Beheben Sie eingeschränkte 24/7-Support-Abdeckung mit Claude-gestützten KI-Assistenten
Viele Customer-Service-Teams können eine komplette Nacht- und Wochenendbesetzung schlicht nicht wirtschaftlich rechtfertigen, dennoch erwarten Kundinnen und Kunden jederzeit sofortige, präzise Antworten. Diese Seite zeigt, wie Sie Claude nutzen können, um den Support außerhalb der Geschäftszeiten sicher und wirksam zu automatisieren – und wie Reruption Ihnen hilft, vom ersten Konzept zur funktionierenden Lösung in kurzer Zeit zu gelangen.
Inhalt
Die Herausforderung: Eingeschränkte 24/7-Support-Abdeckung
Kundenerwartungen sind heute global und rund um die Uhr, aber die meisten Supportorganisationen sind weiterhin auf Bürozeiten ausgerichtet. Außerhalb dieser Zeiten stoßen Kundinnen und Kunden auf abgeschaltete Hotlines, langsame E-Mail-Antworten oder generische Formulare, die Rückrufe „so schnell wie möglich“ versprechen. Für Menschen mit dringenden Anliegen fühlt sich das wie ein gebrochenes Versprechen an – und für Teams bedeutet es, jeden Morgen mit einem Rückstau frustrierter Tickets aufzuwachen.
Traditionelle Lösungen greifen nicht mehr. Nacht- und Wochenend-Teams aufzubauen ist teuer und schwer zu rechtfertigen, wenn das Volumen über Nacht volatil oder saisonal schwankt. Die Auslagerung an günstige Callcenter führt häufig zu inkonsistenter Qualität, fehlender Markenpassung und aufwendigem Lieferantenmanagement. Statische FAQ-Seiten und einfache regelbasierte Chatbots können nur die simpelsten Fragen beantworten und geraten sofort an ihre Grenzen, sobald eine Anfrage von einigen wenigen vordefinierten Pfaden abweicht.
Die Auswirkungen einer ungelösten 24/7-Support-Lücke sind direkt und messbar. Tickets stapeln sich über Nacht, was morgens zu Peaks führt, in denen Agents gezwungen sind, Brände zu löschen statt an wertschöpfenden Aufgaben zu arbeiten. Antwortzeit-SLAs werden verletzt, NPS- und CSAT-Werte sinken, und Kundinnen und Kunden wandern leise zu Wettbewerbern ab, „bei denen es einfach leichter ist“.
Für Unternehmen mit internationalen Kundinnen und Kunden ist eingeschränkte Abdeckung faktisch ein Problem des Marktzugangs: Sie sind auf dem Papier präsent, aber nicht dann, wenn man Sie tatsächlich braucht.
Die gute Nachricht: Diese Herausforderung lässt sich heute lösen, ohne eine komplette Follow-the-Sun-Organisation aufzubauen. Moderne KI-Assistenten wie Claude können einen großen Teil wiederkehrender Anfragen außerhalb der Geschäftszeiten mit hochwertigen, richtlinienkonformen Antworten und intelligenter Eskalation übernehmen. Bei Reruption haben wir Organisationen dabei unterstützt, solche KI-zentrierten Support-Flows zu entwerfen und zu implementieren. Im weiteren Verlauf dieser Seite finden Sie konkrete Hinweise, wie Sie Claude nutzen, um Ihre 24/7-Support-Lücke auf kontrollierte, geschäftstaugliche Weise zu schließen.
Brauchen Sie einen Sparring-Partner für diese Herausforderung?
Lassen Sie uns unverbindlich sprechen und brainstormen.
Innovatoren bei diesen Unternehmen vertrauen uns:
Unsere Einschätzung
Eine strategische Einschätzung der Herausforderung und High-Level-Tipps, wie Sie sie angehen können.
Aus Reruptions praktischer Arbeit beim Aufbau von KI-Assistenten für den Kundenservice sehen wir ein wiederkehrendes Muster: Die meisten Unternehmen verfügen bereits über das nötige Wissen für 24/7-Support – festgehalten in Richtlinien, Helpcenter-Artikeln und Ticket-Historien –, aber nicht in einer Form, die außerhalb der Bürozeiten skaliert. Claude ist besonders stark darin, diesen langen, unstrukturierten Kontext in sichere, detaillierte Antworten und Zusammenfassungen zu übersetzen. Richtig umgesetzt – mit klaren Grenzen und Governance – wird es so zu einem leistungsstarken Motor für durchgängige Automatisierung im Kundenservice.
