Zum Hauptinhalt springen
🇩🇪DSGVO konform
Bessere Machine-Learning-Workflows mit

Weights & Biases Experten in Deutschland

, die in wenigen Minuten vermittelt werden

Beauftragen Sie Experten, die Experimente protokollieren, Datensätze und Modelle verwalten und reproduzierbare MLOps-Workflows mit Weights & Biases entwickeln. Erhalten Sie schnellen, präzisen Zugang zu geprüften, verfügbaren Freelancern, die zu Ihrem Projekt passen.

Lerne FRATCH Experten in Deutschland kennen, die kürzlich Weights & Biases eingesetzt haben

Verifizierter Experte

Samuel K.

Profil ansehen

Agentic-AI-Ingenieur & Technischer Leiter

Ingolstadt
Samuel K.

Letzte Position:

Gründer & Agentic-AI-Ingenieur bei Agentakt LLC

Unabhängige Engineering-Praxis mit Schwerpunkt auf kundenspezifischen KI-Systemen, produktiver Umsetzung und anteiliger technischer Leitung.

Ausgewähltes Kundenprojekt: Scalutions

  • Rolle: Tätigkeit als anteiliger CTO und technischer Leiter mit direkter Entwicklungsverantwortung; verantwortlich für die Architektur und die agentische Infrastruktur hinter dem betreuten B2B-Outbound-Betrieb.

  • Produkt: OutboundLoop entworfen und entwickelt, ein agentisches SDR-Betriebssystem für Recherche, Qualifizierung, personalisierte Ansprache, Kampagnenmanagement, menschliche Freigaben, Messung und kontinuierliche Verbesserung.

  • Umfang: Verantwortung für den gesamten Systemlebenszyklus – von Geschäftsprozessen und Agentenverhalten über Kontextdesign, Modell-Routing, Integrationen, Evaluierung, Telemetrie, Zuverlässigkeit und Kostenkontrolle bis hin zum Produktivbetrieb.

Verifizierter Experte

Prajwal A.

Profil ansehen

KI-Ingenieur

Bamberg
Prajwal A.

Letzte Position:

Master Thesis bei Smart City Research Lab

Vom Rohdaten zum Feinschliff: Partizipative Design-Daten in stakeholdertaugliche Ergebnisse überführen

  • Eine produktive Document-AI-Plattform mit Retrieval Augmented Generation (RAG) über 1.500+ partizipative Design-Artefakte entwickelt, um historische Projektanfragen mit fundierten Antworten zu beantworten.
  • LLM-Evaluierung mit RAGAS, eigenen Bewertungsmetriken und Human-in-the-Loop-(HITL)-Validierungs-Workflows entworfen, um faktische Fundierung, Antwortqualität und Prompt-Performance zu bewerten.
  • Ein Frontend mit React, TypeScript und D3.js für die interaktive Erkundung von KI-generierten Insights gebaut.
  • Sicherheitsmechanismen und Guardrails für die LLM-Eingabeschicht implementiert, einschließlich PII-Redaktion und Filterung von vulgärer Sprache.
Verifizierter Experte

Alex V.

Profil ansehen

CTO, Mitgründer, Expertise in Kryptografie (einschließlich Post-Quanten-Kryptografie) und KI-Sicherheit

Alex V.

Letzte Position:

CTO, Mitgründer, Expertise in Kryptografie (einschließlich Post-Quanten-Kryptografie) und KI-Sicherheit bei AISLEIPNIR

  • Integration von Post-Quanten-Kryptografie- (PQC-)Algorithmen in High-Level-Protokolle.
  • Sicherheit der Implementierungen von Post-Quanten-Kryptografie-Algorithmen.
  • Umstellung auf Post-Quanten-Public-Key-Infrastrukturen.
  • Sicherheitsbewertungen von Post-Quanten-Kryptografie- (PQC-)Primitiven.
  • Cybersicherheit für Drohnen
  • Cybersicherheit für Satelliten
  • KI-Sicherheit
Verifizierter Experte

Amr A.

