ZenBrain-Memory als Kern
Die volle siebenschichtige Architektur trägt jede Konversation. Working Memory für aktive Aufgaben, Episodic Memory für Verlauf, Procedural Memory für gelernte Routinen.
Track C
„Wie sieht eine KI-Plattform aus, die Wissensarbeit trägt — modular, mit echtem Gedächtnis und nachvollziehbaren Reasoning-Schritten, die Organisationen prüfen können?"
ZenAI ist die produktive Forschungsanwendung der ZenBrain-Architektur. Sie zeigt, dass die Memory-Forschung in der Praxis trägt — nicht nur als Benchmark, sondern als Werkzeug.
Motivation
Die produktive Anwendung ist nicht das Nebenprodukt der Grundlagenforschung — sie ist deren Härtetest. Eine Memory-Architektur, die nur auf Benchmarks funktioniert, hat einen begrenzten Wert. Eine Architektur, die im täglichen Einsatz Wissensarbeit trägt, beweist sich auf einer anderen Ebene.
ZenAI ist deshalb beides: ein produktives KI-Operating-System für Wissensarbeit und das Test-Vehikel für die ZenBrain-Forschung. Was in den Papern beschrieben wird, läuft hier seit Anfang 2026 in produktiver Nutzung.
Methodischer Ansatz
Drei Kernentscheidungen formen die Plattform. Erstens: ZenAI ist modular — jede Funktionseinheit (Memory, Werkzeuge, Vision, Code-Ausführung) ist eigenständig nutzbar oder austauschbar. Zweitens: Echtes Gedächtnis statt simulierter Persistenz — die volle siebenschichtige Memory-Architektur trägt jede Konversation. Drittens: Transparenz — Tool-Verwendung, Reasoning und Memory-Zugriffe sind für die Anwenderin sichtbar.
Ergänzt wird das durch eine Prozess-Atlas-Methodik für die KI-Einführung in Organisationen: Eine systematische Aufnahme der bestehenden Prozesse vor der KI-Implementierung, kombiniert mit einem dreijährigen schrittweisen Einführungsplan.
Kernkomponenten
Die volle siebenschichtige Architektur trägt jede Konversation. Working Memory für aktive Aufgaben, Episodic Memory für Verlauf, Procedural Memory für gelernte Routinen.
Code-Ausführung (Python, Node.js, Bash, sandboxed), Vision-API, Web-Suche, GitHub, Kalender, E-Mail-Intelligenz, Karten — modular ansprechbar.
Systematische Aufnahme der bestehenden Prozesse vor der KI-Implementierung. In Forschung — Methodik-Paper in Vorbereitung.
Schrittweise Einführungs-Methodik für Organisationen — von der ersten Pilot-Anwendung bis zur durchgängigen KI-gestützten Arbeit. In Entwicklung.
Anthropic Claude (primär), Mistral (Cloud-Fallback), Ollama (lokale Inferenz). Forschende und Behörden können den Provider nach Datenschutz-Anforderungen wählen.
Die gesamte Anwendungsschicht lässt sich vollständig self-hosted betreiben. LLM-Provider werden separat konfiguriert; lokale Inferenz ist möglich.
Mitwirken
Anwendungsstudien mit Hochschulen, Pilotprojekte mit Forschungseinrichtungen und Methodik-Diskussionen zur KI-Einführung in Organisationen sind ausdrücklich willkommen.
research@zensation.aiMehr aus dieser Forschung
Drei Tracks, ein Zentrum, gemeinsame ethische Grundlage.