Endurance by Endulytics – Fitness-App mit Wearables & Trainingsplanung

Messgenauigkeit, Gerätevielfalt und Sportler-Erwartungen

Ausdauersportler erwarten verlässliche Echtzeitwerte und nachvollziehbare Trainingshistorie: Herzfrequenz, Leistung (Watt), Trittfrequenz und Distanz sollen ohne Aussetzer angezeigt werden – im Freien, in der Halle und bei wechselnden Empfangsbedingungen. Hersteller von Sensoren und Smartwatches setzen unterschiedliche BLE-GATT-Profile und Firmware-Versionen ein; nicht jedes Gerät verhält sich beim Pairing, bei Reconnects im Hintergrund oder bei gleichzeitiger Nutzung mehrerer Sensoren gleich.

Zusätzlich soll die App auch offline nutzbar bleiben: Aufgezeichnete Einheiten dürfen nicht verloren gehen, wenn kurzzeitig kein Netz verfügbar ist. Sobald wieder WLAN oder mobiles Internet besteht, müssen Daten konfliktfrei mit dem Backend abgeglichen werden – ohne doppelte Einträge und ohne dass Nutzer manuell eingreifen müssen.

Energieverbrauch, Hintergrundverarbeitung und Datenschutz

Kontinuierliches Scannen und Verbinden mit BLE-Geräten, kombiniert mit Display an und GPS-Szenarien, belastet Akku und CPU. iOS und Android begrenzen Hintergrundaktivität unterschiedlich streng: Eine Lösung, die auf dem Testgerät funktioniert, kann auf älteren Smartphones oder unter Last zu Verbindungsabbrüchen führen. Parallel gilt es, personenbezogene Gesundheits- und Leistungsdaten DSGVO-konform zu verarbeiten – von der lokalen Speicherung bis zur übertragenen Historie in der Cloud.

Wettkämpfe und Gruppentrainings erzeugen Funkstörungen; die App muss Reconnects und Sensor-Prioritäten so handhaben, dass kritische Metriken nicht für Minuten verschwinden.

Native Clients, BLE-Stack und robuste Sensor-Anbindung

Wir haben die Endurance-App nativ für iOS (Swift) und Android (Kotlin) umgesetzt und die BLE-Schicht gezielt pro Plattform angebunden: Scan-Intervalle, Reconnect-Strategien und Caching von Geräte-Metadaten sind so gewählt, dass typische Kombinationen aus Brustgurt, Powermeter und Radcomputer stabil laufen. Wo Hersteller proprietäre Erweiterungen nutzen, kapseln wir die Logik in modulare Adapter, damit Updates einzelner SDKs oder Firmware-Stände nachziehbar bleiben.

Für die Trainingsplanung kombinieren wir strukturierte Intervalle, Zielzonen und Auswertungen im UI mit einer klaren Tages- und Wochenübersicht. Nutzer sehen auf einen Blick, ob sie im geplanten Bereich trainiert haben – inklusive optionaler Hinweise zu Belastung und Erholung, ohne die App mit medizinischen Zusagen zu überfrachten.

Synchronisation über WiFi, API-Design und Offline-First

Die Synchronisation mit dem Backend erfolgt über verschlüsselte REST-APIs; nach dem Training werden Datensätze gebündelt übertragen, sobald eine stabile Verbindung besteht. Lokal halten wir eine Warteschlange mit Idempotenz-Keys, damit bei abgebrochenen Uploads keine Duplikate entstehen. So bleibt die Historie konsistent – ob der Sportler zuhause im WLAN synchronisiert oder unterwegs mobiles Netz nutzt.

Leistungsbezug und Vertiefung

Mehr zu unserer App-Entwicklung und im Blog-Artikel IoT-Entwicklung & Smart Home.

Stabilität im Feld und wartbare Architektur

Im Projektverlauf lag der Fokus auf reproduzierbaren Tests mit realen Sensor-Sets und auf einer Architektur, die sich für Folge-Features eignet: zusätzliche Sportarten, erweiterte Auswertungen oder Anbindungen an Drittanbieter. Die Zusammenarbeit mit Endulytics war iterativ – Prioritäten aus Nutzerfeedback und Trainingspraxis flossen in Sprint-Planung und UX-Anpassungen ein.

Nutzererlebnis und Performance

Die Oberfläche ist auf schnelle Erfassung vor dem Training und klare Auswertung danach ausgelegt: wenig Tap-Fricition, gut lesbare Kennzahlen und sinnvolle Defaults für Zonen und Einheiten. Durch gezielte Profiling-Runden auf Mittelklasse-Geräten halten wir UI-Animationen und Chart-Rendering im Rahmen, damit die App auch nach längeren Sessions flüssig bleibt.