Warum braucht die Medizintechnik in Dortmund eine eigene KI‑Strategie?
Innovatoren dieser Unternehmen vertrauen uns
Herausforderung vor Ort
Dortmunder Hersteller von Medizintechnik stehen heute zwischen strenger Regulierung, komplexen klinischen Prozessen und einem Wettbewerb, der digitale Produkte fordert. Ohne gezielte KI‑Strategie bleibt viel Potenzial ungenutzt: Dokumentationsaufwand, Verzögerungen im Workflow und regulatorische Risiken verschlingen Ressourcen.
Warum wir die lokale Expertise haben
Reruption hat seinen Sitz in Stuttgart und reist regelmäßig nach Dortmund, um vor Ort mit Kunden zu arbeiten. Wir behaupten nicht, ein Dortmunder Büro zu haben — wir kommen zu Ihnen, verstehen Abläufe in Produktionen, Labors und Kliniken und nehmen regionale Gegebenheiten ernst.
Unsere Arbeit ist geprägt von direkter Zusammenarbeit: Wir sitzen im Team beim Kunden, moderieren Use‑Case‑Workshops mit 20+ Abteilungen und liefern konkrete Prototypen statt abstrakter Empfehlungen. Die Module unserer KI‑Strategie — von AI Readiness Assessment bis Change & Adoption Planung — sind exakt auf den operativen Bedarf von Medizintechnikern zugeschnitten.
In Nordrhein-Westfalen arbeiten wir regelmäßig entlang der Supply Chains von Logistik, IT und Energie, was uns ein tiefes Verständnis für die Schnittstellen der Medizintechnik mit Zulieferern und Dienstleistern gibt. Diese Perspektive ist besonders wichtig, wenn es um Datenarchitekturen, Compliance-Pipelines und sichere Integrationslösungen geht.
Unsere Referenzen
Wir sprechen hier nicht über fiktive Fallbeispiele, sondern über übertragbare Erfahrungen aus realen Projekten: Für BOSCH begleiteten wir die Go‑to‑Market‑Strategie für Displaytechnologie bis hin zur Ausgründung — ein Prozess, der Produktplanung, regulatorische Abstimmung und Skalierung verbindet. Solche Erfahrungen sind direkt auf medizintechnische Produktprogramme übertragbar.
Im Projekt mit TDK unterstützten wir die Validierung einer Technologie mit Spin‑off‑Charakter; strukturelle Lessons Learned aus Technologie‑Reifegrad‑Bewertungen helfen beim Aufbau von klinisch validen KI‑Produkten. Für FMG realisierten wir eine AI‑gestützte Dokumentenrecherche, die zeigt, wie sich regulatorische Dokumentation und Zulassungsakten effizienter durchsuchen und auswerten lassen.
Darüber hinaus haben wir mit Festo Didactic digitale Lernplattformen umgesetzt, die bei der Qualifikation von Fachpersonal helfen — ein Kernaspekt in medizintechnischen Rollouts. Und mit Mercedes Benz entwickelten wir einen NLP‑Recruiting‑Chatbot, dessen Sprach- und Compliance‑Workflows wichtige Parallelen zu klinischen Kommunikationslösungen aufweisen.
Über Reruption
Reruption wurde gegründet, weil Unternehmen nicht nur reagieren, sondern ihre Märkte neu definieren sollten. Unser Co‑Preneur‑Ansatz bedeutet, dass wir wie Mitgründer arbeiten: wir übernehmen Verantwortung, treiben Prototypen voran und bleiben in der Ergebnisverantwortung — nicht in der Präsentationsverantwortung.
Wir kombinieren strategische Klarheit mit technischer Tiefe: Von der Use‑Case‑Priorisierung über technische Architektur bis zur Implementierungsplanung liefern wir nicht nur Pläne, sondern lauffähige Prototypen und einen konkreten Produktionsfahrplan.
Interessiert an einer maßgeschneiderten KI‑Strategie für Ihr Unternehmen in Dortmund?
Wir reisen regelmäßig nach Dortmund, arbeiten vor Ort und erstellen mit Ihnen in Workshops eine priorisierte Roadmap samt Business Case und Governance‑Framework.
