Zurück zum Portfolio

2024–2025

Zuhausy

Finde deine nächste WG wie beim Swipen nach einem Match, verifiziert, lokal und gebaut, um Betrug auszusortieren.

Zuhausy · match engine Finding matches…

Flatmate matches, ranked by personality fit

Your profile · reference traits

Das Problem

Eine WG in Deutschland zu finden ist ein Minenfeld: Fake-Inserate, Geister-Vermieter, unpassende Mitbewohner und Vorkasse-Betrug, bei dem man eine Kaution überweisen soll, bevor man das Zimmer je gesehen hat. Das Signal-Rausch-Verhältnis ist katastrophal, und ausgerechnet die am meisten Gefährdeten, Neuankömmlinge und Studierende, sind am schlechtesten gerüstet, den Betrug zu erkennen. Zuhausy baut die Suche neu auf: um Vertrauen und Passung statt um Glück.

Der Ansatz

  1. 01

    Swipe-basiertes Matching

    Zimmer und Mitbewohner erscheinen als Swipe-Feed, sodass sich das Stöbern schnell und leicht anfühlt statt endlose Listenseiten zu durchforsten. Interesse ist beidseitig, bevor jemand Kontaktdaten teilt.

  2. 02

    KI-Empfehlungssystem

    Eine Recommendation-Engine sortiert den Feed jedes Nutzers nach Passung, Lebensstil, Budget, Lage und Präferenzen, sodass die relevantesten Matches nach oben kommen statt einfach der neueste Eintrag.

  3. 03

    KYC-Verifizierung für Vertrauen

    Identitätsprüfung (KYC) ist Zugangsvoraussetzung, sodass hinter jedem Profil eine echte, geprüfte Person steht. Diese eine Ebene entfernt den Großteil des Fake-Inserat- und Vorkasse-Betrugs.

  4. 04

    Standortbewusst & nativ, solo umgesetzt

    PostGIS treibt die Geo-Suche an, Entfernung, Viertel und pendelbewusste Ergebnisse, und Capacitor liefert dieselbe Codebasis als native iOS- und Android-Apps. Ich habe das Ganze allein gebaut: Schema, tRPC-API und App.

Das Ergebnis

  • 0→1 solo gebaut & ausgeliefert, von A bis Z
  • iOS + Android native Apps aus einer Capacitor-Codebasis
  • KYC-verifiziert standardmäßig identitätsgeprüfte Profile
  • KI-sortiert Empfehlungen nach Passung, nicht nach Aktualität

Zuhausy zeigt, wie es aussieht, wenn ich ein Problem von Anfang bis Ende verantworte: einen unklaren, betrugsgeplagten Markt nehmen, im Schema festlegen, was Vertrauen und Passung wirklich bedeuten, und ein echtes, natives Produkt dagegen ausliefern, allein, von der Datenbank bis zum App Store.

Gebaut mit

  • Next.js 15
  • tRPC
  • Drizzle ORM
  • Postgres + PostGIS
  • Redis
  • Capacitor
Nächstes Projekt Arabische Datumsangaben rekonstruieren mit einem VAE Zurück zum Portfolio