RDF-Experten in Deutschland
für Projekte mit vernetzten Daten – in wenigen Minuten mit geprüften und verfügbaren Spezialisten vermitteltBeauftragen Sie Experten, die Wissensgraphen modellieren, Ontologien mit OWL und SHACL entwerfen und verknüpfte Daten mit SPARQL abfragen. Erhalten Sie gezielten Zugang zu geprüften, verfügbaren Freelancern, die zu Ihrem RDF-Projekt passen und remote oder vor Ort in Deutschland zusammenarbeiten können.
Lerne FRATCH Experten in Deutschland kennen, die kürzlich RDF-Experten eingesetzt haben
Fred H.
Letzte Position:
Software-Architekt und -Entwickler bei Eigenprojekt
Wiederkehrendes Problem in eigenen KI-gestützten Projekten: Anforderungsanalyse, Use Cases und Architekturentscheidungen entstehen mit KI-Unterstützung zwar schnell, bleiben aber wenig nachvollziehbar und über Markdown-Dateien verstreut – Wissen geht verloren, sobald es nicht mehr im Kontextfenster ist. arknet macht Requirements Engineering und Architekturwissen zu strukturierten, prüfbaren Daten statt Fließtext: Anforderungen, Use Cases und Architekturentscheidungen als durchgängig verknüpfter Wissensgraph, von der Anforderung bis zur Architekturentscheidung nachvollziehbar – für Menschen und KI-Agenten gleichermaßen abfragbar. Technisch auf RDF/OWL und einem eigenen MCP-Server aufgesetzt.
Ergebnis: MCP-Daemon lauffähig, Docker-Image automatisiert auf GHCR veröffentlicht, neun hexagonale Module, elf ADRs (u. a. Open-Core-Lizenzmodell). Requirements-Engineering- und Ubiquitous-Language-Hexagon aktiv. Seit 07/2026 als Community Edition unter Apache-2.0 öffentlich (github.com/kogn-io/arknet), zusammen mit dem Claude-Code-Plugin und dem GHCR-Image; Open-Core-Modell.
Label: Java, Maven, RDF, RDF4J, OWL, SPARQL, Model Context Protocol, Spring AI, Docker, GitHub, Git, Claude Code, Obsidian, DDD, Hexagonal Architecture, ArchUnit, JUnit, AssertJ, Schnittstellenentwicklung, Software Architecture, Continuous Integration, Knowledge Management
Andreas W.
Letzte Position:
Enterprise Architect bei Eigenentwicklung / IP der CAMCO Engineering UG
UEF 3.0 · Semantic Government Overlay (SGO) · Autonome Systeme (UAS / Dual-Use)
- Konzipiert: Semantic Government Overlay (SGO) – KI-geführte Verwaltung ohne Ablösung bestehender Fachverfahren. Lesender semantischer Layer über Registern und Fachverfahren auf Basis des Föderalen Informationsmanagements (FIM). Die Entscheidungshoheit verbleibt beim Sachbearbeiter (Architekturprinzip).
- Entwickelt: Referenzarchitektur mit quellenbelegten, abgeleiteten Aussagen (ausführbare Ontologien OWL/RDF/SHACL). Technisch garantierte Zweckbindung und Kein-Schreibpfad-Prinzip in Fachdaten – auditierbar, ohne zentralen Datenpool.
- Verankert: Regulatorik als Designprinzip: EU AI Act (Hochrisiko-Pflichten für Behörden-KI, Grundrechte-Folgenabschätzung nach Art. 27), DSGVO, NIS2 und verwaltungsrechtliche Automatisierungsgrenzen (§ 35a VwVfG, § 31a SGB X) als technische Kontrollpunkte in der Architektur.
- Erstellt: Methodisches Werkzeug für Pilotträger: Datenpipeline-Assessment (Phase 0), Compliance-Blueprint und Management Summary als entscheidungsreifes Paket für die öffentliche Verwaltung.
- Spezifiziert: UEF 3.0 als Nachfolge-Architektur zu TOGAF – Decision Paper kanonische Ontologie, Sechs-Schichten-Architektur, Read/Actuate-Grenze, Federation-Registry, Terminologie-Konkordanz und Release-Delta als geschlossener Spezifikationsstand.
