(001)
Warum dieses Produkt wichtig war
Problem
Das Produkt war ursprünglich als Strip-basierte Begleit-App konzipiert, entwickelte sich aber rasch zu einer Multi-Signal-Plattform für metabolische Gesundheit. Die bestehende UX war nicht darauf ausgelegt, mehrere Datenquellen, KI-gestützte Erkenntnisse oder unterschiedliche Nutzertypen zu unterstützen — was bei wachsender Skalierung das Risiko der Fragmentierung mit sich brachte.
Julian (CTO)
Langjähriger Typ-1-Diabetiker
Ali (CEO)
Vater hatte Typ 1
Center Health war nicht einfach eine weitere HealthTech-App. Es wurde von Menschen gebaut, die die Realität des Diabetes leben. Ich stieß zum perfekten Zeitpunkt dazu — das Produkt entwickelte sich von einer Strip-basierten Starter-App zu einem vollständigen KI-gestützten metabolischen Gesundheitsökosystem. Meine Rolle: Die Systeme, Oberflächen und Erfahrungen gestalten, die diese Evolution möglich machen würden. So klangen Entscheidungen oft nicht wie „Lass uns eine coole Funktion bauen", sondern wie: „Hätte mir das letzte Nacht geholfen?"
(002)
Was ich gestaltet habe
Feature-Forschung & Glaubwürdigkeitsbewertung.
Aria-KI-UX-Flow & Interaktionsdesign — das GEHIRN & die Seele der App.
Nutzerforschung & Flow-Architektur.
Arzt- & Patientenportal.
Website-Neugestaltung.
Interaktionsdesign für verbundene Geräte.
UX für Mobile-App-Neugestaltung.
Schnelle Iterations-Pipelines (Hotjar, CS-Insights, Mikro-Korrekturen)
Designsystem, plattformübergreifend, tokenisiert mit Dokumentation.
Markendesign, Marketingmaterialien, Pitch Decks & Druckmaterialien.
(003)
Designsystem: Die unsichtbare Infrastruktur
Drei Plattformen. Mehrere Feature-Teams. Wir brauchten Kohärenz.
Problem
Mehrere Teams lieferten plattformübergreifend ohne ein einheitliches System. Das führte zu inkonsistenten UI-Mustern, doppelten Komponenten und längeren Entwicklungszyklen — und erschwerte es, das Produkt zu skalieren, ohne den Aufwand für Design und Engineering zu erhöhen.
Tokenisiertes Fundament: Farbe, Abstände, Typografie, Schatten.
Alles ist eine Instanz einer atomaren Master-Komponente.
Ebenenbasierte verschachtelte Block-Struktur mit vordefinierten Abständen, Gap- & Typografie-Verhalten.
Benutzerdefinierte Icon-, Bild- & Illustrationsbibliothek mit farbkodierten Gesundheitsdomänen.
Interaktion, Ton und Komponentenanwendungsfälle, adaptive Logik — alles dokumentiert.
Dev-first-Struktur (Gap-Skalen, Boilerplate-Regeln)
Results
40 % schnellere Lieferzyklen. Sauberere UIs. Geringere kognitive Belastung für Nutzer. Und weniger Überraschungen für Entwickler.
(004)
Onboarding: Adaptive UX auf Basis personalisierter Vorerfahrung
Problem
Ein einziger linearer Onboarding-Flow wurde für grundlegend verschiedene Nutzertypen verwendet — von Typ-1-Diabetiker:innen bis zu Pflegenden. Das führte zu irrelevanten Eingaben, niedrigeren Abschlussraten und schwacher initialer Datenqualität für Arias Personalisierung.
Center Health erweiterte sich von einem Nutzertyp auf fünf: Typ 1, Typ 2, Prä-Diabetes, Gewichtsverlust-Nutzer, Pflegende und Kliniker. Ein einziger Onboarding-Trichter würde nicht ausreichen.
What I designed
Persona-basierte Verzweigung im ersten Schritt
Modulare Schrittbibliothek: Diagnoseinformationen, A1c-Wert, Medikamente, Begleiterkrankungen
Ziele & Verhaltensmuster
Geräteeinrichtung (Duo, CGM, Dexcom, Apple/Google Health)
Progressive Disclosure und jederzeit-fortsetzbare Logik
Gestaltete Prompts, die sich wie ein freundliches Gespräch anfühlen, nicht wie ein Steuerformular
Results
Nutzer betraten die App bereits mit dem Gefühl, verstanden zu werden. Einrichtungsabschlussraten verbesserten sich — und Aria hatte von Anfang an bessere Daten.
