GPU-Marktplatz: Vast.ai vs Shadeform vs Prime Intellect

Verfügbare GPU-Kapazität zu angemessenen Preisen zu finden, ist zu einer kritischen Herausforderung für KI-Teams geworden. Während große Cloud-Anbieter wie AWS und Google Cloud GPU-Instanzen anbieten, sind diese oft ausgelastet oder teuer. GPU-Marktplatz-Aggregatoren haben sich als Alternative etabliert und verbinden Nutzer über eine einzige Schnittstelle mit Dutzenden von Anbietern.

Unten sehen Sie die Aufteilung der Suchmarktanteile der letzten 12 Monate für die führenden GPU-Marktplätze:

Vast.ai

Vast.ai ist einer der ursprünglichen GPU-Marktplätze, gegründet 2018, und arbeitet als Peer-to-Peer-Börse, die Mieter mit Einzelpersonen, Tier-4-Rechenzentren und anderen Teilnehmern verbindet. Oft als das „Airbnb der GPUs“ beschrieben, listet es Angebote aus einem breiten Pool von Hosts und lässt den Preiswettbewerb die Raten bestimmen, was ihm einen der umfangreichsten Hardware-Kataloge auf dem Markt verschafft.

Hauptmerkmale:

• Marktplatz-Suchmaschine, die Live-Angebote nach GPU-Typ, VRAM, CPU, Bandbreite und Preis filtert
• Sowohl geprüfter „Secure Cloud“-Rechenzentrumsbestand als auch kostengünstigere Community-/Host-Kapazität in einer Oberfläche
• Sekundengenaue Abrechnung mit unterbrechbaren (Spot-ähnlichen) und On-Demand-Optionen
• Vorgefertigte und benutzerdefinierte Docker-Templates per Mausklick für schnelle Bereitstellung
• Die größte Auswahl an GPU-Modellen in dieser Kategorie, von Consumer-RTX-Karten bis hin zu Rechenzentrums-H100/H200/B200

Am besten geeignet für: Kostenbewusste Entwickler, Forscher und Indie-Teams, die breiteste Hardware-Auswahl und die niedrigsten Einstiegspreise wünschen und variable Host-Qualität tolerieren können.

TensorDock

TensorDock ist ein GPU-Marktplatz, der Kapazitäten zwischen Anbietern mit ungenutzter Hardware und Nutzern vermittelt, ähnlich wie Vast.ai, jedoch mit strengeren Host-Anforderungen und einem Fokus auf vollständige VM-Kontrolle. Es wirbt mit Zugriff auf bis zu 30.000 GPUs durch Partner in mehr als 100 Rechenzentrumsstandorten.

Hauptmerkmale:

• Marktplatz-/Broker-Modell mit wettbewerbsfähigen Anbieterpreisen, die oft festpreisige Clouds unterbieten
• Volle VM-Kontrolle mit KVM-Isolation, einschließlich Root-Zugriff und benutzerdefinierten Treibern/OS
• Anpassbarer RAM, vCPU und Speicher
• Mischung aus Enterprise- (A100/H100) und Consumer-GPUs in Tier-3/4-Rechenzentren
• Sekundengenaue Abrechnung, REST-API, CLI und 24/7-Support sind in der Miete enthalten

Am besten geeignet für: Budgetbewusste Teams, die Marktplatz-Preise wünschen, aber mehr Konfigurierbarkeit, Isolation und Support benötigen, als ein reiner Community-Marktplatz typischerweise bietet.

Shadeform

Shadeform ist ein 2023 gegründeter GPU-Cloud-Marktplatz, der Entwickler mit Computing-Ressourcen von mehr als 20 Cloud-Anbietern verbindet, darunter Lambda, Nebius und Crusoe. Die Plattform bietet eine einheitliche API und Konsole zur Bereitstellung von GPUs über alle Anbieter hinweg, sodass die Verwaltung mehrerer Konten und APIs entfällt.

