Fallstudie7 Min. Lesezeit

Wie ich ein ganzes
App-Unternehmen — alleine gebaut habe.

Von Flutter-Apps auf drei Plattformen über eine 675-Seiten ASO-Engine, On-Device-ML, automatisierte Content-Pipelines bis hin zu einer internen Ops-Konsole. Die vollständige Geschichte hinter Sapplify.

Apps

Plattformen

675+

Generierte Seiten

Sprachen

Person

Scrollen zum Entdecken

Jede App will deine Daten.

Die meisten Produktivitäts-Apps folgen dem gleichen Schema. Konto erstellen, in die Cloud synchronisieren, dem Unternehmen ermöglichen, deine Daten zu monetarisieren. Gewichtstracker, die Gesundheitsdaten verkaufen. Budget-Apps, die Ausgaben für Werbetreibende analysieren. Perioden-Tracker mit Datenschutzrichtlinien, die Schlagzeilen machen.

Ich suchte nach einfachen Tools, die einfach funktionieren — ohne all das. Sie existierten nicht. Also entschied ich mich, sie selbst zu bauen. Nicht nur eine App, sondern ein ganzes Ökosystem. Diese Entscheidung war der Beginn von Sapplify.

Eine Codebasis, drei Plattformen.

Alle Sapplify-Apps sind mit Flutter gebaut. Eine Dart-Codebasis, die zu nativen iOS-, Android- und Huawei AppGallery-Apps kompiliert. Als Solo-Entwickler macht das den Versand auf drei Plattformen erst realistisch.

Die Standard-Architektur ist Local-First. Daten bleiben auf dem Gerät, gespeichert in SQLite, lokal verarbeitet. Keine Konten erforderlich, keine Cloud-Abhängigkeit. Aber ich bin pragmatisch. sBudget zum Beispiel integriert Supabase mit OAuth für geräteübergreifende Synchronisation, weil dieses Feature bei einer Budget-App wirklich wichtig ist. Es befindet sich derzeit im teilweisen Release auf iOS. Das Prinzip ist nicht „niemals einen Server nutzen.“ Sondern „nur dann, wenn es dem Nutzer wirklich dient.“

Tech Stack

FlutterDartSQLiteSupabaseMaterial 3

Apps

6 veröffentlichte Apps

Plattformen

iOS · Android · Huawei AppGallery

Sprachen

15+ unterstützte Sprachen

KI, die nie nach Hause telefoniert.

Gesundheitsdaten sind persönlich. Gewichtstrends, Zyklusmuster. Machine Learning kann hier echten Mehrwert bieten, indem es Nutzern hilft, ihre eigenen Daten zu verstehen und sie auf eine Weise aufbereitet, die tatsächlich Sinn ergibt. Aber der naheliegende Weg — diese Daten an Cloud-Modelle zu senden — würde den Local-First-Ansatz zerstören. Man verliert die Kontrolle darüber, wohin die Daten gehen und wer sie verarbeitet.

Anstatt externe ML-Frameworks oder Cloud-APIs zu nutzen, habe ich eigene statistische Modelle in purem Dart gebaut. sWeight nutzt lineare Regression mit Konfidenz-Scoring und Trendanalyse. sCycle nutzt gewichtete Vorhersage-Engines, Anomalieerkennung und Mustererkennung für Zyklus- und Fruchtbarkeitsvorhersagen. Alles läuft auf dem Gerät, trainiert auf den Daten des Nutzers, mit null Netzwerk-Aufrufen.

Tech Stack

Custom Dart MLStatistical analysisOn-device inference

Apps

sWeight, sCycle

Algorithmen

Lineare Regression, Anomalieerkennung, Mustererkennung, Konfidenz-Scoring

Ergebnis

Null Datenübertragung für ML-Features

675+ Seiten. Generiert, nicht geschrieben.

Großartige Apps zu bauen bedeutet nichts, wenn niemand sie findet. Landing Pages zu lokalisieren, keyword-optimierten Content und strukturierte Daten in 15 Sprachen manuell zu pflegen, ist unmöglich. Also habe ich ein eigenes Node.js Build-System gebaut, das die gesamte Website aus Templates und JSON-Übersetzungsdateien generiert.