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 in der Medizintechnik und Healthcare Devices in Dortmund: Ein tiefer Blick
Dortmunds Wandel vom Stahl- zum Softwarestandort hat einen industriellen Unterbau erhalten, der auch für Medizintechnikhersteller Vorteile bringt: eine dichte Logistikstruktur, starke IT‑Dienstleister und eine wachsende Startup‑Szene. Für Hersteller von Healthcare Devices bedeutet das: schnellere Prototypzyklen, bessere Beschaffungswege und einen lokalen Talentpool für Data Engineering und Regulatory Affairs.
Doch KI‑Einführung ist kein Selbstläufer. Der Kern einer erfolgreichen Strategie liegt in der Kombination aus klinischem Mehrwert, regulatorischer Absicherung und technischer Machbarkeit. Ohne diese Dreieinigkeit entstehen teure Piloten, die weder zertifizierbar noch skalierbar sind.
Marktanalyse und Chancen
Der deutsche MedTech‑Markt ist reif für KI‑gestützte Effizienzgewinne: von Dokumentations‑Copilots, die klinische Berichte automatisch strukturieren, bis zu Workflow‑Assistenten, die OP‑Vorbereitung oder Wartungszyklen von Geräten optimieren. In Dortmund ergeben sich zusätzliche Chancen durch Logistik‑Synergien mit Lieferkettenpartnern und durch regionale IT‑Dienstleister, die Integrationsaufgaben übernehmen können.
Ein realistischer Zeithorizont beginnt bei Proof‑of‑Concepts in Wochen, MVPs in Monaten und regulierten Produktzuständen in 12–36 Monaten, abhängig von Risiko‑Klassifizierung und klinischen Validierungsanforderungen.
Spezifische Use Cases für Medizintechnik
Dokumentations‑Copilots: KI kann Routineaufzeichnungen, Patientenberichte und regulatorische Dokumente halbautomatisch erstellen und damit Zeit für klinisches Personal freisetzen. Entscheidend ist hier die Integration mit bestehenden Dokumentenmanagementsystemen und die Traceability für Audits.
Clinical Workflow Assistants: Assistenzsysteme können Pflege‑ und OP‑Abläufe orchestrieren, Erinnerungen an präoperative Checks geben und Echtzeit‑Entscheidungshilfen liefern. Solche Systeme erhöhen Sicherheit und reduzieren Verzögerungen — vorausgesetzt, sie sind sauber in die klinische IT‑Infrastruktur eingebettet.
Regulatory Alignment & Sichere AI: Compliance ist nicht nur ein Checkpoint, sondern ein durchgängiges Prinzip. Von Explainability‑Anforderungen bis zu Data‑Governance‑Policies: die KI‑Strategie muss Audit‑Trails, Versionierung und Validierungsprozesse enthalten, um Zulassungen und klinische Akzeptanz zu sichern.
Implementierungsansatz und technische Architektur
Unsere empfohlene Vorgehensweise beginnt mit einem AI Readiness Assessment: Datenqualität, Zugriffsrechte, Infrastruktur und Teamkompetenzen werden bewertet. Darauf folgt Use Case Discovery in 20+ Abteilungen, um versteckte Hebel zu identifizieren und Prioritäten zu setzen.
Technisch setzen wir auf modulare Architekturen: eine klare Trennung von Datenlake, Feature‑Layer und Modellserving sowie standardisierte Interfaces (APIs) zu klinischen Systemen. Für sensible Patientendaten empfehlen wir Hybrid‑Architekturen mit On‑Premise‑Komponenten für personenbezogene Daten und Cloud‑Servicen für Modelltraining und Skalierung.
Erfolgsfaktoren und Risiken
Erfolgsfaktoren sind interdisziplinäre Teams, klinische Sponsoren, klare KPIs und ein iterativer Pilotansatz. Typische Fallstricke sind unklare Datenhoheit, unterschätzter Integrationsaufwand und mangelnde Change‑Management‑Maßnahmen, die dazu führen, dass Lösungen technisch funktionieren, aber nicht im Alltag angenommen werden.
Ein weiterer kritischer Punkt ist die Model Governance: Versionierung, Monitoring von Drift, regelbasierte Rollback‑Mechanismen und dokumentierte Validierungen sind unabdingbar, um regulatorischen Anforderungen gerecht zu werden.
