Warum braucht die Industrieautomation und Robotik in Hamburg ein praxisorientiertes KI-Enablement?
Innovatoren dieser Unternehmen vertrauen uns
Lokale Herausforderung
Hamburger Industrieunternehmen stehen an der Schnittstelle von traditioneller Automatisierung und neuer, datengetriebener Robotik. Viele Teams wissen, welche Möglichkeiten KI bietet, aber ihnen fehlt die praktische Methodik, um sichere Modelle in der Produktion zu betreiben und gleichzeitig regulatorische Anforderungen zu erfüllen.
Ohne gezieltes Enablement entstehen tote Projekte, latent gefährliche Deployments und ein langer Weg von Proof-of-Concept zu produktivem Einsatz. Genau hier setzen unsere Trainingsmodule an.
Warum wir die lokale Expertise haben
Reruption hat seinen Sitz in Stuttgart, wir reisen regelmäßig nach Hamburg und arbeiten vor Ort mit Kunden. Wir kennen die Dynamik zwischen Hafenlogistik, Luftfahrtstandorten und maritimen Zulieferern — und wir bringen dieselbe operative Haltung mit, mit der wir Projekte in Baden-Württemberg führen, direkt an den Hamburger Standort.
Unser Co-Preneur-Ansatz bedeutet: Wir treten nicht nur als Trainer auf, sondern arbeiten wie Mitgründer in Ihren Teams. Vor Ort führen wir Executive Workshops, Department Bootcamps und On-the-Job-Coaching durch, damit Lernen nicht abstrakt bleibt, sondern unmittelbar in Ihre Fertigungslinien und Robotik-Workflows einfließt.
Wir kombinieren technische Tiefe mit organisatorischem Umbau: Von Prompting-Frameworks für Engineering Copilots bis zu Playbooks für HR, Finance und Operations — unser Fokus ist die nachhaltige Verankerung von KI-Fähigkeiten in Ihrer Organisation.
Unsere Referenzen
Für Industrie- und Produktionskontexte haben wir mit STIHL mehrere Projekte umgesetzt, darunter Sägentraining, ProTools und Sägensimulatoren — Projekte, die von Kundenforschung über Prototyping bis zur Produkt-Market-Fit-Phase geführt wurden. Diese Arbeit zeigt unsere Erfahrung mit physischer Produktintegration und Trainingslösungen, die direkt mit Arbeitsabläufen verzahnt sind.
Bei Eberspächer haben wir KI-gestützte Rauschminderungs- und Optimierungslösungen in Produktionsumgebungen begleitet, und mit Technologiepartnern wie BOSCH waren wir beim Go-to-Market für neue Display-Technologien involviert. Für Automotive-relevante HR-Automatisierung haben wir einen NLP-basierten Recruiting-Chatbot für Mercedes Benz entwickelt, ein Beispiel dafür, wie KI Kommunikation und interne Prozesse skaliert.
Über Reruption
Reruption wurde mit der Überzeugung gegründet, dass Unternehmen nicht nur auf Disruption reagieren sollten, sondern proaktiv ihre Zukunft gestalten müssen. Unsere Co-Preneur-Mentalität kombiniert Entrepreneurial Ownership mit schneller technischer Umsetzung — wir liefern Prototypen, nicht nur Roadmaps.
Im Bereich KI-Enablement bringen wir ein modular aufgebautes Programm mit: Executive Workshops, Department Bootcamps, AI Builder Tracks, Enterprise Prompting Frameworks und On-the-Job Coaching. Dabei bleibt die Zielsetzung stets dieselbe: Teams so zu befähigen, dass sie nach unserem Einsatz unabhängig, sicher und gesetzeskonform KI-Lösungen betreiben können.
Möchten Sie Ihr Team in Hamburg KI-fähig machen?
Wir reisen regelmäßig nach Hamburg und führen praxisnahe Workshops, Bootcamps und On-the-Job-Coaching durch. Kontaktieren Sie uns für ein unverbindliches Erstgespräch.
Was unsere Kunden sagen
Hans Dohrmann
CEO bei internetstores GmbH 2018-2021
Das ist die systematischste und nachvollziehbarste Go-to-Market Strategie, die ich bezüglich Corporate Startups je gesehen habe.
