App-Entwicklung · Architektur & KI-Integration

denk.pause

Ein digitaler Begleiter für Lehrkräfte mit kuratierten Impulsen und einem wissensgestützten KI-Assistenten.

Ich entwickle denk.pause als externer Entwickler weiter und berate zu Architektur, App-Struktur und Vorgehen in der Entwicklung. Meine Arbeit umfasst Datenintegration, KI-Anbindung und Release-Prozesse.

Senior Product Engineer · Seit Februar 2026 · beWirken

In Entwicklung · Web + iOS im Softlaunch
Softlaunch-Meilenstein dokumentiert am 24. September 2026

App öffnen ↗Für Smartphones gestaltet.

Eine Pause im anspruchsvollen Schulalltag

Lehrkräfte brauchen einen einfachen Zugang zu hilfreichen Impulsen und Raum, um Situationen zu durchdenken. Ich habe diesen Produktbedarf in eine React-Native-/Expo-Anwendung übersetzt, die geprüfte redaktionelle Inhalte, den Kontext von Lehrkräften und KI-Gespräche über Web und native Geräte verbindet. Klare Grenzen zwischen Screens, Zustand, Speicherung und externen Diensten schaffen eine Grundlage, die mit den Anforderungen des Produkts wachsen kann.

Klare Verträge zwischen Inhalten, App und KI

  1. 01Redaktionelle Exporte
  2. 02Validierung & Import
  3. 03Anwendungsdaten
  4. 04React-Native-/Expo-App
  5. 05Lotse-API & Retrieval
  6. 06Modellanbieter

Eine versionierte Content-Pipeline verbindet redaktionelle Exporte mit den Anwendungsdaten. Die App greift über eine eigene API auf den wissensgestützten Assistenten zu.

Drei technische Entscheidungen

01 / Redaktionelle Inhalte in Anwendungsdaten übersetzen

Inhaltsformate entwickeln sich mit dem Produkt weiter. Ich habe eine versionierte Import-Pipeline mit Schema-Prüfungen, normalisierter Taxonomie, Zuordnung von Referenzen und Varianten sowie Freigabe-Gates aufgebaut. Importberichte machen die Verarbeitung nachvollziehbar; die Validierung erkennt ungültige oder nicht freigegebene Inhalte vor der Veröffentlichung. Formatänderungen werden zu expliziten Anpassungen eines definierten Vertrags. So entsteht ein funktionierender Weg von geprüften redaktionellen Exporten über Supabase bis in die App – mit klarer Kontrolle darüber, was Nutzer*innen erreicht.

02 / KI-Kontext bewusst gestalten

Hilfreiche KI-Gespräche hängen davon ab, wie Anweisungen, Retrieval, Historie und Antwort das Token-Budget teilen. Ich habe gestreamte Gespräche integriert, Fehler durch Anbieterlimits analysiert und die Client-Historie auf die letzten zwölf Nachrichten begrenzt. Außerdem habe ich die Übergabe des Wissenskontexts an der App-/API-Grenze abgestimmt. Damit wird der Beitrag des Clients zu jeder Anfrage vorhersehbar: Aktueller Gesprächskontext wird mit dem Platz für abgerufenes Wissen und eine Antwort abgewogen. Die sichtbare Chat-Erfahrung ist so mit den technischen Anforderungen des Dienstes verbunden.

03 / Auslieferung überprüfbar machen

Native Auslieferung braucht mehr als einen erfolgreichen Einreichungsbefehl. Ich habe getrenntes Staging, Umgebungsvalidierung und Release-Gates für geprüften Code aufgebaut – einschließlich expliziter Prüfungen von Build-Endstatus, Artefakt und Commit-Identität. Ein Regressionstest erfasst einen abgebrochenen Build trotz erfolgreichem CLI-Exit. Beim Review im September 2026 bestanden 67 lokale Prüfungen der Delivery-Regeln. Diese Kontrollen machen die Auslieferungsbereitschaft im Workflow überprüfbar, mit gezielten Prüfungen für Web-Deployments und native Builds.

Ein nutzbares Produkt, das sich weiterentwickelt

Im September 2026 hatte denk.pause den Softlaunch mit einer öffentlichen Web-App und einer iOS-Beta erreicht. Meine Arbeit verbindet App-Fundament, redaktionelle Datenintegration, gestreamte KI-Gespräche und Auslieferungsabläufe zu einem nutzbaren Produkt. Ich entwickle die App weiter und berate zu ihrer technischen Ausrichtung, Code-Struktur und den Entwicklungsprozessen.

Die KI-Erfahrung technisch gestalten

Meine Arbeit verbindet die sichtbare Interaktion mit den technischen Schnittstellen dahinter: gestreamte Antworten, Übergabe des Wissenskontexts, begrenzte Gesprächshistorie und Analyse des Token-Budgets. Ich betrachte KI als Teil des Produktsystems, in dem hilfreiche Antworten, flüssige Interaktionen und nachvollziehbare Fehlerbehandlung zusammenwirken müssen.