Warum braucht die Energie- & Umwelttechnologie in Düsseldorf eine klare KI-Strategie?
Innovatoren dieser Unternehmen vertrauen uns
Lokale Herausforderung: Komplexität trifft Regulierung
Düsseldorfs Energie‑ und Umwelttechnologie-Unternehmen stehen unter Druck: strenge regulatorische Anforderungen, volatile Nachfrage und fragmentierte Datenlandschaften machen schnelle Entscheidungen schwer. Ohne eine fokussierte KI‑Strategie bleiben viele Automatisierungs- und Optimierungspotentiale ungenutzt.
Warum wir die lokale Expertise haben
Reruption hat seinen Hauptsitz in Stuttgart, reist regelmäßig nach Düsseldorf und arbeitet vor Ort mit Kunden, um KI-Lösungen direkt in den operativen Ablauf zu integrieren. Wir verstehen die Dynamik des NRW-Mittelstands und die Bedeutung von Messe- und Branchenzyklen für Planungs- und Kapazitätsentscheidungen.
Unsere Erfahrung kombiniert technisches Engineering mit unternehmerischer Umsetzung: wir bringen Prototypen in Tagen, validieren Annahmen im Feld und liefern umsetzbare Roadmaps – das ist besonders wichtig für Energie- und Umwelttechnologie-Unternehmen, die nicht nur probieren, sondern messen und skalieren müssen.
Unsere Referenzen
Für Umwelttechnologie bieten Projekte wie TDK (PFAS-Entfernungstechnologie) handfeste Einblicke in die Produktentwicklung, Regulatorik und Spin-off-Prozesse — Bereiche, die sich direkt auf KI-gestützte Monitoring- und Optimierungslösungen übertragen lassen. Solche Technik- und Spin-off-Erfahrungen helfen, technische Machbarkeit und Marktmodelle früh zu unterscheiden.
Weitere relevante Projekte sind die Arbeit mit Greenprofi zur strategischen Neuausrichtung und nachhaltigen Digitalisierung, sowie Consulting- und Research-Projekte wie FMG, bei denen wir komplexe Dokumenten- und Wissensprozesse durch AI-gestützte Recherchetools beschleunigt haben. Diese Erfahrungen sind unmittelbar übertragbar auf Dokumentationssysteme und Regulatory Copilots.
Über Reruption
Reruption wurde gegründet, um Unternehmen von innen heraus neu auszurichten: statt nur zu beraten, arbeiten wir als Co‑Preneure mit unternehmerischer Verantwortung, bringen technische Tiefe und beschleunigen Entwicklungsschritte. Unser Ansatz verbindet AI Strategy, AI Engineering, Security & Compliance und Enablement in einem operativen Modell.
Wir legen Wert auf schnelle, messbare Ergebnisse: mit Modulen wie AI Readiness Assessment, Use Case Discovery, Data Foundations Assessment, Pilot Design und AI Governance führen wir Unternehmen in Düsseldorf von der Idee zur funktionierenden Lösung — und begleiten die ersten produktiven Schritte vor Ort.
Wie starten wir gemeinsam mit Ihrer KI-Strategie in Düsseldorf?
Lassen Sie uns Ihre wichtigsten Herausforderungen in einem kurzen Workshop priorisieren. Wir kommen nach Düsseldorf, führen ein AI Readiness Assessment durch und liefern eine priorisierte Roadmap.
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 für Energie- & Umwelttechnologie in Düsseldorf: Ein tiefer Blick
Düsseldorf ist als Wirtschaftsstandort ein Knotenpunkt für Handel, Beratung und Technologie. Für Unternehmen in der Energie- und Umwelttechnologie bedeutet das: enge Vernetzung mit Industriepartnern, anspruchsvolle Regulierungsumfelder und hohe Erwartungen an Zuverlässigkeit und Nachvollziehbarkeit von Entscheidungen. Eine fundierte KI-Strategie adressiert genau diese Spannungsfelder und verwandelt sie in Wettbewerbsvorteile.
