Mit ChatGPT versteckte Self-Service-Inhalte sichtbar machen und Tickets abfangen
Kund:innen eröffnen Tickets zu Problemen, die Sie in Ihren FAQs und Ihrem Help Center längst gelöst haben. Die Inhalte existieren, sind aber faktisch unsichtbar. Dieser Artikel zeigt, wie Sie ChatGPT nutzen, um versteckte Self-Service-Inhalte sichtbar zu machen, Kund:innen zu den richtigen Antworten zu führen und wiederkehrendes Supportvolumen abzufangen, ohne die Zufriedenheit zu beeinträchtigen.
Inhalt
Die Herausforderung: Versteckte Self-Service-Inhalte
Die meisten Supportorganisationen haben die Antworten auf die häufigsten Kundenfragen bereits – vergraben in FAQs, Help-Center-Artikeln, internen Wikis und Alt-Dokumentation. Das Problem ist nicht ein Mangel an Inhalten, sondern versteckte Self-Service-Inhalte, die weder Kund:innen noch Agent:innen leicht finden. Die Folge: Nutzer:innen geben die Suche auf, eröffnen Tickets zu einfachen Themen, und Ihr Team verbringt Zeit damit, bereits vorhandene Inhalte zu kopieren und einzufügen.
Traditionelle Ansätze – mehr Artikel hinzufügen, Menüs umorganisieren, Keyword-basierte Suche nachjustieren – reichen nicht mehr. Statische FAQ-Bäume setzen voraus, dass Kund:innen „richtig“ navigieren und die „richtigen“ Begriffe verwenden. Legacy-Suchmaschinen matchen exakte Begriffe, aber Kund:innen beschreiben Symptome, nicht Titel: „kann mich nach Passwort-Reset nicht einloggen“ statt Ihres Artikelnamens „Vorgehen zur Kontowiederherstellung“. Selbst gut geschriebene Inhalte bleiben unsichtbar, wenn Ihre Systeme natürliche Sprache und Absicht nicht interpretieren können.
Die Auswirkungen sind erheblich. Versteckte Self-Service-Inhalte führen direkt zu vermeidbaren Kontakten, höheren Supportkosten und einer schlechter wahrgenommenen Reaktionsfähigkeit. Agent:innen verbringen einen großen Teil ihres Tages mit wiederkehrenden Fragen, Bearbeitungszeiten steigen, und Sie benötigen mehr Personal, nur um mitzuhalten. Strategisch verschenken Sie das Deflektionspotenzial Ihrer Wissensdatenbank und fallen gegenüber Wettbewerbern zurück, die schnelle, KI-gestützte Self-Services statt Warteschlangen und E-Mail-Formularen anbieten.
Die gute Nachricht: Dieses Problem ist lösbar. Mit modernen Sprachmodellen wie ChatGPT können Sie vorhandene Inhalte auffindbar, dialogorientiert und kontextsensitiv machen, ohne Ihr gesamtes Help Center von Grund auf neu zu schreiben. Bei Reruption haben wir Organisationen dabei geholfen, wenig genutzte Dokumentation in effektiven Self-Service zu verwandeln – und der Rest dieser Seite zeigt Ihnen einen praxisnahen Weg, wie Sie das Gleiche in Ihrer Serviceorganisation erreichen.
Bauen Sie jetzt ein KI-System mit uns!
Wir bauen einen Proof of Concept für Ihr Problem für 5.000–8.000€. Sie bekommen eine handfeste Demo statt Folien mit Versprechen.
Innovatoren bei diesen Unternehmen vertrauen uns:
Unsere Einschätzung
Eine strategische Einschätzung der Herausforderung und High-Level-Tipps, wie Sie sie angehen können.
Aus unserer Arbeit bei der Implementierung von KI im Kundenservice kennen wir immer wieder dasselbe Muster: Unternehmen sitzen auf einem großen Berg an Dokumentation, haben aber keine intelligente Schicht, die Kundenintention mit der passenden Antwort verbindet. ChatGPT zur Lösung versteckter Self-Service-Inhalte einzusetzen, geht weniger darum, einen glänzenden Chatbot zu bauen, sondern vielmehr darum, Wissen zu strukturieren, es in Ihre bestehenden Tools zu integrieren und klare Deflektionsziele zu setzen. Reruptions praxisnahe Engineering- und Co-Preneur-Ansätze zielen darauf ab, ChatGPT von einem generischen Modell in einen fokussierten Support-Deflection-Assistenten zu verwandeln, der auf Ihren Kontext zugeschnitten ist.