Profil ansehen

Machine-Learning-Ingenieur

Saarbrücken
Amr A.

Letzte Position:

Machine-Learning-Ingenieur bei German Research Center for Artificial Intelligence (DFKI)

  • Entwicklung durchgängig reproduzierbarer ML-Pipelines (PyTorch) mit Datenversionierung (DVC), Experiment-Tracking (MLflow), automatisierten Tests (PyTest) und CI/CD für alle Trainings-Workflows.
  • Skalierung des Trainings von Vision Transformers und CNNs über NVIDIA A100-GPU-Cluster (CUDA, DDP, SLURM); Anwendung von Hyperparameter-Optimierung (W&B Sweeps), um den Trainingsaufwand zu reduzieren und optimale Konfigurationen zu ermitteln.
  • Entwicklung eines Echtzeit-Systems zur Generierung menschlicher 3D-Bewegungen (ViT, VQ-VAE, SMPL-X/PIXIE) für die persönlichkeitsabhängige Avatarsynthese; Erreichen von state-of-the-art FID = 6.15 und P-FID = 10.31 auf dem UDIVA-Benchmark.
  • Validierung der Ausdrucksfähigkeit des Modells durch strukturierte Nutzerstudien mit einer Genauigkeit von 86% bei der Unterscheidung zwischen extrovertiertem und introvertiertem Avatarverhalten.
  • Optimierung von Inferenz-Pipelines durch die Bereitstellung von PyTorch-Modellen über TensorRT und ONNX Runtime in nativem C++-Code; Durchführung von Performance-Benchmarks.
Verifizierter Experte

Vasco A.

Profil ansehen

KI-Forschungspraktikant – Generative KI

Munich
Vasco A.

Letzte Position:

KI-Forschungspraktikant – Generative KI bei BMW AG

  • Entwarf und implementierte multimodale Unterhaltungstoolchains, die Passagierinput, Fahrzeugkontext, Large-Language-Modelle (Text-zu-Text und Sprache-zu-Sprache) sowie Bildgenerierungsmodelle kombinieren, um interaktivere und immersivere In-Car-Erlebnisse zu bieten.
  • Entwickelte und orchestrierte Tools für LLM-basierte Agenten, inklusive Sitzungsverwaltung, Hintergrundaufgaben, dynamischer Nutzerinteraktionen und persistentem Anwendungszustand.
  • Untersuchte Multi-Agenten-Orchestrierungsframeworks für In-Car-Umgebungen, bewertete Kommunikationsprotokolle und Architekturstrategien für koordinierte und zuverlässige Agentenverhalten.
Verifizierter Experte

Uddipan B.

Profil ansehen

Mitglied des Forschungsteams

Erlangen
Uddipan B.

Letzte Position:

Mitglied des Forschungsteams bei Munich Music Labs, TUM

  • Fokus auf die Erforschung der Schnittstelle zwischen Musik und KI.
Verifizierter Experte

David O.

Profil ansehen

KI-Ingenieur

Erlangen
David O.

Letzte Position:

Machine-Learning-Forscher bei Pattern Recognition Lab, FAU

  • Feinabstimmung und Evaluierung alternativer Backbone-Architekturen für den AFFGAN-Handschriftsstil-Encoder, um schriftstellerspezifische Merkmale besser zu erfassen; Benchmarking gegenüber der ursprünglichen Baseline-Architektur und Ersetzung der veralteten VGG19-Architektur durch einen benutzerdefinierten Transformer-basierten Encoder.
  • Erweiterung des Systems über die Synthese auf Wortebene hinaus zur zeilenweisen Handschriftgenerierung durch Integration und Anpassung einer bestehenden Zeilengenerierungsarchitektur zur Unterstützung vollständiger Sätze.
  • Bereitstellung der Handschriftgenerierungspipeline als Webanwendung, mit der Nutzer einen Schreibstil auswählen, eigenen Text eingeben und sofort ein entsprechendes Handschriftbild erzeugen können.
  • Integration von TrOCR in ein Teacher-Student-Destillierungsframework zur Bewertung und Verbesserung der Lesbarkeit generierter Handschrift; Verbesserung der OCR-Genauigkeit um 20% gegenüber der Baseline.
  • Steigerung der Auswahlraten in Nutzerstudien um 40%, was eine deutliche Verbesserung der wahrgenommenen Qualität und des Realismus der generierten Handschrift gegenüber dem Baseline-Modell zeigt.