- Architektiert: KI-natives Missions-OS für autonome UAS und Bodenrobotik als taktische Schicht über einem separat zugelassenen Autopiloten. Run-Time Assurance nach ASTM F3269-21 (Simplex-Muster): Der verifizierte Sicherheits-Controller behält die Autorität, die KI-Funktion liefert Vorschläge.
- Ausgelegt: Drei-Tier-Architektur – Tier 0 Autopilot mit 650-Hz-Flugregelung auf RTOS, Tier 1 KI-OS mit semantischem Weltmodell und Multi-Agenten-Cluster, Tier 2 Schwarm- und Boden-Mesh. Zenoh als primäre Fabric, MAVLink als einziger authentifizierter Kommandopfad (Single-Writer). Ergebnis: graceful degradation – Verlust der Mission, nicht des Fluggeräts.
- Abgesichert: Zwei-Gate-Kette auf der Read/Actuate-Grenze – Governance-Gate (Darf-Frage: AI-Act-Risikoklasse je Aktuierung, erzwungene menschliche Aufsicht nach Art. 14, unveränderliches Log) vor RTA-Safety-Monitor (Richtig-Frage: Flugenveloppe, Geofence, Energiereserve) mit Revert auf den Baseline-Controller.
- Verankert: Dual-Use-Architektur mit Common Core und Build-Time-Fork statt Runtime-Umschalter. Drei getrennte Rechtsstufen: Zivilvariante – UAS unter der EASA-Grundverordnung (EU) 2018/1139 mit der nach Art. 2 Abs. 2 AI Act eingeschränkten Anwendbarkeit, Bodenrobotik unter der Maschinenverordnung 2023/1230 mit voller Hochrisiko-Pflichtenkette, Cyber Resilience Act für beide; unbewaffnete Trägervariante als Rüstungsgut unter AWG/AWV und Dual-Use-VO 2021/821 (BAFA-Genehmigung); bewaffnete Variante unter KrWaffKontrG. Jede Ausprägung lebt unter genau einem dominanten Rechtsregime. Nachweisfundament: AI-BOM, SBOM und lückenlose Data-Lineage.
- Analysiert: Systemanalyse und Neuausrichtung gewachsener Engineering-Systemlandschaften. Vorgehenskonzept Konsolidierung ohne Migration – semantischer Layer über den Bestandsquellen statt Datenumzug. Ergebnis: entscheidungsreifes Vorgehenskonzept inklusive Bewertungsmodell für die Zielarchitektur.
André U.
Letzte Position:
RTE / Agile Coach / Full SAFe Berater bei Siemens Energy
- RTE/Agile Coach für die Einführung von SAFe 6 (Scaled Agile Framework)
- Aufbau und Etablierung eines LACE (Lean-Agile Center of Excellence) für mehrere ARTs
- Verwendung der Tools: Azure DevOps mit SCALE, Loop, MS Whiteboard
- Aufbau des ARTs mit 7 Teams
- Training der Product Owner, z. B. durch SAFe POPM Training und LearnSnacks
- Durchführung des initialen PI Plannings in Form eines Kickoff Planning Events
- Einführung eines Demand-Prozesses
Bernd H.
Letzte Position:
Deutsche Bahn
- Migration der Plattform auf X-Systeme
- Analyse der Änderungen bezüglich Tcpip-Kommunikation
- Bearbeitung von Fehler-Tickets
- Installation und Konfiguration einer Xypro Security 1 Angriffs-Erkennung
- Einrichtung einer SNMP.v3 Verbindung für das Senden von alert-traps an Netcool (Tivoli)
- Installation und Konfiguration der RemoteAnalyst Software
- Übernahme Stamm-Daten, Fahrplan-Daten
- Einrichtung und Überwachung von MQ-Pipelines zu externen Partnern
Alexander S.