ROI‑Überlegungen und Business Case Modellierung
ROI‑Berechnungen müssen direkte Effizienzgewinne (z. B. reduzierte Dokumentationszeit), indirekte Effekte (bessere Gerätezustände, geringere Ausfallzeiten) und Compliance‑Risikominderung berücksichtigen. Unsere Priorisierung & Business Case Modellierung quantifiziert diese Effekte konservativ und liefert Sensitivitätsanalysen.
Oft finden sich die attraktivsten Hebel in der Prozessautomatisierung und in der Reduktion manueller Prüfungen — Bereiche, die schnell messbare Einspareffekte liefern und gleichzeitig das Patientensicherheitsprofil erhöhen.
Team, Governance und Change Management
Der Teamaufbau verbindet Produktmanager, Data Scientists, DevOps‑Ingenieure, Regulatory‑Experten und klinische Anwender. Unsere AI Governance Frameworks legen Rollen, Verantwortlichkeiten und Approval‑Prozesse fest, inklusive Data Stewardship und Security‑Kontrollen.
Change & Adoption Planung ist kein Add‑on: Schulungen, klinische Piloten mit Feedback‑Loops und schrittweise Rollouts sorgen dafür, dass neue Tools tatsächlich genutzt werden. Ohne diesen Fokus bleiben Projekte technische Erfolge ohne klinische Wirkung.
Technologie‑Stack und Integrationsfragen
Empfohlen werden etablierte MLOps‑Praktiken: reproducible training pipelines, CI/CD für Modelle, Observability und Datenqualitätsscans. Für medizintechnische Umgebungen ist die Anbindung an HL7/FHIR‑Standards, DICOM und klassische ERP/WMS von großer Bedeutung, insbesondere wenn Gerätewartung und Supply Chain mit eingebunden werden.
Integrationsherausforderungen betreffen vor allem Legacy‑Systeme und heterogene Datenquellen. Hier ist pragmatische Middleware oft der beste Weg, um schnelle Erfolge zu liefern ohne monolithische Ablösungen.
Typische Roadmaps und Zeitplanung
Eine typische Roadmap startet mit einem 4‑8 Wochen AI Readiness Assessment und Use‑Case‑Discovery, gefolgt von 6–12 Wochen POC‑Phasen für 1–2 priorisierte Use Cases. Erfolgreiche Produktionsreife benötigt zusätzlich 6–18 Monate zur klinischen Validierung, Security‑Härtung und regulatorischen Abnahme.
Wichtig: Iteration ist schneller als Perfektion. Frühzeitige, geprüfte Prototypen sichern Finanzierung und Akzeptanz und reduzieren das Risiko teurer Fehlinvestitionen.
Bereit für den ersten Proof of Concept?
Buchen Sie unser AI PoC‑Offering: in wenigen Wochen ein funktionierender Prototyp, Performance‑Kennzahlen und ein klarer Produktionsplan.
Schlüsselbranchen in Dortmund
Dortmunds Geschichte ist eine Geschichte des Wandels: von Kohle und Stahl hin zu Logistik, IT und Technologie. Der Transformationsprozess hat nicht nur die Infrastruktur modernisiert, sondern auch ein Ökosystem hervorgebracht, das für Medizintechnik besonders fruchtbar ist. Unternehmen finden hier spezialisierte Zulieferer, IT‑Dienstleister und ein logistisches Rückgrat, das schnelle Produktzyklen ermöglicht.
Die Logistikbranche bildet das Rückgrat für Medizintechnikhersteller, die auf schnelle, zuverlässige Lieferketten angewiesen sind. Durch die geographische Lage in Nordrhein‑Westfalen sind Netzwerke zu Zulieferern und Kliniken eng verzahnt, was Just‑in‑Time‑Lieferungen und eine schlanke Produktion erleichtert.
Die IT‑Branche in Dortmund sorgt für Fachkräfte in Softwareentwicklung, Cloud‑Architektur und Data Engineering — Kompetenzen, die für die Umsetzung von KI‑Systemen zentral sind. Lokale IT‑Dienstleister bieten die nötige Beratung und oft die operative Unterstützung, um Modelle in produktive Umgebungen zu bringen.
