshops vor Ort, und die Kommunikation auf Deutsch kann wichtig sein, wenn geschäftliche Stakeholder nicht hauptsächlich auf Englisch arbeiten.
Die Qualität von Data Modeling lässt sich anhand klarer Definitionen, einheitlicher Benennungen, begründeter Beziehungen und einer sichtbaren Verbindung zwischen Anforderungen und Designentscheidungen bewerten. Bitten Sie den Spezialisten, Normalisierung, Leistung, Änderungsmanagement, Datenqualität, Sicherheit und die geplante Prüfung des Modells zu erklären.
Entscheidungen beim Data Modeling sollten sich nach dem Nutzungsszenario richten und nicht nach einer festen Präferenz. Ein normalisiertes relationales Modell eignet sich oft für die Integrität von Transaktionen, während ein dimensionsbasiertes Modell analytische Abfragen und Geschäftsberichte verständlicher und leichter wartbar machen kann.
Zu den Ergebnissen von Data Modeling können konzeptionelle, logische und physische Diagramme, Schemadefinitionen, Datenwörterbücher, Transformationsregeln, Hinweise zur Datenherkunft und Migrationsempfehlungen gehören. Der passende Umfang hängt davon ab, ob der Auftrag eine neue Anwendung, ein Data Warehouse, einen Cloud-Umzug oder Aufgaben im Bereich Datenverwaltung unterstützt.
Der durchschnittliche Stundensatz von Freelancern in Österreich, die Data Modeling in ihren letzten Projekten eingesetzt haben, liegt bei 106 €, was einem Tagessatz von etwa 846 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in Österreich, die Data Modeling in ihren letzten Projekten eingesetzt haben, haben 89% mindestens einen Bachelor-Abschluss, 68% mindestens einen Master-Abschluss und 7% einen Doktortitel.
Freelancer in Österreich, die Data Modeling in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 20 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 2,7 Jahre.
Die häufigsten Sprachen unter Freelancern in Österreich, die Data Modeling in ihren letzten Projekten eingesetzt haben, sind Deutsch (100%), Englisch (97%) und Französisch (27%).
Die häufigsten Industrien unter Freelancern in Österreich, die Data Modeling in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (82%), Bank- und Finanzwesen (61%) und Professionelle Dienstleistungen (55%).
Die häufigsten Bereiche unter Freelancern in Österreich, die Data Modeling in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (97%), Business Intelligence (76%) und Projektmanagement (73%).
Hauptstandorte der FRATCH Experten, die kürzlich Data Modeling 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.
Länder:
- Deutschland
- Österreich
- Schweiz
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!

Wien