DUP - Food tracker for women

Was das Unternehmen offenbar ist: DUP ist eine selbstberichtete Food-Tracking-Anwendung für Frauen, die Menstruationszyklusdaten mit Nährstoffaufnahme und personalisierten Empfehlungen integriert. Die App ist als zweisprachige (Englisch/Spanisch) progressive Web-App (PWA) aufgebaut und nutzt Next.js, React, TypeScript und Supabase. Sie umfasst Funktionen wie das Erfassen von Mahlzeiten, Zyklustracking, Zielsetzung und einen von GPT-5.6 angetriebenen Coaching-Assistenten.

Was sich geändert hat: Das Projekt wurde beim OpenAI 2026 Hackathon auf Devpost eingereicht. Der Autor beschreibt es als eine Weiterentwicklung von generischen Food-Trackern, die auf einen unterstützenderen und kontextbezogenen Ansatz zur Ernährung abzielt, der hormonelle Veränderungen und persönliche Gewohnheiten berücksichtigt.

Die wichtigste offene Frage: Gibt es Belege für eine Nutzerakzeptanz oder -bindung über die Testumgebung des einzelnen Entwicklers hinaus?

Die Beschreibung besagt, dass DUP eine zweisprachige (Englisch/Spanisch) PWA ist, die für das Erfassen von Mahlzeiten, den Kontext des Menstruationszyklus und Ernährungsziele konzipiert ist. Sie ermöglicht es Nutzern, Mahlzeiten zu erfassen, ihren Zyklus zu verfolgen, praktische Ernährungsideen basierend auf der aktuellen Phase zu erhalten, Körperdaten und Makronährstoffziele festzulegen und eine von GPT-5.6 angetriebene "DUP Coach"-Funktion zu nutzen.

Sie ist mit Next.js, React, TypeScript und Supabase entwickelt und unterstützt guest-first-Workflows mit lokaler Persistenz für angemeldete Nutzer. Die App nutzt mobile-first-Navigation und enthält strukturierte Interaktionen (z. B. radiostil-ähnliche Auswahlmöglichkeiten), um Nutzer durch die Zielsetzung und das Erfassen von Mahlzeiten zu führen.

Der Autor behauptet, dass das Produkt unter Verwendung von Codex als Implementierungspartner entwickelt wurde und dass GPT-5.6 serverseitig über die OpenAI API für Coaching-Empfehlungen genutzt wird, aber keine medizinischen oder Fruchtbarkeitsprognosen abgibt.

Der Autor stellt fest, dass DUP mit einer Frage begann: „Wie würde ein Food-Tracker aussehen, wenn er den Menstruationszyklus, die Energie, das Training, die Stimmung und die tatsächlichen Essgewohnheiten einer Frau als Teil desselben Gesamtbildes betrachten würde?“

Es positioniert sich als Alternative zu "regelintensiven Diät-Apps" – mit dem Ziel, einen ruhigeren, unterstützenderen Ton zu setzen, ohne Scham zu erzeugen oder falsche Gewissheit zu bieten. Die App wird als nutzerzentriert beschrieben, indem sie davon ausgeht, was jemand bereits isst, und anstatt eine perfekte Diät vorzuschreiben, von den eigenen Daten der Person ausgeht.

Die Entwicklung der Positionierung scheint von einem generischen Food-Tracker zu einem zu führen, der hormonellen Kontext in Ernährungsberatung integriert und dabei praktische Beispiele anstelle von komplexer Fachsprache verwendet.

Die Beschreibung deutet darauf hin, dass DUP für Frauen gedacht ist, die trainieren möchten, sich durch Nahrung besser unterstützt fühlen und ihre eigenen Muster verstehen wollen, ohne beschämt zu werden oder falsche Gewissheit zu erhalten.

Es richtet sich auch an Nutzer, die daran interessiert sind, die Bedürfnisse ihres Körpers in verschiedenen Phasen des Menstruationszyklus zu verstehen, und an solche, die nach einem personalisierten Ansatz zur Ernährung suchen, der über Standard-Kalorienzähler hinausgeht.

