redis langgraph vectors rag persistence sessions

Verschieben des LangGraph-Vektorzustands aus dem Speicher in die Redis-Persistenz

Tauschen Sie den LangGraph-Vektorzustand aus dem Speicher in Redis aus, mithilfe einer Factory für get_vector_store, Session-Metadaten bei der Eingabe, gefilterte Abfragen sowie Löschung nach Session.

Verlag: REACTAPP.TOPAuf dieser Website hinzugefügt 26. Sept. 202613 Min. Lesezeit3102 Wörter

Quellen: From In-Memory to Redis: Vector Persistence

In-Memory-Vector-Speicher sind die einfachste korrekte Lösung nur dann, wenn ein Prozess das gesamte Gespräch kontrolliert. Reale Backend-Lösungen widerlegen diese Annahme: neue CLI-Instanzen, neue HTTP-Arbeitsteilnehmer, Neustarts sowie Deploys mit mehreren Instanzen. Persistenz bedeutet, dieselben LangGraph-Node auf Redis (oder einen anderen dauerhaften Vector-Index) zu übertragen, ohne die Produktlogik umschreiben zu müssen.

1. `get_vector_store()` – die einzige Funktion, die geändert werden musste

Abstrakte Konstruktion hinter einer Factory-Funktion. Für Tests wird in-Memory verwendet; für bereitgestellte Umgebungen werden die Redis-URL sowie der Indexname genutzt.

_SESSION_STORES: Dict[str, InMemoryVectorStore] = {}

def get_vector_store(session_id: str) -> InMemoryVectorStore:
    if session_id not in _SESSION_STORES:
        _SESSION_STORES[session_id] = InMemoryVectorStore(embeddings)
    return _SESSION_STORES[session_id]

def get_vector_store(session_id: str) -> RedisVectorStore:
    redis_config = RedisConfig(
        index_name=f"session:{session_id}",
        redis_url=config.REDIS_URL,
        embedding_dimensions=config.EMBEDDING_DIMENSIONS,
        metadata_schema=[
            {"name": "session_id", "type": "tag"},
            {"name": "file_name", "type": "tag"},
        ],
    )
    return RedisVectorStore(embeddings, config=redis_config, ttl=config.SESSION_TTL_SECONDS)

docs = [
    Document(
        page_content=c["text"],
        metadata={
            "session_id": state["session_id"],  # <-- added back
            "file_name": c["file_name"],
            "chunk_index": c["chunk_index"],
        },
    )
    for c in chunks
]

state["retrieved"] = vs.similarity_search(
    state["query"],
    k=config.TOP_K,
    filter=Tag("session_id") == state["session_id"],
)

def clear_session(session_id: str) -> None:
    get_vector_store(session_id).index.delete(drop=True)

uv add langgraph langchain-core langchain-openai langchain-text-splitters \
       azure-ai-documentintelligence azure-core \
       langchain-redis redisvl \
       python-dotenv

REDIS_PASSWORD=changeme docker compose up -d
[+] Running 3/3
 ✔ Network redismanualvectorization_default      Created                                                                                       0.0s
 ✔ Volume "redismanualvectorization_redis-data"  Created                                                                                       0.0s
 ✔ Container usb-redis-vector-store              Started

AZURE_OPENAI_ENDPOINT=https://aif-cus-aisearchegs-dev-01.cognitiveservices.azure.com/
AZURE_OPENAI_API_KEY=<Redacted>
# AZURE_OPENAI_API_VERSION = os.environ.get("AZURE_OPENAI_API_VERSION", "2024-10-21")
AZURE_OPENAI_EMBEDDING_DEPLOYMENT=text-embedding-3-small
AZURE_OPENAI_CHAT_DEPLOYMENT="gpt-5-mini"
# --- Azure Document Intelligence (used for all file text extraction) ---
DOCUMENTINTELLIGENCE_ENDPOINT=https://adi-cus-aisearchegs-dev-01.cognitiveservices.azure.com/
DOCUMENTINTELLIGENCE_KEY=<Redacted>
REDIS_HOST=localhost
REDIS_PORT=6379
REDIS_PASSWORD=changeme
SESSION_TTL_SECONDS=14400

uv run python -m src.redismanualvectorization.main \
  --session demo1 \
  --files ./source/sample_bank_statement.pdf ./source/sample_loan_agreement.pdf
Ingested 2 file(s) into session 'demo1' (persisted in Redis).

