Langsame Aktualisierung von Sales Forecasts mit ChatGPT-gestützter Automatisierung beheben
Sales-Leader können ein Quartal nicht mit der Tabelle von letzter Woche steuern. Langsame, manuelle Aktualisierungen der Forecasts führen dazu, dass Sie zu spät auf Pipeline-Lücken reagieren und Budget, Headcount und Rabatte falsch zuordnen. Dieser Leitfaden zeigt, wie Sie ChatGPT – verbunden mit Ihrem CRM und Ihrem Data Stack – nutzen, um von statischen wöchentlichen Roll-ups zu nahezu Echtzeit-Forecasts mit begleitender Narrative zu kommen, auf deren Basis Ihr Team tatsächlich handeln kann.
Inhalt
Die Herausforderung: Langsame Zyklen bei der Forecast-Aktualisierung
Die meisten Vertriebsorganisationen managen ihre Sales Forecasts immer noch mit einem Flickenteppich aus CRM-Reports, Excel-Tabellen und endlosen Pipeline-Calls. Forecasts werden wöchentlich oder sogar monatlich aggregiert und dann als statische Tabellen oder Foliensätze geteilt. Wenn Führungskräfte ein Update erhalten, haben mehrere Opportunities bereits die Phase gewechselt, sich verzögert oder sind gewonnen/verloren – und der Forecast ist schon wieder veraltet.
Traditionelle Ansätze stützen sich stark auf manuelle Roll-ups: Vertriebsteams aktualisieren Abschlussdaten und Wahrscheinlichkeiten per Hand, Manager hinterfragen die Zahlen in 1:1-Meetings, Operations-Teams konsolidieren alles in einer Master-Datei. Dieser Prozess ist langsam, fehleranfällig und verzerrt. Er kann mit dynamischen Kaufprozessen, komplexen Deal-Strukturen und Multi-Channel-Interaktionen, die über CRM, E-Mail- und Call-Tools erfasst werden, nicht Schritt halten. Selbst bei bestem Willen schauen Teams immer nur in den Rückspiegel.
Die Auswirkungen sind erheblich. Führungskräften fehlt die Echtzeit-Transparenz über Pipeline-Risiken, sie erkennen Lücken zu spät und tun sich schwer, Kampagnen, Preise oder Headcount mitten im Quartal anzupassen. Zu optimistische Forecasts führen zu verfehlten Umsatzzielen und Glaubwürdigkeitsproblemen im Vorstand; zu konservative Zahlen verursachen Unterinvestitionen in Wachstum. Sales Operations vergeuden jede Woche Stunden mit Datenabgleichen statt mit Prozessverbesserungen. Wettbewerber, die Risiken früher erkennen und Ressourcen schneller umschichten können, erarbeiten sich einen strukturellen Vorteil.
Die gute Nachricht: Dieses Problem lässt sich lösen. Mit dem richtigen Setup kann KI kontinuierlich CRM-Daten analysieren, Veränderungen erkennen und aktualisierte Sales-Forecast-Narrative on demand generieren. Bei Reruption sehen wir, wie KI-gestützte Tools die Zeitspanne von der Pipeline-Änderung bis zur Management-Insight drastisch verkürzen. Im weiteren Verlauf dieser Seite finden Sie praxisnahe Hinweise, wie Sie ChatGPT nutzen können, um aus langsamen Forecast-Zyklen auszubrechen – und was es braucht, um dies in einer realen Vertriebsorganisation zum Laufen zu bringen.
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 Reruption’s Arbeit beim Aufbau KI-gestützter interner Tools und Automatisierungen wissen wir: ChatGPT für Sales Forecasting einzusetzen bedeutet nicht, Ihre Forecasting-Logik zu ersetzen – es geht darum, Ihre Daten und Ihren Kontext so zu orchestrieren, dass Führungskräfte in Minuten statt Tagen ein präzises, aktualisiertes Bild erhalten. Über APIs mit Ihrem CRM und Data Warehouse verbunden, wird ChatGPT zu einer Natural-Language-Schicht über Ihrer Pipeline: Es kann Veränderungen zusammenfassen, Anomalien markieren und Szenarioanalysen on demand generieren – ohne Ihrem Vertriebsteam zusätzliche manuelle Arbeit aufzubürden.