Hauptmerkmale:

• Einzige API-Anbindung an 20+ Cloud-Anbieter
• Automatisiertes Compute-Brokerage-System für Angebote von 11+ Anbietern innerhalb von 24 Stunden
• Echtzeit-Preis- und Verfügbarkeitsdaten über alle Anbieter hinweg
• Zentralisierte Abrechnung über mehrere Clouds hinweg
• Keine zusätzlichen Gebühren; Nutzer zahlen denselben Preis wie bei direktem Zugang zu den Anbietern
• GPUs in einsatzbereiten Cloud-Konten starten, die von Shadeform verwaltet werden

Am besten geeignet für: Teams, die sofortigen GPU-Zugriff über mehrere Clouds hinweg benötigen, ohne den Overhead der Verwaltung separater Konten und Anbieterbeziehungen.

SF Compute

San Francisco Compute Company (SF Compute) betreibt einen Spot-Markt für große GPU-Cluster. Sie besitzt keine der GPUs, zu denen sie Zugang bietet, und verwaltet stattdessen mehr als $100 Millionen an Drittanbieter-Hardware. Ihr Unterscheidungsmerkmal ist die Preisgestaltung: Es gibt keinen einheitlichen Preis pro GPU-Stunde, und jeder Compute-Block wird basierend auf Größe und Dauer unabhängig bepreist.

Hauptmerkmale:

• Spot-Markt-Preise für H100- und H200-Cluster, mit Kapazitäten von einer GPU bis zu Hunderten, für nur eine Stunde
• Keine langfristige Bindung
• Keine Datenausgangsgebühren beim Verschieben von Workloads von der Plattform
• CLI- und Dashboard-Bereitstellung mit InfiniBand-vernetzten VM-Clustern

Am besten geeignet für: Teams, die große, elastische Trainings- oder Inferenz-Jobs ausführen und marktgerechte Cluster-Preise sowie die Flexibilität wünschen, ohne festen Vertrag hoch- oder herunterzuskalieren.

Prime Intellect

Prime Intellect betreibt eine Compute-Börse, die GPU-Ressourcen von führenden Anbietern aggregiert, mit 12 integrierten Clouds und vielen weiteren in Planung. Die Plattform bietet H100s zu wettbewerbsfähigen Preisen und ermöglicht Nutzern den Zugriff auf Rechenressourcen ohne langfristige Verträge.

Hauptmerkmale:

• Einheitlicher Ressourcenpool von 12+ integrierten Cloud-Anbietern.
• Sofortiger Zugriff auf bis zu 8 GPUs auf Abruf, mit Plänen für 16-128+ GPU-Cluster.
• Integriert Ressourcen von großen zentralisierten und dezentralisierten GPU-Anbietern, einschließlich Akash Network, io.net, Vast.ai und Lambda Cloud.
• Fokus auf verteilte Trainings-Frameworks für Multi-Node-Training über Cluster hinweg.
• Von Nutzern beigesteuerte Bewertungen zur Geschwindigkeit und Zuverlässigkeit von Compute-Anbietern.

Am besten geeignet für: KI-Forscher und Teams, die verteilte Trainings-Workloads durchführen und transparente Anbieter-Leistungsdaten benötigen.

GPU-Marktplatz-Preismodelle erklärt

Das Verständnis der Preismodelle ist entscheidend, um Ihre GPU-Kosten zu optimieren. Die meisten Marktplätze bieten drei primäre Preisstrukturen:

On-Demand-Preise

Pay-per-Use ohne langfristige Bindungen. Die Preise werden in der Regel pro Minute oder pro Stunde abgerechnet.

Typische Kosten:

• H100 SXM: $2,25–$8,00/Stunde je nach Anbieter
• A100 80GB: $1,29–$4,00/Stunde
• RTX 4090: $0,34–$0,50/Stunde

Am besten geeignet für: Kurzfristige Projekte, Tests, Entwicklung und unvorhersehbare Workloads.

Spot-/Unterbrechbare Instanzen

Zugriff auf ungenutzte GPU-Kapazität mit 60–90% Rabatt, mit dem Kompromiss, dass Instanzen innerhalb von 30 Sekunden bis 2 Minuten Vorankündigung unterbrochen werden können, wenn Anbieter die Kapazität zurückfordern.

Typische Einsparungen:

• H100-Instanzen: Bis zu 85% günstiger als On-Demand-Preise
• A100-Instanzen: 60–75% Rabatt
• RTX-Serie: 50–70% Ersparnis

Am besten geeignet für: Batch-Verarbeitung, Modelltrainings mit Checkpointing, nicht-kritische Inferenz und Entwicklungsumgebungen.