Marktanalyse und Branchenkontext
Der Markt für Energie- und Umwelttechnologie in NRW wächst entlang zweier Achsen: Effizienzsteigerung in bestehenden Prozessen (z. B. Netzbetrieb, Emissionsminderung) und Innovationen zur Ressourcenschonung (z. B. PFAS-Remediation, Abfallmanagement). Düsseldorf als Business-Zentrum spielt eine Vermittlerrolle zwischen Forschung, Mittelstand und globalen Kunden – das schafft kurzzyklische Anforderungen an Skalierbarkeit und Compliance.
Für KI-Projekte heißt das: Priorisieren Sie Use Cases, die kurzfristig messbaren Nutzen liefern und gleichzeitig regulatorische Transparenz erlauben. Beispiele sind Nachfrage-Forecasting für Energieversorger, automatisierte Dokumentationssysteme für Compliance-Teams und Regulatory Copilots, die Prüfprozesse und Meldepflichten beschleunigen.
Spezifische Use-Cases und ihr Wert
Nachfrage-Forecasting reduziert Planungsunsicherheit: präzisere Vorhersagen senken Reservekapazitäten, reduzieren Kauf- oder Speicherverluste und optimieren Handelsentscheidungen. In Düsseldorf, wo Handels- und Messezyklen die Nachfrage beeinflussen, ist das besonders relevant.
Dokumentationssysteme und Regulatory Copilots adressieren die wachsende Last an Nachweisdokumenten: KI kann Texte verstehen, relevante Paragraphen erkennen und automatisierte Berichte erstellen. Das spart Prüfzeiten, minimiert Fehler und macht Audits vorhersehbarer – ein klarer ROI-Faktor für Unternehmen mit strengen Berichtspflichten.
Implementierungsansatz: Von Assessment zu Pilot
Unsere Module strukturieren den Weg: Das AI Readiness Assessment bewertet Datenreife, technologische Infrastruktur und organisatorische Kompetenzen; Use Case Discovery scannt 20+ Abteilungen, um Hidden Champions zu identifizieren; Priorisierung & Business Case Modellierung quantifiziert den Wert. Dieser methodische Ablauf reduziert Risiken und schafft eine klare Roadmap.
Ein typisches Pilotprojekt umfasst Datenbereitstellung (Data Foundations Assessment), Auswahl einer schlanken Architektur (Technische Architektur & Modellauswahl), und die Definition messbarer Erfolgskennzahlen (Pilot Design & Erfolgskennzahlen). In Düsseldorf empfehlen wir kurze, iterative Piloten mit klaren Kosten-Messungs-KPIs, damit Entscheider schnell handeln können.
Technologie-Stack und Integrationsfragen
Die Wahl des Technologie-Stacks hängt von Datenschutz-, Latenz- und Skalierungsanforderungen ab. Für On-Premise-Anforderungen oder sensible Umgebungen empfehlen wir hybride Architekturen mit Edge-Processing und kontrolliertem Cloud-Einsatz. Für Dokumentationssysteme und Regulatory Copilots sind robuste NLP-Modelle und MLOps-Pipelines zentral, damit Modelle nachvollziehbar und versioniert bleiben.
Integration heißt oft: alte ERP- und SCADA-Systeme mit modernen APIs verbinden, Datenqualität standardisieren und Metadatenschemata einführen. Hier scheitern viele Projekte — ohne Data Foundations Assessment bleiben Modelle instabil und Piloten scheitern an mangelnder Datenqualität.
Change Management und organisatorische Voraussetzungen
Künstliche Intelligenz ist weniger ein Technologieprojekt als ein Organisationsprojekt. Erfolg hängt von klaren Ownership-Mechanismen, Schulungen und der Einbettung von KI in Entscheidungsprozesse ab. Unser AI Governance Framework definiert Rollen, Verantwortlichkeiten, Auditprozesse und Eskalationspfade, damit KI-Ergebnisse vertrauenswürdig und rechtssicher eingesetzt werden können.
In Düsseldorf arbeiten viele mittelständische Führungsteams eng mit Betriebsräten und Regulatorik-Abteilungen zusammen. Deshalb ist eine transparente Kommunikationsstrategie wichtig: frühe Einbindung von Praxisanwendern, klare KPIs und sichtbare Quick Wins verhindern Widerstände und schaffen Akzeptanz.