Mit einer klaren Deflektionsstrategie starten, nicht mit einem Chatbot
Bevor Sie irgendeinen ChatGPT-Kundenservice-Assistenten ausrollen, definieren Sie, wie „gut“ aussieht. Welche Kontaktarten sollen durch Self-Service abgefangen werden? Welche sollen weiterhin zu menschlichen Agent:innen gehen? Welche Automatisierungsquote ist akzeptabel, ohne die Kundenzufriedenheit zu gefährden? Eine klare Deflektionsstrategie bewahrt Sie davor, einen generischen FAQ-Bot zu bauen, der niemandem wirklich hilft.
Analysieren Sie Ihre 20–30 wichtigsten Kontaktgründe aus historischen Tickets und klassifizieren Sie diese in „muss automatisiert werden“, „kann mit Leitplanken automatisiert werden“ und „nur menschlich“. Dieser strategische Blick steuert, was ChatGPT eigenständig bearbeiten soll, wann es zu Artikeln weiterleitet und wann es mit Kontext an Agent:innen eskaliert. Gleichzeitig erhalten Sie messbare KPIs: Deflektionsrate nach Thema, CSAT nach Kanal und Containment-Raten.
In Wissensarchitektur denken, nicht nur in KI-Features
Große Sprachmodelle sind mächtig, aber sie können keine fundamental kaputte Wissensbasis reparieren. Ein strategischer Schritt ist, versteckte Self-Service-Inhalte als Problem der Wissensarchitektur zu betrachten. Welche Inhalte haben Sie, wie sind sie strukturiert, welche Zielgruppen bedienen sie und wo liegen blinde Flecken und Widersprüche?
Nutzen Sie ChatGPT zunächst offline: Lassen Sie das Modell Ihre FAQs, Ihr Help Center und interne Dokumente analysieren, um Themen zu clustern, Dubletten zu identifizieren und fehlende „Wie mache ich …?“-Inhalte sichtbar zu machen. Diese Arbeit verwandelt Ihre Dokumentation in ein strukturiertes Asset, das ein ChatGPT-basierter Support-Assistent zuverlässig nutzen kann. Ohne dieses Fundament wirkt Ihre KI-Schicht in Demos clever, im echten Traffic aber inkonsistent.
Customer Service, Produkt und IT auf eine gemeinsame KI-Roadmap ausrichten
Die Ticketdeflektion mit KI-gestütztem Self-Service betrifft mehrere Teams. Customer Service verantwortet Prozesse und Qualität; Produkt & UX verantworten das Help Center und In-App-Erlebnisse; IT oder Digital verantworten Infrastruktur und Sicherheit. Wenn jedes Team sein eigenes KI-Experiment betreibt, entstehen fragmentierte Bots ohne konsolidierten Impact.
Richten Sie eine funktionsübergreifende KI-Arbeitsgruppe ein, die sich während der Anfangsphase wöchentlich trifft. Customer Service bringt reale Ticketdaten und Qualitätsstandards ein, Produkt übersetzt diese in Journeys und UI, und die IT sorgt für eine sichere, konforme Nutzung von ChatGPT im Unternehmen. Diese Abstimmung macht aus isolierten Piloten eine nachhaltige Fähigkeit statt nur ein weiteres Tool.
Leitplanken und Eskalationspfade von Tag eins an definieren
Strategisch liegt das Risiko bei der Nutzung von ChatGPT zur Support-Deflektion weniger darin, dass es „nicht antwortet“, sondern dass es falsch und gleichzeitig sehr überzeugend antwortet. Um dies zu vermeiden, definieren Sie von Anfang an, wie sich der Assistent in unklaren oder risikoreichen Situationen verhalten soll. Zum Beispiel: Er darf keine Richtlinien erfinden, keine Abrechnungsstreitigkeiten eigenständig bearbeiten und soll immer eine Eskalationsoption anbieten.
Dokumentieren Sie explizite Leitplanken: Welche Themen ausgeschlossen sind, welche Formulierungen bei Unsicherheit verwendet werden und was eine Übergabe an menschliche Agent:innen auslöst. Kombinieren Sie dies mit technischen Kontrollen wie Retrieval-augmented Generation (RAG), die auf Ihre verifizierte Wissensbasis beschränkt ist. Diese strategischen Maßnahmen schützen das Vertrauen in Ihre Marke und ermöglichen dennoch sinnvolle Automatisierung.