Versicherungen und Gesundheitsdienstleister in der Region treiben Anforderungen an Datensicherheit und Compliance voran. Diese Akteure fordern transparente Prozesse und belastbare Nachweise, was die Implementierung datenschutzkonformer KI‑Lösungen beschleunigt und die Nachfrage nach sicheren, überprüfbaren Systemen erhöht.
Die Energiebranche und Unternehmen wie RWE schaffen zusätzliche Infrastrukturressourcen und bringen Expertise in resilienten, skalierten Betriebsmodellen ein — relevant, wenn Medizintechnikunternehmen Rechenkapazitäten und stabile Betriebsumgebungen benötigen.
Auch kleine und mittelgroße Zulieferer sowie spezialisierte Maschinenbauer bilden eine wichtige Säule: Sie liefern mechanische Komponenten, Präzisionsfertigung und Fertigungskompetenz, die für die Serienreife von Healthcare Devices notwendig sind. In Dortmund finden Hersteller damit eine vollständige Wertschöpfungskette in unmittelbarer Nähe.
Die Kombination aus Logistik‑Kompetenz, IT‑Dienstleistern, Versicherungsansprüchen und Energieinfrastruktur macht Dortmund zu einem Standort, an dem medizintechnische Innovationen nicht nur entwickelt, sondern auch effizient produziert und vertrieben werden können. Für KI bedeutet das: schnelles Iterieren, verlässliche Tests und eine realistische Perspektive auf Skalierung.
Interessiert an einer maßgeschneiderten KI‑Strategie für Ihr Unternehmen in Dortmund?
Wir reisen regelmäßig nach Dortmund, arbeiten vor Ort und erstellen mit Ihnen in Workshops eine priorisierte Roadmap samt Business Case und Governance‑Framework.
Wichtige Akteure in Dortmund
Signal Iduna ist ein bedeutender Akteur im Dortmunder Wirtschaftsgefüge. Als Versicherer hat Signal Iduna Erfahrung mit Gesundheits‑ und Risikoanalysen und beeinflusst die Anforderungen an Datenschutz und Compliance in der Region. Für Medizintechnikhersteller sind solche Versicherer wichtige Partner bei der Bewertung von Produkt‑ und Haftungsrisiken, insbesondere wenn KI-Systeme in klinischen Kontexten zum Einsatz kommen.
Wilo begann als Pumpenhersteller und hat sich zu einem technologiegetriebenen Industriekonzern entwickelt. Die Transformation von Hardware zu vernetzten Produkten bietet wertvolle Learnings für Medizintechnikfirmen, die digitale Zusatzfunktionen integrieren möchten. Wilo zeigt, wie Produktentwicklung, digitale Services und After‑Sales‑Modelle zusammenspielen.
ThyssenKrupp ist historisch mit der Region verbunden und hat durch Technologie‑ und Innovationsprojekte die industrielle Landschaft geprägt. Für Medizintechnik bedeutet das: ein Netzwerk an Metallverarbeitungskompetenz und Anlagenbau, das bei der Entwicklung physischer Devices genutzt werden kann.
RWE als Energieversorger ist nicht nur für die Infrastruktur relevant, sondern auch für Fragen der Resilienz und Nachhaltigkeit. Energieeffiziente Rechenzentren und stabiler Betrieb sind für datenzentrische KI‑Projekte von Bedeutung, insbesondere wenn es um kontinuierliches Monitoring und hohe Verfügbarkeitsanforderungen geht.
Materna ist in der IT‑ und Digitalisierungslandschaft aktiv und bringt Expertise in Implementierung großer IT‑Projekte. Für Medizintechnikhersteller in Dortmund ist Materna ein Beispiel dafür, wie komplexe IT‑Systeme in Behörden und Unternehmen integriert werden können — ein relevanter Erfahrungsschatz für die Einbettung klinischer Softwarelösungen in bestehende Krankenhaus‑IT.
Zusätzlich zu diesen Großakteuren existiert ein Geflecht aus Mittelstand und Spezialisierern: kleine Zulieferer, Softwarestudios und Forschungsgruppen an Hochschulen, die als Innovationsmotor fungieren. Diese Vielfalt macht Dortmund dynamisch und bietet Medizintechnikherstellern Zugang zu einem breiten Pool an Kompetenzen.
