Machine-Learning-Experten in Österreich
, die innerhalb weniger Minuten per KI vermittelt werdenBeauftragen Sie Experten, die Prognosemodelle, Empfehlungssysteme und Sprachanwendungen mit Python, PyTorch oder scikit-learn entwickeln. FRATCH verbindet Sie schnell mit geprüften, verfügbaren Freelancern, deren Fähigkeiten genau zu Ihrem Projekt passen.
Lerne FRATCH Experten in Österreich kennen, die kürzlich Machine-Learning-Experten eingesetzt haben
Alexander P.
Letzte Position:
Inhaber & Lektor bei Eigenes Unternehmen für KI-Governance und Datenprodukte, Wien
- 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
- Privacy-first-Architekturen und Zero-Knowledge-Encryption, cloud-native auf EU-Infrastruktur
- MLOps und AIOps im laufenden Betrieb
- Eigene Anwendungen unter eigener Marke: gemeinsame Codebasis, getrennte Auslieferung je Zielgerät
- KI-gestützte Softwareentwicklung (vibe-coding), komplette 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
Manuel P.
Letzte Position:
KI-Ingenieur bei Misumi Europe GmbH & Motius GmbH
- Eine nächste Generation von NLP-Plattformen entworfen und gebaut, um den vertriebsnahen Kundenservice durch intelligente Anfrageanalyse und Routing zu beschleunigen und die durchschnittliche Antwortzeit auf Kundenanfragen um 30 % zu senken.
- Ein hybrides NLP-System entwickelt, das Large Language Models (LLMs) mit klassischen NLP-Pipelines kombiniert, um robuste und nachvollziehbare Ergebnisse zu liefern.
- Mechanismen für Anfrageklassifizierung und Routing entwickelt, damit Support-Teams Kundenanfragen schneller und genauer bearbeiten können.
- Die LLM-basierte Datenextraktion und Klassifizierung mit Context Engineering optimiert.
- Die Plattform in Kundenservice-Prozesse integriert und so Reaktionszeiten reduziert sowie die Effizienz im Team verbessert.
Stefan D.
Letzte Position:
BI Berater im Controlling bei Reutter GmbH
- Extraktion, Transformation und Bereinigung von Daten aus Microsoft Dynamics AX
- Erstellung von Vertriebsberichten in Power BI
- Schulung der Mitarbeiter im Bereich Business Intelligence
- Technologien: Power BI, SQL, SQL Server Integration Services (SSIS)
Marcel S.
Letzte Position:
Senior KI-Ingenieur - Python bei Versicherungsgesellschaft
Projekt-Tech-Stack: Python, AWS, Azure, FastAPI, openai, pandas, unittest/pymock
Erfolge:
- Automatisierte Datenextraktions-Pipelines entwickelt, um komplexe Excel-Datensätze über LLM-basierte Workflows in strukturierte Formate zu überführen.
- Eine generative Slide-Deck-Engine entworfen, die natürliche Spracheingaben in formatierte Präsentationsinhalte umwandelt.
- Erweiterte LLM-Funktionen mit der OpenAI Response API integriert und dabei komplexes Tool-Calling sowie Logik für strukturierte Ausgaben umgesetzt.
- Einen skalierbaren Backend-Microservice mit FastAPI, Docker und OpenShift entwickelt und containerisiert, um agentische Skills zu hosten und bereitzustellen.
Marc-Anthony T.
Letzte Position:
Softwareentwickler bei Dawnguard.AI
- Gründungsmitglied des Backend-TypeScript-Teams und verantwortlich dafür, das ursprüngliche Produktkonzept in eine vollständig funktionsfähige Plattform zu überführen.
- Konzipierte die zentrale Ressourcenerkennungs-Engine für Azure und AWS, wodurch das Frontend komplexe Cloud-Umgebungen visualisieren konnte und die KI befähigt wurde, Architekturmuster zu bewerten.
- Entwickelte und skalierte verteilte APIs und dynamische CosmosDB-Schemas und stellte sicher, dass sich Datenbank- und Backend-Architektur nahtlos an sich schnell ändernde Produktanforderungen anpassen konnten.
