Keras-Experten in München
aus über 15.000 Lebensläufen entwickelnBeauftragen Sie Experten, die neuronale Netze mit Keras, TensorFlow und Python entwickeln, trainieren und bereitstellen – von Computer-Vision-Modellen bis hin zu produktiven Machine-Learning-Services. FRATCH vermittelt Ihnen schnell geprüfte, verfügbare Freelancer, die zu Ihren technischen Anforderungen passen.
Lerne FRATCH Experten in München kennen, die kürzlich Keras-Experten eingesetzt haben
Michael N.
Letzte Position:
Senior AI Engineer | Forward Deployed Engineer bei Tiefbau
- Entwicklung eines KI-gestützten Projektorganisationstools für ein Tiefbauunternehmen, das Projekt-, Aufgaben-, Ausschreibungs-, Terminund Dokumentendaten intelligent über einen Knowledge-Graphenverknüpft.
- Implementation von KI-Funktionen zur Dokumentenanalyse, Informationsextraktion, kontextbezogenen Assistenz und sprachbasierten Datenerfassung auf Basis von Microsoft Azure AI, wodurch administrative Aufwände reduziert, Informationen schneller zugänglich gemacht und Projektteams bei Entscheidungen unterstützt werden.
- Technologie-Stack: Python, React, TypeScript, FastAPI, Claude Code, Codex, Graphify, PostgreSQL, Microsoft Azure AI Foundry, Azure OpenAI, Azure AI Speech, Azure AI Document Intelligence, Microsoft Graph, Microsoft Entra ID, Docker, Git, CI/CD.
Mirza K.
Letzte Position:
Agentische Automatisierung und ein RAG-System
- In diesem Projekt wurden Informationsdaten extrahiert, um das Verfassen von Berichten für ein Unternehmen zu unterstützen, das geopolitische, globale und kommerzielle Informationen bereitstellt. Die Daten wurden aus verschiedenen Quellen gesammelt (Interviewtranskripte, Online-Daten, interne Dokumente) und anschließend zu einer Wissensbasis zusammengeführt. Diese bildete die Grundlage für ein komplexes RAG-System, das anhand eines Golden Dataset evaluiert wurde. Agenten wurden eingesetzt, um widersprüchliche Informationen und sich gegenseitig bestätigende Aussagen zu finden sowie das generierte Wissen wieder zu speichern.
Verwendet: Python, RAG, LangGraph, LangChain, deepeval, MCP
Philipp G.
Letzte Position:
Data Scientist & ML Engineer bei Data-Science Factory GmbH
- Aufbau, Implementierung und Vertrieb von automatisierten Data-Science-Lösungen wie Scorecard Factory und Prognose Factory
- Implementierung automatisierter End-to-End-Cloud-Prozesse
- Entwicklung von LLM- und NLP-Modellen
- Erstellung interaktiver Reports
- Betreuung nationaler und internationaler Großkonzerne sowie mittelständischer Firmen bei der Implementierung von ML-Projekten
Tobias N.
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...
Stephan B.
Letzte Position:
Freiberuflicher Data Scientist bei Baier Data & AI Consulting
Narges D.
Letzte Position:
Wissenschaftlicher Mitarbeiter bei Hochschule München
Einführung eines integrierten Ansatzes zur Erkennung struktureller Schäden in Beton, Stahl und Glas mithilfe fortschrittlicher Technologien wie LiDAR und Wärmebildgebung. Berücksichtigung materialübergreifender Wechselwirkungen zur Verbesserung der Diagnostik und Ermöglichung einer vorausschauenden Wartung.
Entwicklung eines NLP-basierten medizinischen Notizvereinfachers, der komplexe klinische Anweisungen in einfaches Englisch auf Kinderniveau umwandelt. Anwendung von Prompt Engineering mit Flan-T5-Transformermodellen, um für Patienten relevante Maßnahmen zu extrahieren und in klare To-do-Punkte umzuschreiben. Entwicklung von Flask- und Tornado-Backends sowie einer druckbaren Weboberfläche.