docker exec -it usb-redis-vector-store redis-cli -a changeme

FT._LIST
# Execution results
1) session:demo2
2) session:demo1

FT.INFO session:demo1

# Execution results
1) index_name
 2) session:demo1
 3) index_options
 4) (empty array)
 5) index_definition
 6) 1) key_type
    2) HASH
    3) prefixes
    4) 1) session:demo1:
    5) default_score
    6) "1"
 7) attributes
 8) 1) 1) identifier
       2) text
       3) attribute
       4) text
       5) type
       6) TEXT
       7) WEIGHT
       8) "1"
    2)  1) identifier
        2) embedding
        3) attribute
        4) embedding
        5) type
        6) VECTOR
        7) algorithm
        8) FLAT
        9) data_type
       10) FLOAT32
       11) dim
       12) (integer) 1536
       13) distance_metric
       14) COSINE
    3) 1) identifier
       2) _index_name
       3) attribute
       4) _index_name
       5) type
       6) TEXT
       7) WEIGHT
       8) "1"
    4) 1) identifier
       2) _metadata_json
       3) attribute
       4) _metadata_json
       5) type
       6) TEXT
       7) WEIGHT
       8) "1"
    5) 1) identifier
       2) session_id
       3) attribute
       4) session_id
       5) type
       6) TAG
       7) SEPARATOR
       8) |
    6) 1) identifier
       2) file_name
       3) attribute
       4) file_name
       5) type
       6) TAG
       7) SEPARATOR
       8) |
 9) num_docs
10) (integer) 24
11) max_doc_id
12) (integer) 24
13) num_terms
14) (integer) 850
15) num_records
16) (integer) 1921
17) inverted_sz_mb
18) "0.09056949615478516"
19) vector_index_sz_mb
20) "6.0091552734375"
21) total_inverted_index_blocks
22) (integer) 853
23) offset_vectors_sz_mb
24) "0.0028848648071289063"
25) doc_table_size_mb
26) "0.017791748046875"
27) sortable_values_size_mb
28) "0"
29) key_table_size_mb
30) "7.74383544921875e-4"
31) tag_overhead_sz_mb
32) "1.10626220703125e-4"
33) text_overhead_sz_mb
34) "0.028371810913085938"
35) total_index_memory_sz_mb
36) "0.14574527740478516"
37) geoshapes_sz_mb
38) "0"
39) records_per_doc_avg
40) "80.04166412353516"
41) bytes_per_record_avg
42) "49.43727111816406"
43) offsets_per_term_avg
44) "1.5065070390701294"
45) offset_bits_per_record_avg
46) "8.362128257751465"
47) hash_indexing_failures
48) (integer) 0
49) total_indexing_time
50) "11.055999755859375"
51) indexing
52) (integer) 0
53) percent_indexed
54) "1"
55) number_of_uses
56) (integer) 3
57) cleaning
58) (integer) 0
59) gc_stats
60)  1) bytes_collected
     2) "0"
     3) total_ms_run
     4) "0"
     5) total_cycles
     6) "0"
     7) average_cycle_time_ms
     8) "nan"
     9) last_run_time_ms
    10) "0"
    11) gc_numeric_trees_missed
    12) "0"
    13) gc_blocks_denied
    14) "0"
61) cursor_stats
62) 1) global_idle
    2) (integer) 0
    3) global_total
    4) (integer) 0
    5) index_capacity
    6) (integer) 128
    7) index_total
    8) (integer) 0
63) dialect_stats
64) 1) dialect_1
    2) (integer) 0
    3) dialect_2
    4) (integer) 1
    5) dialect_3
    6) (integer) 0
    7) dialect_4
    8) (integer) 0
65) Index Errors
66) 1) indexing failures
    2) (integer) 0
    3) last indexing error
    4) N/A
    5) last indexing error key
    6) "N/A"
    7) background indexing status
    8) OK
67) field statistics
68) 1) 1) identifier
       2) text
       3) attribute
       4) text
       5) Index Errors
       6) 1) indexing failures
          2) (integer) 0
          3) last indexing error
          4) N/A
          5) last indexing error key
          6) "N/A"
    2) 1) identifier
       2) embedding
       3) attribute
       4) embedding
       5) Index Errors
       6) 1) indexing failures
          2) (integer) 0
          3) last indexing error
          4) N/A
          5) last indexing error key
          6) "N/A"
    3) 1) identifier
       2) _index_name
       3) attribute
       4) _index_name
       5) Index Errors
       6) 1) indexing failures
          2) (integer) 0
          3) last indexing error
          4) N/A
          5) last indexing error key
          6) "N/A"
    4) 1) identifier
       2) _metadata_json
       3) attribute
       4) _metadata_json
       5) Index Errors
       6) 1) indexing failures
          2) (integer) 0
          3) last indexing error
          4) N/A
          5) last indexing error key
          6) "N/A"
    5) 1) identifier
       2) session_id
       3) attribute
       4) session_id
       5) Index Errors
       6) 1) indexing failures
          2) (integer) 0
          3) last indexing error
          4) N/A
          5) last indexing error key
          6) "N/A"
    6) 1) identifier
       2) file_name
       3) attribute
       4) file_name
       5) Index Errors
       6) 1) indexing failures
          2) (integer) 0
          3) last indexing error
          4) N/A
          5) last indexing error key
          6) "N/A"

