01.07.2025
Warum viele Automatisierungsprojekte immer noch scheitern
Warum viele Automatisierungsprojekte immer noch scheitern
Warum viele Automatisierungsprojekte immer noch scheitern
Prozessautomatisierung ist nicht neu – es gibt sie tatsächlich schon lange. Aber die Art, wie wir sie heute umsetzen und was wir damit erreichen können, hat sich jedoch grundlegend verändert. Deshalb lohnt es sich, einen Blick auf die Entwicklung der Automatisierung zurückzuwerfen – und zu beleuchten, wie sie heute tatsächlich zum Erfolg führen kann.
Die Digitalisierung von Geschäftsprozessen hat mehrere Evolutionsstufen durchlaufen. Jede hatte ihre Berechtigung – und ihre Grenzen. Ein Überblick über drei Jahrzehnte und warum wir jetzt an einem entscheidenden Punkt im Zeitalter der KI stehen.
Prozessautomatisierung ist nicht neu – es gibt sie tatsächlich schon lange. Aber die Art, wie wir sie heute umsetzen und was wir damit erreichen können, hat sich jedoch grundlegend verändert. Deshalb lohnt es sich, einen Blick auf die Entwicklung der Automatisierung zurückzuwerfen – und zu beleuchten, wie sie heute tatsächlich zum Erfolg führen kann.
Die Digitalisierung von Geschäftsprozessen hat mehrere Evolutionsstufen durchlaufen. Jede hatte ihre Berechtigung – und ihre Grenzen. Ein Überblick über drei Jahrzehnte und warum wir jetzt an einem entscheidenden Punkt im Zeitalter der KI stehen.
Prozessautomatisierung ist nicht neu – es gibt sie tatsächlich schon lange. Aber die Art, wie wir sie heute umsetzen und was wir damit erreichen können, hat sich jedoch grundlegend verändert. Deshalb lohnt es sich, einen Blick auf die Entwicklung der Automatisierung zurückzuwerfen – und zu beleuchten, wie sie heute tatsächlich zum Erfolg führen kann.
Die Digitalisierung von Geschäftsprozessen hat mehrere Evolutionsstufen durchlaufen. Jede hatte ihre Berechtigung – und ihre Grenzen. Ein Überblick über drei Jahrzehnte und warum wir jetzt an einem entscheidenden Punkt im Zeitalter der KI stehen.
Phase 1: Dokumentation als Lösung
Phase 1: Dokumentation als Lösung
Phase 1: Dokumentation als Lösung
Der erste Schritt war immer die Dokumentation: Prozesse aufschreiben, strukturieren, in Handbüchern festhalten. Das Ziel: Transparenz und Nachvollziehbarkeit.
Das Problem: Dokumentation allein ändert nichts. Prozesse leben weiterhin ihr eigenes Leben. Die aufwendig erstellten Handbücher verstauben in Regalen oder digitalen Ordnern.
Learning aus Phase 1: Wissen zu dokumentieren ist wichtig, aber nicht genug.
Der erste Schritt war immer die Dokumentation: Prozesse aufschreiben, strukturieren, in Handbüchern festhalten. Das Ziel: Transparenz und Nachvollziehbarkeit.
Das Problem: Dokumentation allein ändert nichts. Prozesse leben weiterhin ihr eigenes Leben. Die aufwendig erstellten Handbücher verstauben in Regalen oder digitalen Ordnern.
Learning aus Phase 1: Wissen zu dokumentieren ist wichtig, aber nicht genug.
Der erste Schritt war immer die Dokumentation: Prozesse aufschreiben, strukturieren, in Handbüchern festhalten. Das Ziel: Transparenz und Nachvollziehbarkeit.
Das Problem: Dokumentation allein ändert nichts. Prozesse leben weiterhin ihr eigenes Leben. Die aufwendig erstellten Handbücher verstauben in Regalen oder digitalen Ordnern.
Learning aus Phase 1: Wissen zu dokumentieren ist wichtig, aber nicht genug.
Phase 2: Systemintegration
Phase 2: Systemintegration
Phase 2: Systemintegration
Die nächste Stufe: System sollten miteinander kommunizieren – zum Beispiel, dass CRM-Daten automatisch ins ERP-System übertragen werden oder Rechnungsinformationen direkt an die Buchhaltung gesendet werden. Das Versprechen: Schluss mit manueller Doppelerfassung.