Behandeln Sie ChatGPT als Narrative-Schicht über Ihrem Forecast-Modell
Die erste strategische Denkweise ist, ChatGPT als Narrative- und Reasoning-Schicht zu sehen – nicht als Black-Box-Forecasting-Engine. Ihre Kernumsatzprognosen sollten weiterhin aus strukturierten Modellen in Ihrem BI- oder Data-Stack stammen (z. B. gewichtete Pipeline, ML-Modelle oder regelbasierte Logik). ChatGPT interpretiert diese Outputs, erklärt Änderungen und macht sie für Sales-Leader konsumierbar.
Diese Trennung der Verantwortlichkeiten hilft bei Governance und Vertrauen. Finance und Revenue Operations kontrollieren Formeln und Annahmen im Unterbau, während ChatGPT die flexible Oberfläche bereitstellt: Es beantwortet Fragen wie „Was hat sich diese Woche in unserem Q3-Forecast verändert?“ oder „Welche Enterprise-Deals haben den größten Upside geschaffen?“. Dieser Ansatz vereinfacht auch Compliance, da Sie kommerzielle Entscheidungen nicht vollständig einem generativen Modell überlassen.
Auf kontinuierliche Insights statt nur schnellere Roll-ups hin konzipieren
Nur Ihre wöchentlichen Roll-ups zu beschleunigen, verfehlt die eigentliche Chance. Das strategische Ziel ist der Wechsel von statischem Reporting zu kontinuierlichen Forecast-Insights. Das bedeutet, ein Operating Model zu entwerfen, in dem Schlüsselpersonen jederzeit eine frische Analyse anstoßen können und in dem wesentliche Pipeline-Änderungen proaktive Updates auslösen, ohne dass man auf das nächste Forecast-Meeting warten muss.
In der Praxis könnte dies wie ein ChatGPT-gestützter Assistent in Slack oder Microsoft Teams aussehen, der auf Prompts wie „aktualisiere den Forecast dieser Woche“ oder „zeige mir Deals, die von diesem Quartal ins nächste gerutscht sind“ reagiert. So kann die Führung mit Zuversicht Entscheidungen mitten im Quartal treffen, statt sich auf Wochenend-Snapshots zu verlassen.
Ihre Datenbasis vorbereiten, bevor Sie Automatisierung skalieren
Selbst das fortschrittlichste Setup für KI-gestütztes Sales Forecasting wird scheitern, wenn Ihre CRM-Daten inkonsistent, unvollständig oder durch subjektive Feldnutzung geprägt sind. Bevor Sie ChatGPT-Assistenten für die gesamte Vertriebsorganisation ausrollen, investieren Sie in die Bereinigung der Kernobjekte (Accounts, Opportunities, Produkte), die Standardisierung von Stufen und die Klarstellung der Definitionen für Abschlussdatum, Forecast-Kategorie und Wahrscheinlichkeit.
Strategisch ist dies ein Change-Management-Thema. Definieren Sie, was „gute Datenhygiene“ für jede Rolle bedeutet, stimmen Sie regionale Führungskräfte ab und führen Sie minimale, aber durchsetzbare Standards ein. ChatGPT verstärkt die Qualität der Daten, die Sie einspeisen – je besser also Ihre Basis, desto genauer und vertrauenswürdiger werden Ihre KI-generierten Forecasts und Narrative sein.
Stakeholder zu Ownership, Kontrollen und Entscheidungsrechten ausrichten
Die Einführung von KI-unterstütztem Forecasting betrifft Vertrieb, Finanzen und IT. Um Widerstände zu vermeiden, klären Sie früh, wer welchen Teil des Systems verantwortet. Revenue Operations könnten das Datenmodell und die Metriken verantworten, IT- oder Datenteams kümmern sich um Infrastruktur und Berechtigungen, während die Vertriebsleitung definiert, wie KI-Insights in Forecast-Calls und Planung einfließen.
Etablieren Sie klare Leitplanken: Beispielsweise kann ChatGPT auf Basis historischer Muster neue Abschlussdaten vorschlagen, aber nur Manager oder Reps dürfen diese im CRM verbindlich setzen. Dokumentieren Sie diese Entscheidungsrechte, damit der KI-Assistent als vertrauenswürdiger Co-Pilot wahrgenommen wird – nicht als unkontrollierte Black Box. Diese Abstimmung ist entscheidend für Akzeptanz und langfristige Verlässlichkeit.