- Beschleunigte funktionsübergreifende Tests durch die Entwicklung individueller Tools zur Datengenerierung, mit denen die KI- und Frontend-Teams umfangreiche, künstliche Cloud-Architekturen simulieren und testen konnten.
- Verantwortete die Bereitstellung von Funktionen von Anfang bis Ende, indem ich eng mit den Teams für KI und Frontend sowie mit Geschäftsbeteiligten zusammenarbeitete, um die technische Umsetzung an der strategischen Vision der Dawnguard-Plattform auszurichten.
Fabio G.
Letzte Position:
IT-Architekt, Anforderungsanalyst und Berater bei CANCOM
- Unterstützt CANCOM-Kunden bei der Migration von Legacy-On-Prem-Systemen zu Microsoft Fabric und Microsoft Foundry
- Übernahme und Stabilisierung bestehender Lösungen nach kurzer Übergabe
- Geschäftsanalyse und Anforderungsengineering für Migration in neue Cloud-Umgebung
- Optimierung von Machine-Learning-Modellen für Feature-Extraction und Kundenprofilierung
- Sicherstellung von Datenschutz und Compliance
- Leitung der Migration von On-Prem-Systemen zu Microsoft Fabric
- Gestaltung neuer KI-Plattformen für Kunden
- Test der Integration von Chatbots für Document Intelligence mit Microsoft Foundry inklusive Anforderungsanalyse, Umsetzung, Validierung und Kundenkommunikation
Mario T.
Letzte Position:
Externer Dozent bei FH Kufstein Tirol – University of Applied Sciences
- Studiengang: Data Science & Intelligent Analytics
- Modul: Big Data Processing
Thomas B.
Letzte Position:
Agile Coach, Scrum-Master bei ÖBB (Infra)
- Herausforderung: mangelhafte Projektergebnisse und Teamleistung, sehr schlechtes Arbeitsklima
- Lösung: Einführung agiler Planungsprozesse, Vermittlung agiler Prinzipien innerhalb des SAFe-Frameworks
- Innovation: konsequente Einhaltung agiler Methoden; Einführung von Anforderungsmanagement und User-Story-Erstellung
- Führung: Schnittstelle zu Vorstand, Programmleitungen Opel Europa, GM USA und internationalen Märkten
- Ergebnis: produktivstes Team im ART; Steigerung der Planungsgenauigkeit auf über 85 %
- Teamgröße: 10
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
Namik D.
Letzte Position:
Test Manager / Testautomatisierer bei Sky Deutschland GmbH
- 443 automatisierte Testfälle implementiert und gepflegt; 99 Prozent Erfolgsrate (441/443)
- Einführung von CI für die Testautomatisierung: automatisierte Läufe bei Review/Merge, Reporting über Xray
- Accessibility- und Performance-Checks eingeführt und als Reporting etabliert
- QA-Lead im Tagesgeschäft mit Stand-ups, Kanban-Fortschrittskontrolle, Priorisierung und zielgerichteter Aufgabenverteilung
- Defect-Triage und Stakeholder-Kommunikation mit täglicher Triage, QA-Status-Analyse und Handlungsempfehlungen
- Entwicklung und Pflege einer stabilen Regression für CRM/Salesforce-Flows (UI/E2E und API-nahe Validierungen)
- CI/CD-Integration mittels Jenkins-Pipelines via Groovy (IaC)
- QA-Dokumentation, Testkonventionen und Vorgehensweisen in Confluence gepflegt und teamweit abgestimmt
- Salesforce Einstein Chatbot-Tests mit Intent-/Topic-Validierung und Output-Checks sowie Robot Framework/Python-Suites zur kontinuierlichen Qualitätsüberwachung
- Systemumfeld: Jira, Xray, Confluence, Jenkins, Groovy, Git, Java, Selenium, Playwright, Cucumber, TypeScript, Postman, REST, Salesforce, Google Cloud, Lighthouse, Evinced, Scrum/Kanban, BDD (Gherkin)
Nikolaus J.
Letzte Position:
Integrationsarchitekt bei CECIL
Konzeption einer API-first Omnichannel-Integration, die WhatsApp Business API mit Salesforce Marketing Cloud verbindet, um Kundendaten über mehrere Plattformen hinweg zu vereinheitlichen.
