Docker Compose Experten in München
aus über 15.000 CVs mit der Kraft von KIBeauftragen Sie Experten, die reproduzierbare Multi-Container-Stacks aufsetzen, Service-Netzwerk und Volumes fein abstimmen und lokale sowie Testumgebungen an die Produktion angleichen. Schnelles, präzises Matching mit geprüften, verfügbaren Freelancern.
Lerne FRATCH Experten in München kennen, die kürzlich Docker Compose 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).
Vitaliy Ryumshyn
Letzte Position:
DevOps GitOps (ANÜ) bei Signal Iduna
- Verantwortlich für die Administration von OpenShift/Kubernetes On-Prem und den Entwickler-Support.
- Automatisierte die URP-Infrastruktur mit Python, Ansible, Kustomize sowie dem ArgoCD- und Argo Workflow/Events-Stack.
- Schrieb Smoke- und Lasttests für die URP-Infrastruktur mit Python, Kustomize und ApplicationSets.
- Unterstützte beim Aufbau und der Bereitstellung der URP-Infrastruktur in Google Cloud (GKE).
- Implementierte Monitoring für die URP- und ArgoCD-Umgebung mit Splunk Cloud.
- Führte Systemadministrationsaufgaben auf RedHat Linux, Kubernetes/OpenShift, ArgoCD, GitLab, Bitbucket Enterprise, Kafka und MongoDB durch.
Alois Flammensböck
Letzte Position:
Softwarearchitekt / Backend Entwickler bei GEO API
- Konzeption und Umsetzung einer Laravel-Backend-API für anbieterbasierte Geo-Suche, Feature-Details, Boundary-Geometrien und Nachbarschaftsermittlung.
- Die API dient als serverseitige Proxy-, Cache- und Anreicherungsschicht, schützt Zugangsdaten externer Geodienste und speichert Features, Lokalisierungen, Geometrien, Hierarchien und Nachbarschaftsbeziehungen persistent in MariaDB.
- Schwerpunkte waren Normalisierung von Autocomplete- und Feature-Daten, Cache-Strategien für teure Boundary-/Polygonabrufe, Spatial-Verarbeitung von GeoJSON- und MultiPolygon-Geometrien sowie Nachbarschaftsermittlung über Hierarchien, Bounding-Box-Filter und Topologieprüfungen.
- Ergänzend entstanden getrennte Produktiv- und Diagnoseendpunkte, Status- und Fehlerkataloge, Discovery-Protokollierung, Docker-Entwicklungsstack, API-Dokumentation sowie Unit- und Feature-Tests.
- Technologien: PHP 8.3, Laravel, REST API, Geodaten-API, GeoJSON, MariaDB Spatial, Eloquent, Laravel Queues, PHPUnit, Mockery, Docker, Docker Compose, API-Design, Geocoding, Boundary-Daten, Spatial Queries.
Frederik Claus
Letzte Position:
Freiberuflicher Fullstack Softwareentwickler bei Bundesdruckerei GmbH
Entwicklung des digitalen Organspenderegisters, beauftragt durch das Bundesinstitut für Arzneimittel und Medizinprodukte (BfArM)
Umsetzung von User Stories in mehreren Microservices (Front- und Backend)
Sicherstellung der Qualität mit Unit-, Integrations- und E2E-Tests
Durchführung von Codereviews
Abstimmung mit anderen Entwicklungsteams
Übernahme der Softwarelizenzprüfung und Vereinfachung des Prozesses
Verantwortung für Umsetzung und Dokumentation des fachlichen Loggings
Aufbau einer Entwicklungsumgebung mit Docker Compose
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.
Boris Nicolai
Letzte Position:
Fullstack Entwickler & DevOps Engineer bei EnBW Energie Baden-Württemberg
- Weiterentwicklung der internen Plattform „ECockpit“ mit Frontend Angular 17 und Backend .NET (C#)
- Pflege und Weiterentwicklung der Azure DevOps Pipelines
- Einführung technischer Verbesserungen in Build- & Release-Prozessen
- Mitarbeit an modularem Architekturansatz (Clean Architecture & DDD)
- Fokus auf Skalierbarkeit und sichere Datenverarbeitung
- Tech-Stack: Angular 17, .NET / C#, Azure, Azure DevOps, Git, CI/CD, Clean Architecture, Domain Driven Design
Mohamed Saleh
Letzte Position:
Machine Learning Engineer (Teilzeit) bei E.ON Digital Technology
- Entwarf und implementierte eine fortschrittliche, agentenbasierte RAG-Pipeline mit LangChain und LangGraph zur strukturierten Datenauslesung aus PDFs, unter Nutzung von Tools, Zustandsverwaltung und OpenAI LLMs (GPT-4), um Genauigkeit zu steigern und komplexe Dokumentstrukturen zu bewältigen.