Für Mensch + KI designen, nicht KI statt Menschen
Claude für 24/7-Support-Automatisierung funktioniert am besten, wenn Sie es als Assistent in der ersten Linie verstehen – nicht als Ersatz für Ihr Support-Team. Strategisch bedeutet das, klare Bahnen zu definieren: Welche Themen soll Claude vollständig übernehmen, welche nur triagieren und für Agents zusammenfassen, und welche müssen direkt an Menschen weitergeleitet werden (z. B. Rechtsstreitigkeiten, kritische Ausfälle, VIP-Konten).
In der Praxis schützt diese Aufteilung Ihre Marke und reduziert interne Widerstände. Agents hören auf, KI als Bedrohung zu sehen, und beginnen, sie als „Nachtschicht“ wahrzunehmen, die repetitive Arbeit übernimmt und hochwertigen Kontext für komplexe Fälle liefert. Aus Governance-Perspektive vereinfacht das auch das Risikomanagement, weil Sie klar benennen können, in welchen Kategorien KI-Automatisierung im Kundenservice erlaubt ist – und in welchen nicht.
Mit hochvolumigen, risikoarmen Anfrage-Typen starten
Eine erfolgreiche Strategie zur Automatisierung des Kundensupports mit Claude besteht darin, die erste Implementierung auf eine eng umrissene Menge wiederkehrender, risikoarmer Themen zu fokussieren: Bestellstatus, Passwort-Resets, einfache Nutzungsfragen, Terminänderungen, grundlegende Fehlersuche. Diese sind in der Regel gut dokumentiert, haben klare Richtlinien und vorhersehbare Abläufe – und machen einen großen Teil der Nachfrage außerhalb der Geschäftszeiten aus.
Indem Sie hier beginnen, schaffen Sie Vertrauen bei Stakeholdern und Kundinnen bzw. Kunden und sammeln gleichzeitig belastbare Daten zu Deflektionsraten, Antwortzeiten und Eskalationsqualität. Das gibt Ihnen politisches Kapital, um die Abdeckung später auf komplexere Szenarien auszuweiten. Gleichzeitig reduziert es Compliance- und Sicherheitsbedenken, weil die erste Welle der Automatisierung sensible Entscheidungen und Randfälle bewusst meidet.
Wissen als erstklassiges Asset behandeln
Claude entfaltet seine Stärke im Long-Context-Reasoning nur, wenn Ihre Wissensbasis strukturiert, aktuell und zugänglich ist. Strategisch bedeutet das, Wissensmanagement im Support als Kernkompetenz zu behandeln: klare Verantwortlichkeiten, einen regelmäßigen Review-Zyklus und explizite Richtlinien, auf welche Inhalte die KI zugreifen darf. Ohne dies wird selbst das beste Modell veraltete Prozesse und Widersprüche reproduzieren, die ohnehin schon in Ihrer Dokumentation existieren.
Für viele Organisationen ist die Arbeit daher weniger eine KI-Frage als vielmehr die Aufgabe, verstreute PDFs, Wikis und informelles Wissen zu einer stabilen „Single Source of Truth“ zu konsolidieren. Ist diese einmal geschaffen, kann Claude vollständige Richtlinien-Dokumente und Ticket-Historien sicher einbeziehen und außerhalb der Geschäftszeiten differenzierte Antworten liefern – statt der generischen Reaktionen, wie man sie von typischen Chatbots kennt.
Stakeholder zu Risiko, Leitplanken und Eskalation ausrichten
Um Claude im Kundenservice in größerem Maßstab einzusetzen, brauchen Sie frühzeitige Abstimmung zwischen Customer-Service-Leitung, Legal/Compliance, IT und Datenschutz. Entscheidend ist, die Diskussion von abstrakten Ängsten („Die KI könnte etwas Falsches sagen“) zu konkreten Risiko-Szenarien, Leitplanken und Eskalationsregeln zu verschieben.