Der Autor merkt an, dass die App von einer Freundin inspiriert wurde, die Mühe mit dem Gewichtsverlust hatte, was auf eine Zielgruppe hindeutet, die möglicherweise nach Anleitung oder Unterstützung bei der körperlichen Transformation sucht.

Nicht belegt. Die Beschreibung enthält keine Informationen zu Preismodellen, Monetarisierungsstrategien oder der Geschäftsstruktur, abgesehen von der Tatsache, dass es sich um eine selbst entwickelte PWA handelt.

Die App wird mit Next.js, React, TypeScript und Supabase entwickelt, verfügt über ein responsives PWA-Shell und eine mobile-first Navigation. Sie unterstützt auf der Interaktionsebene sowohl die englische als auch die spanische Sprache.

Genannte wesentliche technische Elemente:

• Gast-zuerst-lokale Workflows
• Supabase-Persistenz für angemeldete Nahrungsmittel, Historie und Zyklusdaten
• Einsatz von GPT-5.6 über die OpenAI API für Coaching-Anleitungen
• Implementierung mit Codex als Kollaborator

Der Autor berichtet, Codex zur Implementierung von Interaktionen, Diagnose von Deployment-Problemen, Erstellung von Dokumentation und Übersetzung von Feedback in Produktänderungen verwendet zu haben.

Nicht belegt. Es gibt keine Erwähnung von Nutzern, Kunden, Umsatz oder Nutzungsmetriken, abgesehen von den eigenen Tests des Entwicklers und dem Feedback aus einem Test mit einem echten Nutzer.

Das Projekt wurde für einen Hackathon eingereicht, was auf eine frühe Entwicklungsphase und nicht auf ein ausgereiftes Produkt auf dem Markt hindeutet.

Nicht belegt. Die Beschreibung verweist nicht auf Wettbewerber oder bestehende Lösungen im Bereich der menstruationszyklus-bewussten Nahrungsmittelerfassung oder von Frauen-Gesundheits- und Ernährungs-Apps.

• Einzelner Entwickler-Team: Nur ein Mitglied aufgeführt (Esteban Saa), was Bedenken hinsichtlich der Skalierbarkeit und der langfristigen Wartung aufwirft.
• Ungeprüfte Behauptungen: Die App trifft mehrere Aussagen zur Nutzererfahrung, zum Ton und zur Wirksamkeit, die auf selbst gemeldetem Feedback aus begrenzten Tests beruhen.
• Einsatz von GPT-5.6: Obwohl der Autor anmerkt, dass die KI keine medizinischen Aussagen trifft, gibt es keine Hinweise darauf, wie dies in der Praxis durchgesetzt oder auditiert wird.
• Keine kommerzielle Traktion: Keine Belege für Umsatz, Kunden oder Adoption, abgesehen von der eigenen Erfahrung des Entwicklers und einer kleinen Testgruppe.
• Begrenzter Umfang: Die App konzentriert sich auf die Erfassung von Nahrungsmitteln und den Zyklus-Kontext, verfügt jedoch über keine Funktionen wie die Integration mit Wearables, erweiterte Analysen oder Community-Elemente.

1. Welches spezifische Nutzerfeedback haben Sie aus Ihrem Test mit einem echten Nutzer gesammelt und wie wurde es in das Produkt integriert?
2. Wie planen Sie, über die Kapazität eines einzelnen Entwicklers hinaus zu skalieren?
3. Gibt es Pläne für Monetarisierung oder Umsatzmodelle?
4. Welche Schutzmaßnahmen sind vorhanden, um sicherzustellen, dass GPT-5.6 nicht versehentlich medizinische Ratschläge oder fertilitätsbezogene Anleitungen gibt?
5. Wie beabsichtigen Sie, die Genauigkeit der Ernährungsempfehlungen und der zyklusbasierten Erkenntnisse zu validieren?