num_docs            24
vector_index_sz_mb   6.0091552734375

24 × 1536 × 4 bytes = 147,456 bytes ≈ 0.14 MB

FT.SEARCH session:demo1 "*" LIMIT 0 5 RETURN 3 file_name session_id text
# Execution Results
1) (integer) 24
 2) "session:demo1:01M1MN5JG8DDCXP7K2XHP54G2V"
 3) 1) "file_name"
    2) "sample_bank_statement.pdf"
    3) "session_id"
    4) "demo1"
    5) "text"
    6) "##### Monthly Maintenance Fee\n\nA $12.00 monthly maintenance fee applies unless one of the following waiver conditions is met during the statement period: (a) a minimum daily balance of\n$1,500 is maintained, (b) total qualifying direct deposits of $500 or more are received, or (c) the account holder is enrolled in a linked student or senior\naccount program. Fee waiver eligibility is evaluated at the end of each statement cycle based on the criteria above.\n\n\n##### Error Resolution & Your Rights"
 4) "session:demo1:01M1MN5JG8DDCXP7K2XHP54G31"
 5) 1) "file_name"
    2) "sample_loan_agreement.pdf"
    3) "session_id"
    4) "demo1"
    5) "text"
    6) "\"Scheduled Payment Date\" means the 15th calendar day of each month during the Loan Term, or the next Business Day\nif the 15th falls on a non-Business Day.\n\n<!-- PageBreak -->\n\n\n# SAMPLE AGREEMENT - SYNTHETIC TEST DATA - NOT A REAL LOAN DOCUMENT\n\n\n## 4. Amortization Schedule (First 12 Payments)"
 6) "session:demo1:01M1MN5JG8DDCXP7K2XHP54G34"
 7) 1) "file_name"
    2) "sample_loan_agreement.pdf"
    3) "session_id"
    4) "demo1"
    5) "text"
    6) "A complete 48-month amortization schedule is available from the Lender upon request. Figures above are rounded to the\nnearest cent and may differ slightly from actual billed amounts due to daily interest accrual conventions.\n\n\n## 5. Prepayment\n\nBorrower may prepay all or part of the outstanding Principal Amount at any time without penalty. Partial prepayments will be\napplied first to accrued interest, then to outstanding fees, then to Principal, and will not change the Scheduled Payment\nDate or Monthly Payment amount unless the Borrower requests and the Lender approves a loan re-amortization in writing.\n\n\n### 6. Late Payments and Default"
 8) "session:demo1:01M1MN5JG8DDCXP7K2XHP54G2T"
 9) 1) "file_name"
    2) "sample_bank_statement.pdf"
    3) "session_id"
    4) "demo1"
    5) "text"
    6) "##### Interest Rate & Annual Percentage Yield\n\nThis account earns interest at a variable rate, currently 0.15% with an Annual Percentage Yield (APY) of 0.15%, applied to the average daily balance.\nInterest is compounded monthly and credited to your account on the last business day of the statement period, shown in the Transaction History as 'Interest\nPayment'. Rates are subject to change without notice at the bank's discretion and are current as of the statement date shown on page one.\n\n\n##### Monthly Maintenance Fee"
10) "session:demo1:01M1MN5JG8DDCXP7K2XHP54G2W"
11) 1) "file_name"
    2) "sample_bank_statement.pdf"
    3) "session_id"
    4) "demo1"
    5) "text"
    6) "##### Error Resolution & Your Rights\n\nIn case of errors or questions about electronic transfers, telephone the bank at the number on your card or write to the address on file as soon as possible.\nThe bank must hear from you no later than 60 days after the first statement on which the problem appears. You will need to provide your name and account\nnumber, describe the error, and state the dollar amount of the suspected error. The bank will investigate and report results within 10 business days, or\nwithin 45 days for transactions initiated outside a 30-day period after the first deposit to the account.\n\n\n##### Funds Availability"
127.0.0.1:6379> SCAN 0 MATCH session:demo1:*
1) "22"
2)  1) "session:demo1:01M1MN5JG8DDCXP7K2XHP54G2S"
    2) "session:demo1:01M1MN5JG8DDCXP7K2XHP54G2X"
    3) "session:demo1:01M1MN5JG8DDCXP7K2XHP54G2R"
    4) "session:demo1:01M1MN5JG8DDCXP7K2XHP54G33"
    5) "session:demo1:01M1MN5JG8DDCXP7K2XHP54G2V"
    6) "session:demo1:01M1MN5JG8DDCXP7K2XHP54G30"
    7) "session:demo1:01M1MN5JG8DDCXP7K2XHP54G2Z"
    8) "session:demo1:01M1MN5JG8DDCXP7K2XHP54G36"
    9) "session:demo1:01M1MN5JG8DDCXP7K2XHP54G2P"
   10) "session:demo1:01M1MN5JG8DDCXP7K2XHP54G2Y"

