Datadog Experten in München
aus über 15.000 Lebensläufen mit der Kraft von KI.Holen Sie sich Experten, die Datadog-Monitoring, Traces, Logs und Alerting für Cloud-Systeme, Kubernetes und Anwendungs-Stacks aufsetzen. Sie bekommen schnelles, präzises Matching mit geprüften, verfügbaren Freelancern.
Lerne FRATCH Experten in München kennen, die kürzlich Datadog eingesetzt haben
Thomas Hoefkens
Letzte Position:
Senior MLOps-, DevOps Engineer bei Trianel Energy
- Aufbau und Betrieb einer End-to-End-MLOps-Plattform auf Azure ML und Kubernetes (Kubeflow) zur automatisierten Bereitstellung, Überwachung und Skalierung von Forecasting-Modellen (u. a. Temporal Fusion Transformer, Informer, Autoformer).
- Implementierung von CI/CD-Pipelines in Azure DevOps für den vollständigen ML-Lifecycle – von Ressourcbereitstellung (Terraform), Datentransformation (Hugging Face Datasets, Pandas, PyTorch, CUDA-Cluster) über Training und Evaluation bis hin zu Model Registry und Endpoint-Deployment.
- Integration von MLflow für Experiment-Tracking, Modellversionierung, Performance-Monitoring und automatisierte Registrierung in der Azure Model Registry.
- Entwicklung und Containerisierung von PyTorch-Trainingsjobs (Azure Notebook, Jupyter Notebooks) für Preis- und Zeitreihenprognosen (PFC-Modelle) mit automatischem Rollout über Azure ML Endpoints und REST/gRPC-Schnittstellen, Docker-Containerisierung, Absicherung über OAuth 2.0.
- Einrichtung von Monitoring- und Alerting-Mechanismen (Prometheus, MLflow Metrics), Log-Zentralisierung und Kostenüberwachung.
- Automatisierung der Infrastruktur-Bereitstellung und Modellbereitstellung mittels Terraform, Helm und Azure CLI; Anbindung an bestehende Marktdatensysteme und Event-Pipelines.
- Migration bestehender Workloads und Datenbanken (IONOS → Azure, MongoDB) mit Integration in zentrale MLOps-Workflows und interne Netzwerke.
- Erweiterung der Plattform um LLM-basierte Tools (LangChain, LangServe) zur Integration von GPT-basierten Analysemodulen in bestehende Spring-Boot-Dienste für Marktanomalie-Erkennung und automatisierte Reports.
- Analyse, Architektur einer Softwarelösung zur effizienten Verarbeitung von Massendaten (>3000 Nachrichten/Sek.) (Market Data Store).
- Spring Boot / Java 21 Container-Entwicklung mit RabbitMQ zur Verteilung von Börsendaten über MongoDB (Kubernetes) mit Schnellspeicherung von Daten in Redis RMaps, Deduplizierung und Weiterleitung von Nachrichten an Read-Model-Queues, Aufbau von Read Models für die UI-Anzeige in MongoDB.
- Einbindung von RESTHeart zur Erzeugung einer REST API gegen MongoDB.
- Aufbau eines Angular-Frontends zur Vereinfachung der Datenabfrage und Stammdatenpflege.
- Agentic Coding mit remote und local LLM (Claude Sonnet, Ollama Qwen) und MCP-Servern.
- Entwicklung von Python-Skripten zur Transformation und Bereinigung eingehender Börsendaten (Pandas, scikit-learn).
Tobias Nawa
Letzte Position:
Enterprise- und Solutions-Architekt
- Aufbau einer eigenständigen Unternehmens-IT — Cloud-Strategie, Netzwerk, AWS Landing Zone, Sicherheitsanforderungen, Vertragsverhandlungen.
- Migration aller Anwendungen; Vermeidung hoher Vertragsstrafen für den Kunden.
- Onboarding und Steuerung inte...