Ihr Team auf eine Veränderung der Arbeit vorbereiten, nicht auf einen Wegfall von Arbeit
Die Einführung von KI-Self-Service mit ChatGPT verändert die Natur der Frontline-Arbeit: weniger Passwort-Resets, mehr komplexe, mehrstufige Anliegen. Wenn Sie KI als Headcount-Reduktionsprojekt positionieren, ernten Sie Widerstand, geringe Akzeptanz und schwache Feedbackschleifen von denjenigen, die die Kundenprobleme am besten kennen.
Kommunizieren Sie stattdessen, dass das Ziel ist, repetitive Aufgaben zu eliminieren und Agent:innen für höherwertige Interaktionen freizusetzen. Binden Sie erfahrene Agent:innen als „Content Owner“ und Prüfer:innen für von ChatGPT generierte Antworten ein. Das schafft Ownership, verbessert die Qualität und stellt sicher, dass Ihre KI echte Kundensprache abbildet – nicht nur Produktdokumentation.
ChatGPT zu nutzen, um versteckte Self-Service-Inhalte sichtbar zu machen, ist am erfolgreichsten, wenn Sie es als strategische Veränderung betrachten, wie Kund:innen auf Wissen zugreifen – nicht nur als weiteres Widget auf Ihrer Website. Mit der richtigen Wissensarchitektur, klaren Leitplanken und funktionsübergreifender Ausrichtung können Sie wiederkehrendes Ticketvolumen spürbar reduzieren und gleichzeitig das Kundenerlebnis verbessern. Reruption verbindet tiefes Engineering mit einem Co-Preneur-Mindset, um Ihnen zu helfen, diese Fähigkeit zu konzipieren, zu prototypisieren und zu skalieren. Wenn Sie sehen möchten, wie das mit Ihren realen Tickets und FAQs funktionieren könnte, lohnt sich ein fokussiertes Gespräch.
Bauen Sie jetzt ein KI-System mit uns!
Wir bauen einen Proof of Concept für Ihr Problem für 5.000–8.000€. Sie bekommen eine handfeste Demo statt Folien mit Versprechen.
Fallbeispiele aus der Praxis
Von Pharmazeutika bis Technologie: Erfahren Sie, wie Unternehmen ChatGPT erfolgreich einsetzen.
Best Practices
Erfolgreiche Implementierungen folgen bewährten Mustern. Werfen Sie einen Blick auf unsere taktischen Ratschläge für den Einstieg.
ChatGPT nutzen, um Ihr bestehendes Help Center und Ihre FAQs zu auditieren
Bevor Sie einen kundenorientierten Assistenten starten, nutzen Sie ChatGPT als internes Analysetool. Exportieren Sie eine repräsentative Stichprobe von FAQs, Hilfeartikeln und internen Arbeitsanweisungen. Bitten Sie ChatGPT dann systematisch, diese Inhalte zu clustern, zu zusammenzufassen und zu kritisieren. Ziel ist, Ihre Wissensbasis aus Kundensicht in natürlicher Sprache zu sehen – nicht aus der Perspektive Ihrer Menüstruktur.
Beispiel-Prompt für ein Content-Audit:
Sie sind Knowledge Architect im Kundenservice.
Sie erhalten eine Liste mit FAQ- und Help-Center-Artikeln.
Für diese Artikel sollen Sie:
1) Sie in 10–15 kundenorientierte Themenbereiche gruppieren.
2) Doppelte oder sich überschneidende Artikel identifizieren.
3) Lücken hervorheben: Fragen, die Kund:innen stellen könnten, die nicht gut abgedeckt sind.
4) 5 Artikeltitel in mehr dialogorientierte, problembezogene Titel umformulieren.
Hier sind die Artikel:
[EXPORT HIER EINSETZEN]Nutzen Sie das Ergebnis, um Dubletten zu konsolidieren, Artikel in Kundensprache umzubenennen und neue Inhalte zur Schließung von Lücken zu planen. Schon das allein kann Ihre bestehende Suche deutlich wirksamer machen – noch bevor Sie eine KI-Schicht hinzufügen.