- Entwickelte einen Google-KI-Agenten zur Extraktion strukturierter Informationen aus PDF-Dokumenten und deployte den Agenten auf Vertex AI.
- Entwarf Datenpipelines mit Azure Data Factory und Databricks, um Daten aus Azure Blob Storage zu laden, mit PySpark zu verarbeiten und über Linked Services in Azure SQL Database zu schreiben.
- Containerisierte KI-Agenten und -Services mit Docker für konsistente lokale Entwicklung und Bereitstellung.
- Nutze PySpark und Dask für Datenbankabfragen in Verbindung mit Azure Blob Storage und Document Storage.
- Erstellte einen ReAct-Agenten, der strukturierte Daten aus PDF-Dokumenten extrahiert, indem er Tools nutzt und Azure Document Intelligence integriert.
- Trug zum Projekt zur Validierung von CPO-Rechnungen bei, indem ich Databricks einsetzte, um bestehende CDRs zu finden und die Gesamtkosten zu berechnen.
- Entwickelte einen konversationalen KI-Agenten (Chatbot) mit FastAPI-Backend, integrierte RAG für präzise Tarifextraktion und setzte den Service mit Azure Container Apps um.
- Verwendete Tools: Azure, Azure OpenAI, Azure Document Intelligence, Azure Blob Storage, Google ADK, Google Cloud, Vertex AI, Gemini, Databricks, LangChain, LlamaIndex Ollama, Docker, PySpark, Azure SQL, Azure Data Factory, Azure AI Agent, Microsoft SQL Server
Christian Trutz
Letzte Position:
JEE Softwareentwickler, DevOps-Ingenieur bei AKDB
- JEE Softwareentwickler
- DevOps-Ingenieur
- Java, JEE, JBoss/WildFly, Vaadin, CI/CD Pipelines, Jenkins, Maven, Git, Oracle Datenbank, MSSQL Server Datenbank
Janusz Mazurek
Letzte Position:
IoT Edge Computing / Autonomes Fahren bei Automotive, Beratungsunternehmen
- Plattform: Python-Ökosystem, RHEL 8, K10, AWS IoT Core, AWS Lambda, MLOps
- Software: Java JEE/Cloud, IntelliJ IDEA, AWS IoT Core, AWS Edge und Lambda, AWS SageMaker SDK, Docker Compose, Kubernetes, Openshift 4, Tekton, Flux, Helm Charts, JSON/XML-Technologien, Nginx, Apache Spark, OpenAI (GPT Plus, DALL-E 3, Whisper), GAN, GitHub Copilot, KI, Machine Learning, Deep Learning, Jupyter Notebooks, TensorFlow 2, Colab, Keras API, Prometheus, Grafana, Conda, Python 3.9, SciPy-Stack (NumPy, pandas, scikit-learn, matplotlib)
- Zuständig für Webinar:
- IoT Edge Computing, Architektur, Komponenten, Ressourcen, Management
- IoT Edge Computing mit MicroK8s, Design und Erstellung von Flows/Diagrammen für AWS, Three-Step-Modell für IoT-Ökosystem
- IoT-Prozesse, Konnektivität, Datentransfer und Deployment, Sicherheit
- Optimierung des Edge Computing für Netzwerke, Services im IoT (AWS SQS Queue, SNS-Benachrichtigungen, Events, Analytics, Button, Device Management/Defender, Things Graph)
- Machine-/Deep-Learning-Frameworks (Modelle, Training, Optimierung der Pipelines, Deployment in der Cloud/am Edge, Monitoring der Workloads mit Prometheus und Grafana)
- Performance-Optimierung für niedrige Latenz/Resilienz mittels adaptiver ML/DL/RL-Modelle für Kundendaten aus dem IoT
- Analyse großer Sensordatenmengen mit Apache Spark, Kafka-Clustern
- Kasten K10 Data Management Platform auf Kubernetes-Multi-Cluster mit Helm Chart: Deployment, Backup/Disaster Recovery (RTO/RPO), Data Lifecycle und Security Management
- Implementierung eines mehrschichtigen neuronalen Netzes (ANN) mit TensorFlow 2 und Colab für Regression und Klassifikation; Datenanalyse und Aufbereitung für Applikationen; Entwicklung von Test- und Trainingsmodellen; Deployment der Modelle
- Automatisierung von Business-Streamline-Prozessen mit KI (Azure OpenAI, Discord-Bots/Zapier, AI-Assistenten-Apps IntelliJ, GitHub Copilot)