Pooja Kumar
Letzte Position:
Product Owner bei Celonis
Eine Enterprise-Plattform für Process Mining und Execution Management, die Unternehmen dabei hilft, ihre Geschäftsprozesse mit Eventdaten zu analysieren, zu visualisieren und zu optimieren.
- Über 40 Engineering-Squads in 5 Ländern aufeinander abgestimmt, um Plattformfunktionen im großen Maßstab auszuliefern, und dabei Release-Infrastruktur, Change Management und Rollout-Governance für mehr als 1000 Enterprise-Kunden mit null Fehlern nach dem Launch vorangetrieben
- Priorisierung der Roadmap der Celonis-Studio-Plattform verantwortet, technische Investitionen, kommerzielle Ziele und operative Anforderungen ausbalanciert und damit ein Wachstum des Marktanteils von über 50 % gegenüber Legacy-Produkten erzielt
- Anforderungen gemeinsam mit Engineering und UI/UX in Spezifikationen, Architectural Decision Records und Umsetzungspläne übersetzt, was zu einer Steigerung des Nutzer-Engagements um 20–30 % geführt hat
- Die Go-to-Launch-Strategie vorangetrieben, Pilotprogramme und Customer-Discovery-Sessions durchgeführt, um die operative Einsatzbereitschaft und die Einführung im Enterprise-Bereich zu validieren
Enis Spahi
Letzte Position:
Softwareentwickler bei 50Hertz Transmission GmbH
- Beteiligte sich an der schrittweisen Modernisierung von Komponenten zu Cloud-nativen 12-Factor-Anwendungen.
- Arbeitete eng mit dem Business Operations Team zusammen, um manuelle Prozesse zu eliminieren und mehrere Performance-Engpässe zu beheben.
- Entwarf und implementierte eine CI/CD-Pipeline, um die Produktivität der Entwickler zu steigern, Qualitäts- und Sicherheitsprüfungen durchzusetzen und die Produktbereitstellung zu automatisieren.
- Migrierte mehrere Komponenten in den OpenShift-Kubernetes-Cluster.
- Baute einen Monitoring-Stack von Grund auf mit Prometheus und Grafana auf, um die in OpenShift laufenden Services zu überwachen.
- Entwickelte Dashboards sowohl in Grafana als auch in Splunk für die operative Transparenz.
- Implementierte eine OIDC/OAuth2-basierte Single-Sign-On (SSO)-Lösung mit Keycloak, um mehrere Anwendungen zu sichern.
- Technologien: Java, Spring, Quarkus, Kafka, MySQL, Cassandra, Redis, Spring Data, Hibernate, Docker, Kubernetes, OpenShift, Keycloak, OIDC, OAuth2, Helm, Prometheus, Grafana, Splunk, Spark.
Piotr Kuczyński
Letzte Position:
Senior Softwareentwickler bei On
- Middleware-Service entwickelt, der EDI-Anbieter und Marktplatzpartner mit Microsoft Dynamics 365 integriert, um Verkaufsaufträge zu empfangen und den Austausch von Versanddaten, Rechnungen, Beständen und Preislisten zu ermöglichen
- Eine Kombination aus REST-APIs und ereignisgesteuerten Datenverarbeitungspipelines genutzt
Alexandru Gunescu
Letzte Position:
Leiter Cloud-Infrastruktur bei BP
- Migrierte die SaaS-App der EV-Division für Elektrofahrzeug-Ladeinfrastruktur von On-Premises und Azure in die AWS-Cloud und schuf damit eine hybride Multi-Cloud-Multi-Tenant-Lösung.
- Entwickelte eine Streaming-Daten-Pipeline mit AWS MSK für Apache Kafka und implementierte eine ereignisgesteuerte Architektur, um nahezu Echtzeitdaten von OCPI-Protokoll-IoT-Geräten zu erfassen und zu verarbeiten.
- Implementierte Multi-Tenant-Strategien, einschließlich Datenbankschema-Isolierung, Bridge-Modell für Ressourcenteilung und mandantenbasierter RBAC-Kontrollen.