Einen Retrieval-augmentierten ChatGPT-Assistenten über Ihrer Wissensbasis aufbauen
Um Halluzinationen zu vermeiden und Antworten richtlinienkonform zu halten, konfigurieren Sie ChatGPT mit Retrieval-augmented Generation (RAG). Praktisch bedeutet dies, dass Sie Ihre verifizierten Hilfeinhalte (FAQs, Wissensdatenbank-Artikel, Richtliniendokumente) in einem Vektor-Index speichern und ChatGPT ausschließlich auf Basis dieser Inhalte antworten lassen.
Beispiel-System-Prompt für einen RAG-basierten Assistenten:
Sie sind ein Kundenservice-Assistent für [Unternehmensname].
Beantworten Sie Fragen ausschließlich auf Basis der Informationen in den bereitgestellten, gefundenen Dokumenten.
Wenn die Antwort nicht eindeutig in den Dokumenten enthalten ist, sagen Sie:
„Ich habe auf Basis unserer aktuellen Hilfeinhalte keine verlässliche Antwort. Ich verbinde Sie mit unserem Support-Team.“
Tun Sie immer Folgendes:
- Zitieren Sie den relevanten Artikeltitel.
- Geben Sie eine kurze, Schritt-für-Schritt-Antwort.
- Verlinken Sie die vollständige Artikel-URL.
Technisch erfordert dies: (1) Extraktion und Bereinigung Ihrer Inhalte, (2) Erstellung von Embeddings mit einem Vektormodell, (3) Aufbau einer Retrieval-Schicht vor ChatGPT und (4) Integration des Assistenten in Ihre Web- oder In-App-Erlebnisse. Reruption validiert diesen Ansatz typischerweise in einem PoC, bevor er vollständig ausgerollt wird.
Historische Tickets in bessere Self-Service-Inhalte verwandeln
Ihre vergangenen Tickets sind die beste Quelle für reale Kundensprache und Edge Cases. Nutzen Sie ChatGPT, um daraus Muster zu extrahieren und anschließend Self-Service-Inhalte zu erstellen, die tatsächlich widerspiegeln, wie Menschen Fragen stellen. Starten Sie, indem Sie ein paar tausend gelöste Tickets exportieren (inklusive Kategorie und Lösungsnotizen) und ChatGPT um Vorschläge für Artikelstrukturen bitten.
Beispiel-Prompt, um aus Tickets Self-Service-Themen abzuleiten:
Sie analysieren historische Support-Tickets.
Ziel: Self-Service-Hilfethemen und Artikelentwürfe vorschlagen.
Für die untenstehenden Tickets sollen Sie:
1) Sie in 15–20 wiederkehrende Problemtypen gruppieren.
2) Für jeden Typ eine FAQ-Frage in Kundensprache vorschlagen.
3) Einen Hilfeartikel skizzieren mit:
- Titel
- Kurzer Zusammenfassung
- Schritt-für-Schritt-Lösung
- Hinweisen/Einschränkungen
Hier sind die Tickets:
[ANONYMISIERTE TICKETS EINFÜGEN]Darauf aufbauend können Sie entweder von ChatGPT vollständige Artikelentwürfe erstellen lassen (von Agent:innen geprüft) oder kurze, dialogorientierte Textbausteine generieren, die Ihr ChatGPT-Widget direkt in Gesprächen wiederverwenden kann.
ChatGPT als geführte Eingangstür vor der Ticketerstellung einbetten
Um Support-Deflektion zu maximieren, verstecken Sie Ihren KI-Assistenten nicht tief im Help Center. Platzieren Sie ein ChatGPT-basiertes Widget direkt an zentralen Einstiegspunkten: auf der „Kontakt“-Seite, an In-App-Hilfesymbolen und auf stark frequentierten FAQ-Seiten. Gestalten Sie den Ablauf so, dass der Assistent immer zuerst versucht, zu lösen oder zu Inhalten zu routen, bevor das Ticketformular angezeigt wird.
Beispiel-Konfiguration für einen Gesprächsablauf:
1) Nutzer:in öffnet „Support kontaktieren“.
2) Widget fragt: „Beschreiben Sie bitte kurz, wobei Sie Unterstützung benötigen.“
3) ChatGPT klassifiziert die Intention und ruft 1–3 relevante Artikel ab.
