Data Science Experten in Frankfurt
, die innerhalb weniger Minuten aus über 15.000 Lebensläufen vermittelt werdenBeauftragen Sie Experten, die komplexe Daten mithilfe von Python, R, SQL, Machine Learning und Cloud-Plattformen in zuverlässige Prognosen, Empfehlungssysteme und Entscheidungstools verwandeln. FRATCH verbindet Sie durch schnelles, präzises KI-Matching mit geprüften und verfügbaren Freelancern.
Lerne FRATCH Experten in Frankfurt kennen, die kürzlich Data Science eingesetzt haben
Eric B.
Letzte Position:
Qualitätssicherungverantwortliche (QSV) bei Bundesagentur für Arbeit
Unterstützung des Projekts Internationaler Webauftritt der BA (IntWeb) im Bereich Qualitätsmanagement mit dem Ziel die Verantwortung für die Qualität der Prozesse und Projektergebnisse unter Berücksichtigung der BA-Standards zu übernehmen. Kernziele des Projekts lauten: den Fachkräften im Ausland einen schnellen Überblick über ihre Chancen für den Weg nach Deutschland zu geben und sie durch den Zugang zu Dienstleistungen in die Lage zu versetzen, die dafür notwendigen Schritte konsequent & digital unterstützt gehen zu können.
Vorgaben der grundsätzlichen Richtlinien mit dem QS-Handbuch
Zusammenfassen der Prüfergebnisse in QS-Berichten für PLA
Analyse der Projektergebnisse auf Verbesserungsmöglichkeiten
Qualitätsmanagement der Anforderungsanalyse (insbesondere Prozesse, Methoden und Werkzeuge)
Sicherstellung der Einhaltung der SERA-Vorgaben
Erstellung eines Projektübergreifenden Testkonzepts
Vereinbarung von Sprintabschlussberichte
Formales Review von Arbeitsergebnissen gemäß Vorgaben und/oder Projektplan
Ansprechpartner für Innenrevision, externe Audits durch Wirtschaftsprüfer oder BRH (Bundesrechnungshof)
Technologien: JIRA, Confluence, MS Office, GitLab, Kubernetes
Bardiya B.
Letzte Position:
Data Scientist bei Rewe Digital GmbH
Statistischer Prognosealgorithmus
- Verbesserung eines statistischen probabilistischen Prognosealgorithmus für Umsätze + Evaluierung
- Migration von R/On-Premise zu Python/Snowflake
- Überführung in den Produktivbetrieb auf Snowflake in Zusammenarbeit mit Data Engineers & DevOps
Monitoring-Dashboard
- Data Engineering zur Aufbereitung & Bereitstellung notwendiger Daten/Ressourcen auf Snowflake
- Entwicklung & Bereitstellung eines Streamlit-Dashboards in Snowflake
ML-basierte probabilistische Prognosen auf Vertex AI
- Entwicklung eines ML-basierten probabilistischen Prognosealgorithmus von Grund auf
- Implementierung einer MLOps-Pipeline in Kubeflow auf Google Cloud Vertex AI
Tech Stack: Python, Snowflake/Snowpark, R, Streamlit, Gitlab/Gitlab CICD, Terraform, Google Cloud, Vertex AI (aiplatform SDK, gcloud CLI, Feature Store, Model Registry usw.), kubeflow
Helge B.
Letzte Position:
Solution-Architekt bei Deutsche Bahn
- Verantwortlich für die End-to-End-Anwendungs- und Integrationsarchitektur für das Programm zur Digitalisierung der Instandhaltung der S-Bahn Hamburg. Ein Highlight ist die Einführung von Robotern und fest installierten Kamerasystemen zur Automatisierung der Fahrzeuginspektionen, sodass KI-basierte Bildalgorithmen den Zustand der Züge während des Betriebs bewerten können.
- Die Deutsche Bahn verfügt über eine der weltweit größten SAP-PM-Implementierungen, die eine zentrale Komponente dieser Digitalisierung darstellt.