Kai Blisch
Director Venture Development bei STIHL, 2018-2022
Extrem wertvoll ist dabei Reruptions starker Fokus auf die Nutzer*innen, deren Bedürfnisse und das kritische Hinterfragen von Vorgaben. ... und nicht zuletzt macht die Zusammenarbeit riesige Freude.
Marco Pfeiffer
Head of Business Center Digital & Smart Products bei Festool, 2022-
Reruption evaluierte systematisch ein neues Geschäftsmodell mit uns: besonders beeindruckend fanden wir die Fähigkeit auch komplexe Sachverhalte nachvollziehbar darzustellen.
KI-Enablement für Industrieautomation & Robotik in Hamburg: Ein umfassender Blick
Hamburg ist ein Knotenpunkt für Industrie-Ökosysteme — Hafenlogistik, Luftfahrt, maritime Zulieferer und ein wachsendes Tech- und Mediencluster bilden eine komplexe Landschaft, in der industrielle Automatisierung und Robotik zunehmend datengetrieben werden. KI-Enablement ist in diesem Kontext kein Luxus, sondern Voraussetzung dafür, dass Unternehmen effizient, sicher und compliant arbeiten.
Marktanalyse und strategische Bedeutung
Die Nachfrage nach intelligenten Automatisierungslösungen wächst in Hamburg besonders durch den Bedarf der Logistik- und Hafensektoren, die Flugzeugwartung bei Lufthansa Technik sowie Produktions- und Qualitätsprozesse in Zulieferbetrieben. Entscheidend ist, dass viele dieser Unternehmen legacy-getriebene Prozesse haben, die modernisiert werden müssen, ohne den laufenden Betrieb zu gefährden.
Ein strategischer Blick zeigt: KI kann Kosten senken (Predictive Maintenance, Qualitätskontrolle), Durchsatz erhöhen (optimierte Robotikpfade, kollaborative Roboter) und Compliance verbessern (Dokumentation, Nachvollziehbarkeit). Doch der Wert entsteht nur, wenn Organisationen die Menschen befähigen, mit KI sicher umzugehen und sie operational einzubetten — genau das leistet systematisches Enablement.
Spezifische Use Cases für Industrieautomation & Robotik
In der Praxis sehen wir eine Reihe konkreter Use Cases: Engineering Copilots, die Konstruktionsdaten analysieren und Vorschläge für Robotikpfade machen; Modelle zur Anomalieerkennung in Sensorströmen; automatisierte Bildinspektion für Qualitätsprüfungen; sowie NLP-basierte Assistenzsysteme für Wartungshandbücher und Compliance-Reporting.
Jeder dieser Use Cases verlangt nach spezifischem Enablement: Engineering Copilots benötigen Entwickler, die mit Prompting-Frameworks und Modellabstimmung arbeiten können; Bildinspektion erfordert Datenpipelines und Annotatoren; Compliance-Lösungen fordern enge Zusammenarbeit mit Rechts- und Qualitätsabteilungen.
Implementierungsansatz: Vom Workshop zum produktiven System
Wir empfehlen ein gestuftes Vorgehen. Zuerst Executive Workshops, um Strategie, Governance und Risikotoleranz zu klären. Dann Department Bootcamps, um konkrete Pain Points in HR, Finance, Operations und Engineering zu identifizieren und Playbooks zu entwickeln. Parallel läuft der AI Builder Track, der technische wie nicht-technische Mitarbeitende befähigt, Prototypen zu bauen.
Aufbauend auf Prototypen folgt On-the-Job-Coaching: Wir begleiten reale Implementationen, integrieren Enterprise Prompting Frameworks und schulen DevOps- und MLOps-Praktiken. Ziel ist ein sicherer, reproduzierbarer Weg in die Produktion, nicht einmalige Experimente.
Erfolgsfaktoren und häufige Fallstricke
Erfolgsfaktoren sind klare KPIs, Datenqualität, Governance-Strukturen und ein kontinuierlicher Upskilling-Prozess. Ohne messbare Ziele bleiben Projekte akademisch; ohne Datenpipelines sind Modelle nur Prototypen; ohne Governance entstehen Compliance-Risiken.
Häufige Fallstricke sind die Überschätzung der Datenreife, die Unterschätzung organisatorischer Reibung und die Vernachlässigung von Sicherheitsaspekten in Produktionsumgebungen. Unsere Trainings adressieren diese Punkte konkret: Wir bringen Playbooks, Prüfprozesse und klare Kriterien für Produktionsreife mit.
