ObservabilityTestingRobustheitSkalierung
Eine Forschungsplattform in Produktion bei einer NGO-Gesundheitsklinik, end-to-end gebaut, gemeinsam mit der Data- und ML-Architektin, die die Analyse leitete. Geführte Audio-Sessions mit HRV-Aufzeichnungen (Polar H10) werden zu präzise zeitsynchronisierten, analysefertigen Daten, im Web und in der nativen Mobile-App.
- Der Ansatz
- Eine vierphasige Session-Engine versieht jeden Übergang serverseitig mit einem Zeitstempel, läuft offline weiter, sobald das Audio zwischengespeichert ist, und synchronisiert sich bei erneuter Verbindung, sodass eine abgebrochene Verbindung nie eine Session verliert. Die validierte HRV-Analyse (RMSSD, HR, DFA) liegt in einer gemeinsamen Schicht, sodass Web und native Mobile-App dieselben verlässlichen Metriken berechnen.
- Was es belegt
- In Produktion und eigenständig nutzbar: Forschende, Teilnehmende und Klinikpersonal bedienen sie selbst. GlitchTip-(Sentry-)Observability, Playwright-Tests hinter CI-Quality-Gates und Supabase Row-Level-Security halten sie stabil. End-to-end umgesetzt, allein.
- Highlights
- GlitchTip-(Sentry-)Observability, die stille Fehler aufdeckt
- Offline-Sessions, die sich bei erneuter Verbindung synchronisieren
- Eine gemeinsame HRV-Analyse-Schicht für Web und native Mobile-App
- Playwright-End-to-End-Tests hinter CI-Quality-Gates
- Stack
- Next.jsReactTypeScriptTailwindNxSupabase (PostgreSQL)PythonFastAPINeuroKit2DockerRenderPlaywrightGlitchTip / SentryCI/CD
Du willst einen Prozess automatisieren oder ein KI-Feature live bringen?
Ob Handarbeit zwischen Tools, die eigentlich von selbst laufen sollte, oder ein KI-Produkt, das zuverlässig in Produktion gehen muss: Ich begleite es vom Audit bis zur robusten, gut getesteten Umsetzung, allein oder gemeinsam mit deinem Team.