Erfolgsfaktoren, Risiken und typische Fallstricke
Erfolgsfaktoren sind: realistisches Erwartungsmanagement, saubere Datenvorbereitung, multidisziplinäre Teams und ein Fokus auf skalierbare Architektur. Risiken entstehen durch Overfitting, ungeeignete KPIs und fehlende MLOps-Prozesse, die den Übergang von Pilot zu Produktion blockieren.
Typische Fallstricke in der Energie- & Umwelttechnologie sind fehlende Sensor-Standardisierung, unvollständige historische Daten, und zu komplexe Governance-Modelle. Wir empfehlen, Komplexität aktiv zu reduzieren: ein Kernteam mit klaren Rollen, iterative Releases und eine enge Verbindung von Business Metrics mit Modell-KPIs.
ROI, Zeitrahmen und Teamanforderungen
Ein realistische Timeline: 2–4 Wochen für das Readiness Assessment, 4–8 Wochen für Use Case Discovery und Priorisierung, 6–12 Wochen für den ersten minimal funktionsfähigen Pilot. Vollständige Produktionseinführung dauert in der Regel 6–12 Monate, abhängig von Integrationsaufwand und regulatorischen Prüfungen.
Das Team sollte kombinierte Kompetenzen haben: Data Engineers, Machine Learning Engineers, Domänen-Experten aus Energie/Umwelt, Compliance-Spezialisten und Product Owner. Wir übernehmen Co‑Preneure-Rollen, um diese Kapazitäten kurzfristig bereitzustellen und gleichzeitig Know-how zu transferieren.
Governance, Sicherheit und Compliance
Für Umwelttechnologie sind Nachvollziehbarkeit und Auditfähigkeit nicht optional. Ein robustes AI Governance Framework beinhaltet Datenherkunft, Modellprüfungen, Bias-Checks und Versionierung. Zusätzlich sind Datenschutz- und Sicherheitsanforderungen zu berücksichtigen — besonders bei sensiblen Messdaten oder personenbezogenen Informationen.
Wir empfehlen technische Kontrollen (Logging, Modell-Registry, Zugriffskontrollen) und organisatorische Kontrollen (Review‑Boards, klare Freigaberoutinen). Das erlaubt nicht nur sichere Operationen, sondern erleichtert regulatorische Prüfungen und beschleunigt Go-Live-Entscheidungen.
Skalierung und langfristige Roadmap
Nach erfolgreichen Piloten folgt die Skalierung: Automatisierte Trainingspipelines, Monitoring für Modell-Drift, und eine klare Produktorganisation. Skalierung sollte inkrementell erfolgen — zuerst in vergleichbaren Geschäftsbereichen, dann über Regionen hinweg.
Für Düsseldorfer Unternehmen lohnt sich frühzeitig die Betrachtung von Partnerschaften mit lokalen Forschungseinrichtungen, Messepartnern und Beratungsnetzwerken, um Know-how zu bündeln und Marktzugänge zu beschleunigen. Reruption unterstützt dabei mit Roadmaps, Investitionsplänen und operativer Umsetzungskompetenz.
Bereit für den ersten Pilot?
Buchen Sie einen Proof-of-Concept, um technische Machbarkeit und Business Case zu validieren. Unser Paket liefert Prototyp, Metriken und Produktionsplan.
Schlüsselbranchen in Düsseldorf
Düsseldorf ist historisch gewachsen als Handels- und Modestadt: die Verbindung von kreativem Gewerbe und kommerzieller Infrastruktur prägt bis heute das Geschäftsbild. Die Modebranche hat hier nicht nur Produktions- sondern vor allem Dienstleistungsstärke entwickelt — Agenturen, Einkäufer und Logistikpartner bilden ein enges Ökosystem.
Die Telekommunikationsbranche ist stark vertreten, nicht zuletzt durch den Sitz großer Netzbetreiber und zahlreiche B2B‑Dienstleister. Diese Nähe zu Kommunikationskompetenz fördert Digitalkompetenz und schafft Nachfrage nach skalierbaren Cloud- und KI-Lösungen, die für Energie- und Umwelttechnologien wichtig sind, zum Beispiel beim Aufbau von IoT- und Sensornetzen.