Funktionierte auch – solange alle Systeme stabil blieben. Bei Updates, Änderungen oder neuen Anforderungen brachen jedoch regelmäßig die Schnittstellen zusammen. Das Ergebnis: Datensilos und die damit verbundenen Probleme – erneut führte dies zu inkonsistenten Daten, Doppelerfassung und manueller Arbeit.
Learning aus Phase 2: Systemintegration ist wertvoll und sinnvoll, aber in der Praxis fragil.
Die nächste Stufe: System sollten miteinander kommunizieren – zum Beispiel, dass CRM-Daten automatisch ins ERP-System übertragen werden oder Rechnungsinformationen direkt an die Buchhaltung gesendet werden. Das Versprechen: Schluss mit manueller Doppelerfassung.
Funktionierte auch – solange alle Systeme stabil blieben. Bei Updates, Änderungen oder neuen Anforderungen brachen jedoch regelmäßig die Schnittstellen zusammen. Das Ergebnis: Datensilos und die damit verbundenen Probleme – erneut führte dies zu inkonsistenten Daten, Doppelerfassung und manueller Arbeit.
Learning aus Phase 2: Systemintegration ist wertvoll und sinnvoll, aber in der Praxis fragil.
Die nächste Stufe: System sollten miteinander kommunizieren – zum Beispiel, dass CRM-Daten automatisch ins ERP-System übertragen werden oder Rechnungsinformationen direkt an die Buchhaltung gesendet werden. Das Versprechen: Schluss mit manueller Doppelerfassung.
Funktionierte auch – solange alle Systeme stabil blieben. Bei Updates, Änderungen oder neuen Anforderungen brachen jedoch regelmäßig die Schnittstellen zusammen. Das Ergebnis: Datensilos und die damit verbundenen Probleme – erneut führte dies zu inkonsistenten Daten, Doppelerfassung und manueller Arbeit.
Learning aus Phase 2: Systemintegration ist wertvoll und sinnvoll, aber in der Praxis fragil.
Phase 3: Workflow-Automatisierung
Phase 3: Workflow-Automatisierung
Phase 3: Workflow-Automatisierung
Business Process Automation wurde ab 2010 erwachsen. Ganze Workflows konnten nun automatisiert werden – von Anfragen über die Verarbeitung bis hin zur Rechnungsstellung. Endlich End-to-End Prozesse!
Dies funktionierte gut für Standardfälle. BeiAusnahmen oder unvorhergesehenen Ereignissen stießen starre Workflows schnell an ihre Grenzen.
Learnings aus Phase 3: Lineare Automatisierung deckt nicht alle Realitäten ab.
Business Process Automation wurde ab 2010 erwachsen. Ganze Workflows konnten nun automatisiert werden – von Anfragen über die Verarbeitung bis hin zur Rechnungsstellung. Endlich End-to-End Prozesse!
Dies funktionierte gut für Standardfälle. BeiAusnahmen oder unvorhergesehenen Ereignissen stießen starre Workflows schnell an ihre Grenzen.
Learnings aus Phase 3: Lineare Automatisierung deckt nicht alle Realitäten ab.
Business Process Automation wurde ab 2010 erwachsen. Ganze Workflows konnten nun automatisiert werden – von Anfragen über die Verarbeitung bis hin zur Rechnungsstellung. Endlich End-to-End Prozesse!
Dies funktionierte gut für Standardfälle. BeiAusnahmen oder unvorhergesehenen Ereignissen stießen starre Workflows schnell an ihre Grenzen.
Learnings aus Phase 3: Lineare Automatisierung deckt nicht alle Realitäten ab.
Phase 4: RPA – Software-Roboter
Phase 4: RPA – Software-Roboter
Phase 4: RPA – Software-Roboter
Robotergestützte Prozessautomatisierung (RPA) versprach, menschliche Tätigkeiten 1:1 zu automatisieren. Software-Bots klickten sich durch die Anwendungen wie menschliche Nutzer.
Vorteil: Keine Systemänderungen nötig. Nachteil: Jede Änderung der Benutzeroberfläche konnte die Bots lahmlegen. RPA war effizient, aber unflexibel.
Learning aus Phase 4: Starre Automatisierung hat ihre Grenzen.