Technologien: PyTorch, Python, GANs, CNN, ViT, TrOCR, Streamlit, CUDA.

Verifizierter Experte

Prasanna H.

Profil ansehen

Masterand

Kaiserslautern
Prasanna H.

Letzte Position:

Masterand bei Robotics Research Lab, TU Kaiserslautern

  • Datensätze benchmarkt, reale Offroad-Daten gesammelt (~9000 Bilder) und Simulationsdatensätze mit Unreal Engine erzeugt.
  • Gen-AI-Bildsegmentierung in Unreal Engine entwickelt, wodurch sich die Zeit von 1–2 Tagen auf 5–10 Minuten verkürzte.
  • Generative-AI-Daten-Enhancement-Pipeline aufgebaut. Verbesserte die synthetischen Daten um +49% mIoU.
  • Technologie: Python, PyTorch, C++, Git, LangChain, Gen-AI, Linux, W&B, OpenCV, Labelme.
Verifizierter Experte

Fares K.

Profil ansehen

Wissenschaftlicher Mitarbeiter – KI & Computer Vision

Berlin
Fares K.

Letzte Position:

Wissenschaftlicher Mitarbeiter – KI & Computer Vision bei Iris-Sensing GmbH

  • Entwicklung und Implementierung einer Echtzeit-Wahrnehmungspipeline mit YOLOv7 auf Time-of-Flight-(ToF)-Sensordaten, die Live-Streaming, Inferenz und On-Frame-Visualisierung zur Passagiererkennung ermöglicht.
  • Feintuning und Bewertung mehrerer State-of-the-Art-Monokular-Tiefenschätzmodelle für die automatische Passagierzählung (APC) sowie Entwicklung eines hybriden Tiefenmodells, das die Tiefengenauigkeit in anspruchsvollen Szenenbereichen verbesserte.
  • Nachgewiesen, dass modellbasierte Tiefenkarten die Rohsensortiefe für APC-Aufgaben in mehreren Datensätzen übertreffen und so zu messbaren Verringerungen der Zählfehler beitragen.
Verifizierter Experte

Bhavani S.

Profil ansehen

Datenpartner - Informatik - Digitale Medien

Erfurt
Bhavani S.

Letzte Position:

Datenpartner - Informatik - Digitale Medien bei Telus Digital

  • Innovativer Prompt Engineer mit Erfahrung in der Erstellung und Optimierung von Prompts speziell für Bilder mit Bezug zur Informatik.
  • Versiert in der Entwicklung von Antworten, die das Verständnis von Machine-Learning-Modellen für visuelle Daten im Bereich Informatik verbessern.

Entdecke mehr als 15.000 Top-Freelancer

Statistiken von Experten, die Weights & Biases einsetzen

Aggregiert aus den beruflichen Profilen passender Freelancer.

Berufserfahrung

11 Jahre

Weights & Biases Experten in Deutschland verfügen im Durchschnitt über 11 Jahre Berufserfahrung.

Positionsdauer

1,4 Jahre

Weights & Biases Experten in Deutschland bleiben im Durchschnitt 1,4 Jahre in einer Position.

Positionen pro Freelancer

7

Weights & Biases Experten in Deutschland haben im Laufe ihrer Karriere durchschnittlich 7 Positionen abgeschlossen.

Häufigste Fachbereiche

Informationstechnologie (IT), Produktentwicklung, Forschung und Entwicklung (F&E)

Weights & Biases Experten in Deutschland haben den Großteil ihrer praktischen Projekterfahrung in den Bereichen Informationstechnologie (IT), Produktentwicklung und Forschung und Entwicklung (F&E) gesammelt.