Beratungshäuser und Professional Services sind ein weiterer Pfeiler: ihre Fähigkeit, regulatorische und wirtschaftliche Anforderungen zu übersetzen, macht Düsseldorf zu einem Zentrum, in dem strategische Entscheidungen getroffen werden. Für KI-Projekte bedeutet das: schnelleres Buy-in, aber auch höhere Ansprüche an Transparenz und Business Cases.
Die Stahl- und Schwerindustrie rund um NRW und die Nähe zu Produktionsstandorten spiegeln sich in einem starken Mittelstand mit technischen Kernkompetenzen. Unternehmen hier sind erfahren in Skalierungsfragen – aber weniger schnell beim datengetriebenen Arbeiten, was gezielte AI-Strategien dringend erforderlich macht.
Der Messe- und Veranstaltungscharakter Düsseldorfs bringt zyklische Nachfrage mit sich. Das beeinflusst Energieflüsse, Logistik und Emissionsmuster — ein Feld, in dem Nachfrage‑Forecasting und flexible Laststeuerung große wirtschaftliche Vorteile bringen können. KI kann helfen, diese Schwankungen planbar zu machen.
Schließlich hat sich in Düsseldorf ein dichtes Netzwerk aus Dienstleistern, Start-ups und etablierten Konzernen gebildet, das Innovationen schnell in die Breite tragen kann. Für Energie- und Umwelttechnologie-Unternehmen eröffnen sich hier Kooperationsmöglichkeiten zur gemeinsamen Produktentwicklung, Testbetreiben und Markteinführung.
Wie starten wir gemeinsam mit Ihrer KI-Strategie in Düsseldorf?
Lassen Sie uns Ihre wichtigsten Herausforderungen in einem kurzen Workshop priorisieren. Wir kommen nach Düsseldorf, führen ein AI Readiness Assessment durch und liefern eine priorisierte Roadmap.
Wichtige Akteure in Düsseldorf
Henkel wächst aus der Konsumgütertradition heraus zur Innovationsmacht mit starkem F&E-Fokus. Henkel investiert in Prozessdigitalisierung und nachhaltige Materialforschung; KI-Anwendungen im Labor- und Produktionskontext sind naheliegend, um Formulierungen zu optimieren und Emissionsprofile zu verbessern.
E.ON ist ein erklärter Key-Player im Energiesektor der Region. Als Energieversorger bildet E.ONs Infrastruktur die Basis für zahlreiche Pilotprojekte in Netzoptimierung, Lastprognosen und der Integration erneuerbarer Energiequellen – alles Felder, in denen KI kurzfristig Effizienzgewinne liefert.
Vodafone steht für Telekompetenz und IoT-Expertise in der Region. Die Verfügbarkeit von Kommunikationsinfrastruktur erleichtert die Implementierung von Sensornetzwerken, die essenziell für Umweltmonitoring und Remote-Operations sind. Kooperationen mit Telco‑Partnern sind oft ein Hebel für großflächige KI-Anwendungen.
ThyssenKrupp repräsentiert die Verbindung von Industrie und technischen Innovationen. In Produktions- und Materialprozessen sind datengetriebene Optimierungen möglich, und die industrielle DNA sorgt für eine hohe Umsetzungskompetenz, wenn organisatorische Hürden überwunden werden.
Metro als Handelsakteur ist wichtig für Logistik- und Versorgungsfragen. Effiziente Lieferketten, Bedarfsvorhersage und die Integration von Nachhaltigkeitskennzahlen sind Bereiche, in denen Energie- und Umwelttechnologie mit Handelsdaten Mehrwerte schaffen kann.
Rheinmetall bringt Expertise in komplexen Systemen und Zulieferketten mit. Sicherheit, Compliance und robuste Engineering‑Prozesse prägen die Innovationskultur – wichtige Voraussetzungen, um KI-Lösungen in sicherheitskritischen Umgebungen operativ zu betreiben.
Bereit für den ersten Pilot?
Buchen Sie einen Proof-of-Concept, um technische Machbarkeit und Business Case zu validieren. Unser Paket liefert Prototyp, Metriken und Produktionsplan.