Automatisierung von Kunden-Onboarding- und Engagement-Workflows mittels Marketing Cloud Journeys, SSJS und Azure Functions.
Entwicklung einer Middleware-Schicht zur Synchronisation von WhatsApp-Interaktionen mit Sales Cloud für nahtloses Tracking der Kundenerfahrung.
Armin F.
Letzte Position:
Leiter KI & Data Science bei Ascent DACH
- Leitender Architekt für KI- und ML-Projekte, einschließlich GenAI, LLM-basierter Apps und Prognoselösungen
- Kunden bei der Lösungsdefinition, beim Architekturdesign und bei PoCs in verschiedenen Branchen (Pharma, Versicherung, Logistik, FMCG) betreut
- Produktionsreife ML-Pipelines mit Azure ML, MLflow und MLOps-Best-Practices bereitgestellt
- Verantwortlich für Aufwandsschätzung, Umsetzung und Personalplanung von 5–10 Projekten gleichzeitig
- Als Hiring Manager für das Data-Science- und KI-Team zuständig und für das Technologieangebot sowie die Roadmap im Bereich KI & Data Science verantwortlich
- KI/Data-Science-Serviceangebot von Grund auf erstellt und auf einen hohen sechsstelligen Jahresumsatz mit über 30 erfolgreichen Projekten und mehr als 20 Kunden skaliert
- Regelmäßiger Redner auf KI- und Data-Science-Konferenzen sowie an akademischen Einrichtungen
Maximilian G.
Letzte Position:
Solo-Entwickler / Gründer bei InvAPI
- Datenschutzorientierte, zustandslose E-Rechnungs-API mit KI-gestützter Extraktion, bidirektionaler Formatkonvertierung (UBL/CII/ZUGFeRD), Stapelverarbeitung und Validierung für die E-Rechnungs-Konformität in Deutschland und Österreich
- Technologien: Nuxt 4, Vue 3, Nitro, TypeScript, Cloudflare (D1, R2), Stripe, OAuth, KI/LLM-Integration
Dániel N.
Letzte Position:
Postdoktorand - Theoretische und Computergestützte Physik bei Radboud University
- Entwicklung und Wartung von C- und C++-Simulations-Engines mit Python-Analyse für Studien zu 4D-Zufallsgeometrien auf gemeinsamen HPC-Systemen.
- Entwicklung modularer Python-Pipelines mit klaren Schnittstellen und Caching für große Datensätze zur Steigerung des Analyse-Durchsatzes und zur Wiederverwendung.
- Automatisierung von SLURM- und PBS-Batch-Workflows für Einreichung, Überwachung, Umgebungserfassung und Artefakt-Paketierung zur Sicherstellung der Reproduzierbarkeit.
- Umstrukturierung von Dienstprogrammen in getestete, dokumentierte Pakete zur Reduzierung des Wartungsaufwands und Förderung der Zusammenarbeit.
- Betreuung von Bachelorstudierenden und Organisation von Seminaren.
- Veröffentlichung mehrerer begutachteter Fachartikel.
Maximilian A.
Letzte Position:
Technischer Projektleiter / Solution Architekt bei UNIQA Insurance Group
- Planung, Überwachung, Koordination und Dokumentation des Output-Projekts im Rahmen der Bestandsmigration in die UNIQA Insurance Platform
- Planung und Konzeption neuer Anforderungen
- Konzeption einer konsistenten, wartbaren und skalierbaren Anwendungsarchitektur
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die Machine-Learning-Experten einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
17 Jahre
Positionsdauer
3,1 Jahre
Positionen pro Freelancer
8
Häufigste Fachbereiche
Informationstechnologie (IT), Produktentwicklung, Projektmanagement
Häufigste Branchen
Informationstechnologie (IT), Bank- und Finanzwesen, Fertigung
Fokus der Zertifizierungen
Informationstechnologie (IT), Projektmanagement, Business Intelligence
Bachelor-Abschluss oder höher
91%
Master-Abschluss oder höher
77%
Doktortitel
27%
Zertifizierungen pro Freelancer
3
Häufigste Sprachen
Deutsch, Englisch, Französisch
Sprechen zwei oder mehr Sprachen
96%
Basierend auf unserem Profilpool, Stand 19 Sep 2026.