Christian S.
Letzte Position:
Data Scientist/KI-Ingenieur bei The Marcom Engine GmbH & Co. KG
- Konzeption und Implementierung von KI-Agenten in der AWS-Cloud
- Kontinuierliche Abstimmung mit Stakeholdern
- Zusammenarbeit mit DevOps
- Technologien: Git, CI/CD (GitHub Actions), Python/ML, Streamlit, Deno/TypeScript, AWS SAM, AWS Bedrock, AWS Lambda, AWS DynamoDB, AWS S3, AWS EventBridge usw.
Raghu Ram V.
Letzte Position:
Telco-Kundenabwanderungsprognose – End-to-End-ML-Pipeline bei Selbst initiiertes Projekt
- Entwickelte und implementierte eine vollständige Machine-Learning-Pipeline zur Kundenabwanderungsprognose auf Basis des Telco-Datensatzes.
- Wandte Vorverarbeitungstechniken an, darunter Behandlung fehlender Werte, kategoriale Kodierung, Feature Scaling und PCA.
- Baute und verglich über 15 Modelle (Logistic Regression, Random Forest, XGBoost usw.) und bewertete sie anhand von Accuracy, Precision, Recall, F1-Score, ROC-AUC und PR-AUC.
- Stimmte Hyperparameter mit GridSearchCV ab und erreichte 80,6 % Accuracy mit Random Forest und XGBoost.
- Erstellte visuelle Berichte (Balkendiagramme, Heatmaps, Radardiagramme), um die Modellleistung und die Abwanderungstreiber zu interpretieren.
- Exportierte wiederverwendbare Pipelines und trainierte Modelle mit joblib für die Bereitstellung.
Anton K.
Letzte Position:
Leiter der technischen Gesamtintegration NSC / Entwicklung von Hadoop Cloud bei IABG
Leiter der technischen Gesamtintegration NSC (National Secure Cloud, Projekt mit ca. 60 Mitarbeiter).
Technische Integration von allen Subprojekten in ein Produkt, Definition von Schnittstellen, Basiskomponenten einer Cloud inklusive Hardware, technische Architektur der Basis IABG.
Entwicklung eines Cloud Management Platforms (CMP), die in der Lage ist, Private/Mixed Cloud von beliebiger Komplexität anhand einer textuellen Beschreibung mit einem Click oder interaktiv zu erstellen.
CMP beinhaltet auch den kompletten Zyklus Hardware Management.
Als Basis wird Kubernetes, Openstack und Hadoop benutzt.
Die Managementschicht beinhaltet Harbor, Gitea, Longhorn, Keycloak, Rancher und Jenkins, die automatisch konfiguriert sind.
Privat Cloud kann beliebige Workloads von Kunden ausführen, darunter volle Hadoop Schicht mit HDFS, Spark, MapRed, Mezos, HBase und ca. 20 weiteren ML/DL Technologien.
Hadoop Worker Cluster kann auch ohne Kubernetes on Bare Metal oder Commodity Hardware automatisch installiert werden.
Openstack mit Nova, Neutron, Ironic, Swift, Cinder, Ceph.
Entwicklung einer Java Anwendung Rudi: Soap, Rest, Containers, DB.
Technologien: Kubernetes (K3s, Rke2, Minikube, Harbor, Gitea, Jenkins, Longhorn, Keycloak, Rancher), Openstack (Nova, Neutron, Keystone, Swift, Ceph, Cinder, Sahara, Magnum, Kayobe, Kolla, Bigrost, Ironic), Hadoop (HDFS, Ambari, Solr, Livy, Ranger, YARN, Tez, HBase, Kafka, Hive, Zookeeper, MapReduce, Spark, Oozie, Flink), Virtualizierung (Kubernetes (K3S), VMware, Oracle), Skripting (Ansible, Puppet, Juju, Shell, Groovy, Gradle, Maven).
Kaan K.