1) "session:demo1:01M1MN5JG8DDCXP7K2XHP54G2V"
   file_name    sample_bank_statement.pdf
   session_id   demo1
   text         "##### Monthly Maintenance Fee
A $12.00 monthly maintenance fee applies unless one of the
                 following waiver conditions is met during the statement
                 period: (a) a minimum daily balance of $1,500 is
                 maintained..."
2) "session:demo1:01M1MN5JG8DDCXP7K2XHP54G31"
   file_name    sample_loan_agreement.pdf
   session_id   demo1
   text         "\"Scheduled Payment Date\" means the 15th calendar day of
                 each month during the Loan Term...
<!-- PageBreak -->
                 # SAMPLE AGREEMENT - SYNTHETIC TEST DATA - NOT A REAL LOAN
                 DOCUMENT"

SCAN 0 MATCH session:demo1:*
# Execution Results
1) "22"
2) 1) "session:demo1:01M1MN5JG8DDCXP7K2XHP54G2S"
   2) "session:demo1:01M1MN5JG8DDCXP7K2XHP54G2X"
   ... (8 more)

import redis
from src.redismanualvectorization.graph import get_vector_store

session_id = "demo1"
vs = get_vector_store(session_id)
r = redis.Redis(host="localhost", port=6379, password="changeme")
keys = r.keys(f"session:{session_id}:*")
print(f"{len(keys)} chunk(s) in this session")
raw = r.hgetall(keys[0])
vector = vs.convert_vector({"embedding": raw[b"embedding"]})
print("Vector length:", len(vector))          # expect 1536
print("First 8 dims:", [round(v, 5) for v in vector[:8]])
print("Chunk text:", raw[b"text"][:120])

# Results for execution
uv run python -m src.redismanualvectorization.raw_vector_check
24 chunk(s) in this session
Vector length: 1536
First 8 dims: [-0.01327, -0.06799, 0.00346, 0.01323, -0.01469, 0.0217, -0.01146, 0.05652]
Chunk text: b'<td>Lumen Electric Utility</td>\n<td>Bill Payment</td>\n<td>-$24.03</td>\n<td>$7,265.31</td>\n</tr>\n<tr>\n<td>02/14/2026</td>'

krishnansriram@mac RedisManualVectorization % uv run python -m src.redismanualvectorization.main \
  --session demo1 \
  --query "What's the overdraft protection fee?"

Q: What's the overdraft protection fee?

A: The overdraft protection transfer fee is $10.00 per occurrence.