(005)
Gerätintegration, Interaktion & Ergebnisse
Die Plattform unterstützte eine wachsende Palette vernetzter Gesundheitsgeräte. Jedes hatte seine eigene Kopplungslogik, sein eigenes Datenformat und eigene Sonderfälle — und jedes musste sich nahtlos anfühlen.
Problem
Jedes verbundene Gerät hatte seine eigene Pairing-Logik, Sonderfälle und Datenstrukturen. Die Erfahrung war inkonsistent und oft fragil, sodass Nutzer:innen manuelles Logging gegenüber Echtzeit-Integrationen bevorzugten.
What I designed
Blutzuckermessgeräte-Flow
Blutdruck-Wadenmanschetten-Flow
Körperwaage mit Pulserkennung-Flow
CGM-Integrationsflow
Fitness-Datenquellen-Integrationsmodule
Results
Jede Gerätintegration reduzierte die Reibung beim manuellen Logging und lieferte Aria reichhaltigere Echtzeit-Daten.
(006)
Startseite: Messwerte in echtes Verständnis umwandeln
Problem
Das Dashboard zeigte Gesundheitsmetriken isoliert, ohne den Nutzer:innen zu helfen, Zusammenhänge zwischen ihnen zu erkennen. Mit jeder zusätzlichen Datenquelle drohte die Oberfläche komplexer zu werden, ohne nützlicher zu werden.
Das v1-Dashboard war perfekt für frühe Strip-Nutzer.…aber das Produkt war zu etwas viel Größerem gewachsen: CGM-Daten, Ernährung, Medikamente, Schlaf, Aktivität, Stimmung, Gewicht, Pflegezugang. Wir brauchten ein Dashboard, das wie eine Gesundheits-Intelligenzschicht agiert, nicht nur wie ein Diagramm.
What I designed
"Überblickbarer" Sicherheitsstreifen: aktueller BZ + Zeit im Bereich
3×2 dynamische Gesundheits-Kacheln: automatisch nach häufigsten Logs des Nutzers gerankt
Multifaktor-Vergleichsgrafiken: BZ vs. Mahlzeiten, Schlaf, Insulin, Sport, Kalorien
Aria-Insight-Leiste in der Falte des Dashboards eingebaut
Teilbare Zusammenfassungen für Ärzte & Pflegende
Dev-first-Struktur (Gap-Skalen, Boilerplate-Regeln)
Results
Nutzer konnten endlich Muster, Ursachen und Trends sehen — keine isolierten Zahlen mehr. Das Dashboard wurde zum täglichen Kommandozentrum ihrer metabolischen Gesundheit.
(007)
ARIA: Der Plattform ein Gehirn & eine Seele geben
Problem
Aria existierte als Backend-Intelligenzschicht, hatte aber keine klare Präsenz in der Nutzererfahrung. Erkenntnisse wirkten passiv und losgelöst und ließen die KI eher unsichtbar als zentral fürs Produkt erscheinen.
Aria wurde mit Insights, Trends und Vorschlägen zum Geist und zur Seele. Aria speiste bereits im Backend Insights ein. Aber für Nutzer fühlte es sich wie ein unsichtbarer Geist an. Wir mussten Aria ein Gesicht, eine Stimme, eine Persönlichkeit und sichere Grenzen geben.
ARIA Chat & Feed
Im Kern personalisiert & auf den einzelnen Nutzer ausgerichtet.
Aktive Überwachung, Vergleichsdarstellung.
Insights, Trend-Präsentation.
Gesundheitscoaching basierend auf Gesundheitsdatenpunkten.
Sprachton- & Persönlichkeitspräferenzen.
ARIA Benachrichtigungssystem
Results
Aria wurde zum emotionalen Kern des Produkts — der Teil, mit dem Nutzer sprachen, nicht nur schauten. Es richtete auch Branding, Website und Produktgeschichte des Unternehmens auf KI-first-Gesundheitscoaching aus.
(008)
Logging, Erinnerungen & Gewohnheitssysteme
Besseres Logging = klügeres Aria. Aber Logging ist… Logging. Menschen vergessen.
Problem
Logging erforderte Aufwand und Konsequenz, doch das System reduzierte kaum Reibung und verstärkte keine Gewohnheiten. Die Datenqualität litt — was sich direkt auf die Wirksamkeit der KI-gestützten Erkenntnisse auswirkte.
One-Tap-Logging-Hub
Kontextbewusste Standardeinstellungen (nüchtern, nach dem Essen, etc.)
Logging-Typ aufsteigend nach Häufigkeit sortiert.
