Personalisierte medizinische Software auf AWS: 60% weniger Fehler nach der Veröffentlichung

Innowise hat eine serverlose Infrastruktur auf AWS entwickelt, die Gesundheitsempfehlungen für personalisierte medizinische Software ermöglicht und eine robuste CI/CD-Pipeline für nahtlose Bereitstellung und Tests implementiert.

Der Kunde

Industrie

IT im Gesundheitswesen

Region

Israel

Kunde seit

2022

Unser Kunde ist ein Innovator im Bereich der Gesundheitstechnologie. Er konzentriert sich darauf, Menschen mit chronischen Erkrankungen durch maßgeschneiderte KI-gesteuerte Empfehlungen zu einer besseren Gesundheit zu verhelfen. Mit dem Schwerpunkt auf Individualisierung bietet der Kunde personalisierte Medizin-Software und eine mHealth-App für Einzelpersonen und Gesundheitsdienstleister an.

Detaillierte Information über den Kunden kann aufgrund der Bestimmungen des NDA nicht veröffentlicht werden.

Herausforderung

Neugestaltung der medizinischen Software zum Aufbau einer robusten Infrastruktur für Gesundheitsempfehlungen

Unsere Zusammenarbeit mit dem Kunden, die im Jahr 2022 begann, konzentrierte sich auf die Verbesserung seines Gesundheitsmanagementsystems, das auf Web- und Mobilplattformen verfügbar ist. Durch die Nutzung von KI und der Technologie der emotionalen Intelligenz (EI) passt sich die Software für personalisierte Medizin dynamisch an die einzigartige Persönlichkeit, die Gewohnheiten und den Lebensstil eines jeden Nutzers an. Dieser Ansatz zielt darauf ab, nachhaltige, lebenslange Veränderungen zu erleichtern und die Einhaltung von Behandlungsprogrammen zu fördern.Die Herausforderung für den Kunden bestand in der Neugestaltung eines Systems zur Verfolgung von Benutzeraktionen und zur präziseren Bereitstellung gesundheitsoptimierender Empfehlungen. Er benötigte eine robuste Infrastruktur für die Handhabung von Empfehlungen und Benachrichtigungen, die skalierbar und wartbar sein musste. Darüber hinaus fehlten sowohl für die Web- als auch für die mobile Plattformversion umfassende QA-Dienstleistungen.

Lösung

Personalisierte medizinische Software mit verbessertem Back-End-System, A/B-Tests und optimierter CI/CD-Pipeline

Im Rahmen unserer Zusammenarbeit mit dem Kunden entwickelten wir eine fortschrittliche und skalierbare Infrastruktur zur Unterstützung personalisierter medizinischer Software mit Gesundheitsempfehlungen. Mit dem Schwerpunkt auf Infrastructure as Code (IaC)-Praktiken haben wir die Leistung von AWS CDK mit TypeScript kombiniert. So konnten wir ein robustes, serverloses Framework erstellen, das komplexe Empfehlungs- und Benachrichtigungsprozesse verarbeiten kann, die für ein verbessertes Gesundheitsmanagement unerlässlich sind. Unser Team konzentrierte sich außerdem intensiv auf das Testen von mobilen Anwendungen und Back-End-Systemen.

Bereitstellung der Infrastruktur

In der grundlegenden Phase unseres Entwicklungsprozesses haben wir die AWS Cloud-Entwicklung Kit (CDK) mit TypeScript eingesetzt. Diese strategische Entscheidung ermöglichte es uns, die Cloud-Infrastruktur so zu skripten, als wäre sie eine Software. Sie rationalisierte die Erstellung von Ressourcen und stellte sicher, dass unsere Einrichtung wartbar und leicht skalierbar war - entscheidend für ein System, das für eine wachsende Zahl von Nutzern ausgelegt ist.Das Rückgrat der Infrastruktur bildete eine serverlose Architektur, die auf hohe Verfügbarkeit und Kosteneffizienz ausgelegt war. Serverloses Computing ermöglichte es uns, Anwendungen zu erstellen und auszuführen, ohne an Server denken zu müssen. Das bedeutete, dass wir uns auf das Kernprodukt konzentrieren konnten, ohne uns um die Verwaltung der Infrastruktur kümmern zu müssen.Um die verschiedenen Aktionen und Services, die die Anwendung benötigt, miteinander zu verweben, nutzten wir AWS Step Functions, um Zustandsautomaten zu erstellen. Sie sorgten dafür, dass jede Benutzerinteraktion genau verarbeitet wurde und die richtige Abfolge von Ereignissen ausgelöst wurde - von der Dateneingabe bis hin zu personalisierten JIT (Just In Time)-Benachrichtigungen und Empfehlungen.

