Skyvern

🐉 Automatisieren Sie browserbasierte Workflows mit LLMs und Computer Vision 🐉

Skyvern automatisiert browserbasierte Workflows mithilfe von LLMs und Computer Vision. Es bietet ein mit Playwright kompatibles SDK, das KI-Funktionen auf Playwright aufsetzt, sowie einen No-Code-Workflow-Builder, der technischen und nicht-technischen Benutzern hilft, manuelle Workflows auf jeder Website zu automatisieren und ersetzt fragilen oder unzuverlässige Automatisierungslösungen.

Herkömmliche Ansätze zur Browser-Automatisierung erforderten das Schreiben von benutzerdefinierten Skripten für Websites, die oft auf DOM-Parsing und XPath-basierten Interaktionen beruhten, die bei jeder Änderung des Website-Layouts brachen.

Anstatt sich nur auf code-definierte XPath-Interaktionen zu verlassen, setzt Skyvern auf Vision-LLMs, um die Websites zu lernen und mit ihnen zu interagieren.

Wie es funktioniert

Skyvern wurde vom aufgabengetriebenen autonomen Agent-Design inspiriert, das von BabyAGI und AutoGPT populär gemacht wurde – mit einem großen Bonus: Wir geben Skyvern die Fähigkeit, mit Websites zu interagieren, indem wir Browser-Automatisierungsbibliotheken wie Playwright verwenden.

Skyvern verwendet einen Schwarm von Agenten, um eine Website zu verstehen und ihre Aktionen zu planen und auszuführen:

Dieser Ansatz hat einige Vorteile:

1. Skyvern kann auf Websites arbeiten, die es noch nie zuvor gesehen hat, da es visuelle Elemente den für die Ausführung eines Workflows erforderlichen Aktionen zuordnen kann, ohne benutzerdefinierten Code.
2. Skyvern ist resistent gegen Änderungen des Website-Layouts, da es keine vorbestimmten XPaths oder andere Selektoren gibt, nach denen unser System beim Navigieren sucht.
3. Skyvern kann einen einzelnen Workflow auf eine große Anzahl von Websites anwenden, da es in der Lage ist, die für die Ausführung des Workflows erforderlichen Interaktionen zu durchdenken. Ein detaillierter technischer Bericht ist hier zu finden.

Demo

https://github.com/user-attachments/assets/5cab4668-e8e2-4982-8551-aab05ff73a7f

Schnellstart

Skyvern Cloud

Skyvern Cloud ist eine verwaltete Cloud-Version von Skyvern, mit der Sie Skyvern ausführen können, ohne sich um die Infrastruktur kümmern zu müssen. Sie ermöglicht es Ihnen, mehrere Skyvern-Instanzen parallel auszuführen und ist mit Anti-Bot-Erkennungsmechanismen, Proxy-Netzwerk und CAPTCHA-Lösern ausgestattet.

Wenn Sie es ausprobieren möchten, besuchen Sie app.skyvern.com und erstellen Sie ein Konto.

Lokal ausführen (UI + Server)

Wählen Sie Ihre bevorzugte Einrichtungsmethode:

Datenbank-Standard: skyvern quickstart und skyvern run server verwenden standardmäßig eine SQLite-Datenbank unter ~/.skyvern/data.db, sodass der Pip-Pfad ohne Postgres oder Docker funktioniert. Um stattdessen Postgres zu verwenden, übergeben Sie --database-string für eine vorhandene Datenbank (oder lassen Sie --no-postgres weg, damit quickstart einen eigenen Postgres-Container startet). Docker Compose verwendet immer den gebündelten Postgres-Dienst.

Option A: pip install (Empfohlen für Python-verwaltete lokale Einrichtung)

Benötigte Abhängigkeiten:

• Python 3.11, 3.12 oder 3.13

Zusätzlich für Windows:

• Rust
• VS Code mit C++-Entwicklungstools und Windows SDK

1. Skyvern installieren

pip install "skyvern[all]"

2. Skyvern ausführen

skyvern quickstart

Der Pip-Schnellstart verwendet standardmäßig SQLite. Um stattdessen einen lokalen Postgres-Container zu verwenden, führen Sie skyvern quickstart aus (Postgres-Container wird gestartet, es sei denn, Sie übergeben --no-postgres), oder verbinden Sie sich mit einer vorhandenen Datenbank über --database-string=postgresql+psycopg://user:pass@host:5432/dbname.