Häufig gestellte Fragen
Die Zeit bis zum ROI hängt stark vom Use Case ab. Typische Low‑Hanging‑Fruits wie Nachfrage‑Forecasting oder automatisierte Dokumentenerstellung können in Pilotprojekten innerhalb von 3–6 Monaten messbare Effekte zeigen, besonders wenn bestehende Datenströme genutzt werden. In Düsseldorf profitieren Unternehmen von klaren Marktzyklen (Messen, Handelsperioden), die schnelle Testphasen ermöglichen.
Bei komplexeren Integrationen, etwa der vollständigen Digitalisierung von Anlagenüberwachung oder der Einführung eines Regulatory Copilots, sind 6–12 Monate realistischer, bis nachhaltige Einsparungen oder Umsatzsteigerungen sichtbar werden. Hier beeinflussen Integrationsaufwand und regulatorische Prüfungen den Zeitplan.
Wichtig ist die Definition von klaren KPIs vor Projektstart: Kosten pro kWh, Reduktion von Prüfzeiten, oder Verringerung manueller Review-Stunden sind Beispiele für messbare Metriken. Wir modellieren Business Cases transparent, damit Investitionsentscheidungen datenbasiert getroffen werden können.
Praktische Empfehlung: Beginnen Sie mit einem Portfolio-Ansatz—mehrere kleine Piloten parallel, um Risikostreuung und schnelle Lernzyklen zu ermöglichen. So lassen sich Erfolgsfaktoren und Skalierungspotenziale früh erkennen und ROI‑Prognosen verfeinern.
Die wichtigsten Use Cases sind Nachfrage‑Forecasting, automatisierte Dokumentationssysteme und Regulatory Copilots. Nachfrage‑Forecasting verbessert Planungsgenauigkeit und Handelsergebnisse; in Düsseldorf, mit seinem Messe‑ und Handelsprofil, bietet das unmittelbaren Wert für Energieversorger und große Endverbraucher.
Automatisierte Dokumentationssysteme helfen, Compliance-Auflagen zu erfüllen und Auditzeiten zu reduzieren. In stark regulierten Bereichen wie Umweltmessungen oder Emissionsberichterstattung spart das direkte Personalkosten und erhöht die Zuverlässigkeit der Reports.
Regulatory Copilots beschleunigen die Interpretation komplexer Vorschriften: sie strukturieren relevante Paragraphen, unterstützen bei der Erstellung notwendiger Nachweise und reduzieren juristische Durchlaufzeiten. In Nordrhein‑Westfalen mit seiner dichten Regulierungslandschaft ist das ein strategischer Vorteil.
Weitere Use Cases sind predictive maintenance für Umweltanlagen, Optimierung von Energiespeichern und intelligente Laststeuerung. Entscheidend ist die Priorisierung nach Wert, Machbarkeit und Datenverfügbarkeit — genau dabei hilft unser Use Case Discovery-Modul.
Nein, vollständige Datenpipelines sind kein Vorwand, um nicht zu starten. Viele Projekte beginnen erfolgreich mit inkrementellen Datenlösungen: einem Data Readout aus bestehenden Systemen, vereinheitlichten CSV‑Exports oder API‑Schnappschüssen. Entscheidend ist, mit verlässlichen, wenn auch begrenzten, Daten zu experimentieren.
Gleichzeitig lohnt es sich, parallel die Data Foundations aufzubauen. Ein strukturierter Plan für Datenqualität, Metadaten und Storage reduziert technischen Debt und vereinfacht spätere Skalierung. Unser Data Foundations Assessment legt diese Prioritäten in den ersten Wochen fest.
In Düsseldorf ist pragmatisches Vorgehen besonders sinnvoll: kurze Piloten entlang wichtiger Geschäftszyklen (z. B. Messezeiten) liefern schnelle Erkenntnisse. Parallel dazu etablieren wir wiederverwendbare Datenpipelines, damit erfolgreiche Modelle produktiv und wartbar werden.
Praxis-Tipp: Definieren Sie minimale Datenanforderungen für den Pilot und quantifizieren Sie die zusätzlichen Integrationskosten für Skalierung. So behalten Sie transparente Investitionsentscheidungen und vermeiden Überraschungen bei der Betriebsaufnahme.