Mit einem High-Value-Pilot starten und in kurzen Zyklen iterieren
Aus strategischer Sicht müssen Sie nicht am ersten Tag den gesamten Forecasting-Prozess automatisieren. Starten Sie mit einem eng abgegrenzten Pilot, in dem langsame Forecast-Zyklen besonders schmerzhaft sind – zum Beispiel eine Region oder Ihr Enterprise-Segment – und konzentrieren Sie sich auf einen spezifischen Workflow wie die wöchentliche Pipeline-Narrative.
Führen Sie den Pilot über ein oder zwei Forecast-Zyklen durch, sammeln Sie Feedback und verfeinern Sie Prompts, Datenfilter und Alarm-Schwellen. Reruption’s Co-Preneur-Ansatz basiert auf diesen schnellen, iterativen Schleifen: Eine funktionierende Version ausliefern, beobachten, wie echte Nutzer damit arbeiten, und so lange anpassen, bis der Assistent zur tatsächlichen Arbeitsweise des Teams passt. Erst dann skalieren Sie auf weitere Teams und Use Cases.
Richtig eingesetzt kann ChatGPT langsame, manuelle Sales-Forecast-Updates in eine On-Demand-, konversationale Fähigkeit verwandeln, die Führungskräfte eng mit der Realität verzahnt. Entscheidend ist die Kombination aus solider Forecasting-Logik und einem gut designten KI-Assistenten, der Ihre Daten, Ihren Vertriebsprozess und Ihre Entscheidungsrhythmen versteht. Wenn Sie von statischen Tabellen zu Echtzeit-, erklärbaren Forecasts wechseln wollen, kann Reruption Ihnen helfen, dieses Setup zu konzipieren, zu prototypisieren und zu operationalisieren – vom ersten PoC bis zu einem robusten, sicheren Deployment, das Ihre Teams tatsächlich nutzen.
Hilfe bei der Umsetzung dieser Ideen?
Nehmen Sie gerne unverbindlich Kontakt zu uns auf.
Fallbeispiele aus der Praxis
Von Gesundheitswesen bis Nachrichtenmedien: 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.
Verbinden Sie ChatGPT über eine kontrollierte API-Schicht mit Ihrem CRM und Data Warehouse
Die taktische Grundlage ist eine robuste Integration zwischen ChatGPT, Ihrem CRM (z. B. Salesforce, HubSpot, Dynamics) und Ihrem Data Warehouse oder BI-Layer. Anstatt ChatGPT direkt auf Rohsysteme zugreifen zu lassen, bauen Sie eine dünne API-Schicht oder einen Service, der nur die Daten und Kennzahlen bereitstellt, die der Assistent wirklich nutzen soll: Opportunity-Listen, Pipeline nach Stufe, historische Conversion Rates und aktuelle Forecast-Versionen.
Implementieren Sie für erste Piloten Read-only-Zugriff und definieren Sie eine Teilmenge an Feldern, die sicher und notwendig sind. Das reduziert Sicherheitsrisiken, vereinfacht das Prompt-Design und sorgt für konsistente Ergebnisse. Ein typischer Workflow: Der Assistent erhält einen Prompt eines Nutzers, das Backend ruft relevante Daten ab (z. B. alle Opportunities, die in den letzten 7 Tagen aktualisiert wurden), erstellt ein strukturiertes JSON-Payload und übergibt dieses an ChatGPT zur Analyse und Narrativ-Erstellung.
Standard-Prompts für wöchentliche Forecast-Narrative definieren
Um langsame Roll-ups zu ersetzen, erstellen Sie ein wiederverwendbares Prompt-Template, das eine klare, „executive-ready“ Forecast-Zusammenfassung generiert. Dieses kann nach Zeitplan (z. B. jeden Montagmorgen) laufen oder on demand ausgelöst werden. Fügen Sie Anweisungen zu Struktur, Tonalität und den zu betonenden Daten hinzu (Veränderungen vs. letzte Woche, Upside, Risiken, gerutschte Deals).