Option B: Docker Compose

Verwenden Sie diese Option, wenn Sie alles in Containern haben möchten (Postgres, API, UI) und Python/Node nicht lokal installieren möchten.

1. Installieren Sie Docker Desktop
2. Klonen Sie das Repository:

   git clone https://github.com/skyvern-ai/skyvern.git && cd skyvern
   

3. Konfigurieren Sie Ihren LLM-Anbieter in .env (der folgende Befehl quickstart --docker-compose erstellt ihn aus .env.example, falls er fehlt):

   cp .env.example .env  # if not already created
   # edit .env to add your LLM API key
   

4. Starten Sie alles:

   docker compose up -d
   

5. Öffnen Sie http://localhost:8080

Fehlerbehebung

(sqlite3.OperationalError) table organizations already exists — Sie haben einen bekannten Fehler in pip install skyvern==1.0.31 getroffen. Behebung:

rm ~/.skyvern/data.db   # remove the leftover SQLite file
pip install --upgrade skyvern   # 1.0.32+ contains the fix
skyvern quickstart

Wenn Sie noch auf 1.0.31 sind und kein Upgrade durchführen können, installieren Sie stattdessen über uv:

uv pip install skyvern

pip install skyvern schlägt mit ResolutionImpossible fehl (litellm / fastmcp) — Sie haben einen Abhängigkeitskonflikt in 1.0.31. Entweder auf 1.0.32+ upgraden oder uv verwenden: uv pip install skyvern.

SDK

Skyvern ist eine Playwright-Erweiterung, die KI-gestützte Browser-Automatisierung hinzufügt. Es bietet Ihnen die volle Leistung von Playwright mit zusätzlichen KI-Fähigkeiten – verwenden Sie natürliche Sprachbefehle, um mit Elementen zu interagieren, Daten zu extrahieren und komplexe mehrstufige Workflows zu automatisieren.

Installation:

• Python SDK / Cloud-API: pip install skyvern
• Lokaler Server + gepackte UI: pip install "skyvern[all]" dann skyvern quickstart ausführen
• Lokaler Server + gepackte UI mit Postgres: pip install "skyvern[all]" dann skyvern quickstart --database-string=postgresql+psycopg://user:pass@host:5432/dbname ausführen
• Gepackte UI für eine vorhandene API: pip install "skyvern[ui]" dann VITE_API_BASE_URL setzen (und VITE_SKYVERN_API_KEY, wenn Ihre API einen Schlüssel erfordert) und skyvern run ui ausführen
• TypeScript: npm install @skyvern/client

KI-gestützte Seitenbefehle

Skyvern fügt vier zentrale KI-Befehle direkt auf dem Seitenobjekt hinzu:

Befehl	Beschreibung
page.act(prompt)	Aktionen mit natürlicher Sprache ausführen (z. B. „Klicke auf den Login-Button“)
page.extract(prompt, schema)	Strukturierte Daten aus der Seite mit optionalem JSON-Schema extrahieren
page.validate(prompt)	Seitenstatus validieren, gibt bool zurück (z. B. „Prüfen, ob der Benutzer angemeldet ist“)
page.prompt(prompt, schema)	Beliebige Eingabeaufforderungen an das LLM mit optionalem Antwortschema senden

Zusätzlich bietet page.agent übergeordnete Workflow-Befehle:

Befehl	Beschreibung
page.agent.run_task(prompt)	Komplexe mehrstufige Aufgaben ausführen
page.agent.login(credential_type, credential_id)	Mit gespeicherten Anmeldeinformationen authentifizieren (Skyvern, Bitwarden, 1Password)
page.agent.download_files(prompt)	Navigieren und Dateien herunterladen
page.agent.run_workflow(workflow_id)	Vorgefertigte Workflows ausführen

KI-erweiterte Playwright-Aktionen

Alle standardmäßigen Playwright-Aktionen unterstützen einen optionalen Parameter prompt für die KI-gestützte Elementpositionierung:

Aktion	Playwright	KI-erweitert
Klicken	page.click("#btn")	page.click(prompt="Click login button")
Ausfüllen	page.fill("#email", "a@b.com")	page.fill(prompt="Email field", value="a@b.com")
Auswählen	page.select_option("#country", "US")	page.select_option(prompt="Country dropdown", value="US")
Hochladen	page.upload_file("#file", "doc.pdf")	page.upload_file(prompt="Upload area", files="doc.pdf")