Beispiele: Welche Daten dürfen an Claude übergeben werden, welche Formulierungen müssen vermieden werden, was löst eine verpflichtende Übergabe an menschliche Agents aus, und wie werden alle Interaktionen für Audits protokolliert? In Kundenprojekten entwerfen wir diese Leitplanken gemeinsam, sodass Claude innerhalb definierter Grenzen selbstbewusst antworten und sich elegant zurückziehen kann, wenn Schwellen überschritten werden. Das reduziert Reibung in der Umsetzung und verhindert späte Vetos von Risikoverantwortlichen.
Ihr Team auf KI-zentrierte Workflows vorbereiten
Strategisch verändert ein KI-gestütztes 24/7-Support-Setup die Arbeit der Teams am Tag. Statt die Schicht mit einem chaotischen Posteingang zu beginnen, treffen die Agents auf eine Warteschlange aus von der KI beantworteten Tickets, KI-generierten Zusammenfassungen und vorbereiteten Antwortentwürfen. Damit das funktioniert, müssen Sie in Teamenablement investieren: Schulungen, um Claudes Antworten zu prüfen und zu korrigieren, KI-Zusammenfassungen effizient zu nutzen und Feedbackschleifen zur Verbesserung des Systems aufzubauen.
Es geht nicht nur um ein neues Tool, sondern um einen veränderten Workflow. Kommunizieren Sie klar, dass KI dazu dient, Routinearbeit zu eliminieren (die immer gleichen Fragen um 7 Uhr morgens zu beantworten), damit Agents Zeit für komplexe, empathische Aufgaben haben. Teams, die dieses Framing verstehen, adoptieren KI schneller und sind eher bereit, Prompts, Randfälle und Wissenslücken kontinuierlich zu verfeinern.
Mit klaren Leitplanken und einer starken Wissensbasis kann Claude einen Großteil Ihrer 24/7-Support-Lücke schließen, indem es wiederkehrende Fragen über Nacht bearbeitet und komplexe Fälle für Ihr menschliches Team vorbereitet. Reruption bringt sowohl tiefes KI-Engineering-Know-how als auch ein operatives Verständnis von Kundenservice mit, um daraus ein robustes Setup für den Realbetrieb statt eines fragilen Prototyps zu machen. Wenn Sie prüfen möchten, wie Claude in Ihre Support-Operationen passen könnte, sprechen wir gerne über Ihre spezifischen Rahmenbedingungen und skizzieren einen konkreten, testbaren Weg nach vorn.
Hilfe bei der Umsetzung dieser Ideen?
Nehmen Sie gerne unverbindlich Kontakt zu uns auf.
Fallbeispiele aus der Praxis
Von Bankwesen bis Mode‑Einzelhandel: Erfahren Sie, wie Unternehmen Claude erfolgreich einsetzen.
Best Practices
Erfolgreiche Implementierungen folgen bewährten Mustern. Werfen Sie einen Blick auf unsere taktischen Ratschläge für den Einstieg.
Gestufte Gesprächsflows mit intelligenter Eskalation implementieren
Für den taktischen Erfolg mit Claude-basierten Support-Chatbots sollten Sie einen Gesprächsfluss definieren, der Ihre bestehenden Support-Tiers widerspiegelt. Tier 0 umfasst reine Informationsanfragen, die Claude vollständig lösen kann. Tier 1 beinhaltet geführte Workflows (z. B. Passwort zurücksetzen, Daten aktualisieren), bei denen Claude die Nutzerin oder den Nutzer Schritt für Schritt begleitet. Höhere Tiers lösen Datenerfassung, Zusammenfassung und Eskalation an Menschen aus – keine direkte Problemlösung durch die KI.
Nutzen Sie Systemprompts, um dieses Verhalten explizit zu verankern. In Ihrem Backend könnten Sie zum Beispiel Folgendes senden:
System-Prompt für Claude:
Sie sind ein rund um die Uhr verfügbarer Kundensupport-Assistent.
- Sie dürfen nur dann vollständig antworten, wenn die Anfrage zu unseren Tier-0- oder Tier-1-Themen gehört.
- Bei Tier-2+-Themen stellen Sie 3–5 Rückfragen zur Klärung, fassen anschließend zusammen und ESKALIEREN.
- Erfinden Sie niemals Richtlinien oder Zusicherungen. Wenn Sie unsicher sind, sagen Sie, dass Sie den Fall an einen Menschen übergeben.
Tier-0-Themen: Bestellstatus, Lieferzeiten, Hilfe beim Zurücksetzen von Passwörtern, Rechnungsdownload.