Häufigste Branchen

Informationstechnologie (IT), Automotive, Bildung

Weights & Biases Experten in Deutschland sind in den Branchen Informationstechnologie (IT), Automotive und Bildung am stärksten gefragt.

Fokus der Zertifizierungen

Informationstechnologie (IT), Forschung und Entwicklung (F&E), Business Intelligence

Weights & Biases Experten in Deutschland erwerben ihre Zertifizierungen am häufigsten in den Bereichen Informationstechnologie (IT), Forschung und Entwicklung (F&E) und Business Intelligence.

Bachelor-Abschluss oder höher

100%

100% der Weights & Biases Experten in Deutschland haben mindestens einen Bachelor-Abschluss.

Master-Abschluss oder höher

77%

77% der Weights & Biases Experten in Deutschland haben mindestens einen Master-Abschluss.

Doktortitel

8%

8% der Weights & Biases Experten in Deutschland haben einen Doktortitel (PhD).

Zertifizierungen pro Freelancer

1

Weights & Biases Experten in Deutschland besitzen im Durchschnitt 1 berufliche Zertifizierung.

Häufigste Sprachen

Englisch, Deutsch, Hindi

Weights & Biases Experten in Deutschland sprechen am häufigsten Englisch, Deutsch und Hindi.

Sprechen zwei oder mehr Sprachen

100%

100% der Weights & Biases Experten in Deutschland sprechen zwei oder mehr Sprachen.

Basierend auf unserem Profilpool, Stand 18 Nov 2026.

Tagessatzverteilung

0% 25% 50% 75% 100%
20 % der Weights & Biases Experten in Deutschland verlangen weniger als 320 € pro Tag.
40 % der Weights & Biases Experten in Deutschland verlangen zwischen 320 € und 480 € pro Tag.
10 % der Weights & Biases Experten in Deutschland verlangen zwischen 480 € und 640 € pro Tag.
10 % der Weights & Biases Experten in Deutschland verlangen zwischen 640 € und 800 € pro Tag.
10 % der Weights & Biases Experten in Deutschland verlangen zwischen 800 € und 960 € pro Tag.
10 % der Weights & Biases Experten in Deutschland verlangen 960 € oder mehr pro Tag.
<€320 €320-​480 €480-​640 €640-​800 €800-​960 €960+

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 Weights & Biases einsetzen

Die Tagessätze basieren auf aktuellen Verträgen und enthalten keinen FRATCH-Aufschlag.

600
450
300
150
Stundensatzvergleich-Diagramm
Ø Tagessatz 487 €

Der durchschnittliche Tagessatz ist der Mittelwert aller Tagessätze aus aktuellen Verträgen vergleichbarer Freelancer auf unserer Plattform.

600
450
300
150
Stundensatzvergleich-Diagramm
Median-Tagessatz 420 €

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 18 Nov 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.

Branchenfokus der Weights & Biases Experten

Sieh, in welchen Branchen unsere gematchten Freelancer am häufigsten tätig sind — jede Zahl wird live aus den Freelancern auf FRATCH berechnet.

  • Informationstechnologie (IT) (100%)
  • Automotive (54%)
  • Bildung (38%)
  • Fertigung (38%)
  • Bank- und Finanzwesen (31%)
  • Gesundheitswesen (31%)
  • Regierung und öffentliche Verwaltung (31%)
  • Telekommunikation (31%)

Bitte beachte, dass Freelancer in mehreren Branchen tätig sein können, daher überschneiden sich die Prozentwerte.

Über die Technologie

Was Weights & Biases leistet

Weights & Biases, oft W&B genannt, ist eine Plattform zur Nachverfolgung von Machine-Learning-Experimenten und zur Verwaltung der Arbeit rund um die Modellentwicklung. Teams nutzen sie, um Metriken zu protokollieren, Runs zu vergleichen, Datensätze und Modelle zu versionieren und Ergebnisse zwischen Forschungs- und Produktionsteams zu teilen. Sie unterstützt reproduzierbarere Machine-Learning-Workflows – vom ersten Experiment bis zur Bereitstellung.