Letzte Position:
AI-Consultant für KI Voice Bot System bei Rudolf Hörmann GmbH & Co.KG
- Berater für Systemarchitektur, KI-Agenten & Integration, Coach für Daten- & Prozesslogik, Graph-RAG-Ansätze, Sicherheit und Datenschutz.
- On-Premise-KI-Lösungen mit hohen Compliance- & Performanceanforderungen.
- Architekturentscheidungen, operativer Aufbau, strategische Priorisierung & Deployment.
- Technologien: LiveKit JS SDK, LiveKit Agents, Web Audio API, JS, AudioWorklet, Loki, vLLM, Zscaler, Docker, Neo4j, MySQL, Python.
- Modelle: GPT-OSS 20B, Whisper large v3 turbo, Qwen3-TTS.
Patrick W.
Letzte Position:
KI Software Engineer bei IppenMedia
- Analyse
- Beratung
- Software-Design
- Entwicklung
- Automatisierung
- Testen
- Deployment
- Architektur, Entwicklung und Bereitstellung verschiedener Proof-of-Concept-Anwendungen rund um die Integration aktueller KI-Schnittstellen, inklusive Gespräch, Echtzeit-Voice, Bilder und Videos
- Best Practices für die Arbeit mit agentischen Systemen und KI in der Praxis entwickelt
- Code-Vorlagen erstellt
Basem E.
Letzte Position:
Leiter Cloud & KI bei VxLabs GmbH
- Führung der Cloud- und Data-Engineering-Organisation und Festlegung der Architekturstrategie für Next-Generation-Datenplattformen
- Entwurf und Bereitstellung eines Datenmanagementsystems für Fahrzeugflotten mit skalierbaren Ingestion-Pipelines, Signal-Katalogverwaltung und Kampagnen-Workflows
- Aufbau cloud-nativer Microservices und Streaming-Architekturen zur Verarbeitung von Echtzeit-Fahrzeugdaten und KI-gestützter Bedrohungserkennung
- Etablierung von Engineering-Standards für Datenqualität, Sicherheit, Data Lineage und Governance in Übereinstimmung mit ISO/SAE 21434 und DSGVO
- Leitung von Engineering-Teams in den Bereichen Daten, Backend, Cloud und KI zur Sicherstellung einer gleichbleibenden Bereitstellung hochwertiger, produktionsreifer Lösungen
Paul O.
Letzte Position:
Product Owner / Projektmanager bei Wirtschaftsprüfer und Softwareanbieter für deutsche Steuerberatungskanzleien
- Projektumgebung: Python, Java, Azure AI Studio & OpenAI Studio, Embedding-Modelle, LLM als Richter
- Projektsprache: Deutsch
- Projektrolle(n): Projektmanager
- Projektmanagement zur Verbesserung der Chatbot-Leistung
- Recherche und Bewertung von Ansätzen zur Verbesserung und Messung der Antwortgenauigkeit sowie zur Steigerung des Kontextverständnisses des Chatbots
- Abstimmung von Architekturentscheidungen mit dem technischen Team und den Architekten
- Koordination und Überführung von Forschungsergebnissen in Entwicklungstasks
Utsav R.
Letzte Position:
Werkstudent Junior Data Scientist (Performance Team GT Fleet) bei Uniper SE
- Analyse großer Kraftwerksdaten zur Entwicklung und Optimierung von wichtigen Leistungskennzahlen (KPIs) zur Überwachung der Flottenleistung.
- Entwurf und Entwicklung interaktiver Power BI-Dashboards zur Echtzeiteinsicht in zentrale Geschäftskennzahlen, was die Entscheidungsprozesse in den Abteilungen verbessert.
- Zusammenarbeit mit Vor-Ort-Ingenieuren und dem Asset Management, um Leistungskennzahlen über mehrere Länder hinweg zu harmonisieren.
- Unterstützung von Digitalisierungsinitiativen durch Umsetzung datenbasierter Anwendungsfälle mit agilen Projektmanagementmethoden.
- Nutzung von OSIsoft PI-Systemen für Zeitreihenanalyse und Visualisierung zur Verbesserung der betrieblichen Einblicke.
Jan-Christopher R.