Beispiel für einen System-Prompt:
Sie sind ein Revenue-Operations-Assistent für unser B2B-Vertriebsteam.
Sie erhalten strukturierte CRM- und Forecast-Daten als JSON.
Ziele:
- Fassen Sie den Forecast dieser Woche nach Segment, Region und Produktlinie zusammen.
- Heben Sie Änderungen gegenüber dem Forecast der letzten Woche hervor (in absoluten und %-Werten).
- Listen Sie die Top-10-Deals auf, die den größten Upside bringen, und die Top-10-Deals mit Risiko.
- Schlagen Sie vor, worauf Manager in ihren nächsten 1:1s den Fokus legen sollten.
Vorgaben:
- Halten Sie die Hauptzusammenfassung unter 400 Wörtern.
- Nutzen Sie klare Überschriften und Aufzählungspunkte.
- Erfinden Sie KEINE Zahlen, die nicht in den Daten enthalten sind.
Erwartetes Ergebnis: ein konsistentes wöchentliches Forecast-Narrativ, das in Sekunden in eine E-Mail, einen Slack-Channel oder eine Management-Präsentation übernommen werden kann und die manuelle Vorbereitungszeit um 60–80 % reduziert.
Einen On-Demand-Assistenten „Aktualisiere den Forecast dieser Woche“ aufbauen
Über geplante Reports hinaus sollten Sie Führungskräften eine einfache Oberfläche geben, um bei Bedarf frische Insights anzufordern. Dies könnte ein Slack-Bot, eine Teams-App oder ein internes Web-Tool sein, in dem Nutzer Prompts wie „aktualisiere den Forecast dieser Woche für DACH SMB“ oder „zeige Q4-Pipeline-Lücken vs. Ziel“ eingeben. Das Backend übersetzt die Anfrage in Datenabfragen und übergibt das Ergebnis an ChatGPT.
Beispiel für einen User-Prompt an den Assistenten:
Aktualisiere den Forecast dieser Woche für das Enterprise-Segment in EMEA.
Fokussiere auf:
- Deals über 100.000 € mit Abschluss in diesem Quartal
- Deals, bei denen sich Phase oder Abschlussdatum in den letzten 5 Tagen geändert haben
- Lücken vs. Ziel nach Land
Liefere:
- Eine kurze schriftliche Zusammenfassung
- Eine Aufzählungsliste mit 5 konkreten Follow-up-Aktionen für die Sales Manager.
Erwartetes Ergebnis: Führungskräfte wechseln von der Wartehaltung auf den nächsten geplanten Report zu interaktivem, nahezu Echtzeit-Sales-Forecasting und können schneller Entscheidungen zu Kampagnen, Rabattfreigaben und Ressourcenumverteilung treffen.
ChatGPT nutzen, um riskante Opportunities und gerutschte Umsätze zu markieren
Richten Sie einen Workflow ein, in dem Ihr Datendienst Opportunities vorfiltert, die bestimmten „Risikomustern“ entsprechen (z. B. mehrfach verschobenes Abschlussdatum, geringe Aktivität in den letzten 14 Tagen, ungewöhnliche Rabattierung), und diese an ChatGPT für priorisierte, verständliche Zusammenfassungen sendet. So können Manager Pipeline-Reviews dort fokussieren, wo sie am meisten bewirken.
System- + User-Prompt-Muster:
Sie sind ein KI-Assistent für Sales Manager.
Sie erhalten eine Liste von Opportunities, die bestimmten Risikokriterien entsprechen.
Erklären Sie für jede Opportunity kurz:
- Warum sie als riskant eingestuft wurde (auf Basis der Eingangsdaten)
- Wie wahrscheinlich es ist, dass sie aus dem Quartal rutscht (niedrig/mittel/hoch)
- 1–2 empfohlene nächste Schritte für den Account Owner.
Geben Sie anschließend eine Gesamtzusammenfassung:
- Gesamtvolumen des in diesem Quartal gefährdeten Umsatzes
- Top-5-Deals, bei denen Intervention am meisten Umsatz retten könnte.
Erwartetes Ergebnis: Anstelle generischer Pipeline-Ansichten erhalten Manager eine fokussierte Liste risikobehafteter Deals mit Begründungen und Handlungsempfehlungen, was die Recovery-Quoten verbessert und die Forecast-Genauigkeit erhöht.
