Records
FHIR DataOps Control Plane für Validierung, Quality Gates und Audit-Evidence
MedVertical
Seit Jan 2022
Kontext
FHIR-Server speichern und versionieren Gesundheitsdaten, liefern aber nicht automatisch die Governance-Schicht, die Teams für laufende Qualität, Release-Entscheidungen und Audit-Nachweise brauchen. Nach dem Go-Live können Profile, Terminologien, Mappings und Schnittstellen driften, ohne dass Produktteams oder Integrationszentren rechtzeitig ein klares Signal erhalten.
Rolle
Wir verantworteten Produkt, UX/UI und Full-Stack-MVP von der Vision über Informationsarchitektur und Interface Design bis zur technischen Umsetzung. Die Implementierung entstand AI-gestützt und wurde über automatisierte Tests, FHIR-Referenzvalidierungen und technische Review-Schleifen abgesichert. Architektur, Datenmodell, Validierungs-Pipeline, Weboberfläche und Distribution über CLI, REST API und MCP wurden von uns konzipiert und umgesetzt.
Ansatz
Records wurde als DataOps-Schicht neben bestehenden FHIR-Servern aufgebaut: read-only by default, herstellerunabhängig und ohne Speicherung klinischer Payloads. Validierungsläufe erzeugen Metadaten, Prüfergebnisse und Hashes, die gegen Baselines verglichen werden. Daraus entstehen Deltas, Drift-Signale, Quality Gates und Evidence Reports mit reproduzierbarer Prüfbasis.
Lösung
Records erkennt automatisch die FHIR-Version angeschlossener Server und validiert Ressourcen über acht Prüfaspekte: Struktur, Profile, Terminologien, Referenzen, Invarianten, Custom Rules, Metadaten und Anomalien. Die Oberfläche führt von Dashboard und Quality Gates über Issue-Triage bis zu Detailansichten einzelner Ressourcen. CLI, REST API und MCP Server binden dieselbe Validierungslogik in CI/CD-Pipelines und agentenbasierte Workflows ein.
Impact
Records macht aus punktueller FHIR-Validierung einen kontinuierlichen Qualitäts- und Governance-Prozess. Produktteams erhalten klare Pass/Warn/Fail-Signale, können Baselines vergleichen und Audit-Evidence reproduzierbar exportieren. Die dokumentierten Conformance-Lanes zeigen bestandene HL7- und MII-Referenzvergleiche im gemessenen Scope.
Learnings
Die größte Herausforderung lag darin, hochkomplexe FHIR-Validierung in ein bedienbares Produktmodell zu übersetzen. Für die Nutzeroberfläche waren nicht einzelne Fehlermeldungen entscheidend, sondern verständliche Signale, Priorisierung, Vergleichbarkeit über Zeit und nachvollziehbare Evidence. Die strikte Trennung von klinischen Payloads und Prüfergebnissen erwies sich als zentraler architektonischer Vorteil.
Scope
- —Produktvision, PRD und Roadmap für eine FHIR DataOps Control Plane
- —Full-Stack-MVP-Architektur: React Frontend, Express Backend und PostgreSQL
- —AI-gestützte Implementierungsworkflows mit manueller Steuerung, Tests und Review-Schleifen
- —Automatisierte Validierung über acht Prüfaspekte
- —Baselines, Deltas und Drift Detection für kontinuierliche Qualitätskontrolle
- —Pass/Warn/Fail-Signale und Quality Gates für Release-Entscheidungen
- —Triage- und Issue-Workflows mit Priorisierung und Nachverfolgbarkeit
- —Reproduzierbare Evidence Reports mit Content-Integrity-Hash
- —CLI, REST API und MCP Server für CI/CD- und Agenten-Workflows
- —FHIR R4/R5/R6-Unterstützung mit Profil- und Terminologievalidierung
Ergebnisse
- —FHIR-Qualität wird als laufender DataOps-Prozess sichtbar
- —Eindeutige Freigabesignale für Release- und Integrationsprozesse
- —Herstellerunabhängige Validierung neben bestehenden FHIR-Servern
- —Keine Speicherung klinischer Payloads, sondern Metadaten, Prüfergebnisse und Hashes
- —Belegte Validierungsqualität über HL7- und MII-Conformance-Reports
- —Audit-Nachweise entstehen reproduzierbar aus laufenden Validierungsläufen