Für Unternehmen, die KI in ihre Produkte und Prozesse integrieren wollen, ist die Stärke der lokalen Akteure ein deutlicher Vorteil: Erfahrungswissen in Produktion, Energie, IT und Versicherung ist vorhanden und kann in interdisziplinären Projektteams schnell gebündelt werden.
Bereit für den ersten Proof of Concept?
Buchen Sie unser AI PoC‑Offering: in wenigen Wochen ein funktionierender Prototyp, Performance‑Kennzahlen und ein klarer Produktionsplan.
Häufig gestellte Fragen
Der Startpunkt ist ein AI Readiness Assessment: Erfassen Sie Datenlage, IT‑Infrastruktur, regulatorische Vorgaben und vorhandene Kompetenzen. Ein realistisches Assessment zeigt nicht nur technische Lücken, sondern auch organisatorische Hemmnisse wie fehlende Rollen oder unklare Entscheidungswege.
Im Anschluss empfiehlt sich eine Use‑Case‑Discovery, idealerweise mit Vertreterinnen und Vertretern aus 20+ Abteilungen: Produktmanagement, Regulatory Affairs, Klinische Studien, Qualitätssicherung, Service und IT. Diese breite Perspektive hilft, wahre Hebel zu identifizieren, statt an der Oberfläche zu bleiben.
Priorisieren Sie Use‑Cases nach Wirksamkeit, Umsetzbarkeit und Compliance‑Risiko. Ein Dokumentations‑Copilot oder eine Wartungsassistenz sind häufig niedrig hängende Früchte mit hohem Impact. Nutzen Sie Business Case Modellierung, um Kosten, Einsparpotenziale und Time‑to‑Value greifbar zu machen.
Schließlich planen Sie Pilot‑Phasen mit klaren Erfolgskennzahlen und einem Plan für Skalierung und Governance. Reruption begleitet solche Schritte vor Ort in Dortmund und hilft, technische Prototypen in validierte, regulatorisch abgesicherte Produkte zu überführen.
Regulierung ist zentral: Medizinprodukte unterliegen strengen Vorschriften (wie MDR) und KI‑Komponenten müssen nachweisbar sicher und wirksam sein. Das betrifft nicht nur das Produkt selbst, sondern auch die Datenpipeline, Trainingsdaten, Versionierung und Validierung der Modelle.
In der Praxis bedeutet das, dass schon in der Konzeptphase regulatorische Anforderungen berücksichtigt werden müssen. Klinische Validierung, Risikobewertungen und technische Dokumentation müssen Teil der Roadmap sein, nicht ein nachträglicher Anhang.
Für Unternehmen in Dortmund ist es hilfreich, frühzeitig regulatorische Expertise einzubinden, sei es intern oder durch externe Partner. Unsere AI Governance Frameworks legen auditfähige Prozesse fest, die Prüfbarkeit, Traceability und Verantwortlichkeiten dokumentieren.
Ein pragmatischer Ansatz ist, POCs so zu gestalten, dass sie reproduzierbar und dokumentiert sind. So lassen sich Erkenntnisse sichern und später in formale Validations‑Schritte überführen, sobald ein Produkt in Richtung Marktzulassung geht.
Geringer Implementierungsaufwand bei hohem Nutzen bietet oft die Automatisierung von Dokumentation: Dokumentations‑Copilots können klinische Berichte, Prüfprotokolle und Serviceberichte semi‑automatisch erstellen, wodurch Pflegepersonal und Techniker entlastet werden.
Clinical Workflow Assistants, die Checklisten, Vorbereitungen und Abläufe koordinieren, erzielen ebenfalls schnellen Mehrwert, weil sie Fehlerquellen reduzieren und Durchlaufzeiten verkürzen. In der Wartung sorgen Predictive Maintenance‑Ansätze für höhere Geräteverfügbarkeit.
Ein weiterer Bereich ist die Analyse von Gerätesensordaten für Qualitässicherung und Produktoptimierung. Diese Use Cases sind technisch oft machbar und bieten klare KPIs wie Reduktion von Ausfallzeiten oder verkürzte Prüfzeiten.