Prompts für Szenarioplanung bei Kapazitäts- und Budgetentscheidungen standardisieren
Sobald die Grundlagen funktionieren, nutzen Sie ChatGPT für schnelle Szenarioanalysen: „Was passiert mit unserem Quartals-Forecast, wenn wir die Win Rates im Enterprise-Segment um 10 % senken?“ oder „Wie viele zusätzliche SDRs bräuchten wir, um die aktuelle Lücke im SMB-Segment zu schließen?“. Bereiten Sie Prompt-Templates vor, die Ihren aktuellen Forecast mit konfigurierbaren Hebeln (Win Rates, Dealgröße, Ramp-Up-Zeiten) kombinieren, und lassen Sie ChatGPT die Ergebnisse in klare Empfehlungen übersetzen.
Beispiel für einen Szenario-Prompt:
Sie erhalten:
- Aktuellen Quartals-Forecast nach Segment
- Historische Win Rates und Sales-Cycle-Zeiten
- Ziel für das laufende Quartal
Aufgabe:
1) Modellieren Sie ein konservatives Szenario, in dem die Win Rates im Enterprise-Segment um 10 % sinken.
2) Schätzen Sie die daraus entstehende Umsatzlücke zum Ziel.
3) Schlagen Sie mindestens 3 Hebel vor, um die Lücke zu schließen (z. B. mehr Pipeline, Preisanpassungen, zusätzliches Headcount)
mit grober quantitativer Wirkung auf Basis der Daten.
4) Präsentieren Sie die Ergebnisse in einer kurzen Narrative plus Aufzählungsliste.Erwartetes Ergebnis: Die Führung erhält schnell grobe Forecast-Szenarien, ohne auf ein vollständiges BI-Projekt warten zu müssen, und kann agiler über Budget, Hiring und Kampagnen entscheiden.
Den Kreis schließen: Forecasts mit Ist-Werten vergleichen und Prompts verfeinern
Um Ihr KI-unterstütztes Sales Forecasting kontinuierlich zu verbessern, bauen Sie einen Feedback-Loop auf, der ChatGPT-generierte Narrative und Risiko-Markierungen mit den tatsächlichen Ergebnissen vergleicht. Nach jedem Quartal speisen Sie anonymisierte Zusammenfassungen von Forecast vs. Ist-Performance in einen Review-Prozess zurück und passen Prompts und Filter entsprechend an.
Wenn zum Beispiel viele als „mittleres Risiko“ markierte Deals regelmäßig rutschen, verschärfen Sie die Risikokriterien oder instruieren Sie ChatGPT, in bestimmten Segmenten oder bei bestimmten Produkten konservativer zu sein. Mit der Zeit reduziert diese iterative Feinjustierung die Lücke zwischen prognostiziertem und realisiertem Umsatz und erhöht das Vertrauen in das System.
Schrittweise umgesetzt sehen Unternehmen typischerweise: 50–80 % weniger manuelle Zeit für die Forecast-Vorbereitung, schnellere Identifikation gefährdeter Umsätze und eine messbare Verbesserung der Forecast-Genauigkeit innerhalb von 1–2 Quartalen – nicht weil ChatGPT magisch wäre, sondern weil es Ihre bestehenden Daten und Ihre Logik deutlich besser nutzbar macht.
Brauchen Sie jetzt Umsetzungskompetenz?
Lassen Sie uns über Ihre Ideen sprechen!
Häufig gestellte Fragen
ChatGPT beschleunigt Sales-Forecast-Updates, indem es als Natural-Language-Schnittstelle oberhalb Ihres CRM und Data Warehouse agiert. Statt Reports manuell zu exportieren und Tabellen zu aktualisieren, starten Sie einen Assistenten, der die neuesten Opportunity-Daten zieht, Ihre bestehenden Forecasting-Regeln oder -Modelle anwendet und in Minuten einen aktuellen, erklärenden Forecast erstellt.
In der Praxis bedeutet das, dass Ihr Team Prompts wie „aktualisiere den Forecast dieser Woche“ oder „zeige Änderungen gegenüber letzter Woche nach Region“ nutzen kann und sofort Antworten erhält – statt auf das nächste geplante Roll-up der Sales Operations zu warten.