Entwicklung der mHealth-Anwendung

Unser Team nutzte Python wegen seiner Einfachheit und Effizienz bei der Erstellung von Lambda-Funktionen, die den Kern verschiedener Backend-Services formen. Diese Funktionen waren für den gesamten Prozess der Nutzerbenachrichtigung zuständig, von der Datenverarbeitung bis zum Versand von Gesundheitsempfehlungen und -meldungen.Unser PHP-Entwicklungsteam verbesserte die Benutzeroberfläche einer Webanwendung mit October CMS und konzentrierte sich dabei auf ein benutzerfreundliches System zur Verwaltung von Benachrichtigungsdaten, einschließlich Vorlagen, Platzhaltern und Bedingungen. Dieser Wechsel von einem entwicklerabhängigen Modell zu einem zugänglicheren Ansatz hat die Produktverantwortlichen in die Lage versetzt, Daten unabhängig zu verwalten, den Workflow zu straffen und die Effizienz des Benachrichtigungsmanagements zu steigern.Die Komplexität der Umwandlung von Benutzerrohdaten in Erkenntnisse erforderte robuste ETL-Prozesse. AWS Glue bot einen verwalteten ETL-Service, der die Vorbereitung und das Laden von Daten für die Analyse vereinfachte. Um den Datenfluss in Echtzeit zu verwalten, erstellten wir Datenpipelines mit Services wie AWS EventBridge für die Weiterleitung von Ereignissen und AWS Kinesis für die Verarbeitung massiver Gesundheitsdatenströme, um sicherzustellen, dass Benutzerinteraktionen ohne Verzögerung verarbeitet werden.

Kontinuierliche Integration und Bereitstellung

Um die Konsistenz und Qualität unserer Bereitstellungsprozesse aufrechtzuerhalten, haben wir CI/CD-Pipelines eingerichtet, die Bitbucket für die Versionskontrolle und AWS CodePipeline für die Orchestrierung der Builds, Tests und Bereitstellungen nutzen. Diese Pipelines ermöglichten einen reibungslosen Übergang von der Entwicklung zur Produktion mit automatisierten Schritten, die menschliche Fehler reduzierten und die Freigaben rationalisierten.

Amazon Elastic Container Service (ECS) wurde für die Ausführung und Verwaltung unserer Docker-Container konfiguriert. Dieser Service vereinfachte die Container-Orchestrierung des Systems und ermöglichte uns die einfache Bereitstellung, Verwaltung und Skalierung der Empfehlungs- und Benachrichtigungssysteme.

Qualitätssicherung

Die Qualitätssicherung war ein entscheidender und integraler Bestandteil unseres Bereitstellungsprozesses. Unsere QA-Ingenieure überprüften die Funktionalität, Leistung und Benutzerfreundlichkeit des Backend-Systems und stellten durch die Kombination von manuellen und automatisierten Testmethoden die höchste Qualität der mobilen Anwendung sicher.

Ein wichtiger Schwerpunkt unserer QS-Strategie war das gründliche Testen der personalisierten Medizin-Software auf mobilen Plattformen. Wir führten umfangreiche manuelle Tests durch, indem wir reale Benutzerszenarien simulierten, um sicherzustellen, dass die Oberfläche und die Funktionen der App auf verschiedenen Geräten einwandfrei funktionieren. Ergänzend dazu führten wir automatisierte Tests durch, um ein breiteres Spektrum von Anwendungsfällen abzudecken.

Die Verwaltung der CI/CD-Workflows war ein weiterer wichtiger Aspekt unseres QA-Prozesses. Wir überwachten diese Arbeitsabläufe, um zu verhindern, dass ungetesteter oder fehlerhafter Code in der Produktion eingesetzt wird. Dieser Ansatz wurde besonders wichtig, nachdem wir Prozesslücken identifiziert hatten, die es ermöglichten, dass Fehler in der Live-Anwendung auftauchten, insbesondere während der kritischen 2.0-Version für den neuen Markt.