ROI-Erwartungen und Zeitachsen
Ein praxisorientierter PoC kann innerhalb weniger Wochen verwirklicht werden, das Enablement ganzer Abteilungen dauert in der Regel 3–9 Monate bis zu ersten produktiven Ergebnissen. Der ROI hängt stark vom Anwendungsfall: Predictive Maintenance zeigt oft innerhalb von 6–12 Monaten Einsparungen, Qualitätsinspektion amortisiert sich je nach Fehlerkosten oft noch schneller.
Wichtig ist, dass ROI nicht nur in Kosteneinsparungen gemessen wird, sondern auch in verkürzten Entwicklungszyklen, geringeren Ausfallzeiten und höherer Compliance-Sicherheit. Unsere Enablement-Programme sind darauf ausgelegt, diese Kennzahlen frühzeitig sichtbar zu machen.
Teamanforderungen und organisatorische Einbindung
Ein erfolgreiches KI-Enablement benötigt einen Mix aus Engineering-Talenten, Domänenexpertinnen, Data Engineers und Produktverantwortlichen. C-Level muss die strategische Agenda tragen, mittlere Führungskräfte müssen die Umsetzung ermöglichen und Mitarbeitende in der Produktion müssen Vertrauen in die Systeme entwickeln.
Wir legen Wert auf „Train-the-Trainer“-Elemente: Identifizierte Champions in Ihren Abteilungen werden zu internen Lehrenden und Treibern, wodurch Wissen nachhaltig und skalierbar wird. Zudem etablieren wir Communities of Practice, damit Lernen organisatorisch verankert bleibt.
Technologie-Stack und Integrationsherausforderungen
Technisch arbeiten wir mit offenen, production-ready Komponenten: Cloud- oder On-Prem-Modelle, MLOps-Pipelines, Containerisierung und sichere Schnittstellen zu bestehenden MES/ERP-Systemen. Für Robotics-Integrationen sind Echtzeit-Anforderungen und deterministische Latenzen zentrale Themen.
Integration bedeutet häufig Anpassungen an bestehende PLCs, SPS-Schnittstellen und Feldbussysteme; deswegen ist die enge Zusammenarbeit mit Ihren Automatisierungsingenieuren essenziell. Unsere Trainings enthalten konkrete Module zur Integration und zu Teststrategien für Produktionsumgebungen.
Change Management und kulturelle Aspekte
Technik allein reicht nicht: Kultur ist entscheidend. Mitarbeitende müssen positive Erfahrungen mit KI machen — durch kleine, erfolgreiche Projekte und durch transparente Kommunikation über Risiken und Nutzen. Unsere Bootcamps und Communities of Practice adressieren genau diese kulturellen Aspekte.
Praktisch bedeutet das: Wir starten mit low-risk, high-impact Anwendungen, demonstrieren konkrete Verbesserungen, dokumentieren Learnings und bauen anschließend größere Initiativen auf. So entsteht Vertrauen, das notwendig ist, um KI breit und sicher zu skalieren.
Bereit für den ersten Proof-of-Concept?
Buchen Sie ein AI PoC: Ein technischer Prototyp, Performance-Analyse und ein Produktionsplan in einem Paket. Schnell testen, sicher skalieren.
Schlüsselbranchen in Hamburg
Hamburgs Wirtschaft ist historisch durch den Hafen geprägt: Logistik und maritimer Warenverkehr haben die Stadt zu einem internationalen Umschlagplatz gemacht. Diese Tradition hat dazu geführt, dass in der Stadt branchenübergreifend ausgeprägte Kompetenzen in Supply-Chain-Optimierung, Container-Handling und Hafeninfrastruktur vorhanden sind.
Die Logistikbranche in Hamburg steht heute vor der Herausforderung, steigende Mengen effizienter zu verarbeiten und gleichzeitig Emissionen zu reduzieren. KI-gestützte Robotik, autonome Fahrzeuge im Hafenbetrieb und intelligente Lagerplanung sind hier direkte Handlungsfelder. Ein strukturiertes Enablement hilft Logistikakteuren, KI-Modelle sicher zu betreiben und operative Teams entsprechend zu schulen.
Als zweitgrößter Medienstandort Deutschlands ist Hamburg außerdem ein Zentrum für digitale Produktentwicklung und Content-Engineering. Die Medienbranche schafft Nachfrage nach Automatisierung in Produktionsprozessen, Content-Moderation und personalisierten Streaming-Angeboten — Bereiche, in denen KI-Enablement die nötigen Kompetenzen schafft, um Datenprodukte verantwortungsvoll zu betreiben.