Robotergestützte Prozessautomatisierung (RPA) versprach, menschliche Tätigkeiten 1:1 zu automatisieren. Software-Bots klickten sich durch die Anwendungen wie menschliche Nutzer.
Vorteil: Keine Systemänderungen nötig. Nachteil: Jede Änderung der Benutzeroberfläche konnte die Bots lahmlegen. RPA war effizient, aber unflexibel.
Learning aus Phase 4: Starre Automatisierung hat ihre Grenzen.
Robotergestützte Prozessautomatisierung (RPA) versprach, menschliche Tätigkeiten 1:1 zu automatisieren. Software-Bots klickten sich durch die Anwendungen wie menschliche Nutzer.
Vorteil: Keine Systemänderungen nötig. Nachteil: Jede Änderung der Benutzeroberfläche konnte die Bots lahmlegen. RPA war effizient, aber unflexibel.
Learning aus Phase 4: Starre Automatisierung hat ihre Grenzen.
Phase 5: Hyperautomatisierung
Phase 5: Hyperautomatisierung
Phase 5: Hyperautomatisierung
Als RPA seine Grenzen erreichte, entstand der Trend der Hyperautomatisierung: die Kombination von BPM, RPA und kognitiven Technologien wie Machine Learning (ML) oder Natural Language Processing (NLP), um nicht nur einfache Aufgaben, sondern auch unstrukturierte Daten und komplexere Entscheidungsprozesse zu automatisieren.
Das ebnete den Weg für das, was wir heute als intelligente Automatisierung bezeichnen: Systeme, die datenbasiert Entscheidungen treffen, lernen und ihre eigenen Regeln dynamisch anpassen können.
Als RPA seine Grenzen erreichte, entstand der Trend der Hyperautomatisierung: die Kombination von BPM, RPA und kognitiven Technologien wie Machine Learning (ML) oder Natural Language Processing (NLP), um nicht nur einfache Aufgaben, sondern auch unstrukturierte Daten und komplexere Entscheidungsprozesse zu automatisieren.
Das ebnete den Weg für das, was wir heute als intelligente Automatisierung bezeichnen: Systeme, die datenbasiert Entscheidungen treffen, lernen und ihre eigenen Regeln dynamisch anpassen können.
Als RPA seine Grenzen erreichte, entstand der Trend der Hyperautomatisierung: die Kombination von BPM, RPA und kognitiven Technologien wie Machine Learning (ML) oder Natural Language Processing (NLP), um nicht nur einfache Aufgaben, sondern auch unstrukturierte Daten und komplexere Entscheidungsprozesse zu automatisieren.
Das ebnete den Weg für das, was wir heute als intelligente Automatisierung bezeichnen: Systeme, die datenbasiert Entscheidungen treffen, lernen und ihre eigenen Regeln dynamisch anpassen können.
Die Neue Ära: KI-Agenten-Orchestrierung
Die Neue Ära: KI-Agenten-Orchestrierung
Die Neue Ära: KI-Agenten-Orchestrierung
Mit den rasanten Fortschritten in der generativen KI und den großen Large Language Models (LLMs) wie GPT-4o und deren Integration in Unternehmenssoftware betreten wir nun ein völlig neues Kapitel: KI-Agenten-Orchestrierung.
Was bedeutet das? Statt nur vordefinierte Workflows abzuarbeiten oder einzelne Aufgaben mit RPA-Robotern zu automatisieren, übernehmen autonome KI-Agenten nun unabhängig Aufgaben, sammeln Informationen, treffen Entscheidungen und arbeiten mit anderen Agenten zusammen. Diese Agenten können dynamisch je nach Kontext generiert, angepasst und orchestriert werden, was es ihnen ermöglicht, selbst unvorhersehbare Anforderungen flexibel zu bewältigen.
Mit den rasanten Fortschritten in der generativen KI und den großen Large Language Models (LLMs) wie GPT-4o und deren Integration in Unternehmenssoftware betreten wir nun ein völlig neues Kapitel: KI-Agenten-Orchestrierung.
Was bedeutet das? Statt nur vordefinierte Workflows abzuarbeiten oder einzelne Aufgaben mit RPA-Robotern zu automatisieren, übernehmen autonome KI-Agenten nun unabhängig Aufgaben, sammeln Informationen, treffen Entscheidungen und arbeiten mit anderen Agenten zusammen. Diese Agenten können dynamisch je nach Kontext generiert, angepasst und orchestriert werden, was es ihnen ermöglicht, selbst unvorhersehbare Anforderungen flexibel zu bewältigen.