Letzte Position:
Ingenieur für Computer Vision bei Axulus Reply GmbH
- Verantwortlich für die Entwicklung industrieller Bildverarbeitungslösungen, zunächst als Werkstudent und ab Mai 2025 in einer Vollzeitstelle.
- Entwicklung und Implementierung von Modellen zur Fahrzeugerkennung und -zählung; Integration der Pipeline in ein cloudbasiertes System (Azure), das Live-Analyse-Dashboards bereitstellt.
- Entwicklung eines Offline-Systems zur Qualitätssicherung im Druck, das Drucke auf Wellpappe in Produktionslinien scannt, um Fehler wie Spritzer, Verunreinigungen und Farbabweichungen zu erkennen und zu klassifizieren; Bereitstellung der Lösung auf Jetson-Edge-Geräten.
- Zusammenarbeit mit bereichsübergreifenden Teams mit Fokus auf Computer-Vision-Komponenten, Containerisierung und Bereitstellung.
Vibhu K.
Letzte Position:
Senior-Produktmanager bei MediaMarktSaturn
- Führte die Entwicklung und Verwaltung fortschrittlicher Datenprodukte und Reporting-Lösungen und erzielte 11 Mio. € Umsatz im Jahr 2023. Heuerte einen Produktmanager an und förderte ihn, um die Produktfunktionen zu erweitern und Marken Einblicke in geschlossene Messprozesse zu ermöglichen.
- Definierte die Produktvision und -strategie für den Offsite-Produktbereich weltweit, damit Marken ihre wertvollsten Kunden entlang der Omnichannel-Kundenreise ansprechen können.
- Initiierte und leitete datengetriebene Martech- und Adtech-Innovationen und schuf die Basis für KI-gestützte Personalisierung und zielgerichtetes Marketing in 12 Ländern.
Stephan S.
Letzte Position:
Senior Data/ML-Berater & Technischer Leiter bei Jolin.io
Rolle: Software-Ingenieur & Angewandter Mathematiker (Mathematische Optimierung für Terminplanung; Dauer: 1 Monat; Teamzusammenstellung: Team von 2, remote; Technologien: JuMP, Julia, Pluto, Svelte, JavaScript, TypeScript, JetBrains Space, Terraform, Nomad)
Rolle: Software-, Cloud- & Web-Ingenieur (Aufbau eines skalierbaren Data-Science-Rechenclusters von Grund auf; Dauer: 11 Monate; Teamzusammenstellung: Team von 1, vor Ort; Technologien: Terraform, Kubernetes, k8s ingress, k8s services, k8s RBAC, k8s networking, k3s, etcd, S3, DNS, Zertifikate, Julia, Pluto, JavaScript, Tailwind, Astro, npm, Parcel, Preact, MUI, JWT, AWS SQS, AWS RDS, Python, GitLab, GitHub)
Rolle: KI- & Web-Ingenieur (Individueller ChatGPT-Dienst; Dauer: 1 Monat; Teamzusammenstellung: Team von 2, remote; Technologien: Python, Poetry, LangChain, Tailwind, ChatGPT API, Flask, FastAPI)
Rolle: Architekt & Dateningenieur (Einrichtung und Befüllung eines zentralen Data Lakes; Dauer: 9 Monate; Teamzusammenstellung: Team von 5, remote; Technologien: Infrastructure-as-Code, AWS CDK, Python, Boto3, PySpark, AWS Glue, IAM, S3, ECS, Fargate, Lambda, Apache Hudi, DeltaLake, Databricks, GitHub, Jira, Miro)
Rolle: Software-Ingenieur (PoC zur Migration von scikit-decide nach Julia; Dauer: 1 Monat; Teamzusammenstellung: Team von 2, remote; Technologien: Python, Julia, GitHub)
Eyasu H.
Letzte Position:
Datenwissenschaftler bei Deutsche Bundesbank
- Skripte für Web-Scraping entwickelt, um über 5000 Produktdaten von der Zalando-Website zu extrahieren und zu parsen.