Drei Interaktionsmodi:

# 1. Traditional Playwright - CSS/XPath selectors
await page.click("#submit-button")

# 2. AI-powered - natural language
await page.click(prompt="Click the green Submit button")

# 3. AI fallback - tries selector first, falls back to AI if it fails
await page.click("#submit-btn", prompt="Click the Submit button")

Zentrale KI-Befehle – Beispiele

# act - Perform actions using natural language
await page.act("Click the login button and wait for the dashboard to load")

# extract - Extract structured data with optional JSON schema
result = await page.extract("Get the product name and price")
result = await page.extract(
    prompt="Extract order details",
    schema={"order_id": "string", "total": "number", "items": "array"}
)

# validate - Check page state (returns bool)
is_logged_in = await page.validate("Check if the user is logged in")

# prompt - Send arbitrary prompts to the LLM
summary = await page.prompt("Summarize what's on this page")

Schnellstart-Beispiele

Über die UI ausführen:

skyvern run all

Navigieren Sie zu http://localhost:8080, um Aufgaben über die Weboberfläche auszuführen. Wenn die gepackte UI fehlt, bietet skyvern run ui an, das passende UI-Paket zu installieren.

Um nur die gepackte UI mit einer vorhandenen Skyvern-API zu verwenden, installieren Sie skyvern[ui] und setzen Sie die folgenden Umgebungsvariablen, bevor Sie skyvern run ui ausführen:

• VITE_API_BASE_URL (z. B. http://localhost:8000/api/v1) — zeigt der UI auf Ihre Skyvern-API
• VITE_SKYVERN_API_KEY — den API-Schlüssel, falls Ihre API einen benötigt
• VITE_WSS_BASE_URL — WebSocket-Endpunkt (aus VITE_API_BASE_URL abgeleitet, wenn nicht gesetzt)
• VITE_ARTIFACT_API_BASE_URL — Basis-URL für Artefakt-Downloads
• VITE_BROWSER_STREAMING_MODE — Browser-Viewport-Streaming-Modus

Python-SDK:

from skyvern import Skyvern

# Local mode
skyvern = Skyvern.local()

# Or connect to Skyvern Cloud
skyvern = Skyvern(api_key="your-api-key")

# Launch browser and get page
browser = await skyvern.launch_cloud_browser()
page = await browser.get_working_page()

# Mix Playwright with AI-powered actions
await page.goto("https://example.com")
await page.click("#login-button")  # Traditional Playwright
await page.agent.login(credential_type="skyvern", credential_id="cred_123")  # AI login
await page.click(prompt="Add first item to cart")  # AI-augmented click
await page.agent.run_task("Complete checkout with: John Snow, 12345")  # AI task

TypeScript-SDK:

import { Skyvern } from "@skyvern/client";

const skyvern = new Skyvern({ apiKey: "your-api-key" });
const browser = await skyvern.launchCloudBrowser();
const page = await browser.getWorkingPage();

// Mix Playwright with AI-powered actions
await page.goto("https://example.com");
await page.click("#login-button");  // Traditional Playwright
await page.agent.login("skyvern", { credentialId: "cred_123" });  // AI login
await page.click({ prompt: "Add first item to cart" });  // AI-augmented click
await page.agent.runTask("Complete checkout with: John Snow, 12345");  // AI task

await browser.close();

Einfache Aufgabenausführung:

from skyvern import Skyvern

skyvern = Skyvern()
task = await skyvern.run_task(prompt="Find the top post on hackernews today")
print(task)

Erweiterte Nutzung

Steuern Sie Ihren eigenen Browser (Chrome)

Lassen Sie Skyvern Ihren vorhandenen Chrome-Browser steuern – mit allen Ihren Cookies, Anmeldungen und Erweiterungen.

Schritt 1: Remote-Debugging in Chrome aktivieren

1. Öffnen Sie Chrome und navigieren Sie zu chrome://inspect/#remote-debugging
2. Klicken Sie auf Enable, um den Debugging-Server zu starten
3. Sie sollten sehen: Server läuft unter: 127.0.0.1:9222

[!TIP] Der Befehl skyvern init browser kann dies automatisch erledigen – er öffnet chrome://inspect/#remote-debugging, wartet darauf, dass Sie es aktivieren, und speichert die Konfiguration.