Mit den rasanten Fortschritten in der generativen KI und den großen Large Language Models (LLMs) wie GPT-4o und deren Integration in Unternehmenssoftware betreten wir nun ein völlig neues Kapitel: KI-Agenten-Orchestrierung.
Was bedeutet das? Statt nur vordefinierte Workflows abzuarbeiten oder einzelne Aufgaben mit RPA-Robotern zu automatisieren, übernehmen autonome KI-Agenten nun unabhängig Aufgaben, sammeln Informationen, treffen Entscheidungen und arbeiten mit anderen Agenten zusammen. Diese Agenten können dynamisch je nach Kontext generiert, angepasst und orchestriert werden, was es ihnen ermöglicht, selbst unvorhersehbare Anforderungen flexibel zu bewältigen.
Vier Gründe, warum viele immer noch scheitern
Vier Gründe, warum viele immer noch scheitern
Vier Gründe, warum viele immer noch scheitern
Das ist die Theorie – aber die Realität ist schockierend: Trotz 30 Jahren Erfahrung scheitern weltweit rund die Hälfte aller KI- oder Automatisierungsprojekte weiterhin. Die häufigsten Gründe sind:
Tool-Fokussierung: Der Glaube, die richtige Software löse automatisch alle Probleme. Ohne ein klares Verständnis der eigenen Prozesse ist selbst die beste Technologie ineffektiv.
Überkomplexe Konzeptionierung: Monatelange Planungsphase für perfekte Lösungen, die bei der Implementierung an der Realität scheitern.
Silo-Denken: Jede Abteilung automatisiert für sich, ohne Rücksicht auf übergreifende Prozesse.
Fehlendes Change Management: Mitarbeiter werden während der Transformation nicht berücksichtigt.
Das ist die Theorie – aber die Realität ist schockierend: Trotz 30 Jahren Erfahrung scheitern weltweit rund die Hälfte aller KI- oder Automatisierungsprojekte weiterhin. Die häufigsten Gründe sind:
Tool-Fokussierung: Der Glaube, die richtige Software löse automatisch alle Probleme. Ohne ein klares Verständnis der eigenen Prozesse ist selbst die beste Technologie ineffektiv.
Überkomplexe Konzeptionierung: Monatelange Planungsphase für perfekte Lösungen, die bei der Implementierung an der Realität scheitern.
Silo-Denken: Jede Abteilung automatisiert für sich, ohne Rücksicht auf übergreifende Prozesse.
Fehlendes Change Management: Mitarbeiter werden während der Transformation nicht berücksichtigt.
Das ist die Theorie – aber die Realität ist schockierend: Trotz 30 Jahren Erfahrung scheitern weltweit rund die Hälfte aller KI- oder Automatisierungsprojekte weiterhin. Die häufigsten Gründe sind:
Tool-Fokussierung: Der Glaube, die richtige Software löse automatisch alle Probleme. Ohne ein klares Verständnis der eigenen Prozesse ist selbst die beste Technologie ineffektiv.
Überkomplexe Konzeptionierung: Monatelange Planungsphase für perfekte Lösungen, die bei der Implementierung an der Realität scheitern.
Silo-Denken: Jede Abteilung automatisiert für sich, ohne Rücksicht auf übergreifende Prozesse.
Fehlendes Change Management: Mitarbeiter werden während der Transformation nicht berücksichtigt.
Die Lösung: Intelligente Orchestrierung vs. Automatisierung
Die Lösung: Intelligente Orchestrierung vs. Automatisierung
Die Lösung: Intelligente Orchestrierung vs. Automatisierung
Der entscheidende Unterschied liegt im Ansatz – im Mindset:
Klassische Automatisierung sagt: „Mach immer das Gleiche, egal was passiert.“
Intelligente Orchestrierung sagt: „Beurteile die Situation und bestimme, was am besten passt.“
Beispiel:
Eine Kundenanfrage kommt rein. Klassische Automatisierung würde sie streng nach vordefinierten Regeln weiterleiten.