- Provisionierte Kubernetes-Cluster auf AWS EKS mit Namespaces und RBAC zur Mandantentrennung.
- Leitete die Migration von On-Premises und Azure in die AWS-Cloud unter Nutzung von AWS DataSync, Snowball und Database Migration Service.
- Koordinierte die Zusammenarbeit zwischen über fünf Systemen, Anbietern, Dienstleistern und Vor-Ort-Teams.
- Unterstützte die Entwicklung und Pflege der IT-Strategie in Übereinstimmung mit den Geschäftszielen.
- Verwaltete ein Infrastruktur-Budget von 40 Mio. € und optimierte Kosten in AWS und Azure, was 15 % Einsparungen brachte.
- Führte über 50 Entwickler bei der Umsetzung komplexer Datenbankprozeduren, wodurch die Produktivität um 20 % stieg.
- Leitete die Multi-Cloud-Multi-Tenant-Infrastrukturmigration und erzielte 30 % schnellere Verarbeitungszeiten.
- Verhandelte mit Anbietern über Preise, um die Kosten für Lohn- und Leistungsverwaltung um 20 % zu senken.
- Erarbeitete eine zweijährige Technologie-Roadmap für die Infrastruktur, die 25 % Kosteneinsparungen brachte.
- Technologie-Stack: Kubernetes auf AWS EKS, Docker, Kafka/AWS MSK, Terraform, AWS CDK, TypeScript, React, NextJS, Node.js, NestJS, Python, Aurora Serverless, RDS (MySQL, SQL Server), GitHub Actions, Azure DevOps, ArgoCD, AWS Lambda, API Gateway, AWS Security Hub, AWS Database Migration Service, AWS DataSync, AWS Organizations, AWS Control Tower, Odoo, Microsoft Navision, MS Dynamics.
Maziyar Khorrami
Letzte Position:
Data Engineer bei MSD Germany
- Lead-Architekt für die Gestaltung und Umsetzung des Data Lake und der ETL-Pipeline mit dem AWS-Stack
- Leistungsoptimierung der Datenaufnahme der ETL-Pipeline
- Entwicklung der Datenvalidierung mit Great Expectations
- Leitung der Datenmigration für zwei Quellsysteme
- Datenmodellierung in AWS Redshift
MLOps
- Implementierung der Modell-Inferenz mit mlflow und AWS SageMaker
- Feature Engineering für die laufenden ML-Modelle (Recommender Engineer, Clustering)
- Implementierung von Model Registry und Artifactory mit mlflow
- Historisierung und Profiling der Eingabedaten mit AWS Glue Crawler und AWS Data Catalog
- Feature Importance mit mlflow
Tech. Stack: Python 3, AWS Glue, AWS Step Function, AWS Lambda, AWS EventBridge, AWS IAM Role, AWS SageMaker, AWS EC2, AWS Glue Crawler, AWS CloudWatch, MLFlow, ETL, Data Lake, GitHub Action, Terraform, Jenkins, Ansible Playbooks (Infrastructure as Code), CI/CD, GitLab, SQL, PySpark, Scrum, Agile, Jira, Big Data, VSCode, DBeaver, MSSQL, MySQL, Grafana, Docker, Linux, Bash, MapReduce, Datenmodellierung (ORM), Pandas, YAML, SQL-Alchemy
Alexander Nagy
Letzte Position:
Sicherheitsexperte bei DAK-Gesundheit
- Pentest von Mobile Anwendungen
- Code Review
- Gematik Audit
- Entwicklung von Secure Software Development Methoden
- Erstellung von Sicherheits- und Testkonzept
- Penetration Testing von Software und Architektur
- Analyse der Schwachstellen
- Automatisierung und Informationssicherheit
- Einsatz von Confluence und Jira
- Arbeit mit Datenbanken, J2EE, JavaServer Faces, Liquibase, Apache, Maven, Mercurial, Oracle Financials
- Dokumentation und Erstellung von Sicherheitsrichtlinien
- Verwaltung von Software Systemen, SharePoint, PrimeFaces, Git
- Einhaltung von Sicherheitsbestimmungen und .NET, AWS, API
- Tools: MobSF, Frida, Android Studio, Drozer, Objection, Azure
Jiri Sostok
Letzte Position:
Qualitätsmanager/Testmanagement bei Noriba GmbH
- Erstellung von Testkonzepten
- Erstellung von Testprozessen
- Koordination der Testfall-Entwicklung: Stresstests, Funktionstests, Leistungstests, Tests mit hoher Datenrate, Integrationstests usw.