Benjamin R.
Letzte Position:
Technischer Direktor bei maincubes Holding & Service GmbH
- Entwicklung und Umsetzung technischer Richtlinien für elektrische und mechanische Systeme
- Entwicklung der Organisation für elektrische Sicherheit als verantwortliche Elektrofachkraft (gVEFK)
- Umsetzung und Überwachung von DCIM- und zugehörigen technischen Softwarelösungen
- Entwicklung technischer Lösungen für Lifecycle-Infrastrukturen und Kundenprojekte
Eduard V.
Letzte Position:
Leiter Workshop „Einführung von KI Entwicklungstools“ bei Softwareunternehmen in Wiesbaden
- Vortrag zur Einführung in generische K.I. und Large Language Models
- Erläuterung rechtlicher Rahmenbedingungen (EU AI Act, US CLOUD Act, DSGVO)
- Systematische Betrachtung von KI-Tools entlang des SDLC und Holistische Systeme
- Vergleich On-Prem LLMs vs. cloudbasiert sowie Change-Management und Betriebsrat
- Moderation der Diskussion und Ableitung nächster Schritte für die Einführung von KI Entwicklungstools
Ulf S.
Letzte Position:
Innovationsmanager bei Claas
- Steuerung von Innovationsprojekten für KI-basierte Systeme mit Schwerpunkt auf Technologie zur Pflanzenerkennung für landwirtschaftliche Anwendungen.
- Förderung digitaler Transformationsinitiativen in Softwareabteilungen sowie Einsatz für agile Methoden und Scrum-basierte Arbeitsabläufe.
- Analyse und Optimierung der Teamstruktur sowie Förderung einer Kultur der kontinuierlichen Verbesserung und strategischen Weiterentwicklung.
- Wegweisende Integration von KI-Technologie in landwirtschaftliche Maschinen, wodurch Präzisionslandwirtschaft deutlich vorangebracht wurde.
- Entwicklung einer cloudbasierten Dashboard-Plattform für den Echtzeit-Zugriff auf Daten und fundierte Entscheidungen im Feldmanagement.
- Entwicklung kamerabasierter GPS-Systeme für Traktoren zur Verbesserung der Möglichkeiten der Feldanalyse.
- Entwicklung und Implementierung von KI-Schnittstellen zur Vorverarbeitung von Bilddaten, mit nahtloser Übermittlung von Statistiken über LTE in die Cloud.
- Entwicklung innovativer cloudbasierter Dashboard-Plattformen, Einführung modernster Technologiekonzepte und Koordination funktionsübergreifender Teams zur Umsetzung von Projektzielen.
Almaz A.
Letzte Position:
Leiterin Innovation KI
In meiner aktuellen Position trage ich die End-to-End-Verantwortung für KI-Produkte: von der Identifikation und Priorisierung von Use Cases über belastbare Business Cases, AI-Roadmaps sowie Kapazitäts- und Ressourcenallokation bis zur skalierbaren Umsetzung über Länder- und Bereichsgrenzen hinweg.
Dabei gestalte ich Operating Models, Delivery-Standards und Betriebskonzepte, mit denen KI-Produktentwicklung nicht nur zuverlässig läuft, sondern nachhaltig skaliert – stets ausgerichtet an Strategie, Zielen, Kapazitäten und Geschäftsnutzen.
Die fachliche Führung und Weiterentwicklung interdisziplinärer Teams aus Data-Science- und Produktrollen im agilen Arbeitsmodell ist für mich Kern der Aufgabe – aktuell führe ich ein Team von drei Mitarbeitenden.
Ich bewege mich sicher im Stakeholder-Management auf Senior-Management-Ebene und in internationalen Strukturen und übersetze komplexe technische Sachverhalte adressatengerecht in konkrete geschäftliche Handlungsempfehlungen.