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Freelancer in dieser Technologie in Österreich 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 Österreich, die Machine-Learning-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 Machine-Learning-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) (85%)
- Bank- und Finanzwesen (50%)
- Fertigung (50%)
- Bildung (42%)
- Gesundheitswesen (31%)
- Medien, Unterhaltung und Druck (31%)
- Einzelhandel (27%)
- Energie (23%)
Bitte beachte, dass Freelancer in mehreren Branchen tätig sein können, daher überschneiden sich die Prozentwerte.
Über die Technologie
Was Machine Learning leistet
Machine Learning ermöglicht es Software, Muster aus Daten zu lernen und Vorhersagen, Klassifizierungen oder Empfehlungen zu erstellen, ohne für jeden Fall fest codierte Regeln zu benötigen. Teams nutzen es für Nachfrageprognosen, Betrugserkennung, Suche, Personalisierung, Computer Vision und Anwendungen zur Verarbeitung natürlicher Sprache. Die Arbeit umfasst Datenaufbereitung, Modelltraining, Bewertung und den zuverlässigen Einsatz in der Produktion.
Zentrales Ökosystem
Python ist die gängige Arbeitssprache, unterstützt durch Bibliotheken wie scikit-learn, pandas und NumPy. Deep-Learning-Projekte nutzen häufig PyTorch oder TensorFlow, während Tools wie MLflow, Jupyter und Hugging Face Experimente, Nachverfolgung und die Bereitstellung von Modellen unterstützen. Gute Spezialisten verstehen außerdem SQL, APIs, Cloud-Dienste, Container und Datenpipelines.
Typische Ergebnisse
Machine-Learning-Arbeit kann zu einem trainierten Modell, einem wiederverwendbaren Inferenzdienst oder einem vollständigen Datenprodukt führen. Zu den häufigsten Ergebnissen gehören:
- Klassifizierungs- und Regressionsmodelle für operative Entscheidungen
- Komponenten für Empfehlungen, Ranking und Suche
- Pipelines zur Verarbeitung von Bildern, Sprache und Dokumenten
- Prognosesysteme mit Überwachungs- und Workflows für das erneute Training
Wann Unternehmen Unterstützung benötigen
Unternehmen holen meist freiberufliche Expertise hinzu, wenn interne Teams über wertvolle Daten verfügen, aber nicht die Kapazität haben, daraus ein zuverlässiges Produkt zu entwickeln. Sie ist auch hilfreich, wenn aus einem Proof of Concept ein überwachter Dienst werden muss oder ein bestehendes Modell eine bessere Genauigkeit, Geschwindigkeit oder Erklärbarkeit benötigt. In Österreich können Spezialisten Produktions-, Mobilitäts-, Finanz-, Gesundheits- und Projekte des öffentlichen Sektors unterstützen, während sie remote oder gemeinsam mit lokalen Teams arbeiten.
Was gute Spezialisten liefern
Gute Ergebnisse hängen von mehr ab als der Auswahl eines Algorithmus. Erfahrene Fachkräfte definieren ein sinnvolles Ziel, prüfen die Datenqualität, verhindern Datenlecks, wählen aussagekräftige Bewertungsmethoden und dokumentieren Annahmen. Außerdem berücksichtigen sie Fairness, Datenschutz, Sicherheit, Kosten und Leistung, bevor ein Modell in die Produktion gelangt.
Ein zuverlässiger Projektansatz
Ein kompetenter Spezialist verbindet Geschäftsziele mit messbaren technischen Entscheidungen. Er erstellt eine Baseline, vergleicht geeignete Ansätze und erklärt die Vor- und Nachteile gegenüber technischen und nichttechnischen Stakeholdern klar. Für einen langfristigen Nutzen richtet er reproduzierbare Experimente, versionierte Daten und Modelle, Prüfungen für die Bereitstellung, Monitoring auf Datenabweichungen und einen Wartungsplan ein.
Häufig gestellte Fragen
Neugierig auf Machine-Learning-Experten? Hier sind die Antworten, die immer wieder gefragt sind.