- Hardware-Tests: FPGA, RF
- Testautomatisierung und Regressionstests
- Sicherstellung des 24/7-Betriebs des Testsystems
- Analyse und Berichterstattung
- Regelmäßige Koordination des Testteams, Abstimmungen mit anderen Stakeholdern
- Kommunikation und Abstimmung mit Stakeholdern und Projektleitung
Christof Nasahl
Letzte Position:
Senior Entwickler bei Otto GmbH
- Weiterentwicklung der personalisierten Werbeflächen im Otto Webshop
- Fullstack-Entwicklung im Kanban-getriebenen Team von etwa 15 Personen
- Technologien: Microservices, Kotlin, Spring, Spring Boot, Gradle, MongoDB, HTML, JS, Node, SCSS, AWS
- Entwicklungsprozess: Kanban; Continuous Integration mit AWS Code Pipeline und GitHub Actions
Mario Brajkovski
Letzte Position:
Site Reliability Engineer bei Joyn GmbH
- Spezialisiert auf den Entwurf von Cloud-Infrastrukturen und die Optimierung der AWS- und SaaS-Nutzung.
- Unterstützung von Entwicklungsteams durch Gewährleistung von Sicherheit, Skalierbarkeit und Zuverlässigkeit.
- Expertise in robustem Monitoring und Automatisierung für reibungslose Deployments.
- Technische Beratung für schnellere Releases und Unterstützung der Microservices-Prinzipien.
- Aktive Teilnahme an Architektur-Diskussionen und Weitergabe des wesentlichen Infrastrukturwissens an Entwicklungsteams.
Ana Cunha
Letzte Position:
Praktikum als Softwareentwickler bei BMW
- Integrierte Sensordaten zur Extraktion von Fahrspurrändern in die interne Fingerabdruck-Pipeline, um die KI-basierte Lokalisierung für autonome Fahrzeuge mit Python zu unterstützen.
- Arbeitete in einer Cloud-Umgebung und nutzte AWS-Services zur Datenspeicherung und -verarbeitung.
- Erstellte Onboarding- und technische Dokumentation, was die Effizienz des Teams und den Wissenstransfer verbesserte.
- Arbeitete mit anderen Entwicklern zusammen, um Datenanforderungen in technische Lösungen umzusetzen und gleichzeitig Vertraulichkeitsrichtlinien einzuhalten.