Reservierte Kapazität

Verpflichtung zu bestimmten GPU-Typen für 1–3 Jahre im Austausch gegen 40–72% Rabatt. Einige Anbieter verlangen Vorauszahlung.

Typische Rabatte:

• 1-Jahres-Bindung: 30–50% Ersparnis
• 3-Jahres-Bindung: 50–72% Ersparnis

Am besten geeignet für: Produktions-Workloads mit vorhersehbarem, konsistentem GPU-Bedarf.

Was ist ein GPU-Marktplatz?

Ein GPU-Marktplatz ist eine Plattform, auf der Nutzer auf Grafikprozessoren (GPUs) für Berechnungsaufgaben wie KI-Training, Inferenz, Rendering und wissenschaftliches Rechnen zugreifen können. Allerdings funktionieren nicht alle GPU-Marktplätze gleich.

GPU-Marktplätze lassen sich in zwei Kategorien einteilen: direkte Cloud-Anbieter, die ihre eigene Infrastruktur besitzen, und Aggregator-Plattformen, die Sie mit mehreren Anbietern verbinden. Dieser Leitfaden konzentriert sich auf Aggregatoren – Plattformen, die wie Reisebuchungsseiten für GPU-Kapazitäten funktionieren und Ihnen über eine Schnittstelle Zugang zu Dutzenden Clouds verschaffen.

Wesentliche Unterschiede: Anbieter vs. Gateways

Infrastrukturbesitz

• Direkte Anbieter: Besitzen und betreiben ihre Rechenzentren, Hardware und Netzwerkinfrastruktur
• Gateways: Besitzen keine Infrastruktur; sie aggregieren Kapazitäten von mehreren Anbietern

Preisstruktur

• Direkte Anbieter: Legen ihre eigenen Preise basierend auf Hardwarekosten, Gemeinkosten und Marktpositionierung fest
• Gateways: Erheben in der Regel keine zusätzlichen Gebühren; Nutzer zahlen denselben Preis wie bei direktem Zugang zu den Anbietern

Kontoverwaltung

• Direkte Anbieter: Erfordern individuelle Kontoerstellung, Quotenverwaltung und separate Abrechnung
• Gateways: Bieten zentralisierte Kontoverwaltung und einheitliche Abrechnung über alle Anbieter hinweg

API und Integration

• Direkte Anbieter: Jeder hat eigene APIs, SDKs und Verwaltungsoberflächen
• Gateways: Bieten eine einzige, einheitliche API, die über alle integrierten Anbieter hinweg funktioniert

Flexibilität und Bindung

• Direkte Anbieter: Können zu Anbieter-Bindung führen, da Infrastruktur und Workflows anbieterspezifisch werden
• Gateways: Verringern die Bindung, indem sie einen einfachen Wechsel zwischen Anbietern über dieselbe Oberfläche ermöglichen

Support und SLAs

• Direkte Anbieter: Direkte Beziehung zu Support-Teams und anbieterspezifische SLAs
• Gateways: Können eine zusätzliche Support-Ebene haben, sind aber letztlich von den zugrunde liegenden Anbieter-SLAs abhängig

Vorteile der Nutzung von GPU-Marktplätzen

1. Vereinfachtes Multi-Cloud-Management

Aggregatoren machen das Einrichten von Konten, die Beantragung von Quoten und die Bewältigung der Komplexität mehrerer Anbieter überflüssig. Statt Zugangsdaten auf 10+ Plattformen zu verwalten, verwalten Sie über eine einzige Konsole. Das ist besonders wertvoll bei GPU-Engpässen, wenn Kapazitäten schnell bei verschiedenen Anbietern auftauchen und wieder verschwinden können.

2. Echtzeit-Preisvergleich und -Optimierung

Vergleichen Sie GPU-Typen, Speichergrößen und Leistungsstufen in Echtzeit über mehrere konkurrierende Anbieter hinweg. Sehen Sie, dass eine H100 bei Anbieter A $3,20/Stunde kostet, bei Anbieter B aber $2,60/Stunde? Wechseln Sie sofort zu Anbieter B. Dynamische Preismodelle ermöglichen es Anbietern mit ungenutzten Ressourcen, die Raten anzupassen, und fördern wettbewerbsfähige Marktplätze, die Preis-Monopole verhindern.