Tier-1-Themen: grundlegende Fehlersuche, Terminänderungen, Fragen zur Nutzung von Produkten.
Eskalationsformat:
"[ESCALATE]
Zusammenfassung: ...
Kundenpriorität: niedrig/mittel/hoch
Wichtige Details: ..."So stellen Sie sicher, dass Interaktionen über Nacht entweder sicher gelöst oder mit einer fertigen Zusammenfassung an Agents übergeben werden, die ihre Schicht beginnen.
Claude über Retrieval mit Ihrer Wissensbasis verbinden
Um Antworten zuverlässig korrekt zu halten, sollten Sie Claude mit einer Retrieval-Schicht integrieren, die Ihr Helpcenter, Richtlinien-Dokumente und FAQ-Artikel abfragt, statt Inhalte statisch in Prompts einzubetten. Technisch bedeutet dies in der Regel eine embeddings-basierte Suche über Ihre Dokumente, deren Top-Ergebnisse Claude für jede Frage als Kontext mitgegeben werden.
Bei jeder Interaktion sollte Ihr Backend: (1) die Nachricht der Nutzerin oder des Nutzers erfassen, (2) eine semantische Suche in Ihrer Wissensbasis ausführen, (3) die relevantesten Ausschnitte plus die ursprüngliche Frage an Claude übergeben. Ihr Prompt könnte so aussehen:
System:
Sie beantworten Fragen AUSSCHLIESSLICH auf Basis der bereitgestellten Kontextdokumente.
Wenn die Antwort nicht eindeutig in den Dokumenten enthalten ist, sagen Sie, dass Sie eskalieren werden.
Kontextdokumente:
[DOK 1]
[DOK 2]
...
Frage der Nutzerin/des Nutzers:
{{user_message}}Dieses Muster ist entscheidend für sichere, richtlinienkonforme KI-Antworten, insbesondere in regulierten Branchen oder dort, wo Preise, Geschäftsbedingungen und Konditionen relevant sind.
Claude zur Vortriage und Zusammenfassung nächtlicher Tickets nutzen
Selbst wenn Sie anfangs noch keine vollständig autonomen Antworten wollen, können Sie morgendliche Peaks sofort reduzieren, indem Sie Claude nutzen, um nächtliche Tickets anzureichern und zu triagieren. Wenn neue E-Mails oder Formularanfragen außerhalb der Geschäftszeiten eingehen, lassen Sie sie von Claude analysieren und eine strukturierte Zusammenfassung, Stimmung, eine vorgeschlagene Kategorie und einen ersten Antwortentwurf erstellen.
Ein Beispiel-Prompt für diesen Backoffice-Einsatz:
System:
Sie sind ein Support-Triage-Assistent. Analysieren Sie das Ticket und geben Sie ausschließlich JSON aus.
Nachricht der Nutzerin/des Nutzers:
{{ticket_body}}
Geben Sie JSON mit folgenden Feldern aus:
- summary: kurze Zusammenfassung des Anliegens
- sentiment: "angry" | "frustrated" | "neutral" | "positive"
- urgency: "low" | "medium" | "high"
- suggested_queue: eines von ["billing", "tech", "account", "other"]
- draft_reply: höfliche erste Antwort, die unserer Tonalität folgtIhr Ticketsystem kann auf Basis dieser Metadaten routen und priorisieren, sodass Agents den Rückstau jeden Morgen schneller abarbeiten.
Strikte Regeln für Datenverarbeitung und Redaktion definieren
Wenn Sie echte Kundendaten verarbeiten, müssen Sie explizite Datenschutzmaßnahmen rund um Ihre KI-Automatisierung im Kundenservice etablieren. Taktisch bedeutet dies, eine Pre-Processing-Schicht einzubauen, die sensible Informationen (Kreditkartennummern, vollständige Ausweisnummern, Gesundheitsdaten) vor dem Senden an Claude entfernt oder maskiert, und klare Regeln zu definieren, was Ihre Infrastruktur niemals verlassen darf.