Um die Anwendung auf der Grundlage der Benutzerinteraktion weiter zu verfeinern, implementierten wir A/B-Testmechanismen. Dies erhöhte die Benutzerinteraktion und lieferte wertvolle Einblicke in das Benutzerverhalten und die Vorlieben, so dass der Kunde datengestützte Verbesserungen an seinem Produkt vornehmen konnte.

Der Kunde war besonders beeindruckt von der Robustheit unserer Mobil- und Backend-Tests sowie von der Effizienz der CI/CD-Pipeline. Diese Bemühungen führten zu einem deutlichen Rückgang der mit der Bereitstellung zusammenhängenden Probleme und zu einer erheblichen Steigerung der Stabilität der mHealth-Anwendung.

Technologien & Tools

Backend

PHP, Python, TypeScript

Cloud

AWS (Step Functions, Lambda, Kinesis, Event Bridge, Api Gateway, CloudFormation, Glue, Athena, App Sync, ECS, ECR, Batch, RDS, Redshift, DynamoDB)

Datenbanken

Postgres, Redshift, Redis, DynamoDB

Quellensteuerungssysteme

Bitbucket

Pipelines

Bitbucket Pipelines, Code Pipeline

Prozess

Unsere Arbeit mit dem Kunden war geprägt von schrittweisem Vorgehen, transparenter Kommunikation und einem starken Engagement für agile Methoden. Dieser Ansatz ermöglichte es uns, uns schnell anzupassen, ein konstantes Engagement mit dem Kunden aufrechtzuerhalten und unsere Prozesse während des gesamten Projekts kontinuierlich zu verbessern. Hier sehen Sie, wie sich das Projekt entwickelt hat:

Initiierung und Planung

Wir begannen mit einer gründlichen Analyse- und Planungsphase, in der wir unsere Aufgaben an den Bedürfnissen des Kunden ausrichteten. Diese Phase legte den Grundstein für einen reaktionsschnellen mHealth-App-Entwicklungszyklus.

Aufbau der Infrastruktur

Mithilfe von AWS CDK skripteten wir die Infrastruktur, um ein serverloses Backend zu unterstützen und sicherzustellen, dass das System skalierbar und widerstandsfähig ist.

Entwicklung der Funktionen

Unsere Entwickler schrieben Lambda-Funktionen zur Verarbeitung von Daten und zur Bearbeitung von Benachrichtigungen, die über die serverlose Infrastruktur verwaltet werden.

Aufbau einer CI/CD-Pipeline

Wir haben Bitbucket und AWS CodePipeline eingerichtet, um den Bereitstellungsprozess für Infrastruktur und Anwendungen zu automatisieren.

Qualitätssicherung

Unsere QA-Ingenieure führten gründliche manuelle und automatisierte Tests durch, um sicherzustellen, dass alle Funktionen über verschiedene Geräte und Benutzerszenarien hinweg ordnungsgemäß funktionieren.

Durchführung von A/B-Tests

Um das Benutzererlebnis weiter zu verbessern, haben wir ein A/B-Testverfahren eingeführt, das datengestützte Entscheidungen ermöglicht.

Projektabschluss und Überprüfung

Das Projekt wurde mit einer umfassenden Überprüfungs- und Übergabephase abgeschlossen. Wir stellten sicher, dass alle Projektelemente den Erwartungen des Kunden entsprachen, und bereiteten die Grundlage für künftige Erweiterungen und Unterstützung vor.