3. Verfügbarkeit und Kapazitätszugang

Durch die Bündelung von Ressourcen unter einem Dach erhöhen diese Plattformen die Chancen, verfügbare Kapazität zu finden. In Zeiten hoher Nachfrage: Wenn AWS in us-east-1 keine A100s mehr hat, findet Ihr Gateway möglicherweise Kapazität bei CoreWeave, Lambda oder Vast.ai, ohne dass Sie eine einzige Codezeile ändern müssen.

4. Reduzierte Infrastrukturkomplexität

Statt die Oberflächen und APIs mehrerer Cloud-Plattformen erlernen zu müssen, nutzen Entwickler eine einheitliche Erfahrung, unabhängig vom zugrunde liegenden Anbieter. Ihr DevOps-Team muss kein Experte für 15 verschiedene Cloud-Plattformen werden; es muss nur eine Gateway-API beherrschen.

5. Kosteneffizienz durch Marktwettbewerb

Gateways schaffen transparente Marktplätze, auf denen Anbieter über Preis und Verfügbarkeit konkurrieren. Dieser Wettbewerb drückt die Preise natürlich im Vergleich zu monopolistischen Einzelanbieter-Szenarien. Einige Teams berichten von 40–60% Kosteneinsparungen durch den Wechsel von großen Cloud-Anbietern zu GPU-Gateways.

6. Sofortiges Failover und Redundanz

Wenn ein Anbieter Ausfallzeiten hat oder Kapazitätsgrenzen erreicht, können Gateways automatisch auf alternative Anbieter umschalten. Diese geografische und anbieterseitige Vielfalt schafft eine widerstandsfähigere KI-Infrastruktur.

GPU-Verfügbarkeit und Knappheit

Der GPU-Markt leidet unter erheblichen Angebotsengpässen, insbesondere bei stark nachgefragten Chips wie der NVIDIA H100 und H200. GPU-Knappheit macht es schwierig und teuer, GPUs bei großen Cloud-Anbietern zu bekommen, weshalb Aggregatoren zu einer unverzichtbaren Infrastruktur geworden sind.

Hauptfaktoren, die Verfügbarkeit beeinflussen:

• KI-Boom-Nachfrage: Die explosionsartige Zunahme generativer KI und des Trainings großer Sprachmodelle hat eine hohe GPU-Nachfrage erzeugt
• Begrenzte Fertigungskapazität: Die Produktion von NVIDIA kann mit der weltweiten Nachfrage nicht Schritt halten
• Verzögerung beim Rechenzentrumsausbau: Neue Anlagen benötigen 18–24 Monate, um in Betrieb zu gehen
• Geografische Konzentration: Der Großteil der GPU-Kapazität konzentriert sich auf US-amerikanische und europäische Rechenzentren

GPU-Marktplatz-Gateways helfen, die Knappheit zu bewältigen, indem sie Ihnen gleichzeitig Einblick in die Kapazitäten von Dutzenden Anbietern geben. Wenn große Clouds ausverkauft sind, haben kleinere regionale Anbieter oft noch Verfügbarkeit.

Entdecken Sie weitere unserer Benchmarks und datengestützten Erkenntnisse in der Google-Suche.

Als bevorzugte Quelle hinzufügen

Herausforderungen von GPU-Marktplätzen

Abhängigkeit von den zugrunde liegenden Anbietern

Servicequalität und Zuverlässigkeit hängen letztlich von der Infrastruktur des zugrunde liegenden Anbieters ab. Ein Gateway kann grundlegende Probleme mit der Hardware oder dem Netzwerk eines Anbieters nicht beheben.

Abstraktionsbeschränkungen

Gateways unterstützen möglicherweise nicht alle anbieterspezifischen Funktionen. Wenn Sie spezialisierte AWS-Dienste wie SageMaker oder die TPUs von GCP benötigen, müssen Sie direkt auf den Anbieter zugreifen.

Marktfragmentierung

Eine begrenzte Standardisierung bedeutet, dass noch keine etablierten Spot-Märkte oder Terminkontrakte existieren. Die Preistransparenz variiert zwischen den Gateways, und nicht alle Anbieter sind auf allen Plattformen verfügbar.