Im Code ist dies oft ein Middleware-Schritt, der Muster erkennt und durch Platzhalter ersetzt:
Beispiel für eine Redaktions-Pipeline (konzeptionell):
raw_text = get_incoming_message()
redacted_text = redact_pii(raw_text, patterns=[
credit_cards, bank_accounts, national_ids
])
response = call_claude(redacted_text)
store_mapping(placeholder_tokens, original_values)Davon getrennt sollten Sie Logging und Aufbewahrungsfristen für Ihre KI-Integration im Einklang mit Ihren rechtlichen und IT-Richtlinien konfigurieren und dies für interne wie externe Stakeholder dokumentieren.
Prompts und Flows kontinuierlich mit realen Transkripten verfeinern
Ein KI-Support-Assistent ist kein „Set and Forget“-Asset. Sobald Ihre Claude-Integration live ist, sollten Sie regelmäßig nächtliche Transkripte prüfen, identifizieren, wo Nutzerinnen und Nutzer hängen bleiben oder unnötig eskalieren, und daraufhin Prompts, Wissensbasis-Inhalte und Routing-Regeln anpassen.
Richten Sie eine einfache „Improvement-Loop“ ein: Ziehen Sie wöchentlich eine Stichprobe von 20–50 Konversationen, markieren Sie, welche mit besseren Instruktionen oder fehlenden Artikeln hätten gelöst werden können, und aktualisieren Sie sowohl den Systemprompt als auch die referenzierten Dokumente. Eine Prompt-Verfeinerung könnte sich zum Beispiel von:
Alt:
"Helfen Sie Kundinnen und Kunden bei Fragen zu Bestellungen."
Neu:
"Wenn Sie bei Bestellfragen helfen, fragen Sie IMMER nach:
- Bestellnummer
- E-Mail-Adresse
- Lieferland
Bevor Sie antworten, formulieren Sie Ihr Verständnis des Anliegens und bestätigen Sie die Details."Mit der Zeit kann dieses Tuning die Erstlösungsquote deutlich erhöhen und Eskalationen reduzieren.
Die richtigen KPIs für 24/7-KI-Support messen
Definieren Sie klare Metriken, bevor Sie Ihren Claude-gestützten Support-Assistenten skalieren. Sinnvolle KPIs sind zum Beispiel: Anteil der außerhalb der Geschäftszeiten vollständig von der KI gelösten Gespräche, Reduktion der durchschnittlichen First-Response-Time über Nacht, Verringerung der morgendlichen Backlog-Größe, pro Tag eingesparte Agentenzeit sowie der Effekt auf CSAT/NPS für Kontakte außerhalb der Bürozeiten.
Instrumentieren Sie Ihren Chatbot und Ihr Ticketsystem so, dass protokolliert wird, wann Claude autonom antwortet und wann ein Mensch übernimmt, und verfolgen Sie die Kundenzufriedenheit getrennt für KI- und menschlich bearbeitete Interaktionen. Auf dieser Basis können Sie fundiert entscheiden, ob Sie den Automatisierungsumfang erweitern oder Leitplanken anpassen.
Bei Umsetzung mit diesen taktischen Mustern sehen Organisationen typischerweise, dass 20–50 % der Anfragen außerhalb der Geschäftszeiten innerhalb der ersten Monate vollständig durch KI bearbeitet werden, morgendliche Backlogs um 30–60 % sinken und die wahrgenommene Reaktionsfähigkeit deutlich steigt – ohne zusätzliche vollständige Nacht- oder Wochenendschichten.
Brauchen Sie jetzt Umsetzungskompetenz?
Lassen Sie uns über Ihre Ideen sprechen!
Häufig gestellte Fragen
Ja – für die richtigen Arten von Anfragen. Claude eignet sich sehr gut für durchgängigen Support, bei dem Antworten auf Ihrer bestehenden Dokumentation, Ihren Richtlinien und Standardprozessen basieren können. Das System kann gängige Themen wie Bestellstatus, Kontohilfe, grundlegende Fehlersuche und Erläuterungen von Richtlinien zuverlässig bearbeiten – auch wenn sich die Antworten über lange Dokumente verteilen.
Entscheidend ist, klare Grenzen zu definieren: Claude beantwortet nur risikoarme, gut dokumentierte Fragen vollständig und eskaliert alles Mehrdeutige oder Sensible an menschliche Agents. In Kombination mit Retrieval aus Ihrer Wissensbasis und soliden Leitplanken sehen die meisten Unternehmen über Nacht hochwertige, markenkonsistente Antworten – während Menschen in Rand- und Sonderfällen die Kontrolle behalten.