Tägliche Aufgaben & Streaks für sanfte Konsistenzförderung
Passive Integrationen (Apple Health, Google Fit)
Results
Die Logging-Häufigkeit stieg deutlich. Aria wurde schärfer, relevanter und mehr „auf deiner Seite".
(009)
Mahlzeiten-Logging, Ernährung & Restaurantmenü-Empfehlungen
Wenn BZ das „Was" ist, dann ist Essen das „Warum". Das Produkt brauchte einen diabetikerfreundlichen Umgang mit Mahlzeiten.
Problem
Blutzuckerwerte zeigten Ergebnisse, doch Nutzer:innen hatten kaum Einsicht in die Ursachen dahinter. Ernährungstracking war entweder zu generisch oder zu komplex — und damit nur eingeschränkt nützlich, um metabolische Muster zu verstehen.
Kuratierte durchsuchbare Lebensmitteldatenbank
Eigene Mahlzeit zusammenstellen mit Zutaten-genauer Präzision
Individuelle Mahlzeiten für Two-Tap-Logging speichern
Aria-Feedback zu Kohlenhydraten → Aktionen („Ein kurzer Spaziergang kann dabei helfen.")
Restaurantmenü-Integration und Empfehlungen
Results
Essen wurde genauso messbar wie Blutzucker — und gab Aria den Kontext, den es benötigte, um präziser zu coachen.
(010)
Website: Die Geschichte für eine KI-first Zukunft neu schreiben
Problem
Das Produkt hatte sich zu einer KI-first-Gesundheitsplattform entwickelt, doch die Website kommunizierte weiterhin eine hardware-zentrierte Erzählung. Das schuf eine Lücke zwischen Nutzererwartungen und tatsächlichem Produkterlebnis.
Aria-getriebene Held-Erzählung, als das Produkt seinen Pitch von Strips zu ARIA verlagerte.
Klare Erklärung, wie KI Daten in Coaching umwandelt
Programmseiten für Diabetes, Prä-Diabetes, Gewichtsverlust, metabolische Gesundheit
Visuelle Identität abgestimmt mit der App
Results
Die Website erzählte endlich die Geschichte, die das Produkt bereits lebte.
(011)
Anbieterportal: Klinikern Superkräfte geben
Problem
Klinikerinnen und Kliniker arbeiteten mit fragmentierten Daten und von Patient:innen geteilten Screenshots — was es schwer machte, Gesundheitsverläufe einzuschätzen oder fundierte Empfehlungen zu geben. Es gab keine strukturierte Oberfläche für klinische Entscheidungen.
Ärzte arbeiteten mit Screenshots, die Patienten schickten. Nicht skalierbar. Nicht sicher. Nicht hilfreich.
Triagefreundliche Patientenliste mit auf einen Blick erfassbaren Risikoindikatoren
Detaillierte BZ-Zeitlinien mit Daten-Überlagerungen (Mahlzeiten, Medikamente, Schlaf, Aktivität)
Ansicht der letzten Aria-Insights, damit Kliniker wussten, welches Coaching Patienten bereits erhalten hatten
Klares, umkehrbares Berechtigungsmodell für den Datenzugriff
Results
Kliniker hatten endlich ein aussagekräftiges Werkzeug zur Fernbewertung der metabolischen Gesundheit ihrer Patienten. Dies eröffnete neue strategische B2B-Gespräche für Center Health.
(012)
Markengestaltung, Verpackungsdesign
(013)
Die kontinuierliche UX-Engine
Problem
Nutzer-Feedback existierte in mehreren Kanälen, doch es gab kein strukturiertes System, um es kontinuierlich zu erfassen, zu analysieren und darauf zu reagieren. Das verlangsamte Iteration und ließ Verbesserungen reaktiv statt systematisch werden.
Hotjar-Session-Reviews
Nutzer-Feedback aus App- & Play Store, Kundensupport analysieren & in Schleife einbringen
Benachrichtigungs- & Copy-Experimente
Reibungspunkte bereinigt, Flows gestrafft
(014)
Rückblick auf zweieinhalb Jahre. Die Scale-Up-Phase.
System Challenge
Die Kernherausforderung lag nicht im Gestalten einzelner Funktionen, sondern im Aufbau eines Systems, in dem Datenerfassung, KI-Erkenntnisse und Nutzerverhalten sich gegenseitig kontinuierlich verstärken — und das Produkt so in eine echte Gesundheitsintelligenz-Schleife verwandeln.
01
Domänentiefe verbessert Designentscheidungen.
02
Adaptive KI-UX
03
Plattformübergreifende Konsistenz durch Designsysteme
04
Datenvisualisierung
05
Komplexität im Healthcare-Design
06
Business- & Produktintuition
Empfehlungsschreiben
CTO: Julian Laval