Andreas Kraus
Letzte Position:
Senior-Entwickler bei ioki GmbH, ein Unternehmen der Deutschen Bahn AG
- Fullstack-Entwicklung auf Basis von Next.js und TypeScript
- Entwicklung und Optimierung geospatialer Datenbankabfragen für PostgreSQL/PostGIS
- Visualisierung geospatialer Daten mit Mapbox
- Konzeption und Durchführung von Lasttests sowie Performance-Optimierungen
- Code-Reviews und Dokumentationsaufgaben
- Technologien: JavaScript, TypeScript, Next.js, React, Zod, tRPC, Storybooks, PostgreSQL/PostGIS, MicroORM, Knex, Material UI, Mapbox, BullMQ, Jest, Playwright, Artillery.io, K6, Sentry, Figma, GitLab, Grafana, GTFS
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die Datadog einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
19 Jahre (Deutschland: 17 Jahre)
Positionsdauer
2,4 Jahre (Deutschland: 1,9 Jahre)
Positionen pro Freelancer
10 (Deutschland: 11)
Häufigste Fachbereiche
Informationstechnologie (IT), Produktentwicklung, Projektmanagement
Häufigste Branchen
Informationstechnologie (IT), Einzelhandel, Automotive
Fokus der Zertifizierungen
Informationstechnologie (IT), Produktentwicklung, Qualitätssicherung
Bachelor-Abschluss oder höher
100% (Deutschland: 93%)
Master-Abschluss oder höher
91% (Deutschland: 64%)
Doktortitel
9% (Deutschland: 4%)
Zertifizierungen pro Freelancer
2
Häufigste Sprachen
Englisch, Deutsch, Spanisch
Sprechen zwei oder mehr Sprachen
100%
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 Datadog 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
Observability mit Datadog
Datadog wird genutzt, um moderne Systeme über Metriken, Logs, Traces und Events zu überwachen. Es hilft Teams zu sehen, wie Services sich verhalten, Engpässe zu finden und Vorfälle zu verfolgen, bevor sie sich ausbreiten. Unternehmen setzen es für Application Monitoring, Cloud-Transparenz und operative Dashboards ein.
Was Spezialisten aufsetzen
- Dashboards für den Zustand von Services, Infrastruktur und Geschäftskennzahlen
- Alert-Regeln, die Lärm reduzieren und echte Probleme früh erkennen
- Log-Pipelines, Trace-Ansichten und zusammenhängende Wege zur Fehlersuche
- Cloud-Integrationen für AWS, Azure, GCP, Kubernetes und Container
- Synthetic Checks und SLO-Reporting für kritische Nutzerreisen
Wo es passt
Datadog sitzt oft zwischen Entwicklungs-, Betriebs- und Sicherheitsarbeit. In München ist es verbreitet in Software-Teams, SaaS-Unternehmen, im E-Commerce, in der Fertigung und in regulierten Umgebungen, die klare Sicht auf Services brauchen. Gute Experten wissen, wie man das Setup an das System anpasst, nicht andersherum.
Warum Unternehmen Freelancer holen
Teams brauchen oft freiberufliche Unterstützung, wenn sie Datadog zum ersten Mal einführen, zu laute Alerts bereinigen oder mehrere Monitoring-Setups nach einer Plattformänderung zusammenführen. Sie holen sich auch Spezialisten für Incident-Analysen, Dashboard-Redesigns, Log-Kostenkontrolle und besseres Tracing über verteilte Services hinweg.
Wichtige Fähigkeiten
Ein starker Datadog-Profi versteht, wie Metriken, Logs, Traces und Tag-Design zusammenwirken. Er kann Service Maps lesen, Monitore anpassen und erklären, was für technische und nicht-technische Stakeholder wichtig ist. Erfahrung mit Cloud-Plattformen, Containern und CI/CD hilft, schneller Ergebnisse zu liefern.
Gute Projektergebnisse
Die beste Arbeit hinterlässt Teams mit Dashboards, denen sie vertrauen, Alerts, auf die sie reagieren, und einem Monitoring-Modell, das wartbar bleibt. Dazu können bessere On-Call-Workflows, klarere Service-Namen und Dokumentation gehören, die spätere Änderungen sicherer macht. Gute Experten machen Datadog im Alltag nützlich und nicht nur auf dem Papier sichtbar.
Häufig gestellte Fragen
Alles, was Kunden üblicherweise über Datadog wissen wollen – kompakt an einem Ort.
Ein starker Datadog-Spezialist hilft Teams dabei, Anwendungen, Infrastruktur und Cloud-Services an einem Ort zu überwachen. Meist baut er Dashboards, Alerts, Log-Ansichten und Trace-Pfade, damit Vorfälle leichter zu erkennen und schneller zu erklären sind. Das Ziel sind klare Abläufe, nicht nur mehr Diagramme.