Mindestens benötigen Sie: (1) eine strukturierte Wissensbasis (Helpcenter, Richtlinien, FAQs), (2) eine Chat- oder Ticketing-Oberfläche (Website-Widget, In-App-Chat, E-Mail-Gateway) und (3) eine Integrationsschicht, die Ihre Systeme per API mit Claude verbindet. Sie müssen dafür keine umfassende IT-Transformation starten – ein fokussierter Pilot kann auf bestehenden Tools aufsetzen.
Was Fähigkeiten angeht, brauchen Sie Produkt-/Operations-Verantwortliche aus dem Kundenservice, jemanden, der Ihre aktuellen Prozesse im Detail kennt, und Engineering-Support, um API, Retrieval und Logging zu implementieren. Reruption arbeitet in der Regel mit Ihrer internen IT und der Support-Leitung zusammen, um innerhalb weniger Wochen eine erste funktionierende Version aufzusetzen – und iteriert dann auf Basis realer Nutzung.
Bei einem klar abgegrenzten Pilot, der sich auf einige wenige Anfrage-Typen mit hohem Volumen konzentriert, können Sie üblicherweise innerhalb von 4–8 Wochen ab Projektstart messbare Effekte sehen. In der ersten Phase zielen die meisten Kundinnen und Kunden auf unterstützte Workflows: Claude erstellt Antwortentwürfe und triagiert Tickets, aber Menschen verschicken die finale Antwort – was den manuellen Aufwand bereits reduziert und morgendliche Peaks abfedert.
Sobald Qualität und Leitplanken validiert sind, können Sie ausgewählte Flows für den Traffic außerhalb der Geschäftszeiten auf vollständige Automatisierung umstellen. Ab diesem Punkt ist es realistisch, dass innerhalb der ersten Monate 20–40 % der nächtlichen Kontakte Ende-zu-Ende von der KI bearbeitet werden – abhängig von Ihrem Fallmix und der Qualität Ihrer Dokumentation.
Auf der Kostenseite gibt es drei Komponenten: initiales Setup (Konzept, Integration, Wissensaufbereitung), laufende Pflege (Prompt-Updates, Kuratierung der Wissensbasis) und verbrauchsabhängige API-Kosten. Verglichen mit der Einstellung oder dem Outsourcing vollständiger Nacht- und Wochenend-Teams liegen die Betriebskosten eines Claude-basierten virtuellen Agents typischerweise nur bei einem Bruchteil – insbesondere im größeren Maßstab.
Auf der ROI-Seite betrachten wir reduzierten Personal- oder Überstundenbedarf für Abdeckung außerhalb der Geschäftszeiten, weniger SLA-Verletzungen, geringere Abwanderung frustrierter Kundinnen und Kunden sowie freigewordene Agenten-Kapazitäten für komplexe Fälle. Für viele Organisationen ist der Business Case selbst dann positiv, wenn die KI nur 20–30 % des nächtlichen Volumens übernimmt, weil diese Segmente ansonsten überproportional teuer sind, personell abzudecken.
Reruption arbeitet als Co-Preneur in Ihrer Organisation: Statt nur zu beraten, helfen wir Ihnen, einen funktionsfähigen, Claude-basierten Support-Assistenten in Ihrer realen Umgebung zu entwerfen, zu bauen und produktiv zu machen. Unser KI-PoC-Angebot (9.900 €) ist ein fokussierter Weg, um zu testen, ob Ihr 24/7-Support-Use-Case technisch und operativ tragfähig ist, bevor Sie sich auf einen vollständigen Rollout festlegen.
In diesem PoC definieren wir den Scope (welche nächtlichen Themen automatisiert werden sollen), wählen die passende Architektur (inklusive Retrieval und Leitplanken), prototypen die Integration mit Ihren bestehenden Tools und messen die Performance auf realen oder realitätsnahen Daten. Von dort unterstützen wir Sie bei Härtung, Security- und Compliance-Reviews sowie beim Skalieren der Lösung – immer mit dem Ziel, eine KI-zentrierte Support-Fähigkeit aufzubauen, nicht nur einen einmaligen Chatbot.
Kontaktieren Sie uns!
Direkt Kontaktieren
Philipp M. W. Hoffmann
Founder & Partner
Adresse
Reruption GmbH
Falkertstraße 2
70176 Stuttgart
Kontakt
Telefon