Letzte Position:
Teamleiter Montage bei QFM Fernmelde- und Elektromontagen GmbH
- Fachliche Baustellenleitung
- Planung & Dokumentation
- Abrechnung
- fachliche & disziplinarische Führung von Mitarbeitenden
- Prozessmanagement
- Kalkulation & Erstellung von Leistungsverzeichnissen
- Strategischer Vertrieb
Ralph N.
Letzte Position:
AI Lead Engineer Fahrzeugkonfigurator für einen führenden deutschen Premium-Hersteller bei e-ntegration GmbH
- Intentgesteuerter Ansatz, um alle Modelle und Baureihen dieses Automobilherstellers in allen Absatzmärkten zu konfigurieren
- Entwicklung einer kundenorientierten, dialoggesteuerten Integrationsschicht, um 100% halluzinationsfreie technische Konfigurationen zu erreichen
- Einsatz folgender Microsoft Azure AI Services: AI Foundry, Agent Service, AI Search; Prompt Shield Services; Content Security; Terraform; API Gateway; AI Gateway; Container Services; Azure Agent SDK; Agent Skills; RAG; MCP-Server und Tools
Alishiba Florian D.
Letzte Position:
Wissenschaftlicher Mitarbeiter bei Universität Bonn
- Leitete Data-Engineering- und Machine-Learning-Projekte zur Erstellung des groß angelegten Wissensgraphen WorldKG
- Entwickelte Pipelines für heterogene Datenintegration (OpenStreetMap, Wikidata, DBpedia) mit Python und SQL
- Entwarf neuronale Architekturen (Transformer, adversariale Netzwerke) für Schema- und Entitätsabgleich
- Erstellte skalierbare ETL-Workflows zur Harmonisierung strukturierter und unstrukturierter geographischer Informationen
- Setzte semantische Modellierung und SPARQL-Abfragen für Datenfusion und Governance ein
- Betreute Masterstudierende in KI-, raum-zeitlichen Daten- und Wissensgraph-Themen und förderte praktisches Experimentieren und Innovation
Michael S.
Letzte Position:
Embedded-C++17-Programmierung bei Stiebel Eltron GmbH & Co.
Anbindung der hausinternen Wärmepumpen an EEBus (gemäß GEG §14a)
Support für Limit- und Monitoring-Usecases beim Stromverbrauch
Linux Yocto 2.5.4 für armv5e / Yocto 2.5.4–4.3.3 für x86 Target
g++ 7.3–13.2
boost 1.85 (Asio/Beast)
dbus-cxx 2.5.1
Boost.SML 1.1.11
CMake-Buildmanagement
KEO-Json-API 1.3.0
ktest 4.12.0 (Python Robot-TestFramework)
Jan B.
Letzte Position:
API-Ingenieur bei Freiberuflich
- API-first Produktdesign (OpenAPI 3, HAL) und Entwicklung (NodeJS)
- Aufbau von DevOps-Pipelines mit GitHub Actions in AWS-Architektur
- Technologien: OpenAPI 3, REST, HAL, NodeJS, JavaScript, TypeScript, AWS, AWS Lambda, Docker, GitHub Actions
Michael S.
Letzte Position:
Berater, Architekt, Entwickler bei Selbstständig
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die RDF-Experten einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
27 Jahre
Positionsdauer
2,1 Jahre
Positionen pro Freelancer
17
Häufigste Fachbereiche
Informationstechnologie (IT), Produktentwicklung, Forschung und Entwicklung (F&E)
Häufigste Branchen
Informationstechnologie (IT), Automotive, Fertigung
Fokus der Zertifizierungen
Informationstechnologie (IT), Produktentwicklung, Projektmanagement
Bachelor-Abschluss oder höher
92%
Master-Abschluss oder höher
92%
Doktortitel
17%
Zertifizierungen pro Freelancer
4
Häufigste Sprachen
Deutsch, Englisch, Spanisch
Sprechen zwei oder mehr Sprachen
100%
Basierend auf unserem Profilpool, Stand 29 Okt 2026.