Sie benötigen im Wesentlichen drei Fähigkeiten: Datenzugriff, Integrations-Engineering und Verständnis der Vertriebsprozesse. Ein kleines technisches Team (intern oder extern) sollte in der Lage sein:
- Relevante CRM- und Forecast-Daten über sichere APIs oder Ihr Data Warehouse bereitzustellen
- Einen einfachen Backend-Service zu bauen, der Datenabfragen und Aufrufe an ChatGPT orchestriert
- Prompt-Templates gemeinsam mit Vertriebsleitung und Revenue Operations zu entwerfen und iterativ zu verbessern
Sie benötigen kein großes Data-Science-Team für den Start. Viele Organisationen können einen ersten Pilot mit 1–2 Engineers und einer Sales-Ops-Verantwortlichen innerhalb weniger Wochen aufsetzen.
Für einen fokussierten Use Case wie die Ablösung manueller wöchentlicher Forecast-Narrative kann ein klar abgegrenzter Pilot in der Regel innerhalb von 4–6 Wochen konzipiert, gebaut und getestet werden – vorausgesetzt, der Datenzugriff steht. Im ersten Quartal sehen Sie vor allem Zeiteinsparungen und bessere Transparenz; in den folgenden Quartalen sollten Sie – mit verfeinerten Prompts und Filtern – Verbesserungen bei der Forecast-Genauigkeit und eine frühere Erkennung risikobehafteter Deals beobachten.
Wichtig ist, klein anzufangen (ein Segment oder eine Region, ein oder zwei Kern-Workflows), dies 1–2 Zyklen parallel zu Ihrem bestehenden Prozess laufen zu lassen und dann schrittweise mehr Ihrer Forecast-Kommunikation in den KI-unterstützten Flow zu verlagern.
Die Kosten setzen sich aus drei Komponenten zusammen: Engineering- und Integrationsaufwand, Nutzungsgebühren für ChatGPT und Change Management. Die Engineering-Kosten hängen von Ihrer bestehenden Dateninfrastruktur ab, liegen für einen fokussierten Pilot jedoch in der Regel deutlich unter dem Aufwand für ein komplett eigenes Forecasting-System. Die Nutzungskosten für ChatGPT sind für textbasierte Zusammenfassungen und Analysen typischerweise moderat – selbst im Enterprise-Maßstab.
Der ROI entsteht durch reduzierten manuellen Aufwand (eingesparte Stunden pro Woche bei Sales Ops, Managern und Reps), bessere Nutzung von Headcount und Kampagnenbudgets dank genauerer und zeitnaherer Sales Forecasts und höhere Rückgewinnung gefährdeter Umsätze. Viele Organisationen können die Investition rechtfertigen, wenn das neue Setup schon einen kleinen Teil der üblichen „Quarter-Ende-Überraschungen“ verhindert.
Reruption unterstützt Sie End-to-End – von der Definition des passenden KI-Forecasting-Use-Cases bis zur Auslieferung eines funktionierenden internen Tools. Mit unserem KI-PoC für 9.900 € validieren wir die technische Machbarkeit für Ihr spezifisches CRM und Ihren Data Stack, entwerfen Prompts und Workflows und liefern einen funktionierenden Prototypen, der ChatGPT mit Ihren Pipeline-Daten verbindet.
Über den PoC hinaus bedeutet unser Co-Preneur-Ansatz, dass wir in Ihrer Organisation wie ein Co-Founder-Team arbeiten: Wir übernehmen das Engineering, integrieren in Ihre bestehenden Systeme, adressieren Security und Compliance und iterieren gemeinsam mit Ihrer Vertriebsleitung, bis der Assistent tatsächlich in Forecast-Calls und der Planung genutzt wird. Ziel ist kein Foliensatz, sondern ein reales KI-Produkt, das Ihre langsamen, manuellen Forecast-Update-Zyklen ablöst.
Kontaktieren Sie uns!
Direkt Kontaktieren
Philipp M. W. Hoffmann
Founder & Partner
Adresse
Reruption GmbH
Falkertstraße 2
70176 Stuttgart
Kontakt
Telefon