Nein. Datadog wird oft auch für Infrastruktur-Monitoring, Log-Management, verteiltes Tracing und Synthetic Checks genutzt. Viele Teams verwenden es außerdem für Incident Response und SLO-Tracking, vor allem wenn Services über Cloud- und Container-Plattformen laufen.
Datadog ist eine gemanagte Observability-Suite, während Prometheus und Grafana oft zu einem eher manuellen Stack zusammengesetzt werden. Das macht Datadog attraktiv, wenn ein Team schneller starten, einheitliche Ansichten und weniger Tool-Bastelei möchte. Der Nachteil ist, dass eine gute Konfiguration trotzdem sehr wichtig bleibt.
Ein solider Datadog-Experte kennt meist Cloud-Plattformen, Kubernetes, Container und grundlegende Muster der Incident Response. Erfahrung mit Logging, Tracing, CI/CD und Tagging-Strategien ist ebenfalls wertvoll. Wenn Security-Monitoring Teil des Projekts ist, hilft auch Wissen über Cloud-Security-Signale.
Einfaches Aufräumen im Monitoring kann von einem Spezialisten mit fokussierter Datadog-Arbeit und gutem Cloud-Wissen übernommen werden. Größere Projekte, etwa Observability-Design für mehrere Teams oder laute Produktionsumgebungen, profitieren von jemandem, der mehrere Rollouts begleitet hat. Je komplexer das System, desto mehr brauchen Sie jemanden, der echte Vorfälle erlebt hat.
Ja. Datadog-Arbeit wird oft remote erledigt, weil die meisten Aufgaben Konfiguration, Review und Fehlersuche in Cloud-Systemen sind. Vor Ort wird es in München vor allem wichtig, wenn Teams enge Workshops, Incident-Reviews oder direkte Arbeit mit lokalen Stakeholdern wünschen. Englisch reicht oft aus, Deutsch kann aber in gemischten internen Teams helfen.
Achten Sie auf klare Erklärungen, nicht nur auf eine Liste von Features. Ein guter Datadog-Profi kann erklären, warum ein Monitor existiert, wie Tags aufgebaut sind und wie das Setup Lärm reduziert oder die Incident Response verbessert. Fragen Sie nach Beispielen für Dashboards, Alert-Tuning, Log-Korrelation und Tracing-Entscheidungen, die er früher schon getroffen hat.
Wenn Alerts zu laut sind, Dashboards schwer zu vertrauen sind oder verschiedene Teams unterschiedliche Versionen desselben Problems sehen, kann Datadog-Unterstützung helfen. Es ist auch ein guter Zeitpunkt, einen Spezialisten dazuzuholen, wenn Sie zu Microservices wechseln, Kubernetes einführen oder Monitoring über mehrere Umgebungen zentralisieren. Solche Projekte brauchen früh Struktur.
Der durchschnittliche Stundensatz von Freelancern in München, Deutschland, die Datadog in ihren letzten Projekten eingesetzt haben, liegt bei 103 €, was einem Tagessatz von etwa 828 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in München, Deutschland, die Datadog in ihren letzten Projekten eingesetzt haben, haben 100% mindestens einen Bachelor-Abschluss, 91% mindestens einen Master-Abschluss und 9% einen Doktortitel.
Freelancer in München, Deutschland, die Datadog in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 19 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 2,4 Jahre.
Die häufigsten Sprachen unter Freelancern in München, Deutschland, die Datadog in ihren letzten Projekten eingesetzt haben, sind Englisch (100%), Deutsch (85%) und Spanisch (15%).
Die häufigsten Industrien unter Freelancern in München, Deutschland, die Datadog in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Einzelhandel (46%) und Automotive (38%).
Die häufigsten Bereiche unter Freelancern in München, Deutschland, die Datadog in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Produktentwicklung (85%) und Projektmanagement (69%).
Hauptstandorte der FRATCH Experten, die kürzlich Datadog 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.
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!

Berlin
Hamburg