Sources:
  - sample_bank_statement.pdf (chunk 7): #### Important Account Disclosures   ##### Overdraft Protection  If a transaction is presented that ...
  - sample_bank_statement.pdf (chunk 9): ##### Monthly Maintenance Fee  A $12.00 monthly maintenance fee applies unless one of the following ...
  - sample_bank_statement.pdf (chunk 8): ##### Interest Rate & Annual Percentage Yield  This account earns interest at a variable rate, curre...
  - sample_bank_statement.pdf (chunk 3): <td>-$10.44</td> <td>$8,096.52</td> </tr> <tr> <td>02/07/2026</td> <td>Greenfield Grocers</td> <td>D...
krishnansriram@mac RedisManualVectorization % uv run python -m src.redismanualvectorization.main \
  --session demo2 \
  --query "What's the overdraft protection fee?"

Q: What's the overdraft protection fee?

A: I don't know — no relevant content about an overdraft protection fee was found in the uploaded files.

2. `ingest_node` – `session_id` wird den Metadaten wieder hinzugefügt

Jeder Datenblock muss die Sitzungsschlüssel (oder Mieterschlüssel) enthalten, die später für Filter verwendet werden. Der Verlust von Metadaten bei der Eingabe ist die Ursache für Datenlecks.

3. `retrieve_node` – expliziter Filter zusammen mit Indexregeln

Filtern nach Sitzung, auch wenn der Indexname pro Sitzung festgelegt ist. Sicherheitsmaßnahmen sind besser als optimistische Isolierung.

5. Abhängigkeiten – direkte Importe erhalten direkte Einträge

Pinnen Sie die Versionen des Redis-Clients sowie der Vektor-Integration. Transitive Updates haben in der Vergangenheit bereits Fehler bei den Indexfeldtypen verursacht.

Überprüfung dessen, was Sie gespeichert haben

1. Welche Indizes existieren

Listen Sie die Indizes nach dem Bereitstellen auf; fehlgeschlagene Erstellungen bleiben unbemerkt, bis eine erste leere Abfrage erfolgt.

2. Schema

Stellen Sie sicher, dass Dimensionen der Vektoren, Textfelder sowie Tagfelder mit dem Code übereinstimmen.

3. Auflisten von Datensätzen ohne Ausgabe der Rohvektoren

4. Vollständige Metadaten zu einem Datensatz

Den Vektor tatsächlich ansehen – Dekodieren Sie Fließkommazahlen bei der Fehlersuche auf Dimensionenunterschiede

Zusammenfassende Anmerkungen

Einschränkungen selbst mit verwaltetem Redis

Sie benötigen weiterhin Backups, Authentifizierung, Speichergrenzen sowie eine Lösung für das Löschens nach Sitzungsende. Persistenz behebt Neustarts – sie schafft keine Governance.

Betrachten Sie den In-Memory-Pfad als Lehrmittel und Redis als Standard für jede gemeinsame oder mehrfach angeforderte Bereitstellung desselben Graphen.

Fügen Sie einen Smoke-Test hinzu, der zwei Sessions verarbeitet, von jeder eine Abfrage durchführt und sicherstellt, dass es keine Störungen zwischen ihnen gibt. Führen Sie ihn in der CI gegen Redis mit einem einmaligen Container aus, damit Fehler niemals gemeinsam genutzte Umgebungen erreichen.

Die Persistenz ändert auch die Fehlermuster: Ein teilweiser Import kann zu „Waisendokumenten“ führen. Stellen Sie sicher, dass die Upserts bezüglich der Chunk-IDs idempotent sind, und bieten Sie eine Neindekxisierungsaufgabe an, die eine Sitzung aus den Quelldokumenten wieder aufbaut.

Zur lokalen Entwicklung sollte die In-Memory-Fabrik hinter einem Umgebungsflag versteckt bleiben, damit Entwickler nicht gezwungen sind, Redis zum Bearbeiten einer Anfrage zu nutzen. Für gemeinsame Staging-Umgebungen sollte der In-Memory-Weg gänzlich verboten werden.

Messen Sie die p95-Ladeverzögerung vor und nach dem Umstieg auf Redis. Eine korrekte Persistenz, die jedoch dreimal langsamer ist, wird die Nutzer dazu veranlassen, wieder zu unsicheren Workarounds zurückzugreifen.