Orchestrierung analysiert den Inhalt, berücksichtigt Kundenhistorie, Dringlichkeit und verfügbare Ressourcen – und trifft dann eine situationsgerechte Entscheidung.
Der entscheidende Unterschied liegt im Ansatz – im Mindset:
Klassische Automatisierung sagt: „Mach immer das Gleiche, egal was passiert.“
Intelligente Orchestrierung sagt: „Beurteile die Situation und bestimme, was am besten passt.“
Beispiel:
Eine Kundenanfrage kommt rein. Klassische Automatisierung würde sie streng nach vordefinierten Regeln weiterleiten.
Orchestrierung analysiert den Inhalt, berücksichtigt Kundenhistorie, Dringlichkeit und verfügbare Ressourcen – und trifft dann eine situationsgerechte Entscheidung.
Der entscheidende Unterschied liegt im Ansatz – im Mindset:
Klassische Automatisierung sagt: „Mach immer das Gleiche, egal was passiert.“
Intelligente Orchestrierung sagt: „Beurteile die Situation und bestimme, was am besten passt.“
Beispiel:
Eine Kundenanfrage kommt rein. Klassische Automatisierung würde sie streng nach vordefinierten Regeln weiterleiten.
Orchestrierung analysiert den Inhalt, berücksichtigt Kundenhistorie, Dringlichkeit und verfügbare Ressourcen – und trifft dann eine situationsgerechte Entscheidung.
Die vier Säulen moderner Prozessorchestrierung
Die vier Säulen moderner Prozessorchestrierung
Die vier Säulen moderner Prozessorchestrierung
Intelligente Entscheidungsfindung: KI-Agenten verstehen den Kontext und treffen nuancierte Entscheidungen.
Dynamische Anpassung: Prozesse passen sich automatisch an Ausnahmen und neue Situationen an.
Human-in-the-Loop: Menschliche Expertise wird genau dann integriert, wenn sie benötigt wird.
Kontinuierliches Lernen: Das System verbessert sich mit jeder Interaktion.
Intelligente Entscheidungsfindung: KI-Agenten verstehen den Kontext und treffen nuancierte Entscheidungen.
Dynamische Anpassung: Prozesse passen sich automatisch an Ausnahmen und neue Situationen an.
Human-in-the-Loop: Menschliche Expertise wird genau dann integriert, wenn sie benötigt wird.
Kontinuierliches Lernen: Das System verbessert sich mit jeder Interaktion.
Intelligente Entscheidungsfindung: KI-Agenten verstehen den Kontext und treffen nuancierte Entscheidungen.
Dynamische Anpassung: Prozesse passen sich automatisch an Ausnahmen und neue Situationen an.
Human-in-the-Loop: Menschliche Expertise wird genau dann integriert, wenn sie benötigt wird.
Kontinuierliches Lernen: Das System verbessert sich mit jeder Interaktion.
Was das für Dein Unternehmen bedeutet
Was das für Dein Unternehmen bedeutet
Was das für Dein Unternehmen bedeutet
Die gute Nachricht: Du müsst nicht alle Evolutionsstufen durchlaufen. Mit der richtigen Plattform kannst Du direkt zur intelligenten Orchestrierung wechseln.
Es bleibt jedoch wichtig, aus vergangenen Fehlern zu lernen: Nicht das perfekte Tool suchen, sondern nach der richtigen Integration. Vermeide monatelange Planungen – starte schnell und optimiere iterativ. Nicht in Silos denken, sondern End-to-End Prozesse gestalten.
Die Technologie ist bereit. KI-Agenten sind verfügbar und einsatzbereit. Jetzt geht es um die intelligente Implementierung.
Die gute Nachricht: Du müsst nicht alle Evolutionsstufen durchlaufen. Mit der richtigen Plattform kannst Du direkt zur intelligenten Orchestrierung wechseln.
Es bleibt jedoch wichtig, aus vergangenen Fehlern zu lernen: Nicht das perfekte Tool suchen, sondern nach der richtigen Integration. Vermeide monatelange Planungen – starte schnell und optimiere iterativ. Nicht in Silos denken, sondern End-to-End Prozesse gestalten.
Die Technologie ist bereit. KI-Agenten sind verfügbar und einsatzbereit. Jetzt geht es um die intelligente Implementierung.