Schritt 2: Skyvern verbinden

Option A – Python-Code:

from skyvern import Skyvern

skyvern = Skyvern(
    base_url="http://localhost:8000",
    api_key="YOUR_API_KEY",
    browser_address="http://127.0.0.1:9222",
)
task = await skyvern.run_task(
    prompt="Find the top post on hackernews today",
)

Option B – Skyvern-Dienst:

Fügen Sie zwei Variablen zu Ihrer .env-Datei hinzu:

BROWSER_TYPE=cdp-connect
BROWSER_REMOTE_DEBUGGING_URL=http://127.0.0.1:9222

Starten Sie den Skyvern-Dienst skyvern run all neu und führen Sie die Aufgabe über die UI oder den Code aus

Skyvern Cloud mit Ihrem lokalen Browser verbinden

Lassen Sie Skyvern Cloud einen Chrome-Browser steuern, der auf Ihrem Rechner läuft – mit allen Ihren vorhandenen Cookies, Anmeldungen und Erweiterungen. Nützlich für die Automatisierung von Websites, bei denen Sie bereits angemeldet sind oder sich hinter einem VPN befinden.

# One command to start Chrome + create a tunnel to Skyvern Cloud
skyvern browser serve --tunnel

Verwenden Sie dann die Tunnel-URL in Ihrer Aufgabe:

from skyvern import Skyvern

skyvern = Skyvern(api_key="your-api-key")
task = await skyvern.run_task(
    prompt="Download the latest invoice from my account",
    browser_address="https://abc123.ngrok-free.dev",
)

[!WARNUNG] Verwenden Sie immer --api-key, wenn Sie Ihren Browser über einen Tunnel bereitstellen. Ohne diesen hat jeder mit der URL volle Kontrolle über Ihren Browser. Siehe die Sicherheitsdokumentation.

Siehe die vollständige Dokumentation für alle Optionen, manuelle Tunnel-Einrichtung und Fehlerbehebung.

Konsistentes Ausgabeschema aus Ihrem Lauf erhalten

Sie können dies tun, indem Sie den Parameter data_extraction_schema hinzufügen:

from skyvern import Skyvern

skyvern = Skyvern()
task = await skyvern.run_task(
    prompt="Find the top post on hackernews today",
    data_extraction_schema={
        "type": "object",
        "properties": {
            "title": {
                "type": "string",
                "description": "The title of the top post"
            },
            "url": {
                "type": "string",
                "description": "The URL of the top post"
            },
            "points": {
                "type": "integer",
                "description": "Number of points the post has received"
            }
        }
    }
)

Hilfreiche Befehle zur Fehlersuche

# Launch the Skyvern Server Separately*
skyvern run server

# Launch the Skyvern UI
skyvern run ui

# Check status of the Skyvern service
skyvern status

# Stop the Skyvern service
skyvern stop all

# Stop the Skyvern UI
skyvern stop ui

# Stop the Skyvern Server Separately
skyvern stop server

Leistung & Bewertung

Skyvern hat SOTA-Leistung auf dem WebBench-Benchmark mit einer Genauigkeit von 64,4 %. Der technische Bericht + die Bewertung finden Sie hier

Leistung bei WRITE-Aufgaben (z. B. Formulare ausfüllen, Anmelden, Dateien herunterladen usw.)

Skyvern ist der am besten abschneidende Agent bei WRITE-Aufgaben (z. B. Formulare ausfüllen, Anmelden, Dateien herunterladen usw.), die hauptsächlich für RPA-nahe Aufgaben (Robotic Process Automation) verwendet werden.

Skyvern-Funktionen

Skyvern-Aufgaben

Aufgaben sind der grundlegende Baustein in Skyvern. Jede Aufgabe ist eine einzelne Anfrage an Skyvern, die es anweist, durch eine Website zu navigieren und ein bestimmtes Ziel zu erreichen.

Für Aufgaben müssen Sie eine url, prompt angeben, und optional eine data schema (wenn die Ausgabe einem bestimmten Schema entsprechen soll) und error codes (wenn Skyvern in bestimmten Situationen stoppen soll).

