MedVertical
Healthcare & Life Sciences, IT & Software
Seit Jan 2022
UX/UI Design, Product Ownership
Gründer, Product Owner & Full-Stack Developer
Kontext
Technische FHIR CDRs bieten Speicherung und Versionierung, aber keine kontinuierliche Konformitätsmessung, keine Release-Safety-Signale und keine Drift-Erkennung. FHIR-Implementierungen driften nach dem ersten Go-Live durch Integrationsänderungen, Terminologie-Updates, IG-Versionswechsel und Validator-Variabilität – ohne dass dies bemerkt wird.
Rolle
Als Gründer und Product Owner verantwortete ich die gesamte Produktentwicklung – von der Produktvision und dem PRD über UX/UI-Design bis zur Full-Stack-Entwicklung. Die Architektur, das Datenmodell, die Validierungs-Pipeline und die DataOps-Primitives wurden von mir konzipiert und implementiert.
Ansatz
Records wurde als Signals-First-Plattform aufgebaut: Validation Runs als First-Class-Objekte, Baselines pro Umgebung, Delta-Vergleiche für Regressionsserkennung und konfigurierbare Thresholds für Pass/Warn/Fail-Signale. Die Architektur trennt strikt zwischen Validierungsmetadaten (die Records speichert) und klinischen Daten (die nie Records verlassen). Ein modulares Designsystem mit shadcn/ui gewährleistet Konsistenz.
Lösung
Records verbindet sich mit beliebigen FHIR-Servern, erkennt automatisch die FHIR-Version und validiert gegen sechs Aspekte. Die UI ist um den Release-Safety-Loop organisiert: Baseline → Continuous Runs → Delta → Alert → Triage → Fix → Re-Baseline. Als Glass Pane ermöglicht Records das Browsen, Untersuchen und validierungsgestützte Bearbeiten von Ressourcen, wobei alle Writes an den FHIR-Server delegiert werden. Evidence Reports dokumentieren den Konformitätsstatus für Audits.
Impact
Records ist bei FHIR-Ingenieuren und Datenintegrationszentren im Einsatz. Die Plattform hat die Erkennung von Konformitätsregressionen vor Releases etabliert und ermöglicht vendorneutrale Governance über mehrere FHIR-Server hinweg. Die Performance wurde um 90 % verbessert (Warm Cache: 485 ms, Throughput: 8,3× schneller).
Learnings
Die größte Herausforderung lag in der Übersetzung des abstrakten Konzepts „temporale Konformität" in greifbare UI-Patterns: Baselines, Deltas und Drift-Trends mussten für Ingenieure sofort verständlich sein. Die strikte Datenboundary (max. 2 KB pro Ressource, keine klinischen Payloads) erwies sich als architektonischer Vorteil für SaaS-Readiness und Datenschutz.
Scope
- •Produktvision, PRD und Roadmap (MVP v1.9, 4 Phasen)
- •Full-Stack-Architektur: React 18 Frontend + Express Backend + PostgreSQL
- •Sechs-Aspekte-Validierung via HAPI FHIR Validator mit Error Mapping Engine
- •DataOps-Primitives: Validation Runs, Baselines, Deltas, Thresholds, Quality Gates
- •Drift-Erkennung und Regressions-Alerting über Umgebungen hinweg
- •Signals-First UI mit Triage-Queue und Evidence Reports
- •Hybrid-Modus: Online (tx.fhir.org) und Offline (Ontoserver)
- •Glass Pane: Delegierte CRUD-Operationen mit Pre-Submission-Validierung
- •CI/CD-Integration via API-Triggered Validation Runs
- •Desktop-App als Electron-Shell für macOS
Ergebnisse
- •Kontinuierliche Konformitätsmessung statt Punkt-Validierung
- •90 % Performance-Verbesserung (Warm Cache: 485 ms)
- •Deterministische Release-Safety-Signale für CI/CD-Pipelines
- •Vendorneutral: kompatibel mit HAPI, Firely, Epic, Cerner u.a.
- •Audit-Evidenz als Nebenprodukt operativer Nutzung
- •97 % Testabdeckung