Team

AWS-Entwickler

PHP-Entwickler

Python-Entwickler

DevOps-Ingenieur

QA-Ingenieur

Projektkoordinator

Ergebnisse

Verbessertes Backend-System, 20% Verkürzung der Markteinführungszeit für neue Funktionen und verbesserte Stabilität der Software für personalisierte Medizin

Die Zusammenarbeit mit dem Kunden führte zu mehreren bemerkenswerten Ergebnissen, die alle zum Gesamterfolg und zur Wirkung der Software für personalisierte Medizin beitrugen:

Verbessertes Backend-System: Wir entwickelten ein robustes, skalierbares und kosteneffizientes Back-End-System. Die serverlose Architektur auf AWS ermöglichte es der Anwendung, steigende Lasten und Nutzerdaten effizient zu verarbeiten.
Verbesserte Anwendungsstabilität: Durch rigorose QA-Prozesse konnten wir kritische Fehler deutlich reduzieren. Die Stabilität der Anwendung wurde um ca. 40% verbessert, wie der Rückgang der Absturzmeldungen und der von den Benutzern gemeldeten Probleme zeigt.
A/B-Tests zur kontinuierlichen Verbesserung: Die Implementierung eines A/B-Testing-Frameworks war ein wichtiger Meilenstein. Es ermöglichte dem Kunden eine Feinabstimmung der Anwendung auf der Grundlage von Nutzerfeedback und -verhalten, wodurch die Nutzerzufriedenheit verbessert werden konnte.
Operative Effizienz: Durch die Automatisierung der Bereitstellungsprozesse und die Einführung einer optimierten CI/CD-Pipeline wurde die Markteinführungszeit für neue Funktionen um 20% verkürzt.

Unser QA-orientierter Ansatz und die robuste AWS-Serverless-Architektur haben unserem Kunden eine äußerst zuverlässige und personalisierte Medizin-Software beschert. Diese Verbesserungen unterstützten die Mission des Unternehmens, personalisierte Gesundheitslösungen bereitzustellen, wie die spürbaren Verbesserungen der Anwendungsleistung und der Benutzerzufriedenheit zeigen.

In der aktuellen Phase unseres Projekts ist unser engagiertes Team aktiv mit der laufenden Entwicklung und Verbesserung der mHealth-App beschäftigt, wobei der Schwerpunkt auf dem Testen und der kontinuierlichen Verbesserung der Infrastruktur liegt.

Projektdauer

Januar 2022 - Laufend

20%

Verkürzung der Markteinführungszeit für neue Funktionen

60%

Rückgang von Fehlern nach der Veröffentlichung

Unsere aktuellen Fallstudien

Kontaktieren Sie uns!

Buchen Sie einen Anruf oder füllen Sie das Formular unten aus und wir melden uns bei Ihnen, sobald wir Ihre Anfrage bearbeitet haben.

Name

Unternehmen

E-Mail

Telefon

Nachricht Bitte fügen Sie Projektdetails, Dauer, Technologie-Stack, benötigte IT-Experten und andere Infos bei.

Bitte fügen Sie Projektdetails, Dauer, Technologie-Stack, benötigte IT-Experten
und andere Infos bei.

Hängen Sie nach Bedarf zusätzliche Dokumente an.

Datei hochladen

Sie können bis zu 1 Datei von insgesamt 2 MB anhängen. Gültige Dateien: pdf, jpg, jpeg, png

Bitte beachten Sie, dass Innowise mit dem Anklicken der Schaltfläche 'Senden' Ihre persönlichen Daten nach der Datenschutzrichtlinie verarbeiten wird, um Ihnen die gewünschten Informationen zukommen zu lassen.

Wie geht es weiter?

Sobald wir Ihre Anfrage erhalten und bearbeitet haben, werden wir uns mit Ihnen in Verbindung setzen, um Ihre Projektanforderungen zu besprechen und eine NDA (Vertraulichkeitserklärung) für die Vertraulichkeit der Informationen zu unterzeichnen.

Nach der Prüfung der Anforderungen erstellen unsere Analysten und Entwickler einen Projektvorschlag, der Arbeitsumfang, Teamgröße, Zeit- und Kostenschätzung enthält.

Wir vereinbaren einen Termin mit Ihnen, um das Angebot zu besprechen und eine Vereinbarung mit Ihnen zu treffen.

Wir unterzeichnen einen Vertrag und beginnen umgehend mit der Arbeit an Ihrem Projekt.

Personalisierte medizinische Software auf AWS: 60% weniger Fehler nach der Veröffentlichung

Der Kunde

Herausforderung

Neugestaltung der medizinischen Software zum Aufbau einer robusten Infrastruktur für Gesundheitsempfehlungen

Lösung