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Experten in dieser Technologie in Deutschland 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 Deutschland, die RDF-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 29 Okt 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Branchenfokus der RDF-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) (88%)
- Automotive (75%)
- Fertigung (56%)
- Professionelle Dienstleistungen (50%)
- Energie (44%)
- Gesundheitswesen (44%)
- Medien, Unterhaltung und Druck (44%)
- Telekommunikation (44%)
Bitte beachte, dass Freelancer in mehreren Branchen tätig sein können, daher überschneiden sich die Prozentwerte.
Über die Technologie
Was RDF ist
RDF, kurz für Resource Description Framework, ist ein W3C-Standard zur Darstellung von Fakten als verknüpfte Aussagen. Jede Aussage verbindet ein Subjekt, ein Prädikat und ein Objekt und erzeugt so einen Graphen, den Maschinen interpretieren und kombinieren können. Dadurch bleiben Daten systemübergreifend übertragbar, anstatt ihre Bedeutung in einem einzigen Datenbankschema einzuschließen.
Was damit erstellt wird
RDF unterstützt Wissensgraphen, Metadatensysteme und Linked-Data-Anwendungen, bei denen Beziehungen genauso wichtig sind wie einzelne Datensätze. Zu den typischen Ergebnissen gehören:
- Unternehmens-Wissensgraphen für Suche, Auffindbarkeit und Analysen
- Metadatenmodelle für Produkte, Kunden und Inhalte
- Datenintegration über voneinander getrennte Quellen hinweg
- Veröffentlichung öffentlicher Linked Data und semantische Suche
Ökosystem und Werkzeuge
RDF-Projekte kombinieren häufig Turtle, RDF/XML, JSON-LD und N-Triples für den Datenaustausch. SPARQL verarbeitet Graphabfragen, während OWL die Modellierung von Ontologien unterstützt und SHACL Graphdaten validiert. Spezialisten arbeiten möglicherweise mit Apache Jena, RDF4J, GraphDB, Stardog, Virtuoso oder anderen Triple-Stores und Reasoning-Tools.
Wann Unternehmen Unterstützung benötigen
Unternehmen holen sich freiberufliche RDF-Expertise ins Haus, wenn sich vorhandene Daten nicht zuverlässig verknüpfen lassen, ein Wissensgraph ein klares Modell benötigt oder eine semantische Anwendung vom Prototyp in den produktiven Betrieb überführt werden muss. In Deutschland kann dies Projekte in der Fertigung, Forschung, im Verlagswesen, Gesundheitswesen und bei Informationen des öffentlichen Sektors unterstützen. Remote-Arbeit ist üblich, während Workshops vor Ort für die Domänenmodellierung und die Abstimmung mit Stakeholdern hilfreich sein können.
Wichtige Fähigkeiten
Starke Fachkräfte verstehen Graphmodellierung, URI-Design, Namespaces, Inferenz und Ontologie-Governance. Sie können Geschäftskonzepte in wiederverwendbare Klassen und Eigenschaften übersetzen, geeignete Speicher- und Abfragestrategien auswählen und die Datenqualität sichern, während sich der Graph weiterentwickelt. Erfahrung mit APIs, Datenbanken, ETL-Pipelines und JSON-LD ist neben fundierten RDF-Kenntnissen häufig wertvoll.
Einen Spezialisten auswählen
Achten Sie auf Beispiele, die mehr als eine funktionierende Abfrage zeigen. Ein kompetenter Spezialist erklärt Modellierungsentscheidungen, validiert Einschränkungen mit SHACL, testet die SPARQL-Performance und dokumentiert, wie Konzepte gepflegt werden. Fragen Sie, wie er mit sich ändernden Ontologien, widersprüchlichen Quelldaten, Zugriffskontrollen und Verbindungen zwischen RDF und bestehenden relationalen Systemen umgeht. Eine klare Kommunikation auf Englisch oder Deutsch kann für verteilte Teams in Deutschland wichtig sein.
Häufig gestellte Fragen
Die wichtigsten Details zu RDF-Experten, aus den Fragen, die uns am häufigsten erreichen.