Skyvern-Workflows

Workflows sind eine Möglichkeit, mehrere Aufgaben zu einer kohärenten Arbeitseinheit zu verketten.

Wenn Sie beispielsweise alle Rechnungen, die neuer als der 1. Januar sind, herunterladen möchten, könnten Sie einen Workflow erstellen, der zuerst zur Rechnungsseite navigiert, dann nur Rechnungen neuer als der 1. Januar anzeigt, eine Liste aller in Frage kommenden Rechnungen extrahiert und jede Rechnung durchläuft, um sie herunterzuladen.

Ein weiteres Beispiel: Wenn Sie den Kauf von Produkten in einem E-Commerce-Shop automatisieren möchten, könnten Sie einen Workflow erstellen, der zuerst zum gewünschten Produkt navigiert und es dann in den Warenkorb legt. Zweitens würde es zum Warenkorb navigieren und den Warenkorbstatus validieren. Schließlich würde es den Checkout-Prozess durchlaufen, um die Artikel zu kaufen.

Unterstützte Workflow-Funktionen umfassen:

1. Browser-Aufgabe
2. Browser-Aktion
3. Datenextraktion
4. Validierung
5. For-Schleifen
6. Dateiparsing
7. E-Mails senden
8. Textaufforderungen
9. HTTP-Anfrage-Block
10. Benutzerdefinierter Code-Block
11. Hochladen von Dateien in den Blockspeicher
12. (Bald verfügbar) Bedingungen

Livestreaming

Skyvern ermöglicht es Ihnen, den Viewport des Browsers auf Ihren lokalen Rechner zu streamen, sodass Sie genau sehen können, was Skyvern im Web tut. Dies ist nützlich zum Debuggen und Verstehen, wie Skyvern mit einer Website interagiert, und um bei Bedarf einzugreifen.

Ausfüllen von Formularen

Skyvern ist nativ in der Lage, Formulareingaben auf Websites auszufüllen. Durch die Übergabe von Informationen über navigation_goal kann Skyvern die Informationen erfassen und das Formular entsprechend ausfüllen.

Datenextraktion

Skyvern ist auch in der Lage, Daten von einer Website zu extrahieren.

Sie können auch ein data_extraction_schema direkt im Hauptprompt angeben, um Skyvern genau mitzuteilen, welche Daten Sie von der Website extrahieren möchten, im JSONC-Format. Die Ausgabe von Skyvern wird gemäß dem bereitgestellten Schema strukturiert.

Herunterladen von Dateien

Skyvern ist auch in der Lage, Dateien von einer Website herunterzuladen. Alle heruntergeladenen Dateien werden automatisch in den Block-Speicher hochgeladen (falls konfiguriert) und Sie können über die UI darauf zugreifen.

Authentifizierung

Skyvern unterstützt eine Reihe verschiedener Authentifizierungsmethoden, um die Automatisierung von Aufgaben hinter einem Login zu erleichtern. Wenn Sie es ausprobieren möchten, kontaktieren Sie uns bitte per E-Mail oder discord.

🔐 2FA-Unterstützung (TOTP)

Skyvern unterstützt eine Reihe verschiedener 2FA-Methoden, um Workflows zu automatisieren, die 2FA erfordern.

Beispiele sind:

1. QR-basierte 2FA (z. B. Google Authenticator, Authy)
2. E-Mail-basierte 2FA
3. SMS-basierte 2FA

🔐 Erfahren Sie mehr über die 2FA-Unterstützung hier.

Passwort-Manager-Integrationen

Skyvern unterstützt derzeit die folgenden Passwort-Manager-Integrationen:

• Bitwarden
• Custom Credential Service (HTTP API)
• 1Password
• LastPass

Model Context Protocol (MCP)

Skyvern unterstützt das Model Context Protocol (MCP), damit Sie jedes LLM verwenden können, das MCP unterstützt.

Siehe die MCP-Dokumentation hier

Zapier / Make.com / N8N-Integration

Skyvern unterstützt Zapier, Make.com und N8N, damit Sie Ihre Skyvern-Workflows mit anderen Apps verbinden können.

• Zapier
• Make.com
• N8N

🔐 Erfahren Sie mehr über die 2FA-Unterstützung hier.