Sebastian Fohler
Letzte Position:
Geschäftsführer Systemadministration & DevOps bei Far Galaxy Networks
- Migration von Windows-Anwendungen mithilfe von Windows Server 2022/2025, DHCP, Active Directory, Vertrauensstellung und -einrichtung, GPO-Verwaltung
- Automatisierung von Cloud-Services, Firewall- und Netzwerkmanagement, Debugging
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die Docker Compose einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
21 Jahre (Deutschland: 18 Jahre)
Positionsdauer
1,7 Jahre (Deutschland: 5,4 Jahre)
Positionen pro Freelancer
12
Häufigste Fachbereiche
Informationstechnologie (IT), Produktentwicklung, Projektmanagement
Häufigste Branchen
Informationstechnologie (IT), Energie, Bank- und Finanzwesen
Fokus der Zertifizierungen
Informationstechnologie (IT), Betrieb, Produktentwicklung
Bachelor-Abschluss oder höher
100% (Deutschland: 85%)
Master-Abschluss oder höher
50%
Zertifizierungen pro Freelancer
1 (Deutschland: 2)
Häufigste Sprachen
Deutsch, Englisch, Italienisch
Sprechen zwei oder mehr Sprachen
100% (Deutschland: 99%)
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 Docker Compose 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
Container-Orchestrierung für lokale Stacks
Docker Compose wird verwendet, um Multi-Container-Anwendungen mit einer einzigen Konfigurationsdatei zu definieren und zu starten. Das ist üblich für Web-Apps, APIs, Datenbanken, Caches, Warteschlangen und Support-Services, die gemeinsam in einer vorhersehbaren Reihenfolge starten müssen.
Was Spezialisten liefern
- Compose-Dateien für Entwicklungs-, Test- und Demo-Umgebungen
- Service-Netzwerk, Ports, Volumes und Einrichtung von Umgebungsvariablen
- Saubere Start- und Stopp-Abläufe für verknüpfte Container
- Lokale Stacks, die das Verhalten von CI und Produktion widerspiegeln
Ökosystem und Tools
Starke Profis arbeiten mit dem Compose-Dateiformat, Docker Engine, Docker CLI und verwandten Tools wie BuildKit, Bind Mounts und Health Checks. Sie verstehen auch Image-Tags, Overrides, den Umgang mit Secrets und wie Compose mit Kubernetes oder einfachem Docker zusammenspielt, wenn Teams eine einfache Einrichtung hinter sich lassen.
Wann Unternehmen Hilfe holen
Teams brauchen oft freiberufliche Unterstützung, wenn ein Stack schwer zu starten ist, ein Monolith in Services aufgeteilt wird oder ein neues Projekt schnell eine zuverlässige lokale Einrichtung braucht. In München ist das oft wichtig für Produktteams, Industrie-Softwaregruppen und SaaS-Unternehmen, die wollen, dass Engineers und Spezialisten ohne Verzögerung an derselben Umgebung arbeiten.
Was starke Experten gut machen
Gute Docker Compose Profis halten Dateien lesbar, vermeiden instabile Abhängigkeiten und sorgen dafür, dass Services leicht neu gestartet und debuggt werden können. Sie wissen, wie man Abweichungen zwischen Laptops, CI und Staging reduziert, und dokumentieren die genauen Befehle und Erwartungen, damit andere Experten den Stack ohne Rätselraten nutzen können.
Anzeichen, dass Sie einen Spezialisten brauchen
- docker-compose-Dateien sind groß, doppelt vorhanden oder schwer zu pflegen
- Services fallen aus, weil Startreihenfolge oder Netzwerk unklar sind
- Entwickler verbringen Zeit damit, lokale Umgebungsprobleme zu beheben
- Sie brauchen eine sauberere Übergabe zwischen Compose und CI-Pipelines
Häufig gestellte Fragen
Die Fakten, nach denen Hiring-Teams bei Docker Compose am häufigsten fragen.