Zentrale Funktionen

W&B verbindet Trainingscode mit einer strukturierten Aufzeichnung von Parametern, Ausgaben und Bewertungsergebnissen. Die Tools decken Experiment-Tracking, interaktive Dashboards, die Versionierung von Datensätzen und Modellen, Artefaktverwaltung, Berichte, Sweeps für die Hyperparametersuche und Workflows für die Modellregistrierung ab. Fachkräfte nutzen außerdem W&B Weave, um generative KI-Anwendungen nachzuverfolgen und zu bewerten.

Ökosystem und Tools

W&B lässt sich in gängige Python-Workflows und Bibliotheken für Machine Learning wie PyTorch, TensorFlow, Keras, scikit-learn und Hugging Face Transformers integrieren. Gute Spezialisten arbeiten mit Notebooks, Containern, Cloud-Speicher, Git-basierten Workflows, Kubernetes und CI/CD-Pipelines. Sie konfigurieren Authentifizierung, Teams, Projekte, Runs, Artefakte und Zugriffsrechte, damit W&B in die gesamte Daten- und MLOps-Umgebung passt.

Typische Projektarbeit

  • Trainingspipelines instrumentieren und Metriken, Parameter, Medien und Systemdaten protokollieren
  • Dashboards, Berichte und Vergleiche für die Modellbewertung entwickeln
  • Datensätze, Checkpoints und Modellartefakte über verschiedene Umgebungen hinweg versionieren
  • Hyperparameter-Sweeps und reproduzierbare Experiment-Workflows konfigurieren
  • Nachverfolgung und Bewertung für LLM- oder generative KI-Anwendungen ergänzen

Wann freiberufliche Expertise hilft

Unternehmen holen häufig W&B-Spezialisten hinzu, wenn sich Experimente nur noch schwer vergleichen lassen, Modellressourcen verstreut sind oder Forschungsteams einen zuverlässigen Weg in die Produktion benötigen. Externe Expertise ist auch bei der Einführung der Plattform, einer Migration von eigenem Tracking oder der Einführung von Governance für sensible Daten hilfreich. In Deutschland ist die Zusammenarbeit aus der Ferne üblich, während einige Teams weiterhin Workshops vor Ort und klare Kommunikation auf Englisch oder Deutsch benötigen.

Was gute Spezialisten liefern

Gute Fachkräfte verstehen sowohl das Produkt als auch den Machine-Learning-Prozess dahinter. Sie definieren sinnvolle Konventionen für Benennung und Protokollierung, halten Runs reproduzierbar, trennen Experimentdaten von Produktionsdaten und erstellen Dashboards, die Entscheidungen unterstützen statt nur gut auszusehen. Außerdem verbinden sie W&B mit der vorhandenen Infrastruktur, dokumentieren Zuständigkeiten und Berechtigungen und erklären die Abwägungen gegenüber Forschungs-, Daten- und Softwareteams klar.

Veröffentlicht am:
FRATCH GPT

FRATCH GPT liefert in Minuten Freelancer-Vorschläge mit nachvollziehbarer Begründung und transparenten Preisen und hilft deiner Personalabteilung, schnell und regelkonform die besten Talente zu finden.

Probier es aus:

Teste FRATCH GPT

Häufig gestellte Fragen

Die Fakten, nach denen Hiring-Teams bei Weights & Biases am häufigsten fragen.

Weights & Biases wird verwendet, um Machine-Learning-Experimente nachzuverfolgen, Runs zu vergleichen und Datensätze, Checkpoints sowie Modellversionen zu verwalten. Es bietet Teams eine gemeinsame Aufzeichnung darüber, wie Modelle trainiert und bewertet wurden, und unterstützt dadurch Reproduzierbarkeit und Zusammenarbeit.

W&B bietet ausgereiftes Experiment-Tracking, Funktionen für die Zusammenarbeit, Berichte, Sweeps und Artefakt-Workflows mit einer starken Benutzerfreundlichkeit. MLflow wird häufig wegen seiner Open-Source-Komponenten und der flexiblen Möglichkeit zum Self-Hosting gewählt. Welche Lösung besser passt, hängt daher von Anforderungen an Hosting, Governance, Integration und Team-Workflows ab.