Governance denke ich von Anfang an mit: Ich richte KI-Initiativen konsequent an regulatorischen Anforderungen (u. a. EU AI Act), an Risikomanagement sowie an Datenschutzanforderungen aus.
Mathew D.
Letzte Position:
Experte für Data Science und KI-Stratege bei Freelancer
- Entwicklung einer API zur Aufnahme, Bereinigung, Übersetzung und Indexierung von EU-Ausschreibungsdokumenten in Neo4j, die eine hybride Suche mit RAG- und Cypher-Abfragen über ein Streamlit-Dashboard ermöglicht
- Bereitstellung der API auf AWS Lightsail Container Services mit CI/CD-Automatisierung über GitHub Actions und Sicherstellung der Stabilität durch pytest-Unit- und Integrationstests
- Konzeption und Entwicklung eines umfassenden Online-Kurses zur Datenanalyse mit ChatGPT für Fachkräfte und Lernende, einschließlich Lehrvideos und interaktiver Jupyter-Notebooks
- Einsatz von OBS und professioneller Audioausrüstung zur Sicherstellung hochwertiger Video- und Audioinhalte
- Leitung eines Projekts zur Normalisierung und Bereinigung von CRM-Daten, visualisiert durch ein Sankey-Diagramm zur Unterstützung des Kundenverständnisses und der Pipeline-Entwicklung
- Umsetzung und Validierung einer von genAI unterstützten Web-Crawling-Strategie auf AWS zur Sicherstellung von Datenqualität und Skalierbarkeit sowie zur Anreicherung von CRM-Daten
Vladimir F.
Letzte Position:
IT-Berater bei ITZBund
- ITSM Beratung, Analyse und Optimierung von IT-Kapazitäten mit BMC TSCO / BMC Helix
- Konzepterstellung „Governance-Richtlinien des betrieblichen Kapazitätsmanagements“
Khaled T.
Letzte Position:
Berater / DevOps-Ingenieur bei Dr. Ing. h.c. F. Porsche Aktiengesellschaft
- Porsche ID ist eine einheitliche digitale Identitätsplattform, die sichere Authentifizierung und nahtlosen Zugriff auf Porsches Online-Dienste, mobile Apps und vernetzte Fahrzeugfunktionen bietet
- Entwarf und implementierte neue Authentifizierungs- und Autorisierungsfunktionen für Benutzer und Systeme
- Stellte hohe Verfügbarkeit, Sicherheit und Performance sicher, um Porsche-Kunden eine einwandfreie digitale Erfahrung zu bieten
- Technologien: Auth0, Angular, Tailwind, AWS, Terraform, GitHub
- Methoden: Scrum und SAFe
Hamid M.
Letzte Position:
Leiter Operations bei transact – AI-native company intelligence
Verantwortlich für den Aufbau und die Skalierung der Operations
Definition der globalen Digitalstrategie und Roadmap
Tätigkeit als Product Owner für die KI-Anwendungen
Aufbau und Pflege strategischer Netzwerke zur Unterstützung der Veränderung bei Kunden
Verantwortlich für kundenspezifische Projekte und Change Management
Product Owner für eine AI-native Anwendung, die Research-Zyklen von 2 Wochen auf 1–2 Tage verkürzt
Einführung eines KI-Agenten zur Optimierung von Unternehmens- und Marktanalyseprozessen
Aufbau strategischer Partnerschaften mit großen Daten- und Technologieanbietern
Umsetzung von kundenspezifischen Projekten im vereinbarten Umfang, Zeitrahmen und Budget
Ashkan Z.
Letzte Position:
Senior Data Engineer / Senior Data Scientist (Microsoft Azure) bei Vattenfall Europe
- Beratung bei der Nutzung von Analyse- und BI-Tools und Diensten im Microsoft Azure-Stack (z. B. MS Fabric, Synapse Workspaces und dedizierte SQL-Pools, SQL Database, PostgreSQL, Snowflake, Databricks, Data Factory, SSIS, Analysis Services, Function Apps, Power BI, ML)
- Selbstständiger Entwurf von Analyselösungen mit Python, SQL etc.