Die gute Nachricht: Du müsst nicht alle Evolutionsstufen durchlaufen. Mit der richtigen Plattform kannst Du direkt zur intelligenten Orchestrierung wechseln.
Es bleibt jedoch wichtig, aus vergangenen Fehlern zu lernen: Nicht das perfekte Tool suchen, sondern nach der richtigen Integration. Vermeide monatelange Planungen – starte schnell und optimiere iterativ. Nicht in Silos denken, sondern End-to-End Prozesse gestalten.
Die Technologie ist bereit. KI-Agenten sind verfügbar und einsatzbereit. Jetzt geht es um die intelligente Implementierung.
Fazit: Intelligente Orchestrierung als Wettbewerbsvorteil
Fazit: Intelligente Orchestrierung als Wettbewerbsvorteil
Fazit: Intelligente Orchestrierung als Wettbewerbsvorteil
Nach drei Jahrzehnten sind wir dort angekommen, wo Prozessautomatisierung ihr volles Potenzial ausschöpfen kann: intelligent, flexibel und lernfähig. Die Werkzeuge sind da, und die Erfahrungen gemacht.
Unternehmen, die jetzt auf intelligente Orchestrierung setzen, verschaffen sich einen nachhaltigen Wettbewerbsvorteil. Die Frage ist nicht, ob diese Entwicklung kommt – sondern wie schnell Du sie für Dich und Dein Unternehmen nutzt.
Interessiert an den praktischen Möglichkeiten für Dein Unternehmen? In einer Demo zeigen wir konkrete Beispiele erfolgreicher KI-Orchestrierung und wie Du sie in Deinem Unternehmen umsetzen kannst. Jetzt Termin vereinbaren.
Nach drei Jahrzehnten sind wir dort angekommen, wo Prozessautomatisierung ihr volles Potenzial ausschöpfen kann: intelligent, flexibel und lernfähig. Die Werkzeuge sind da, und die Erfahrungen gemacht.
Unternehmen, die jetzt auf intelligente Orchestrierung setzen, verschaffen sich einen nachhaltigen Wettbewerbsvorteil. Die Frage ist nicht, ob diese Entwicklung kommt – sondern wie schnell Du sie für Dich und Dein Unternehmen nutzt.
Interessiert an den praktischen Möglichkeiten für Dein Unternehmen? In einer Demo zeigen wir konkrete Beispiele erfolgreicher KI-Orchestrierung und wie Du sie in Deinem Unternehmen umsetzen kannst. Jetzt Termin vereinbaren.
Nach drei Jahrzehnten sind wir dort angekommen, wo Prozessautomatisierung ihr volles Potenzial ausschöpfen kann: intelligent, flexibel und lernfähig. Die Werkzeuge sind da, und die Erfahrungen gemacht.
Unternehmen, die jetzt auf intelligente Orchestrierung setzen, verschaffen sich einen nachhaltigen Wettbewerbsvorteil. Die Frage ist nicht, ob diese Entwicklung kommt – sondern wie schnell Du sie für Dich und Dein Unternehmen nutzt.
Interessiert an den praktischen Möglichkeiten für Dein Unternehmen? In einer Demo zeigen wir konkrete Beispiele erfolgreicher KI-Orchestrierung und wie Du sie in Deinem Unternehmen umsetzen kannst. Jetzt Termin vereinbaren.
Automatisiere deine Prozesse
Finde heraus, wie FireStart für dein Unternehmen arbeiten kann. Wir zeigen dir, wie du deine Produktivität steigern und die Zusammenarbeit im Team fördern kannst.
Automatisiere deine Prozesse
Finde heraus, wie FireStart für dein Unternehmen arbeiten kann. Wir zeigen dir, wie du deine Produktivität steigern und die Zusammenarbeit im Team fördern kannst.
Automatisiere deine Prozesse
Finde heraus, wie FireStart für dein Unternehmen arbeiten kann. Wir zeigen dir, wie du deine Produktivität steigern und die Zusammenarbeit im Team fördern kannst.
FireStart
Am Winterhafen 1, 4020 Linz Österreich
Übersicht
Information
Zum Newsletter anmelden
FireStart
Am Winterhafen 1, 4020 Linz, Österreich
Übersicht
Information
Zum Newsletter anmelden
FireStart
Am Winterhafen 1, 4020 Linz, Österreich
Übersicht
Information
Zum Newsletter anmelden