Wearable Microneedle (MN)-based sensors have been developed in a joint collaboration between KTH and KI in order to potentially replace invasive clinical tests such as arterial blood gas measurement. For research purposes, an IoT software platform is needed for convenient real- time observation/calibration of raw data, and observation of calibrated concentrations. In order to implement the functionality as requested by the project owners, a front-end iOS application and a back-end Node.js application were implemented. The Front-end application is written utilizing the Model-View- Viewmodel (MVVM) design pattern, allowing functionality such as creating user accounts, user login/logout, setting up a device and its micro-needles with associated analytes, observing the raw real-time analyte data in a graphical interface, calibrating the MNs aswell as observing the calibrated measurement in a graphical interface. The server-side Node.js application is designed following a Representational State Transfer (REST) architecture by utilizing the ExpressJS, MongoDB, and Mongoose object modelling libraries. The back-end application provided several Application Programming Interface (API) endpoints in order to allow fundamental Create-Read-Update-Delete (CRUD) operations for user, device, micro-needle and measurement database models. The final software products and their functionalities were tested using iOS simulators and API interaction tools by imitating real time measurements. Also, performance benchmarks were performed for two scenarios, project optimums and project extremes, both in the back-end and in the frontend software. This was in order to determine if the platform meets the project prerequisites that were set by project owners. As a result, system performance and functionality were found satisfactory for utilization in the research environment for the development of the MN-based patches. / Kroppsburna mikronåls-baserade sensorer har utvecklats i ett gemensamt samarbete mellan KTH och KI för att potentiellt kunna ersätta invasiva kliniska provtagningar som arteriell blodgasmätning. För forskningsändamål behövs en IoT-programvaruplattform för praktisk realtidsobservation samt kalibrering av sensorernas utdata. För att implementera funktionaliteten som begärdes av projektägarna, skapades en frontend-applikation för iOS-enheter vars backend bygger på en Node.js-applikation. Frontend-applikationen är skriven med hjälp av designmönstret gls MVVM, vilket möjliggör funktionalitet som skapande av användarkonton, användarinloggning samt utloggning, konfigurering av enheter och dess mikronålar med tillhörande analyserade värden, observation av realtidsdata i ett grafiskt gränssnitt, kalibrering av glspl MN samt observation av den kalibrerade mätningen i ett grafiskt gränssnitt. Node.js- applikationen på serversidan är utformad enligt gls REST -arkitekturen genom att använda objektbiblioteken ExpressJS, MongoDB samt Mongoose. Backend-applikationen tillhandahöll flera gls API-slutpunkter för att möjliggöra grundläggande gls CRUD-operationer för databaser av användare, enheter eller mikronålar. Den slutliga produkten och dess funktioner testades med hjälp av iOS- simulatorer och API-interaktionsverktyg genom att imitera realtidsmätningar från en mikronålsenhet. Dessutom utfördes prestandatest för två scenarier, optimala samt extrema förhållanden, både i backend samt frontend- programvaran. Detta för att avgöra ifall plattformen uppfyller de krav som hade ställts av projektägarna. Systemprestanda samt funktionalitet har av testerna bedömts vara tillfredsställande för användning i forskningsmiljön för vidare utveckling av gls MN -baserade sensorer.