- Entwurf und Implementierung von ETLs und Datenpipelines
- Erstellung und Pflege von APIs
- Selbstständige Anwendung von CI/CD, Testing und Versionskontrolle
- Modellierung von Daten
- Modellentwicklung und Modelloptimierung
- Anomalieerkennung mit KI
- Predictive Analytics
Verwendete Technologien:
- Snowflake
- Fabric
- Azure Synapse Analytics
- Azure DataFactory
- Azure Data Lake
- Azure DevOps
- Databricks
- Spark
- CI/CD
- SQL Database
- Python
- Power Platform
Kevin G.
Letzte Position:
KI-Strategie & Governance / Freiberufler bei Al Gambit
- Entwickle KI-Strategien und smarte Geschäftsprozesse für Unternehmen, die KI-Initiativen umsetzen.
- Fokus auf pragmatische und vertrauenswürdige KI-Integration mit greifbarem betrieblichem Mehrwert.
Werner K.
Letzte Position:
Testkoordinator, Designer und Ingenieur bei IBM
- Testen des SekIDP und verwandter Komponenten
- Testdesign, -durchführung und -automation, Microservices, GitHub Enterprise, Eclipse, Katalon Test Platform, API-Tests, Confluence 8, JIRA/Xray, Draw.io, Swagger/OpenAPI, Postman, Docker, Kubernetes, Podman, PuTTY, E-Health, Telematik, Gematik-Standards, ePA, E-Rezept, sektoraler IDP, Verschlüsselung, XaDES, PaDES, DICOM, HL7, FHIR, IHE, ICD, SSO, SAML/Shibboleth, OAuth, Smartcards, JWT, Zwei-Faktor-Authentifizierung auf Android und iOS, Wireshark, BrowserStack, Cypress, gRPC, REST, SOAP, WS-Security, Linux-Shell, PowerShell, SSH/SSL, Java, Kotlin, Cordova, Gradle, Groovy, Python, TypeScript
Christian H.
Letzte Position:
Senior Projektmanager bei Geodis
- Leitung von Transformationsprogramm im Bereich Corporate Finance & Einkauf in 25+ Ländern
- End-to-End Implementierung von SAP S/4HANA und Coupa für 60 regionale Gesellschaften
- Integration nach Unternehmensakquisitionen inkl. Finanzberichterstattung, HR-Systemen und Governance
- Steuerung funktionsübergreifender Teams, Change-Management und Einbindung von Stakeholdern
- Post-merger Integration in enger Abstimmung mit dem Betriebsrat in der Einführung von IT-Systemen und DSGVO-Themen
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die Data Science einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
16 Jahre (Deutschland: 14 Jahre)
Positionsdauer
1,9 Jahre (Deutschland: 2,2 Jahre)
Positionen pro Freelancer
11 (Deutschland: 9)
Häufigste Fachbereiche
Informationstechnologie (IT), Produktentwicklung, Business Intelligence
Häufigste Branchen
Informationstechnologie (IT), Bank- und Finanzwesen, Professionelle Dienstleistungen
Fokus der Zertifizierungen
Informationstechnologie (IT), Projektmanagement, Business Intelligence
Bachelor-Abschluss oder höher
88% (Deutschland: 97%)
Master-Abschluss oder höher
76% (Deutschland: 80%)
Doktortitel
20% (Deutschland: 22%)
Zertifizierungen pro Freelancer
4 (Deutschland: 3)
Häufigste Sprachen
Deutsch, Englisch, Französisch
Sprechen zwei oder mehr Sprachen
96% (Deutschland: 97%)
Basierend auf unserem Profilpool, Stand 29 Okt 2026.
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Experten in dieser Technologie in Frankfurt 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 Frankfurt, die Data Science 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 29 Okt 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Branchenfokus der Data Science Experten
Sieh, in welchen Branchen unsere gematchten Freelancer am häufigsten tätig sind — jede Zahl wird live aus den Freelancern auf FRATCH berechnet.