Regulatorik ist ein zentrales Thema für Energie- und Umwelttechnologie. Unser Ansatz verbindet technische Maßnahmen (Audit-Logs, Versionierung, Explainability) mit organisatorischen Strukturen (Review-Boards, Freigabemechanismen). So entsteht eine Audit-Fähigkeit, die sowohl interne Anforderungen als auch externe Prüfungen erfüllt.
Das AI Governance Framework beschreibt Rollen, Verantwortlichkeiten und Prozesse: Wer darf Modelle trainieren? Wer genehmigt Produktionsfreigaben? Welche Tests sind vor einem Rollout Pflicht? Diese klaren Regeln reduzieren Haftungsrisiken und schaffen Vertrauen bei Regulatoren und Partnern.
Wir arbeiten eng mit Compliance-Teams und, wenn nötig, externen Rechtsexperten zusammen, um branchenspezifische Anforderungen wie Umweltnormen oder Meldepflichten abzubilden. Dabei achten wir auf nachvollziehbare Dokumentationen, die im Auditfall schnell vorgelegt werden können.
In der Praxis empfehlen wir iterative Compliance-Checks: frühe Reviews während des Pilotbetriebs verhindern spätere Blockaden. Gerade in NRW, mit seinem hohen regulatorischen Anspruch, ist diese Vorgehensweise entscheidend für den reibungslosen Übergang zur Produktion.
Eine der größten Hürden ist die Heterogenität der Sensordaten: unterschiedliche Formate, Abtastraten und Kalibrierungsstandards erschweren Modelltraining. Ohne eine saubere Datenaufbereitung leiden Modelle unter unvorhersehbarer Performance und Drift.
Ein weiterer Klassiker ist fehlende Metadaten und Dokumentation. Wenn Messbedingungen nicht nachvollziehbar sind, werden Modelle anfällig für falsche Korrelationen. Hier helfen konsequente Datenpipelines und Metadaten-Standards, die wir in Data Foundations Assessment etablieren.
Integrationsprobleme mit bestehenden IT-Systemen (SCADA, ERP, Altsysteme) können Projektzeiten verlängern. API-Lücken, fehlende Authentifizierungsstandards oder langsame Datenbanken sind technische Bremsklötze — wir empfehlen frühe technische Machbarkeitsprüfungen, um diese Risiken zu identifizieren.
Schließlich ist die Betriebsphase herausfordernd: Modell-Monitoring, Drift-Detection und MLOps-Prozesse sind nötig, um Produktion zuverlässig zu betreiben. Ohne diese Bausteine bleibt der langfristige Nutzen gefährdet.
Ja. Reruption hat seinen Sitz in Stuttgart, reist aber regelmäßig nach Düsseldorf und arbeitet vor Ort mit Kunden. Wir legen Wert auf Präsenzphasen, um Anforderungen direkt mit Anwendern zu klären und Prototypen im realen Kontext zu testen.
Unsere Co‑Preneure‑Arbeitsweise bedeutet, dass wir uns zeitweise in den operativen Ablauf einfügen – wir übernehmen Verantwortung für Ergebnisse und arbeiten eng mit Ihrem P&L-Team zusammen. Vor-Ort‑Arbeit ist oft entscheidend für schnelle Validierung und Akzeptanz.
Gleichzeitig kombinieren wir Vor-Ort-Phasen mit Remote-Arbeit, um Kosten effizient zu halten und Expertise flexibel einzusetzen. Die Balance zwischen on-site und remote gestalten wir nach Projektphase und Bedarf.
Praktische Hinweise für Düsseldorfer Kunden: Wir koordinieren Besuchszyklen entlang Ihrer Geschäftsperioden (z. B. Messetermine) und planen Workshops, Stakeholder‑Interviews und Live-Demos vor Ort, um die größtmögliche Hebelwirkung zu erzielen.
Kontaktieren Sie uns!
Direkt Kontaktieren
Philipp M. W. Hoffmann
Founder & Partner
Adresse
Reruption GmbH
Falkertstraße 2
70176 Stuttgart
Kontakt
Telefon