Leistungsschwankungen

Verschiedene Anbieter haben unterschiedliche Netzwerktopologien, Speicherkonfigurationen und Verbindungsoptionen. Eine H100 bei Anbieter A kann sich bei Multi-Node-Training aufgrund von Netzwerkunterschieden von einer H100 bei Anbieter B unterscheiden.

Alternative GPU-Infrastruktur

Dezentrale GPU-Netzwerke

Dezentrale physische Infrastrukturnetzwerke (DePIN) reifen zu produktionsreifen Alternativen und verändern grundlegend, wie GPU-Kapazitäten bezogen werden.

• io.net hat über eine Million GPUs von unabhängigen Rechenzentren und Kryptowährungs-Minern aggregiert. Die Plattform verspricht bis zu 70% Kostenersparnis im Vergleich zu zentralisierten Cloud-Anbietern und die Bereitstellung von GPU-Clustern in unter 2 Minuten.¹
• Akash Network fungiert als Reverse-Auction-Marktplatz, auf dem Nutzer gewünschte Preise angeben und Anbieter um die Erfüllung der Anfragen konkurrieren. Das Netzwerk hält eine Auslastung von 70% über 736 GPUs hinweg und erwirtschaftet einen jährlichen Umsatz von über $4,3 Millionen.

Akzeptanzüberlegungen: Während dezentrale Netzwerke überzeugende ökonomische Vorteile bieten, bestehen weiterhin Herausforderungen in Bezug auf Latenz, Sicherheit und Softwarekompatibilität. Die Plattformen implementieren Zero-Knowledge-Beweise und automatisierte Verifikationssysteme, um diese Bedenken zu adressieren. Für Unternehmen mit flexiblen Workloads und Kostenoptimierungsprioritäten bieten dezentrale Netzwerke zunehmend praktikable Alternativen.

KI-spezifische Hardware-Verfügbarkeit

Die Wettbewerbslandschaft für KI-Inferenz verschiebt sich, da spezialisierte Hardware die Dominanz von NVIDIA herausfordert.

• Groq (Übernommen von NVIDIA): NVIDIA erwarb Groqs Language Processing Unit-Technologie im Dezember 2025 für $20 Milliarden. Groqs LPUs erreichten beispiellose Inferenzgeschwindigkeiten durch die Verwendung von On-Chip-SRAM anstelle von Off-Chip-Speicher. NVIDIAs kommende Vera-Rubin-Plattform, die für Ende 2026 erwartet wird, wird diese Technologie integrieren. .²
• Cerebras Wafer-Scale Engine: Cerebras sicherte sich im Januar 2026 einen $10-Milliarden-Dreijahresvertrag mit OpenAI zur Bereitstellung von bis zu 750 Megawatt Rechenleistung. Ihr WSE-3-Chip enthält 4 Billionen Transistoren und 900.000 KI-Kerne und verspricht 32% niedrigere Betriebskosten als NVIDIA Blackwell für Inferenz-Workloads. ³

Sicherheits- und Compliance-Überlegungen

Bei der Nutzung von GPU-Marktplatz-Gateways hängt die Sicherheit sowohl vom Gateway-Betreiber als auch von den zugrunde liegenden Anbietern ab. Die meisten Gateways implementieren:

• Datenverschlüsselung: Ende-zu-Ende-Verschlüsselung für Daten während der Übertragung und im Ruhezustand
• Zugriffskontrollen: Rollenbasierte Zugriffskontrolle (RBAC) und API-Schlüsselverwaltung
• Compliance-Zertifizierungen: SOC 2, ISO 27001 und DSGVO-Compliance, soweit verfügbar
• Netzwerkisolation: Optionen für private Netzwerke und VPC-Unterstützung

Für Unternehmen mit strengen Anforderungen an die Datenhoheit: Stellen Sie sicher, dass Ihr Gateway die Auswahl bestimmter geografischer Regionen und Anbieter unterstützt, die Ihre Compliance-Anforderungen erfüllen.