Die Luftfahrt- und Flugzeugwartungsindustrie rund um Hamburg, mit Namen wie Lufthansa Technik und Aktivitäten von Airbus, benötigt besonders hohe Sicherheits- und Compliance-Standards. Hier sind KI-gestützte Inspektionssysteme, Predictive Maintenance und digitale Assistenzsysteme für Mechaniker relevante Anwendungsfälle, die strenge Governance und Trainings erfordern.
Die maritime Zulieferindustrie und Schiffbauunternehmen setzen zunehmend auf Robotik und Automatisierung, etwa für Schweißprozesse, Inspektionen und Lagerlogistik. KI kann hier sowohl die Präzision erhöhen als auch Prozesse beschleunigen — vorausgesetzt, die Belegschaft ist ausreichend befähigt, die Systeme zu verstehen und zu überwachen.
Schließlich hat Hamburg auch ein wachsendes Cluster an Technologie-Startups und digitalen Dienstleistern. Diese Szene beschleunigt Innovationen in Automatisierungs- und Robotiklösungen und bildet einen talentierten Pool für Unternehmen, die KI-Fähigkeiten intern skalieren wollen. Ein zielgerichtetes Enablement verbindet etablierte Industrie mit agilen Tech-Teams.
Möchten Sie Ihr Team in Hamburg KI-fähig machen?
Wir reisen regelmäßig nach Hamburg und führen praxisnahe Workshops, Bootcamps und On-the-Job-Coaching durch. Kontaktieren Sie uns für ein unverbindliches Erstgespräch.
Wichtige Akteure in Hamburg
Airbus betreibt in und um Hamburg umfangreiche Entwicklungs- und Produktionskapazitäten, insbesondere in der A320-Familie und bei Komponenten. Airbus treibt digitale Transformationen und Instandhaltungslösungen voran; für lokale Zulieferer bedeutet das gesteigerte Anforderungen an KI-gestützte Inspektions- und Wartungsprozesse.
Hapag-Lloyd als einer der weltgrößten Reedereien hat seinen Sitz in Hamburg und ist ein zentraler Treiber für Logistikinnovation. Die Optimierung von Containerströmen, Frachtrouten und Terminalprozessen ist ein Kernfeld, in dem KI und Robotik unmittelbar Effizienzgewinne bringen können — vorausgesetzt, die Teams werden entsprechend ausgebildet.
Otto Group steht für E‑Commerce und Logistik im großen Maßstab. Die Anforderungen an Retourenprozesse, automatisierte Qualitätsprüfungen und die Integration von Robotik in Fulfillment-Center machen die Gruppe zu einem relevanten Player für KI-Enablement, insbesondere wenn es um skalierbare Trainingsprogramme für operative Mitarbeitende geht.
Beiersdorf als großer Konsumgüterhersteller ist in Hamburg verwurzelt und steht für Produktionsprozesse, Qualitätskontrolle und Supply-Chain-Optimierung. KI-Anwendungen in der Fertigung und Qualitätsprüfung erfordern enge Zusammenarbeit zwischen Data Scientists und Produktionsmitarbeitern — ein klassischer Use Case für unsere Bootcamps und On-the-Job-Coachings.
Lufthansa Technik hält bedeutende Wartungs-, Reparatur- und Überholungsanlagen in Norddeutschland. Die Verbindung von IoT-Daten aus Triebwerken, bildbasierter Inspektion und Predictive Maintenance ist für die Luftfahrtindustrie besonders relevant; gleichzeitig sind die regulatorischen Anforderungen hoch, was gezieltes Governance-Training notwendig macht.
Neben diesen Konzernen gibt es zahlreiche mittelständische Zulieferer, Startups und Forschungseinrichtungen, die Innovationen im Bereich Robotik und Automatisierung vorantreiben. Gemeinsam bilden sie ein Ökosystem, in dem gezieltes KI-Enablement dazu beiträgt, Forschungsergebnisse in industrielle Praxis zu überführen.
Bereit für den ersten Proof-of-Concept?
Buchen Sie ein AI PoC: Ein technischer Prototyp, Performance-Analyse und ein Produktionsplan in einem Paket. Schnell testen, sicher skalieren.