Beim Beenden einer Sitzung muss durch Filterlöschen vorgegangen werden, nicht durch das Löschen der Datenbank. Operative Runbooks sollten die genauen CLI/FT.DROP- oder Löschabfragen samt Beispielen enthalten.

Wenn mehrere Anwendungsinstanzen gleichzeitig schreiben, wählen Sie ein Indexdesign, das parallele Upserts zulässt, und berücksichtigen Sie bei der Sharding-Strategie die Hash-Tag-Beschränkungen des Redis Clusters.

Protokollieren Sie den Indexnamen sowie den Sitzungsfilter bei jeder Abfrage zur Unterstützungszwecken. Leere Ergebnisse entstehen oft durch falschen Index oder falschen Filter – nicht wegen eines „Fehler des Modells“.

Auch die Persistenz verändert die Fehlermuster: Ein unvollständiger Import kann zu „Waisendaten“ führen. Stellen Sie sicher, dass Insert/Update-Operationen bezüglich der Chunk-IDs idempotent sind, und bieten Sie eine Neindeckungsaktion an, die eine Sitzung aus den Quelldokumenten neu erstellt.

Für die lokale Entwicklung sollten die in-Memory-Fabriken hinter einem Umgebungsflag versteckt werden, damit Entwickler nicht gezwungen sind, Redis zu nutzen, um eine Anfrage zu bearbeiten. Für gemeinsame Staging-Umgebungen sollte der in-Memory-Weg gänzlich verboten werden.

Messen Sie die p95-Latenz bei den Abfragen vor und nach dem Umstieg auf Redis. Eine korrekte Persistenz, die jedoch dreimal langsamer ist, zwingt die Nutzer wieder zu unsicheren Workarounds.

Beim Beenden einer Sitzung muss der Datensatz durch Filterlöschen entfernt werden – nicht durch das Leeren der Datenbank. Operative Handbücher sollten die genauen CLI- oder FT.DROP-Befehle sowie Löschabfragen mit Beispielen enthalten.

Protokollieren Sie den Indexnamen sowie den Sitzungsfilter bei jeder Abfrage zur Unterstützung. Leere Ergebnisse entstehen oft durch falschen Index oder falschen Filter – nicht weil das Modell versagt hat.

Auch die Persistenz ändert die Fehlermuster: Ein unvollständiger Import kann „Waisendaten“ hinterlassen. Stellen Sie sicher, dass Upserts bezüglich der Chunk-IDs idempotent sind, und bieten Sie einen Neindeckungsprozess an, der eine Sitzung aus den Quelldokumenten neu erstellt.

Zur lokalen Entwicklung sollten die in-Memory-Funktionen hinter einem Umgebungsflag versteckt bleiben, damit Entwickler nicht gezwungen sind, Redis zu nutzen, um eine Anfrage zu bearbeiten. Für gemeinsame Staging-Umgebungen sollte der in-Memory-Pfad gänzlich verboten werden.

Messen Sie die p95-Latenz bei Abfragen vor und nach dem Umstieg auf Redis. Eine korrekte Persistenz, die jedoch dreimal langsamer ist, zwingt die Nutzer wieder zu unsicheren Workarounds.

Beim Beenden einer Sitzung muss durch Filterlöschen vorgegangen werden, nicht durch das Leeren der Datenbank. Betriebsanleitungen sollten die genauen CLI/FT.DROP- oder Löschabfragesprachen mit Beispielen enthalten.

Wenn mehrere Anwendungsinstanzen gleichzeitig schreiben, wählen Sie ein Indexdesign, das konkurrierende Upserts zulässt, und berücksichtigen Sie bei der Sharding-Strategie die Hash-Tag-Beschränkungen des Redis Clusters.

Für die Unterstützung sollten der Indexname sowie das Sitzungsfilter bei jeder Abfrage protokolliert werden. Leere Ergebnisse resultieren oft aus einem falschen Index oder Filter und nicht davon, dass „das Modell fehlgeschlagen ist“.

Auch die Persistenz ändert die Fehlermuster: Ein unvollständiger Import kann Orphan-Dokumente hinterlassen. Stellen Sie sicher, dass Upserts bezüglich der Chunk-IDs idempotent sind, und bieten Sie eine Neindeksierungsaufgabe an, die eine Sitzung aus den Quelldokumenten wieder aufbaut.

← Alle Artikel Brief senden