Tracking-App: Architektur einer Cross-Platform-Lösung (Next.js + SwiftUI)

Diese Case Study beschreibt die technische Umsetzung einer App zum Erfassen und Visualisieren von Tagesdaten — konkret Temperaturwerte, Periodentage und freie Notizen — als Web-App (Next.js) und native iOS-App (SwiftUI) mit gemeinsamem Backend. Es geht ausschließlich um Architektur, Datenmodell und Auslieferung; die App ist ein Erfassungs- und Visualisierungs-Werkzeug ohne fachliche Bewertung der Daten.

Funktionsumfang

• Wert eintragen – tägliche Temperatur auf 0,01 °C genau erfassen
• Periodentage markieren – Start- und Endtage dokumentieren
• Freie Notiz – optionales Textfeld pro Tag für eigene Beobachtungen
• Kalender – Monatsübersicht mit markierten Tagen
• Temperaturkurve – interaktiver Chart mit Coverline als reiner Visualisierungs-Hilfslinie
• Verlaufsstatistik – durchschnittliche Abstände und Kurvenvergleich über mehrere Aufzeichnungen (Premium)
• Prognose – statistische Schätzung des nächsten Periodenbeginns aus der eigenen Historie (Premium)
• PDF-Export – Kurve und Werte als druckbarer Report (Premium)

Architektur: Hybrid-App

Die Web-App läuft als Next.js (App Router), die iOS-App als native SwiftUI-App. Beide teilen sich dasselbe Supabase-Backend (Auth + PostgreSQL). Vorteil: Web-Updates gehen sofort live, die iOS-App liefert native Performance.

Datenbankmodell

Vier Kerntabellen bilden das System ab:

-- 1. Profile mit Lifetime-Flag
CREATE TABLE profiles (
  id uuid PRIMARY KEY,
  has_lifetime_access boolean DEFAULT false,
  created_at timestamptz
);

-- 2. Temperatureinträge (auf 0,01 °C genau)
CREATE TABLE temperature_entries (
  id uuid PRIMARY KEY,
  user_id uuid REFERENCES profiles,
  date date NOT NULL,
  temperature numeric(4,2),
  note text
);

-- 3. Periodeneinträge
CREATE TABLE period_entries (
  user_id uuid, date date,
  PRIMARY KEY (user_id, date)
);

-- 4. Berechnete Zyklen (Abstand Periode-zu-Periode)
CREATE TABLE cycles (
  id uuid PRIMARY KEY,
  user_id uuid,
  start_date date,
  end_date date,
  length integer
);

iOS-App: 5 Tabs

Die native SwiftUI-App bietet dieselben Funktionen, organisiert in fünf Tabs:

• Dashboard – aktueller Tag, nächster prognostizierter Periodenbeginn, Quick-Actions
• Kalender – Monatsansicht mit markierten und prognostizierten Tagen (bei Lifetime)
• Anleitung – kurze Hilfe zur konsistenten Messung
• Eintrag – Temperatur, Periode und Notiz schnell erfassen
• Mehr – Profil mit „Lifetime"-Badge, Einstellungen, rechtliche Seiten

Die iOS-App zeigt keinen externen Kauf-Link in der Paywall (ALLOW_WEB_UPGRADE_LINK=NO) – konform zu Apples Richtlinien für In-App-Käufe.

Monetarisierung: Stripe Lifetime-Zugang

Bewusst einfach: Grundfunktionen (Wert eintragen, Periodentage markieren, Kalender) sind kostenlos. Premium kostet einmalig 9,99 € – kein Abo. Technisch über Stripe Checkout; nach Zahlung setzt der Webhook profiles.has_lifetime_access = true, und Premium ist auf Web und iOS sofort frei, weil beide dasselbe Supabase-Profil lesen.

Verlaufsberechnung

Die App erkennt Abstände automatisch anhand der Periodeneinträge. Aus den historischen Längen berechnet sie rein statistisch:

• Durchschnittlicher Abstand (Median der letzten Aufzeichnungen)
• Prognostizierter nächster Periodenbeginn (Median-basiert)
• Coverline (rein grafische Hilfslinie aus den tiefsten Werten vor dem Niveauwechsel)

Diese Größen sind Statistik über die eigenen Eingaben — Kalender-Mathematik, keine Bewertung und keine Empfehlung.

Tech Stack

• Web: Next.js (App Router), React, TypeScript
• iOS: SwiftUI, Swift
• Backend: Supabase (PostgreSQL + Auth + RLS)
• Payments: Stripe Checkout + Webhook
• Deployment: VPS / Plesk (Next.js Standalone)

Datenschutz

Persönliche Tagesdaten sind sensibel. Die App speichert alles in Supabase (Frankfurt/EU) mit Row Level Security: Jeder Account sieht ausschließlich die eigenen Daten. Kein Tracking, keine Analytics, keine Weitergabe an Dritte. Die rechtlichen Seiten werden dynamisch generiert.

→ Projekt ansehen: Basaltemperatur-Tracking – Projektdetails
→ Live: basaltemperatur.online

Sorgfalt bei der Messung — die häufigsten Fehlerquellen

Die Lesbarkeit einer Temperaturkurve steht und fällt mit standardisierten Bedingungen. Verbreitete Störfaktoren:

• Wechselnde Messzeit oder unterschiedlich langer Schlaf vor der Messung
• Wechselnder Messort oder wechselndes Thermometer
• Alkohol, erhöhte Temperatur, Schichtarbeit, Zeitzonenwechsel
• Zu frühe Deutung einzelner Werte statt des Musters über mehrere Tage

Solche Werte werden markiert, nicht gelöscht — eine ehrliche Kurve mit Lücken ist auswertbarer als eine geglättete.

Häufige Fragen

Hinweis: Diese Case Study beschreibt ein Software-Projekt (Erfassung und Darstellung eigener Daten). Sie trifft keine fachlichen Aussagen; die Einordnung von Daten ist Sache der Nutzer bzw. zuständiger Fachpersonen.

Fazit

Der Reiz des Projekts liegt im Hybrid-Ansatz: ein Datenmodell, zwei Clients, ein einfaches Lifetime-Monetarisierungsmodell. Die fachliche Deutung der Werte ist bewusst kein Bestandteil — die App ist Werkzeug zur Erfassung, Visualisierung und zum Export. Siehe auch Basalthermometer-Vergleich und die Projekt-Übersicht.