4) Widget antwortet mit:
- Kurzer Antwort auf Basis des Artikelinhalts
- Sichtbaren Links: „Vollständigen Artikel öffnen“ und „Das hat nicht geholfen, Support kontaktieren“.
5) Wenn Nutzer:in „Support kontaktieren“ wählt:
- Ticketformular mit Gesprächsverlauf und erkannter Kategorie vorbefüllen.
Messen Sie, wie viele Nutzer:innen ihre Anliegen in Schritt 4 lösen versus eskalieren. Optimieren Sie im Zeitverlauf Prompts und Artikelauswahl, um Containment zu erhöhen, ohne dass eine Eskalation als blockiert empfunden wird.
Wissen direkt in der Ticketansicht für Agent:innen vorschlagen
Selbst wenn Ihr anfänglicher Fokus auf externer Deflektion liegt, nutzen Sie ChatGPT als Assistenz für Agent:innen, um Bearbeitungszeiten zu verkürzen und die Nutzung interner Inhalte zu verbessern. Integrieren Sie ChatGPT in Ihr Ticketsystem, sodass beim Öffnen eines Tickets sofort relevante Artikel und ein Antwortentwurf vorgeschlagen werden.
Beispiel-Prompt für Agent:innen-Assistenz:
Sie sind ein interner Support-Copilot.
Sie erhalten:
- Das Kundenticket (Betreff + Nachrichtentext)
- Eine Auswahl potenziell relevanter Wissensartikel (Titel + Inhalt + URL)
Aufgaben:
1) Listen Sie die 3 relevantesten Artikel mit je einer einzeiligen Begründung auf.
2) Entwerfen Sie eine Antwort-E-Mail in unserer Tonalität, die:
- Die spezifische Situation der Kund:in adressiert
- 1–2 Artikel mit Links referenziert
- Die nächsten Schritte klar erläutert.
Hier ist das Ticket:
[Ticket-Text]
Hier sind die Artikel:
[Artikelliste]Agent:innen behalten die Kontrolle, aber wiederkehrende Tickets gehen von Minuten auf Sekunden Bearbeitungszeit zurück. Gleichzeitig sehen Sie, welche Artikel über- oder untergenutzt werden – ein wichtiger Input für Ihre Content-Strategie.
Alles instrumentieren: Deflektion, CSAT und Suchfehler tracken
Um beurteilen zu können, ob Ihr ChatGPT-basierter Self-Service funktioniert, benötigen Sie robuste Messung. Tracken Sie mindestens: (1) wie viele Sitzungen mit dem KI-Assistenten starten, (2) wie viele ohne Ticket enden (Deflektionsrate), (3) CSAT oder Daumen hoch/runter für KI-Antworten und (4) Suchfehler, bei denen der Assistent keine relevanten Inhalte findet.
Wichtige Kennzahlen und Zielwerte:
- Startquote von KI-Sessions (Ziel: >40 % der Help-Center-Besucher:innen)
- Containment-/Deflektionsrate (Ziel im Piloten: 20–30 % der geeigneten Themen)
- CSAT für durch KI gelöste Sitzungen vs. menschlich gelöste
- Wichtigste ungelöste Intentionen (Basis für neue Inhalte)
- Veränderung der durchschnittlichen Bearbeitungszeit bei repetitiven TicketsImplementieren Sie ein schlankes Logging von Prompts, abgerufenen Artikeln und Nutzerfeedback, um Prompts und Inhalte kontinuierlich zu verbessern. Im Zeitraum von 3–6 Monaten ist es realistisch, bei den repetitivsten Kategorien 20–40 % Deflektion zu erreichen – bei stabiler oder besserer Kundenzufriedenheit.
Erwartete Ergebnisse, wenn diese Praktiken kombiniert umgesetzt werden: eine spürbare Reduktion des wiederkehrenden Ticketvolumens (häufig 20–30 % bei gezielten Problemtypen), schnellere Bearbeitungszeiten für verbleibende Tickets, höhere Auffindbarkeit bestehender Hilfeinhalte und ein konsistenteres Supporterlebnis über alle Kanäle hinweg.
Bauen Sie jetzt ein KI-System mit uns!
Wir bauen einen Proof of Concept für Ihr Problem für 5.000–8.000€. Sie bekommen eine handfeste Demo statt Folien mit Versprechen.