- Informationstechnologie (IT) (89%)
- Bank- und Finanzwesen (50%)
- Professionelle Dienstleistungen (50%)
- Gesundheitswesen (39%)
- Automotive (36%)
- Telekommunikation (36%)
- Bildung (32%)
- Fertigung (32%)
Bitte beachte, dass Freelancer in mehreren Branchen tätig sein können, daher überschneiden sich die Prozentwerte.
Über die Technologie
Von Daten zu Entscheidungen
Data Science verbindet Statistik, Programmierung und Fachwissen, um nützliche Signale aus strukturierten und unstrukturierten Daten zu gewinnen. Experten nutzen sie, um die Geschäftsentwicklung zu erklären, die Nachfrage vorherzusagen, Anomalien zu erkennen, Erlebnisse zu personalisieren und Entscheidungen mit Fakten statt Annahmen zu unterstützen.
Modelle und Ergebnisse
Die Arbeit kann von einer einmaligen Analyse bis zu einem produktionsreifen Prognoseservice reichen. Typische Ergebnisse umfassen:
- Prognosemodelle für Nachfrage, Umsatz oder Kapazität
- Empfehlungs- und Rankingsysteme
- Kundensegmentierung und Churn-Analyse
- Erkennung von Anomalien, Betrug und Qualitätsproblemen
- Dashboards, Experimente und Entscheidungsrahmen
Zentrales Ökosystem
Python ist für die Modellierung weit verbreitet, wobei pandas, NumPy, scikit-learn, Jupyter und spezialisierte Bibliotheken die Analyse und das Experimentieren unterstützen. R bleibt für statistische Arbeiten wertvoll, während SQL, Spark, Databricks, TensorFlow und PyTorch Modelle häufig mit großen Datenmengen und Produktionsabläufen verbinden.
Wann Spezialisten einen Mehrwert schaffen
Unternehmen holen sich freiberufliche Expertise ins Haus, wenn interne Teams mit unklaren Daten, einem anspruchsvollen Modell oder einer Lücke zwischen Prototyp und zuverlässigem Service konfrontiert sind. In Frankfurt können Projekte Finanzen, Logistik, Fertigung, Gesundheitswesen, Einzelhandel und Mobilität betreffen und erfordern oft eine enge Zusammenarbeit mit lokalen Geschäftsteams und Beteiligten an anderen Standorten.
Umsetzung über das Modell hinaus
Gute Fachkräfte definieren die Geschäftsfrage, bevor sie einen Algorithmus auswählen. Sie prüfen die Datenqualität, verhindern Data Leakage, wählen aussagekräftige Bewertungsmethoden und dokumentieren Annahmen. Außerdem berücksichtigen sie Reproduzierbarkeit, Datenschutz, Fairness, Monitoring und die Frage, wie Nutzer mit dem Ergebnis arbeiten werden.
Den richtigen Experten auswählen
Achten Sie auf Erfahrungen mit vergleichbaren Datenproblemen und nicht nur auf ansprechende Notebooks oder Modellnamen. Fragen Sie, wie der Spezialist mit fehlenden Daten, sich verändernden Eingaben, Einschränkungen bei der Bereitstellung und Feedback von Stakeholdern umgegangen ist. Zu einer guten Zusammenarbeit gehören ein klarer Umfang, eine nutzbare Übergabe, wartbarer Code und ein Plan zur Überwachung der Leistung nach dem Start.
Häufig gestellte Fragen
Schnelle Antworten auf die Fragen, die rund um Data Science am häufigsten aufkommen.
Unternehmen nutzen Data Science, um die Nachfrage vorherzusagen, Kundenmuster zu erkennen, ungewöhnliche Aktivitäten aufzudecken und operative Entscheidungen zu verbessern. Sie kann außerdem Empfehlungen, Preisanalysen, Qualitätskontrollen und Experimente unterstützen, wenn geeignete Daten verfügbar sind.