Häufig gestellte Fragen
Executive Workshops sind darauf ausgelegt, strategische Entscheidungen zu ermöglichen: Sie richten sich an C-Level und Direktorinnen, klären Governance-, Compliance- und Investitionsfragen und definieren KPIs. In Hamburgs Industrieumfeld bringen wir dabei lokale Beispiele aus Logistik, Luftfahrt und Maritim ein, um die Diskussion greifbar zu machen.
Department Bootcamps sind operationaler: Sie arbeiten mit konkreten Teams aus HR, Finance, Operations oder Engineering und übersetzen strategische Vorgaben in konkrete Arbeitspraktiken. In einem Bootcamp identifizieren wir Use Cases, bauen schnelle Prototypen und erstellen Playbooks, die anschließend im Tagesgeschäft umgesetzt werden können.
Während Executive Workshops das Zielbild und die Risikogrenzen definieren, sorgen Bootcamps dafür, dass Mitarbeitende die Tools und Methoden tatsächlich anwenden können. Beide Formate ergänzen sich: Ohne Managementbuy-in bleiben Bootcamps Stückwerk; ohne praktisches Training bleiben Strategien theoretisch.
Praktisch empfehlen wir in Hamburg eine Kombination: Ein initialer Executive Workshop zur Governance und Priorisierung, gefolgt von sequenziellen Bootcamps in den betroffenen Abteilungen, sodass schnellen Gewinnergebnisse mit übergeordneten strategischen Leitplanken verbunden werden.
Der AI Builder Track für nicht-technische Mitarbeitende ist darauf ausgerichtet, Business- und Domänenexpertinnen in die Lage zu versetzen, selbst Prototypen und einfache Automatisierungen zu erstellen. Inhalte umfassen Grundlagen zu Datenverständnis, Prompting-Techniken für Engineering Copilots, No-Code- und Low-Code-Tools sowie einfache Modellbewertungskriterien.
Ein zentraler Fokus liegt auf dem Verständnis von Metriken: Qualität, Robustheit, Latenz und Kosten pro Lauf. Teilnehmende lernen, wie sie Tests definieren, wie sie Daten annotieren und welche Fragen an Data Engineers gestellt werden müssen, um ein Prototyping-Projekt zu beschleunigen.
Der Track beinhaltet praktische Übungen, zum Beispiel die Entwicklung eines einfachen Prompting-Workflows für Wartungsdokumente oder die Konfiguration eines Bildklassifikations-Workflows für Qualitätsprüfungen. Dadurch entsteht ein direkter Transfer in die Produktion, insbesondere in der Robotik, wo Domänenwissen entscheidend ist.
Abschließend werden Governance-Aspekte und Compliance-Richtlinien behandelt, damit auch nicht-technische Teams verstehen, welche Sicherheits- und Dokumentationspflichten bei produktivem Einsatz bestehen. Das macht die Lösungen in regulierten Umgebungen wie Luftfahrt und maritimer Produktion einsetzbar.
Schnelle Erfolge entstehen durch die Auswahl von Use Cases mit hohem Impact und niedriger Implementationsbarriere: Bildbasierte Qualitätsprüfungen, Anomalieerkennung in Sensorströmen und einfache Automatisierungen für Dokumentenprozesse sind typische Starter. Wir empfehlen, mit einem klar abgegrenzten Pilotbereich zu beginnen — etwa einer Produktionslinie oder einem Terminalbereich im Hafen.
Wichtig ist die Kombination aus technischen und organisatorischen Maßnahmen: Ein schnelles PoC liefert erste Belege, parallel sorgen Bootcamps dafür, dass die Mitarbeitenden die Resultate verstehen und anwenden. Unsere Erfahrung zeigt, dass ein Working Prototype innerhalb von Tagen bis wenigen Wochen möglich ist, während die organisatorische Einbettung 3–6 Monate benötigt.
Ein weiterer Hebel sind Engineering Copilots: Diese unterstützen Ingenieurinnen bei Routineaufgaben, beschleunigen die Parametrisierung von Robotern und reduzieren Fehler. Solche Copilots lassen sich oft mit vorhandenen Daten und gezieltem Prompting in kurzer Zeit testen.
Abschließend sollten Erfolge messbar gemacht und kommuniziert werden. Konkrete KPIs wie Reduktion von Ausschuss, kürzere Rüstzeiten oder geringere Ausfallzeiten helfen, interne Unterstützung zu sichern und den Weg für weitere Skalierung zu ebnen.