- ETL-Prozesse mit Apache Spark in CDSW durchgeführt, die Daten in das Hadoop-Ökosystem (HDFS) geladen und mit Hive sowie Impala verwaltet.
- Machine-Learning-Algorithmen implementiert und eine Genauigkeit von 85–90 % bei der mehrklassigen Produktklassifikation erzielt.
- Produkt- und Preisdaten von Zalando in Dashboards mit Otto und Takko integriert, um interaktive Visualisierungen zu erstellen.
Daniel C.
Letzte Position:
Gründer & Geschäftsführer bei BotCraft GmbH
- Aufbau des Unternehmens mit Fokus auf Connectivity für IIoT und Industrie 4.0, iRPA/Prozessautomatisierung, Advanced Robotics und Smart Systems, Sensors and Services
- Projektleitung und Software-Architektur für IoT-Gateway-Entwicklung (seit 2020) mit Protokollübersetzung, IT/OT-Konvergenz und GRC
- Entwicklung von RPA-Bots zur Automatisierung und Überwachung industrieller Prozesse mit agentischem AI-Ansatz (seit 2020)
- Implementierung von Unsupervised Clustering und Anomalieanalyse für Zeitreihendaten in BigData-Streaming-Pipelines (seit 2021)
- Einführung eines Docker-basierten Release-Trains für OTA-Updates mit DevSecOps und CI/CD (seit 2018)
Marius H.
Letzte Position:
Senior Projektmanager / SAFe Solution- und Release Train Engineer (Leitender Scrum Master) bei Telefonica O2
- Leitung des größten agilen Projekts bei Telefonica O2 (21+ Mio. EUR, 11 Scrum- und System-Teams in Deutschland und Indien, 80+ Entwickler, 3 Lieferanten) mit SAFe, Scrum und Kanban. Vorzeigeprojekt für agile Skalierung bei Telefonica.
- Skalierung der agilen Prozesse für ein Großprojekt mit SAFe.
- Projekt mit halb so hohen Kosten und in der halben Zeit im Vergleich zu ähnlichen Projekten geliefert.
- Testmanagement und Koordinierung der Systemtests.
- Coaching der Teams (SAFe & Scrum).
- Rollout-Planung und -Management.
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die Keras-Experten einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
17 Jahre (Deutschland: 14 Jahre)
Positionsdauer
2 Jahre (Deutschland: 2,1 Jahre)
Positionen pro Freelancer
13 (Deutschland: 9)
Häufigste Fachbereiche
Produktentwicklung, Informationstechnologie (IT), Business Intelligence
Häufigste Branchen
Informationstechnologie (IT), Automotive, Bank- und Finanzwesen
Fokus der Zertifizierungen
Informationstechnologie (IT), Business Intelligence, Projektmanagement
Bachelor-Abschluss oder höher
100% (Deutschland: 97%)
Master-Abschluss oder höher
88% (Deutschland: 81%)
Doktortitel
18% (Deutschland: 21%)
Zertifizierungen pro Freelancer
3 (Deutschland: 2)
Häufigste Sprachen
Deutsch, Englisch, Spanisch
Sprechen zwei oder mehr Sprachen
100% (Deutschland: 97%)
Basierend auf unserem Profilpool, Stand 19 Sep 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 Keras-Experten 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 Keras-Experten Experten
Sieh, in welchen Branchen unsere gematchten Freelancer am häufigsten tätig sind — jede Zahl wird live aus den Freelancern auf FRATCH berechnet.
- Informationstechnologie (IT) (94%)
- Automotive (65%)
- Bank- und Finanzwesen (65%)
- Fertigung (53%)
- Professionelle Dienstleistungen (47%)
- Bildung (41%)
- Gesundheitswesen (35%)
- Versicherung (35%)
Bitte beachte, dass Freelancer in mehreren Branchen tätig sein können, daher überschneiden sich die Prozentwerte.