Statisches HTML war eine bewusste Entscheidung. Suchmaschinen können es sofort crawlen, ohne JavaScript-Rendering. Seitenladezeiten sind schnell, was Core Web Vitals und Rankings verbessert. Und 675+ Seiten über ein CDN auszuliefern, kostet fast nichts. Ein Build-Skript, 2.500 Zeilen, generiert jede Seite. App-Seiten, Blog-Beiträge, Datenschutzrichtlinien, Changelogs, Kunstausstellungen. Jede bekommt hreflang-Tags, JSON-LD strukturierte Daten, Open Graph Metadaten und eine dynamische Sitemap. Die gesamte Website wird in Sekunden neu gebaut und auf Netlify deployed.

Tech Stack

Node.jsMustache templatingJSON/MarkdownNetlify

Output

675+ optimierte statische Seiten

Sprachen

15 vollständig lokalisierte Sprachen

SEO

hreflang, JSON-LD (FAQPage, SoftwareApplication, BreadcrumbList), Open Graph

675+ generierte Seiten

Zwei Backends. Ein Ökosystem.

Die Apps sind Local-First, aber das Ökosystem braucht trotzdem Infrastruktur. Statt eines Monolithen habe ich zwei separate Python-Backends gebaut, die sich eine Supabase-Datenbank teilen.

Das öffentliche Backend läuft auf Flask. Es verwaltet die Warteliste, das Beta-Access-Programm, das Kontaktformular, App-Feedback, Analytics und Payment-Links. Das zweite Backend läuft auf FastAPI und betreibt sConsole. App Store Connect Datensynchronisation, KI-gestützte Content-Generierung, Bild- und Video-Pipelines. Beide nutzen Supabase für Auth und PostgreSQL, separat deployed, damit jedes unabhängig skalieren kann.

Tech Stack

FlaskFastAPISupabasePostgreSQLGunicornUvicorn

Öffentlich

Warteliste, Beta-Zugang, Feedback, Analytics, Payments

Intern

ASC Sync, KI Content-Generierung, Media-Pipelines

Auth

Supabase Auth, JWT Tokens, API Key für Cron Jobs

Ich fand kein passendes Tool. Also baute ich eines.

Ein Multi-App-Unternehmen alleine zu führen bedeutet, Analytics-Dashboards, Task-Manager, Content-Tools und Deployment-Pipelines unter einen Hut zu bringen. Ich habe bestehende Lösungen ausprobiert, aber nichts passte. Zu verstreut, zu komplex oder ohne die spezifischen Features, die ich brauchte. Also habe ich sConsole gebaut.

Es ist eine vollständige Flutter-App mit sechs umschaltbaren Modulen. Tasks mit Projekten, Tags und Templates. Analytics mit echten App Store Connect Daten inklusive Downloads, Umsatz und Conversion Rates nach Land. Social-Media-Content-Management mit KI-gestützter Generierung. API-Logs zum Monitoring beider Backends. Alles, was ich brauche, um Sapplify zu betreiben, lebt an einem Ort, genau so gebaut, wie ich es brauche.

Tech Stack

FlutterRiverpodSupabaseGo Router

Module

Tasks, Analytics, Projekte, Social Media, API Logs, Einstellungen

Integrationen

App Store Connect, Supabase, Bunny.net CDN

Architektur

Clean Architecture mit responsivem Desktop- und Mobile-Layout

Das Fazit

Ein Entwickler.
Der gesamte Stack.

Sapplify ist der Beweis, dass eine Person ein ganzes Produkt-Ökosystem entwerfen, bauen und ausliefern kann. Von Custom ML bis hin zu KI-gestützten Content-Pipelines — jede Komponente existiert, weil sie gebraucht wurde.

Mit mir arbeiten

Wie ich ein ganzesApp-Unternehmen — alleine gebaut habe.

Jede App will deine Daten.

Eine Codebasis, drei Plattformen.

KI, die nie nach Hause telefoniert.

675+ Seiten. Generiert, nicht geschrieben.

Zwei Backends. Ein Ökosystem.

Ich fand kein passendes Tool. Also baute ich eines.

Content, der sich selbst erstellt.

Ein Entwickler.Der gesamte Stack.

Wie ich ein ganzes
App-Unternehmen — alleine gebaut habe.

Ein Entwickler.
Der gesamte Stack.