Wichtig ist die Priorisierung: Wählen Sie zuerst Use Cases mit messbaren, kurzzyklischen Effekten und klarem Data‑Access, dann erweitern Sie auf komplexere klinische Entscheidungsunterstützung.
Ein erstes, technisches Proof‑of‑Concept lässt sich oft innerhalb von 6–12 Wochen realisieren; unser AI PoC‑Offering für 9.900€ ist genau auf diesen Bedarf ausgerichtet: es liefert einen funktionierenden Prototyp, Performance‑Kennzahlen und einen Produktionsplan.
Für die Skalierung zu einem validierten Produkt sollten Unternehmen 12–36 Monate einplanen, abhängig von Risikoklasse, benötigten klinischen Studien und regulatorischen Schritten. Budgetmäßig variieren Projekte stark: Ein schneller POC kann mit fünfstelligen Beträgen beginnen, während eine Produktionsreife inklusive Validierung in den sechsstelligen Bereich gehen kann.
Wichtig ist eine staged Finanzierung: Investieren Sie zuerst in Assessments und POCs, um Evidenz zu schaffen, bevor Sie größere Mittel für Validierung und Rollout freigeben. So reduzieren Sie das Risiko und erhöhen die Chance auf interne Sponsorships.
Reruption unterstützt diesen Prozess mit klaren Business‑Case‑Modellen und Priorisierungsframeworks, die helfen, Investitionen zielgerichtet zu steuern.
Technisch sind Data Engineers, Machine Learning Engineers, DevOps/MLOps‑Expertise und Softwareentwickler erforderlich, um Datenpipelines, Trainingsprozesse und Modelldeployment zu betreiben. Ergänzend braucht es Security‑Know‑How und IT‑Architekten, die Integrationen mit klinischen Systemen realisieren.
Organisatorisch sind Produktmanager, Regulatory Affairs, klinische Experten und Data Stewards wichtig. Ohne diese Rollen gelingt zwar ein technischer Prototyp, aber keine nachhaltige Implementierung in regulierten Umgebungen.
Die Koordination dieser Kompetenzen ist eine Kernaufgabe: klare Verantwortlichkeiten, Entscheidungswege und ein Governance‑Modell sorgen dafür, dass Projekte nicht in Silos stecken bleiben. Unser AI Governance Framework definiert genau diese Schnittstellen und Rollenbeschreibung.
Für viele Dortmunder Firmen ist eine Mischform sinnvoll: zentrale Kompetenzzentren kombiniert mit externen Experten und regionalen IT‑Partnern, die kurzfristig operative Kapazität bereitstellen.
Die Integration beginnt mit einer Bestandsaufnahme der vorhandenen Systeme: Welche EMR‑/KIS‑Systeme sind im Einsatz, welche Schnittstellen (HL7, FHIR, DICOM) werden benötigt und wie ist die Datenqualität? Diese Fragen bestimmen die technische Roadmap und die Integrationsaufwände.
Für sicherheitskritische Anwendungen empfehlen sich hybride Lösungen: sensible Daten verbleiben on‑premise, während Modelle und nicht-personenbezogene Trainingsdaten in cloudbasierten Umgebungen verarbeitet werden können. Wichtig sind verschlüsselte Übertragungswege, Access‑Policies und Audit‑Logs.
Operationalisierung erfordert MLOps‑Pipelines, Monitoring für Modell‑Drift, Logging und Revisionssicherheit. Nur so lassen sich Modelle nachweisen, versionieren und bei Bedarf zurückrollen — wichtige Voraussetzungen für regulatorische Prüfungen.
Change Management darf nicht unterschätzt werden: Klinische Anwender brauchen klare Anwendungsfälle, Trainings und Feedback‑Mechanismen. Praktische Piloten mit echten User Stories erhöhen die Akzeptanz und liefern die nötigen Erkenntnisse für einen sicheren, nachhaltigen Rollout.
Kontaktieren Sie uns!
Direkt Kontaktieren
Philipp M. W. Hoffmann
Founder & Partner
Adresse
Reruption GmbH
Falkertstraße 2
70176 Stuttgart
Kontakt
Telefon