Über die Technologie
Keras-Grundlagen
Keras ist eine Deep-Learning-API auf hoher Abstraktionsebene zum Erstellen, Trainieren und Bewerten neuronaler Netze. Sie wird häufig mit TensorFlow und Python eingesetzt, unterstützt durch ihr Multi-Backend-Design aber auch andere Backends. Der klare Ansatz zur Modellerstellung hilft Teams dabei, von Experimenten zu wartbaren Machine-Learning-Systemen zu gelangen.
Modelle und Anwendungen
Keras-Spezialisten erstellen Modelle für Bild-, Text-, Audio- und Zeitreihendaten. Typische Ergebnisse sind:
- Pipelines zur Bildklassifizierung und Objekterkennung
- Textklassifizierung, Embeddings und Sequenzmodelle
- Services für Prognosen und Anomalieerkennung
- Prototypen für Empfehlungen und generative KI
Das passende Design hängt von der Datenqualität, der Latenz, der Erklärbarkeit und dem späteren Einsatz des Modells in der Produktion ab.
Ökosystem und Tools
Gute Keras-Arbeit umfasst in der Regel TensorFlow, NumPy, pandas und scikit-learn sowie Notebooks oder Skripte für wiederholbare Experimente. Profis nutzen möglicherweise konvolutionale, rekurrente und Transformer-Architekturen, Transfer Learning, Datenerweiterung und benutzerdefinierte Trainingsschleifen. Sie verstehen außerdem GPU-Workloads, die Serialisierung von Modellen und das Nachverfolgen von Experimenten.
Wann Expertise wichtig ist
Unternehmen holen sich freiberufliche Keras-Expertise ins Haus, wenn ein Proof of Concept eine zuverlässige Validierung benötigt, ein bestehendes Modell eine bessere Genauigkeit erreichen soll oder ein Data-Science-Projekt in die Produktion überführt werden muss. Nützliche Anzeichen sind:
- Trainingsläufe, die sich nur schwer reproduzieren lassen
- Langsame Inferenz oder übermäßiger Ressourcenverbrauch
- Eine Lücke zwischen Forschungscode und einem bereitstellbaren Service
- Der Bedarf, ein vortrainiertes Modell an domänenspezifische Daten anzupassen
Ein Spezialist kann Architektur, Datenpipeline und Umsetzungsplan klären, bevor die Implementierung ausgeweitet wird.
Bereitstellung in der Produktion
Keras-Modelle können über APIs, Batch-Jobs, Edge-Anwendungen oder Cloud-Services bereitgestellt werden. Die Bereitstellung kann TensorFlow Serving, TensorFlow Lite, Docker, Kubernetes sowie Monitoring auf Drift, Latenz und fehlerhafte Vorhersagen umfassen. In München ist die Remote-Zusammenarbeit üblich, während die Arbeit vor Ort hilfreich sein kann, wenn die Modellentwicklung von lokalen Produkt-, Fertigungs- oder Forschungsteams abhängt.
Qualitätsmerkmale
Ein guter Profi erklärt, warum eine Architektur zu den Daten passt, statt Schichten aus Gewohnheit auszuwählen. Er trennt Trainings-, Validierungs- und Testdaten, dokumentiert die Vorverarbeitung, verfolgt Experimente und testet Fehlerfälle. Außerdem berücksichtigt er die Sicherheit des Modells, Verzerrungen, Reproduzierbarkeit und die Betriebskosten der Inferenz. Eine klare Kommunikation auf Englisch oder Deutsch kann die Zusammenarbeit mit Teams in München unterstützen.
Häufig gestellte Fragen
Vor der nächsten Projektanfrage: die häufigsten Fragen zu Keras-Experten.
Keras wird verwendet, um neuronale Netze für Computer Vision, natürliche Sprachverarbeitung, Prognosen, Empfehlungen und Audioanalysen zu erstellen und zu trainieren. Es kann einen frühen Prototyp, einen Workflow zur Modellbewertung oder einen produktiven Service unterstützen, wenn es mit geeigneten Bereitstellungstools kombiniert wird.