Praxisbeispiele für Skyvern

Wir freuen uns zu sehen, wie Skyvern in der Praxis eingesetzt wird. Hier sind einige Beispiele, wie Skyvern verwendet wird, um Workflows in der realen Welt zu automatisieren. Bitte eröffnen Sie PRs, um Ihre eigenen Beispiele hinzuzufügen!

Rechnungs-Download auf vielen verschiedenen Websites

Buchen Sie eine Demo, um es live zu sehen

Automatisierung des Bewerbungsprozesses

💡 Sehen Sie es in Aktion

Automatisierung der Materialbeschaffung für ein Fertigungsunternehmen

💡 Sehen Sie es in Aktion

Navigieren zu Regierungswebsites, um Konten zu registrieren oder Formulare auszufüllen

💡 Sehen Sie es in Aktion

Ausfüllen beliebiger Kontaktformulare

💡 Sehen Sie es in Aktion

Abrufen von Versicherungsangeboten von Versicherungsanbietern in beliebiger Sprache

💡 Sehen Sie es in Aktion

💡 Sehen Sie es in Aktion

Einrichtung für Mitwirkende

Stellen Sie sicher, dass uv installiert ist.

1. Führen Sie dies aus, um Ihre virtuelle Umgebung zu erstellen (.venv)

   uv sync --group dev
   

2. Führen Sie die anfängliche Serverkonfiguration durch

   uv run skyvern quickstart
   

3. Navigieren Sie in Ihrem Browser zu http://localhost:8080, um die UI zu verwenden Die Skyvern-CLI unterstützt Windows, WSL, macOS und Linux-Umgebungen.

Dokumentation

Eine umfangreichere Dokumentation finden Sie auf unserer 📕 Dokumentationsseite. Bitte lassen Sie uns wissen, wenn etwas unklar ist oder fehlt, indem Sie ein Issue eröffnen oder uns per E-Mail oder Discord kontaktieren.

Unterstützte LLMs

Anbieter	Unterstützte Modelle
OpenAI	GPT-5.5, GPT-5.4, GPT-5, GPT-4.1, o3, o4-mini
Anthropic	Claude 4.7 Opus, Claude 4.6 (Sonnet, Opus), Claude 4.5 (Haiku, Sonnet, Opus)
Azure OpenAI	Any GPT models deployed to your Azure subscription
AWS Bedrock	Claude 4.7, Claude 4.6 (Sonnet, Opus), Claude 4.5 (Sonnet, Opus)
Gemini	Gemini 3.1 Pro, Gemini 3 Flash, Gemini 2.5 Pro/Flash
Ollama	Run any locally hosted model via Ollama
OpenRouter	Access models through OpenRouter
OpenAI-compatible	Any custom API endpoint that follows OpenAI's API format (via liteLLM)

Für eine detaillierte LLM-Konfiguration, einschließlich aller verfügbaren Modellschlüssel, Umgebungsvariablen und Multi-Modell-Setups, siehe die LLM-Konfigurationsdokumentation.

Mitwirken

Wir freuen uns über PRs und Vorschläge! Zögern Sie nicht, ein PR/Issue zu eröffnen oder uns per E-Mail oder Discord zu kontaktieren. Bitte werfen Sie einen Blick auf unseren Leitfaden für Beiträge und die „Help Wanted"-Issues, um loszulegen!

Wenn Sie mit dem Skyvern-Repository chatten möchten, um einen Überblick über die Struktur zu erhalten, wie Sie darauf aufbauen und wie Sie Nutzungsfragen lösen können, schauen Sie sich Code Sage an.

Telemetrie

Standardmäßig erfasst Skyvern grundlegende Nutzungsstatistiken, um zu verstehen, wie Skyvern verwendet wird. Wenn Sie die Telemetrie deaktivieren möchten, setzen Sie die Umgebungsvariable SKYVERN_TELEMETRY auf false.

Lizenz

Das Open-Source-Repository von Skyvern wird über eine verwaltete Cloud unterstützt. Die gesamte Kernlogik von Skyvern ist in diesem Open-Source-Repository unter der AGPL-3.0-Lizenz verfügbar, mit Ausnahme von Anti-Bot-Maßnahmen, die in unserem verwalteten Cloud-Angebot verfügbar sind.

Wenn Sie Fragen oder Bedenken zur Lizenzierung haben, kontaktieren Sie uns und wir helfen Ihnen gerne weiter.

Sternverlauf