Machine Learning wird eingesetzt, um Muster in Daten zu erkennen, Entscheidungen zu unterstützen oder wiederholbare Aufgaben zu automatisieren. Typische Anwendungen sind die Prognose der Nachfrage, die Erkennung ungewöhnlicher Transaktionen, die Sortierung von Suchergebnissen, die Empfehlung von Inhalten, die Prüfung von Bildern und die Verarbeitung von Text.
Machine Learning lernt Muster aus Beispielen, während herkömmliche Software meist Regeln anwendet, die direkt von einem Spezialisten festgelegt wurden. Es ist nützlich, wenn Zusammenhänge komplex sind oder sich im Laufe der Zeit verändern, erfordert aber geeignete Daten, sorgfältige Bewertung und laufendes Monitoring.
Ein guter Machine-Learning-Spezialist verbindet in der Regel Statistik, Python, SQL und Datenaufbereitung mit Kenntnissen in Modellbewertung und Bereitstellung. Je nach Projekt sind auch Erfahrungen mit Cloud-Infrastruktur, APIs, Docker, Datenpipelines, MLOps oder fachspezifischen Tools wertvoll.
Das passende Maß an Machine-Learning-Erfahrung hängt vom Umfang und Risiko der Arbeit ab. Für einen klar abgegrenzten Proof of Concept kann fokussierte Modellierungserfahrung genügen, während ein Produktionssystem jemanden benötigt, der Datenqualität, Bereitstellung, Monitoring, Sicherheit und die Kommunikation mit dem gesamten Team bewältigen kann.
Machine-Learning-Projekte können oft remote bearbeitet werden, da Datenanalysen, Experimente und Code-Reviews kollaborative Tools nutzen. Vor-Ort-Termine können bei sensiblen Daten, Workshops oder der Erfassung von Fachanforderungen dennoch hilfreich sein, und eine klare Kommunikation auf Englisch oder Deutsch sollte den Bedürfnissen des Teams in Österreich entsprechen.
Bewerten Sie die Qualität von Machine Learning, indem Sie fragen, wie der Spezialist das Ziel definiert, Ergebnisse validiert und sie mit einer einfachen Baseline vergleicht. Achten Sie auf realistische Bewertungsdaten, nachvollziehbare Abwägungen, reproduzierbare Experimente, dokumentierte Einschränkungen und einen klaren Plan für das Monitoring in der Produktion.
ML ist ein wichtiger Ansatz innerhalb der künstlichen Intelligenz, aber die Begriffe sind nicht identisch. Künstliche Intelligenz umfasst auch regelbasierte Methoden, Suche, Planung oder andere Techniken, während ML sich auf Systeme konzentriert, die aus Daten lernen.
Vor Beginn sollte ein Machine-Learning-Spezialist die Geschäftsentscheidung, die verfügbaren Daten, Erfolgskriterien, die Bereitstellungsumgebung und die Verantwortlichkeiten nach dem Start klären. Zugriffsberechtigungen, Datenschutzanforderungen, Feedbackschleifen und der Besitz des Modells sollten ebenfalls vereinbart werden, bevor die Experimente beginnen.
Der durchschnittliche Stundensatz von Freelancern in Österreich, die Machine Learning in ihren letzten Projekten eingesetzt haben, liegt bei 105 €, was einem Tagessatz von etwa 843 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in Österreich, die Machine Learning in ihren letzten Projekten eingesetzt haben, haben 91% mindestens einen Bachelor-Abschluss, 77% mindestens einen Master-Abschluss und 27% einen Doktortitel.
Freelancer in Österreich, die Machine Learning in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 17 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 3,1 Jahre.
Die häufigsten Sprachen unter Freelancern in Österreich, die Machine Learning in ihren letzten Projekten eingesetzt haben, sind Deutsch (96%), Englisch (96%) und Französisch (23%).
Die häufigsten Industrien unter Freelancern in Österreich, die Machine Learning in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (85%), Bank- und Finanzwesen (50%) und Fertigung (50%).
Die häufigsten Bereiche unter Freelancern in Österreich, die Machine Learning in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (96%), Produktentwicklung (73%) und Projektmanagement (65%).
Hauptstandorte der FRATCH Experten, die kürzlich Machine-Learning-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.
Wien Graz 
Wien 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!
Philipp Thomaschewski
FRATCH CEO
