Echtzeit-, Subsekunden-Matching auf feindlichen Mobile-OSes – end-to-end gebaut.

Offlinery war eine Dating-App gegen die Swipe-Kultur. Ein proprietärer Algorithmus zeigte Menschen in der Nähe an, die sich wirklich persönlich treffen wollten. Veröffentlicht für iOS und Android. 2025 eingestellt.

AI Fullstack-Entwicklung 2024-2025 Eingestellt

Live ansehen → Termin buchen

01 Überblick

Überblick

02 Die Herausforderung

Die Herausforderung

Die richtige Person in der Nähe innerhalb eines Minutenfensters anzeigen, damit eine echte Begegnung stattfindet. Zwei sich verstärkende Constraints: ein proprietärer Algorithmus für Subsekunden-Proximity und Mutual-Intent-Filterung, und Zuverlässigkeit gegen iOS und Android, die Background-Tasks killen, sobald sie das Interesse verlieren.

03 Die Entscheidung, die wir trafen

Kontinuierliche, präzise Ortung – bei gesperrtem Bildschirm.

Kontinuierliche, präzise Ortung von einem gesperrten Telefon ist brutal. Das OS schaltet Hintergrundprozesse zum Akkusparen ab. Das Datenschutzmodell nervt den Nutzer genau dann, wenn Matching feuern muss. Bleib genau gegen ein OS, das dich aktiv unterdrückt, und halte die Prompts ehrlich genug, dass Nutzer weiter Ja sagen.

04 Was wir gemacht haben

Was wir gemacht haben

Beide Phone-OSes unterdrücken Echtzeit-Matching aktiv. Wir haben jede Schicht um bewegungsgetriebene Trigger, intelligentes Deferral und Graceful Degradation gebaut. Fallback-Pfad bereit, bevor das OS dagegenhält. Proprietäre Proximity-Engine auf PostGIS. React Native + Expo mit gehärteter Background-Geolocation, Push, Error-Tracking, i18n. NestJS + TypeORM Backend mit JWT, Throttling, transaktionalen Mails und Expo-Push. Vollständige App-Store- und Play-Store-Releases. Subsekunden-Proximity auf einem bewegten Telefon, auf Hardware, die nicht kooperieren wollte.

05 Ergebnisse

Ergebnisse

Skalierung Echtzeit Proprietäre Matching-Engine

Skalierung Subsekunde Proximity-Queries

On Reel

Ausgewählte Screens

Architecture & Flows

Produktionsinfrastruktur

Backend, Postgres+PostGIS, Analytics und Logs auf Google Cloud. Waitlist auf Vercel. Sentry fürs Crash-Reporting, MailChimp für transaktionale Mails.

Das Diagramm zeigt eine vereinfachte High-Level-Architektur und lässt vertrauliche Implementierungs- und Sicherheitsdetails aus.

Match-Notification-Flow

sequenceDiagram
  autonumber
  participant U as User App
  participant API as NestJS API
  participant DB as PostGIS
  participant N as Expo Push
  U->>API: location heartbeat
  API->>DB: find nearby candidates
  DB-->>API: matches (geo + filters)
  API->>N: notify both users
  N-->>U: silent push

Heartbeat → Proximity-Query → Mutual Push. Background-Geolocation treibt den Loop; die API bleibt stateless.

06 Was wir gelernt haben

Was wir gelernt haben

Echtzeit-Personenmatching lebt und stirbt mit Signalen, die das OS aktiv tötet. Die Arbeit ist zur Hälfte Algorithmus, zur Hälfte Plattform-Kampf. Bewegungsgetriebene Trigger, intelligentes Deferral, Graceful Degradation, Fallbacks bei gekappter Genauigkeit. Auf einem bewegten Telefon sind Speed und Resilienz dasselbe Problem.

Tech Stack

React Native / Expo NestJS TypeORM Typescript Firebase Sentry

PromptID

PromptID ist eine AI-native EdTech-Plattform für Arbeitgeber und Universitäten. Sie prüft Lernende durch Analyse des Denkprozesses statt durch Belohnung von …

Fallstudie öffnen →

Wollen Sie ähnliche Ergebnisse?

Erzählen Sie uns, was Sie bauen. Wir sagen Ihnen, ob wir das richtige Team dafür sind.

Termin buchen