ObservabilityTestingRobustheitSkalierung
Eine Forschungsplattform in Produktion bei einer philippinischen NGO-Gesundheitsklinik, end-to-end gebaut mit der Data and ML Architect, die die Analyse leitete. Geführte Audio-Sessions mit HRV-Aufzeichnungen (Polar H10) werden zu präzise zeitsynchronisierten, analysefertigen Daten auf Web und nativer 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 verschluckte Fehler fängt
- 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
Einen Prozess automatisieren oder ein KI-Feature ausliefern?
Ob manuelle Arbeit zwischen Tools, die sich von selbst erledigen sollte, oder ein KI-Produkt, das zuverlässig in Produktion muss: Ich bringe es vom Audit bis zur robusten, gut getesteten Umsetzung, allein oder gemeinsam mit deinem Team.