Ein guter Weights & Biases Spezialist kennt sich normalerweise mit Python, Frameworks für das Modelltraining, Datenversionierung und Cloud-Infrastruktur aus. Erfahrungen mit Docker, Kubernetes, CI/CD, Git, SQL und Produktivüberwachung sind hilfreich, wenn sich die Arbeit auf einen vollständigen MLOps-Prozess erstreckt.

W&B selbst kann schnell eingeführt werden, aber eine sinnvolle Umsetzung erfordert praktische Erfahrung mit Machine-Learning-Pipelines und Experimentdesign. Der passende Spezialist sollte in der Lage sein, den bestehenden Workflow zu bewerten, Tracking-Standards zu definieren und Ergebnisse mit der Modellbereitstellung zu verbinden, statt nur eine grundlegende Protokollierung hinzuzufügen.

Weights & Biases eignet sich gut für die Remote-Zusammenarbeit, da Runs, Dashboards, Berichte und Artefakte teamübergreifend geteilt werden können. Sitzungen vor Ort in Deutschland können bei Anforderungen, dem Berechtigungskonzept oder Workshops dennoch hilfreich sein. Die tägliche Umsetzung kann normalerweise remote erfolgen, wenn Umgebungen und Zuständigkeiten klar definiert sind.

W&B unterstützt Workflows für große Sprachmodelle und generative KI, einschließlich Experiment-Tracking, Daten- und Modellverwaltung sowie Nachverfolgung und Bewertung mit Weave. Spezialisten können Teams dabei helfen, Qualität zu messen, Fehlerfälle zu untersuchen und Bewertungsergebnisse mit Änderungen am Training oder an der Anwendung zu verbinden.

Suchen Sie einen Weights & Biases Experten, der zeigen kann, wie er Projekte, Runs, Artefakte und Dashboards für einen echten Machine-Learning-Workflow strukturiert hat. Fragen Sie, wie er Reproduzierbarkeit, sensible Daten, Zugriffsrechte, Aufbewahrung und die Integration in Ihre Trainings- und Bereitstellungsinfrastruktur handhabt.

Eine hochwertige W&B-Einrichtung macht Experimente leicht vergleichbar und Ergebnisse einfach reproduzierbar. Benennung, Metadaten, Artefakt-Herkunft, Dashboards und Berechtigungen sind konsistent. Gleichzeitig bleibt der Workflow für Forschende praktisch und lässt sich sauber mit Validierung, Bereitstellung und laufender Überwachung verbinden.

Der durchschnittliche Stundensatz von Freelancern in Deutschland, die Weights & Biases in ihren letzten Projekten eingesetzt haben, liegt bei 61 €, was einem Tagessatz von etwa 487 € bei einem 8-Stunden-Tag entspricht.

Von den Freelancern in Deutschland, die Weights & Biases in ihren letzten Projekten eingesetzt haben, haben 100% mindestens einen Bachelor-Abschluss, 77% mindestens einen Master-Abschluss und 8% einen Doktortitel.

Freelancer in Deutschland, die Weights & Biases in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 11 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 1,4 Jahre.

Die häufigsten Sprachen unter Freelancern in Deutschland, die Weights & Biases in ihren letzten Projekten eingesetzt haben, sind Englisch (100%), Deutsch (92%) und Hindi (23%).

Die häufigsten Industrien unter Freelancern in Deutschland, die Weights & Biases in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Automotive (54%) und Bildung (38%).

Die häufigsten Bereiche unter Freelancern in Deutschland, die Weights & Biases in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Produktentwicklung (85%) und Forschung und Entwicklung (F&E) (85%).

Hauptstandorte der FRATCH Experten, die kürzlich Weights & Biases 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.

Kontakt-Formular

Möchtest du lieber direkt mit uns in Kontakt treten?
Wir haben immer Zeit für einen Anruf oder eine E-Mail!

FRATCH CEO Avatar

Philipp Thomaschewski

FRATCH CEO

LinkedInFRATCH