Häufig gestellte Fragen
ChatGPT kann Ihre bestehenden FAQs, Hilfeartikel und internen Dokumente in natürlicher Sprache lesen und verstehen. Statt sich auf exakte Keyword-Matches zu verlassen, interpretiert es, was die Kund:in wirklich fragt, und ruft die relevantesten Inhalte dazu ab.
Praktisch können Sie ChatGPT auf zwei Arten nutzen: intern, um Ihre Wissensbasis zu auditieren und neu zu strukturieren, und extern, als KI-Assistent, der vor Ihrem Help Center sitzt und bestehenden Artikelbestand in dialogorientierter Form vorschlägt, bevor ein Ticket erstellt wird.
Typischerweise brauchen Sie drei Kompetenzen: (1) Customer-Service-Leadership, um festzulegen, welche Ticketarten deflektiert werden sollen, (2) jemanden mit technischen Fähigkeiten (interne IT oder einen Partner wie Reruption), um ChatGPT mit Ihrer Wissensbasis und Ihrem Ticketsystem zu integrieren, und (3) Content Owner, die Hilfeartikel prüfen und pflegen.
Sie benötigen kein großes Data-Science-Team. Der Großteil der Arbeit besteht aus Konfiguration, Prompt-Design, Datenaufbereitung und Workflow-Gestaltung. Häufig starten wir mit einem kleinen, gemeinsamen Team von 3–5 Personen aus Support, IT und Produkt, um einen ersten Prototyp live zu bringen.
Wenn Ihr Help Center und Ihre Ticketdaten zugänglich sind, kann ein fokussiertes Team innerhalb von 4–8 Wochen einen ChatGPT-basierten Self-Service-Piloten live bringen. Im ersten Monat nach dem Launch sammeln Sie in der Regel genug Interaktionsdaten, um Prompts, Inhalte und Flows zu verfeinern.
Signifikante, messbare Effekte auf Deflektionsraten und Bearbeitungszeit entstehen meist innerhalb von 2–3 Monaten iterativer Verbesserung. Ein vollständiger Rollout über alle wichtigen Kontaktgründe hinweg ist eher eine Reise von 6–12 Monaten – abhängig von Ihrer Komplexität und der Geschwindigkeit Ihres Change Managements.
Der ROI ergibt sich aus drei Hebeln: (1) weniger wiederkehrende Tickets, die bei Agent:innen landen, (2) kürzere Bearbeitungszeiten für verbleibende Tickets durch bessere Vorschläge und (3) höhere Kundenzufriedenheit dank schnellerer Antworten. Für viele Organisationen reicht bereits eine Reduktion wiederkehrender Kontakte um 15–20 % in wenigen volumenstarken Kategorien, um die Kosten der Lösung zu decken.
Da ChatGPT verbrauchsabhängig abgerechnet wird, sind Infrastrukturkosten relativ gut kalkulierbar. Die Hauptinvestitionen liegen in Integration und Change Management. Ein einfacher Business Case vergleicht die heutigen Kosten pro Ticket und das Volumen in Zielkategorien mit einem konservativen Deflektionsszenario und Produktivitätsgewinnen bei Agent:innen.
Reruption arbeitet als Co-Preneur eingebettet in Ihrer Organisation. Wir helfen Ihnen, von der Idee zu einem funktionierenden KI-Self-Service-Prototypen zu kommen – in kurzer Zeit. Unser KI-PoC-Angebot (9.900 €) ist darauf ausgelegt, die Kernfrage zu beantworten: Deflektiert ChatGPT Ihr reales Supportvolumen zuverlässig – basierend auf Ihren echten FAQs und Tickets?
Im PoC definieren wir den Use Case, wählen die passende Architektur (z. B. Retrieval-augmentiertes ChatGPT über Ihrer Wissensbasis), bauen einen funktionierenden Prototypen und messen die Performance in Bezug auf Geschwindigkeit, Qualität und Kosten. Anschließend unterstützen wir Sie dabei, dies in den produktiven Betrieb zu überführen, Ihre Ticketsysteme anzubinden und Ihr Team zu befähigen, die Lösung im Zeitverlauf zu betreiben und weiterzuentwickeln – nicht mit Foliensätzen, sondern indem wir gemeinsam ausliefern und iterieren.
Kontaktieren Sie uns!
Direkt Kontaktieren
Philipp M. W. Hoffmann
Founder & Partner
Adresse
Reruption GmbH
Falkertstraße 2
70176 Stuttgart
Kontakt
Telefon