Die richtige Herangehensweise für Ihren Workload wählen

Direkte GPU-Cloud-Anbieter wählen, wenn:

• Sie eine tiefe Integration mit anbieterspezifischen Diensten benötigen (z. B. AWS SageMaker, GCP Vertex KI)
• Enterprise-Support und strikte SLAs für Produktions-Workloads entscheidend sind
• Sie auf anbieter-native Tools und Dienste aufbauen, die nicht von Gateways abstrahiert werden
• Compliance spezifische Rechenzentrums-Zertifizierungen oder Audit-Trails erfordert
• Sie direkte Anbieterbeziehungen für Beschaffung und Support bevorzugen
• Ihr Workload spezielle Hardwarekonfigurationen erfordert, die nur bei bestimmten Anbietern verfügbar sind

GPU-Marktplatz-Gateways wählen, wenn:

• Sie Flexibilität über mehrere Anbieter hinweg benötigen, um Kapazitätsengpässe zu vermeiden
• Preisoptimierung Priorität hat und Sie den Marktwettbewerb nutzen möchten
• Sie Anbieter-Bindung vermeiden und Infrastruktur-Portabilität erhalten wollen
• Vereinfachtes Management über Clouds hinweg für Ihr DevOps-Team wichtig ist
• Sie schnellen Zugriff auf verfügbare Kapazität auf dem globalen Markt benötigen
• Ihr Team klein ist und keine Ressourcen für die Verwaltung mehrerer Cloud-Beziehungen bereitstellen kann
• Sie experimentelle oder Forschungs-Workloads ausführen, bei denen Flexibilität wichtiger ist als anbieterspezifische Funktionen

FAQs

Weiterführende Literatur

• Top 30 Cloud-GPU-Anbieter & ihre GPUs
• Top 20+ KI-Chip-Hersteller: NVIDIA & seine Konkurrenten
• Multi-GPU-Benchmark: B200 vs H200 vs H100 vs MI300X
• GPU-Concurrency-Benchmark: H100 vs H200 vs B200 vs MI300X

Wenn Sie Hilfe bei der Suche nach einem Anbieter benötigen oder Fragen haben, feel kostenlos uns zu kontaktieren:

Diese Forschung zitieren

Wählen Sie das Format, das zu Ihrem Veröffentlichungsort passt. Wenn Sie die Link-Version in Ihr CMS einfügen, bleibt der Backlink erhalten.

@misc{dilmegani2026,
  author = {Dilmegani, Cem},
  title  = {{GPU-Marktplatz: Vast.ai vs Shadeform vs Prime Intellect}},
  year   = {2026},
  month  = jun,
  howpublished    = {\url{https://aimultiple.com/gpu-marketplace}},
  note   = {AIMultiple. Abgerufen am 3. Juni 2026}
}

Referenzlinks

1.

How Decentralized GPU Networks Are Powering the Next Generation of AI

2.

Nvidia buying AI chip startup Groq for about $20 billion, biggest deal

CNBC

3.

reuters.com

Cem Dilmegani

Hauptanalyst

Folgen auf

Cem ist seit 2017 Hauptanalyst bei AIMultiple. AIMultiple informiert monatlich Hunderttausende von Unternehmen (laut similarWeb), darunter 60 % der Fortune 500. Cems Arbeit wurde von führenden globalen Publikationen zitiert, darunter Business Insider, Forbes, Washington Post, globale Unternehmen wie Deloitte, HPE und NGOs wie das World Economic Forum und supranationale Organisationen wie die Europäische Kommission. Im Laufe seiner Karriere war Cem als Tech-Berater, Tech-Einkäufer und Tech-Unternehmer tätig. Er beriet Unternehmen mehr als ein Jahrzehnt lang bei McKinsey & Company und Altman Solon zu ihren Technologieentscheidungen. Er veröffentlichte auch einen McKinsey-Bericht zur Digitalisierung. Er leitete die Technologiestrategie und -beschaffung eines Telekommunikationsunternehmens und berichtete dabei direkt an den CEO. Er leitete auch das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos, das innerhalb von 2 Jahren einen siebenstelligen jährlich wiederkehrenden Umsatz und eine neunstellige Bewertung von 0 aus erreichte. Cems Arbeit bei Hypatos wurde von führenden Technologiepublikationen wie TechCrunch und Business Insider behandelt. Cem spricht regelmäßig auf internationalen Technologiekonferenzen. Er absolvierte die Boğaziçi-Universität als Computeringenieur und hat einen MBA von der Columbia Business School.

Vollständiges Profil anzeigen

Seien Sie der Erste, der kommentiert

Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.

Name

E-Mail-Adresse

Kommentar

0/450

Kommentar posten