Docker Compose wird verwendet, um mehrere zusammengehörige Container als einen Anwendungs-Stack zu betreiben. Unternehmen nutzen es für lokale Entwicklung, Testumgebungen, Demo-Setups und kleine Produktions-Deployments, bei denen die Services eng miteinander verbunden sind. Besonders nützlich ist es, wenn eine App eine Datenbank, einen Cache, eine Queue und eine API in einer festgelegten Reihenfolge starten muss.
Docker Compose ist Teil des Docker-Ökosystems, löst aber ein anderes Problem als die zentrale Docker CLI. Docker baut und startet einzelne Container, während Compose beschreibt, wie mehrere Services zusammenarbeiten. Für Teams bedeutet das meist weniger manuelle Einrichtung und weniger Einmal-Befehle.
Ein Unternehmen sollte einen Docker Compose Spezialisten hinzuziehen, wenn das Setup das Team ausbremst oder uneinheitlich wird. Typische Fälle sind unübersichtliche Umgebungsdateien, Fehler beim Starten von Services, doppelte Konfigurationen oder die Migration von einem einzelnen Container zu einem Multi-Service-Stack. Ein freiberuflicher Experte kann das Setup aufräumen und klare Dokumentation hinterlassen.
Ein starker Docker Compose Spezialist kennt in der Regel Dockerfiles, Linux-Grundlagen, Netzwerk, Umgebungsvariablen, Volumes und Container-Health-Checks. Erfahrung mit CI-Pipelines und dem Veröffentlichen von Images ist ebenfalls hilfreich, weil Compose oft zwischen lokaler Arbeit und Auslieferungsprozessen liegt. Wenn der Stack wachsen kann, ist auch Kubernetes-Wissen nützlich.
Docker Compose ist einfacher und schneller für lokale Stacks und kleinere Deployments. Kubernetes ist besser für Planung in großem Maßstab, Ausfallsicherheit und den Betrieb über mehrere Nodes, bringt aber mehr bewegliche Teile mit. Viele Teams nutzen Compose für Entwicklung und Tests und wechseln erst zu Kubernetes, wenn der Betriebsbedarf klar ist.
Viele suchen immer noch nach docker-compose, dem älteren Befehls- und Projektnamen, den sie zuerst gelernt haben. Der aktuelle Produktname ist Docker Compose, aber beide Formen sind in Dokus, Repos und Teamgesprächen üblich. Ein guter Spezialist sollte beide Begriffe verstehen und wissen, dass sie zum selben Workflow gehören.
Ja, Docker Compose funktioniert sehr gut für die Zusammenarbeit im Remote-Team, weil es allen dieselbe Service-Struktur und dieselben Startschritte gibt. Für Unternehmen in München ist das besonders nützlich, wenn einige Experten vor Ort und andere remote arbeiten, da die Umgebung in Dateien definiert ist statt nur lokal vorhanden zu sein. Gute Doku ist hier wichtiger als der Standort.
Achten Sie auf einen Docker Compose Spezialisten, der saubere Service-Definitionen schreibt, die Konfiguration klein hält und erklärt, warum jede Abhängigkeit existiert. Gute Zeichen sind lesbare Dateien, stabiles Startverhalten, sinnvoller Einsatz von Volumes und Netzwerken sowie ein Setup, das ein anderer Experte ohne Hilfe ausführen kann. Gute Dokumentation ist Teil der Leistung.
Der durchschnittliche Stundensatz von Freelancern in München, Deutschland, die Docker Compose in ihren letzten Projekten eingesetzt haben, liegt bei 97 €, was einem Tagessatz von etwa 774 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in München, Deutschland, die Docker Compose in ihren letzten Projekten eingesetzt haben, haben 100% mindestens einen Bachelor-Abschluss und 50% mindestens einen Master-Abschluss.
Freelancer in München, Deutschland, die Docker Compose in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 21 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 1,7 Jahre.
Die häufigsten Sprachen unter Freelancern in München, Deutschland, die Docker Compose in ihren letzten Projekten eingesetzt haben, sind Deutsch (100%), Englisch (100%) und Italienisch (20%).
Die häufigsten Industrien unter Freelancern in München, Deutschland, die Docker Compose in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Energie (60%) und Bank- und Finanzwesen (60%).
Die häufigsten Bereiche unter Freelancern in München, Deutschland, die Docker Compose in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Produktentwicklung (90%) und Projektmanagement (60%).
Hauptstandorte der FRATCH Experten, die kürzlich Docker Compose 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 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