Data Science erweitert die Datenanalyse häufig um statistische Modellierung, Machine Learning und prädiktive Systeme. Business Intelligence konzentriert sich meist auf die Berichterstattung darüber, was passiert ist, während Data Science einschätzen kann, was wahrscheinlich passieren wird, und eine Handlung empfehlen kann.
Ein guter Data-Science-Spezialist arbeitet oft mit SQL, Python oder R, Datenvisualisierung und Cloud-Speichern. Je nach Projekt sind außerdem Machine Learning Operations, Experimentdesign, Data Engineering, Fachrecherche und eine klare Kommunikation mit nichttechnischen Teams hilfreich.
Das passende Erfahrungsniveau hängt eher vom Risiko, dem Zustand der Daten und dem Produktionsumfang ab als von einer festen Anzahl an Jahren. Eine fokussierte explorative Analyse kann einen Spezialisten erfordern, der selbstständig arbeiten kann, während regulierte oder kundennahe Modelle nachweisbare Erfahrung in Validierung, Dokumentation und Bereitstellung benötigen.
Data Science eignet sich oft gut für die Remote-Zusammenarbeit, da Datenprüfungen, Notebooks, Code und Modellergebnisse digital geteilt werden können. Workshops vor Ort in Frankfurt können dennoch hilfreich sein, wenn das Projekt von sensiblen Daten, dem operativen Kontext oder einer engen Zusammenarbeit mit deutschsprachigen Stakeholdern abhängt.
Ein Data-Science-Spezialist sollte die Methode wählen, die zur Entscheidung, zu den Daten und zum Erklärungsbedarf passt. Traditionelle statistische Modelle können bei kleinen Datensätzen oder transparenten Zusammenhängen vorzuziehen sein, während Machine Learning bei komplexen Mustern und hochdimensionalen Eingaben helfen kann.
Fragen Sie, wie der Data-Science-Experte das Ziel definiert, Trainings- und Bewertungsdaten getrennt und die Leistung mit einer aussagekräftigen Baseline verglichen hat. Qualität hängt außerdem von Reproduzierbarkeit, verständlichen Ergebnissen, Monitoring und der Frage ab, ob das Ergebnis einen echten Geschäftsprozess verbessert.
Klären Sie vor Beginn der Data-Science-Arbeit die Geschäftsentscheidung, die verfügbaren Daten, Zugriffsregeln, Erfolgskriterien und die erwartete Übergabe. Außerdem sollte vereinbart werden, wer für die Bereitstellung in der Produktion, das Modell-Monitoring, die Dokumentation und die Kommunikation mit Fachexperten verantwortlich ist.
Der durchschnittliche Stundensatz von Freelancern in Frankfurt, Deutschland, die Data Science in ihren letzten Projekten eingesetzt haben, liegt bei 107 €, was einem Tagessatz von etwa 859 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in Frankfurt, Deutschland, die Data Science in ihren letzten Projekten eingesetzt haben, haben 88% mindestens einen Bachelor-Abschluss, 76% mindestens einen Master-Abschluss und 20% einen Doktortitel.
Freelancer in Frankfurt, Deutschland, die Data Science in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 16 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 1,9 Jahre.
Die häufigsten Sprachen unter Freelancern in Frankfurt, Deutschland, die Data Science in ihren letzten Projekten eingesetzt haben, sind Deutsch (100%), Englisch (96%) und Französisch (25%).
Die häufigsten Industrien unter Freelancern in Frankfurt, Deutschland, die Data Science in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (89%), Bank- und Finanzwesen (50%) und Professionelle Dienstleistungen (50%).
Die häufigsten Bereiche unter Freelancern in Frankfurt, Deutschland, die Data Science in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Produktentwicklung (82%) und Business Intelligence (79%).
Hauptstandorte der FRATCH Experten, die kürzlich Data Science 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 
Stuttgart 
Düsseldorf 
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