Keras legt den Schwerpunkt auf eine kompakte API auf hoher Abstraktionsebene und ist eng in TensorFlow integriert, während PyTorch häufig wegen seines flexiblen imperativen Workflows und seiner Tools für die Forschung gewählt wird. Die bessere Wahl hängt vom bestehenden Stack des Teams, dem Bereitstellungsziel, den Vorlieben beim Debugging und den Anforderungen an das Modell ab.
Keras-Arbeit profitiert von guten Python-, Statistik- und Datenaufbereitungskenntnissen sowie von Wissen über TensorFlow, NumPy und scikit-learn. Für die Bereitstellung sollten Sie Erfahrung mit APIs, Containern, Cloud-Infrastruktur, GPU-Workloads, Modellüberwachung und Datenversionierung suchen.
Der Bedarf an Keras-Erfahrung hängt vom Umfang, der Datenqualität und dem Risiko des Anwendungsfalls ab. Ein Spezialist, der ein ähnliches Modell umgesetzt hat und Entscheidungen zu Validierung, Bereitstellung und Wartung erklären kann, ist in der Regel wertvoller als jemand, der allein anhand einer breiten Technologieliste ausgewählt wurde.
Keras-Projekte eignen sich häufig gut für die Remote-Zusammenarbeit, da Code, Experimente und Modellartefakte über gängige Entwicklungstools geteilt werden können. Sitzungen vor Ort in München können dennoch bei Datenzugriff, Produkt-Workshops, Fertigungsabläufen oder der engen Abstimmung mit Forschungsteams hilfreich sein.
Keras kann in der Produktion eingesetzt werden, wenn die umgebende Pipeline Datenvalidierung, Modellversionierung, Tests, Bereitstellung und Monitoring abdeckt. Ein Spezialist sollte zeigen, wie das Modell Anforderungen an Latenz, Zuverlässigkeit, Sicherheit und erneutes Training erfüllt, statt das Training als vollständige Lösung zu betrachten.
Die Qualität von Keras zeigt sich in reproduzierbaren Experimenten, sinnvollen Datensplits, aussagekräftigen Bewertungsmetriken und einer klaren Fehleranalyse. Bitten Sie den Profi, die Vorverarbeitung, Vergleiche mit Baselines, Randfälle und das Verhalten des Modells nach der Bereitstellung zu erklären.
Keras ist die eigenständige Deep-Learning-API, während sich tf.keras auf die Integration in TensorFlow bezieht. Ein Spezialist sollte die verwendete Version und das eingesetzte Backend kennen, Kompatibilitätsaspekte verstehen und den API-Weg auswählen, der zur Trainings- und Bereitstellungsumgebung des Projekts passt.
Der durchschnittliche Stundensatz von Freelancern in München, Deutschland, die Keras in ihren letzten Projekten eingesetzt haben, liegt bei 100 €, was einem Tagessatz von etwa 803 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in München, Deutschland, die Keras in ihren letzten Projekten eingesetzt haben, haben 100% mindestens einen Bachelor-Abschluss, 88% mindestens einen Master-Abschluss und 18% einen Doktortitel.
Freelancer in München, Deutschland, die Keras in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 17 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 2 Jahre.
Die häufigsten Sprachen unter Freelancern in München, Deutschland, die Keras in ihren letzten Projekten eingesetzt haben, sind Deutsch (100%), Englisch (100%) und Spanisch (29%).
Die häufigsten Industrien unter Freelancern in München, Deutschland, die Keras in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (94%), Automotive (65%) und Bank- und Finanzwesen (65%).
Die häufigsten Bereiche unter Freelancern in München, Deutschland, die Keras in ihren letzten Projekten eingesetzt haben, sind Produktentwicklung (94%), Informationstechnologie (IT) (82%) und Business Intelligence (71%).
Hauptstandorte der FRATCH Experten, die kürzlich Keras-Experten 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 
Berlin Länder:
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