In Produktionsumgebungen sind Sicherheit und Verlässlichkeit oberste Priorität. Risiken umfassen fehlerhafte Vorhersagen, die zu Produktionsstopps führen können, unerwartete Modellverhalten bei veränderten Sensorbedingungen und mögliche Sicherheitslücken, wenn Modelle mit externen Diensten kommunizieren.
Regulatorische und Compliance-Aspekte sind besonders in Luftfahrt- und sicherheitskritischen Bereichen relevant. Modelle müssen nachvollziehbar dokumentiert werden, Testprotokolle sind erforderlich, und es müssen Prozesse zur regelmäßigen Validierung und Retraining bestehen, um Drift zu vermeiden.
Ein weiteres Risiko ist das organisatorische: Wenn Mitarbeitende nicht geschult sind, werden Eingriffe in Systeme entweder unterlassen oder unsachgemäß durchgeführt. Deshalb sind On-the-Job-Coaching und Playbooks keine Ergänzung, sondern notwendiger Bestandteil jeder technischen Implementierung.
Technisch mindern wir Risiken durch robuste Testumgebungen, Canary-Deployments, Monitoring und klare Rollback-Mechanismen. Governance-Trainings sorgen dafür, dass Verantwortlichkeiten im Fehlerfall klar definiert sind und dass Entscheidungen nachvollziehbar dokumentiert werden.
Integration erfordert ein sauberes Architekturdesign: KI-Komponenten sollten über definierte APIs mit MES/ERP-Systemen kommunizieren, Ereignisse austauschen und Aktionspunkte triggern. In Robotikumgebungen ist zusätzlich auf Echtzeit-Constraints und deterministische Latenzen zu achten; hier sind Edge-Deployments oder lokale Inferenzserver oft sinnvoll.
Wir empfehlen eine schrittweise Integration: Zuerst prototypische Schnittstellen in einer Sandbox, dann eine gestaffelte Produktionseinführung mit Monitoring und Canary-Releases. So lassen sich Integrationsprobleme früh erkennen, ohne die gesamte Produktionsumgebung zu gefährden.
Die Zusammenarbeit zwischen Data Engineers, IT-Architekten und Automatisierungsingenieuren ist entscheidend. Unsere Bootcamps adressieren genau diese Schnittstellen und bereiten technische Teams auf die notwendigen Anpassungen an SPS, PLC und Feldbussysteme vor.
Schließlich sind Sicherheitsaspekte nicht zu vernachlässigen: Authentifizierung, Verschlüsselung und Zugriffskontrollen müssen sowohl auf IT- als auch auf OT-Ebene implementiert werden. In regulierten Branchen wie Luftfahrt sind zusätzliche Prüf- und Zertifizierungsanforderungen zu berücksichtigen.
Nachhaltiges Lernen basiert auf wiederholbaren Formaten: regelmäßige Bootcamps, interne Communities of Practice und ein Train-the-Trainer-Ansatz. Wir helfen, interne Champion-Programme aufzusetzen, bei denen befähigte Mitarbeitende als Multiplikatoren fungieren und neues Wissen in die Breite tragen.
On-the-Job-Coaching ist zentral: Lernen findet am effektivsten statt, wenn es unmittelbar in reale Projekte eingebunden ist. Unsere Coaches arbeiten direkt mit Ihren Teams an laufenden Implementierungen, sodass Theorie unmittelbar in Praxis überführt wird.
Zusätzlich unterstützen wir beim Aufbau von internen Wissensressourcen: Playbooks, Template-Pipelines, Prompting-Frameworks und Dokumentationsstandards. Diese Artefakte machen Wissen reproduzierbar und reduzieren Abhängigkeit von Einzelpersonen.
Messbar wird nachhaltiges Lernen durch Kompetenzmetriken, Zertifizierungen interner Trainer und durch die Nachverfolgung von Projekterfolgen, die aus internen Initiativen hervorgehen. So wird Lernen zu einem strategischen Asset, nicht nur zu einer einmaligen Maßnahme.
Kontaktieren Sie uns!
Direkt Kontaktieren
Philipp M. W. Hoffmann
Founder & Partner
Adresse
Reruption GmbH
Falkertstraße 2
70176 Stuttgart
Kontakt
Telefon