Zusammenfassung
Gesamtlaufzeit
gesamte Teamgröße
unabhängige Microservices
Code: Java, Dart, Python
öffentliche REST-API, rollenbasierter Zugriff
CI/CD mit Schwachstellenprüfung
Das Projekt
Follow.me ist eine standortbasierte soziale App: Menschen checken an Orten ein, sehen, wer noch dort ist, lernen sich kennen und chatten miteinander. Das Produkt verbindet Karte, sozialen Graphen, Nachrichtenfunktion und Identitätsprüfung und muss für ein breites Publikum von Endnutzern schnell und sicher bleiben.
Die Arbeit umfasste das gesamte Produkt, von der mobilen App bis zur Cloud-Infrastruktur: Architektur, Backend-Services, die App für iOS und Android, CI/CD und Betrieb.
Was gebaut wurde
Mobile App – Flutter, für iOS und Android: Registrierung per Telefonnummer mit Einmalcode, schrittweise geführte Ersteinrichtung, Check-in an Orten per QR-Code, eine Karte mit Orten und Menschen in der Nähe, Likes, Kontakte, eine Sperrliste und Datenschutzeinstellungen, Fotoalben sowie Einzelchats mit selbstlöschenden Nachrichten. Die App ist per PIN oder biometrisch gesichert und unterbindet Bildschirmfotos.
- Identitätsprüfung – der Nutzer führt vor der Kamera eine Geste aus, die ein eigener Service mit Modellen für maschinelles Sehen (MediaPipe, InsightFace) überprüft
- 17 Microservices: sechzehn mit Java und Spring Boot, einer mit Python für die Bildanalyse
- Öffentliche API mit 96 Endpunkten und rollenbasierter Zugriffskontrolle
- Datenspeicher passend zur Aufgabe: PostgreSQL für Profile und Aktivitäten, Neo4j für den sozialen Graphen, PostGIS und Redis für Karten und die standortbezogene Suche
- Nachrichtenübermittlung über das Matrix-Protokoll; Push-Benachrichtigungen über Firebase und Huawei Mobile Services
Architektur
Das Backend folgt einem strikten Architekturvertrag mit drei Schichten. Öffentliche Fassaden halten keine Daten und übernehmen ausschließlich die Orchestrierung; jeder Fachservice besitzt eine eigene Datenbank und veröffentlicht Ereignisse in Apache Kafka; Integrationsadapter kapseln externe Produkte (Karten, SMS, Push-Benachrichtigungen, Chat, Dateispeicher) und hängen nie von den darüberliegenden Schichten ab. Die Services teilen ausschließlich typisierte API-Module, niemals ihre internen Datenmodelle.
Jede Anfrage trägt eine Korrelationskennung durch alle Services, jeder Aufruf einer Abhängigkeit ist mit einem Zeitlimit versehen, und Datenbankschemata werden über versionierte Migrationen weiterentwickelt.
Infrastruktur – Kubernetes in der Cloud, beschrieben in Terraform; 21 Helm-Charts, bereitgestellt über Argo CD, mit Blue-Green-Bereitstellung über Argo Rollouts und automatischer Skalierung; 34 GitLab-CI/CD-Pipelines, die Container-Images bauen und mit Trivy auf Schwachstellen prüfen.
Die Methode
Ein Team aus drei Ingenieuren, die mit KI-Assistenten arbeiteten. Zuerst entstanden der Architekturvertrag, die Programmierrichtlinien und für jeden Service ein Referenzblatt; sie wurden zusammen mit dem Code in den Repositorys gepflegt, sodass Menschen und KI-Agenten nach denselben Regeln arbeiteten. Die Funktionen der mobilen App wurden auf Grundlage schriftlicher Spezifikationen entwickelt.
Die Plattform wurde in drei Monaten geliefert.
Technologie-Stack
Fazit
Ein soziales Produkt für Endnutzer stellt ganz eigene Anforderungen: viele für den Nutzer sichtbare Funktionen, Interaktion in Echtzeit sowie Standortdaten und personenbezogene Daten, die geschützt werden müssen.
Drei Ingenieure. Drei Monate. Eine mobile App für iOS und Android, 17 Microservices, eine öffentliche API mit 96 Endpunkten, ein sozialer Graph, Karten, Chat und Identitätsprüfung, bereitgestellt auf Kubernetes über 34 CI/CD-Pipelines.
Der schriftliche Architekturvertrag und die Dokumentation zu jedem Service machen die Plattform wartbar und ermöglichen es einem anderen Team, sie mit geringem Einarbeitungsaufwand zu übernehmen.