RDF wird verwendet, um Entitäten und ihre Beziehungen als verknüpfte Daten darzustellen. Unternehmen nutzen es für Wissensgraphen, semantische Suche, Metadatenverwaltung, Datenintegration und Anwendungen, die über viele Quellen hinweg eine konsistente Bedeutung benötigen.
Resource Description Framework stellt Beziehungen als flexiblen Graphen dar, während eine relationale Datenbank Daten in Tabellen mit vordefinierten Strukturen organisiert. RDF ist hilfreich, wenn sich Konzepte und Verbindungen häufig ändern oder aus unterschiedlichen Quellen stammen; relationale Systeme können für stabile Transaktionsverarbeitung einfacher sein.
Ein guter RDF-Spezialist arbeitet häufig mit SPARQL, OWL und SHACL sowie mit Formaten wie Turtle und JSON-LD. Erfahrung mit Triple-Stores, APIs, relationalen Datenbanken, ETL-Workflows und der Governance von Wissensgraphen hilft dabei, den Graphen mit produktiven Systemen zu verbinden.
Das passende Niveau hängt vom Umfang ab. Für eine fokussierte Datenkonvertierung kann jemand ausreichen, der mit RDF-Syntax und SPARQL vertraut ist, während ein Unternehmens-Wissensgraph Erfahrung mit Ontologie-Design, Inferenz, Validierung, Performance und langfristiger Governance erfordert.
Ja, viele RDF-Arbeiten können remote erledigt werden, da Modellierung, Abfragen und Validierung mit gemeinsam genutzten Repositories und Entwicklungsumgebungen erfolgen. Sitzungen vor Ort können dennoch hilfreich sein, wenn Teams intensive Workshops benötigen, um Geschäftsterminologie, Grenzen der Ontologie oder Datenverantwortlichkeiten abzustimmen.
Beschreiben Sie die Quellsysteme, die geplanten Anwendungsfälle des Graphen, die erwarteten Datenformate und vorhandene Ontologien oder Vokabulare. Fügen Sie den Ziel-Triple-Store, Integrationsgrenzen, Governance-Anforderungen und die Information hinzu, ob für Workshops oder Dokumentation eine Zusammenarbeit auf Deutsch erforderlich ist.
Prüfen Sie, ob das RDF-Modell klar, wiederverwendbar und auf die Geschäftsdomain abgestimmt ist, statt nur syntaktisch gültig zu sein. Bitten Sie um Nachweise für SHACL-Validierung, ein sinnvolles URI-Design, getestete SPARQL-Abfragen, dokumentierte Annahmen und einen Plan für den Umgang mit Änderungen an Vokabularen.
Linked Data ist ein Ansatz zur Veröffentlichung und Verknüpfung von Daten, während RDF ein Standard zur Darstellung der Beziehungen innerhalb dieser Daten ist. Ein Wissensgraph kann RDF zusammen mit Ontologien, Identifikatoren, Inferenz und Anwendungsdiensten verwenden, aber nicht jeder Wissensgraph basiert auf RDF.
Der durchschnittliche Stundensatz von Freelancern in Deutschland, die RDF in ihren letzten Projekten eingesetzt haben, liegt bei 99 €, was einem Tagessatz von etwa 793 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in Deutschland, die RDF in ihren letzten Projekten eingesetzt haben, haben 92% mindestens einen Bachelor-Abschluss, 92% mindestens einen Master-Abschluss und 17% einen Doktortitel.
Freelancer in Deutschland, die RDF in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 27 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 2,1 Jahre.
Die häufigsten Sprachen unter Freelancern in Deutschland, die RDF in ihren letzten Projekten eingesetzt haben, sind Deutsch (100%), Englisch (100%) und Spanisch (13%).
Die häufigsten Industrien unter Freelancern in Deutschland, die RDF in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (88%), Automotive (75%) und Fertigung (56%).
Die häufigsten Bereiche unter Freelancern in Deutschland, die RDF in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Produktentwicklung (81%) und Forschung und Entwicklung (F&E) (81%).
Hauptstandorte der FRATCH Experten, die kürzlich RDF-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 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
