Forschungsoutputs

Open-Access-Publikationen, Software-Releases und Arbeiten in Vorbereitung. Alle wissenschaftlichen Outputs werden vor Veröffentlichung über OpenTimestamps verankert und nach Möglichkeit als Preprint (arXiv) sowie mit DOI (Zenodo) frei zugänglich gemacht.

Hauptarbeit

Offen, datiert, reproduzierbar.

ZenBrain: A Neuroscience-Inspired 7-Layer Memory Architecture for Autonomous AI Systems

Autor

Alexander Bering

Datum

Fassung 9 vom 31. Oktober 2026 (erste Fassung 31. März 2026)

Veröffentlichungsform

Open-Access-Preprint (arXiv) und Open-Access-Publikation mit DOI (Zenodo)

Zusammenfassung (Kurzfassung)

Diese Arbeit stellt eine sieben-Schichten-Memory-Architektur für autonome KI-Systeme vor, deren Designprinzipien aus der kognitiven Neurowissenschaft hergeleitet sind. Die Architektur integriert Working Memory, Short-Term Memory, Episodic Memory, Semantic Memory, Procedural Memory, Core Memory sowie Cross-Context Memory in einem einheitlichen System. Konsolidierung erfolgt in Anlehnung an Sleep-Replay-Mechanismen mit Hebbian-getriebener Verstärkung und Ebbinghaus-getriebenem Decay. Eine offene Bibliothek unter Apache 2.0 enthält die sieben Schichten, einen MemoryCoordinator und neun grundlegende Algorithmen; sechs Komponenten der Predictive Memory Architecture laufen in einem privaten Produktivsystem. In der Evaluation auf LongMemEval-500 mit drei LLM-Judges halten drei der neun Head-to-Head-Vergleiche beim abgerufenen Kontext, alle drei gegen A-Mem (signifikant, Bonferroni-korrigiert); die sechs gegen Letta und Mem0 zeigen keinen signifikanten Unterschied. Dabei erreicht der gemessene ZenBrain-Arm (laut Korrektur-Notiz ein Python-Nachbau einer Klasse aus dem Testaufbau, nicht das Sieben-Schichten-System) 91,3 % der Genauigkeit eines Full-Context-Vergleichsarms (dessen Antwortmodell die ganze Historie liest) mit 1/109,7 von dessen Eingabe-Tokens im Antwortschritt.

Der vollständige wissenschaftliche Abstract sowie die formale Darstellung der Methoden und Resultate stehen im Preprint und in der DOI-Version zur Verfügung.

Zugang

Was das in der Praxis bedeutet: zur Analyse im Blog →

Öffentlicher Record

Alle Veröffentlichungen mit DOI

Jede Arbeit liegt als zitierbarer, offener Record mit eigener DOI vor — Volltext frei zugänglich, alle Preprints unter CC BY 4.0, Reproduktions- und Messpakete unter CC BY 4.0 oder Apache 2.0. Titel in der Originalsprache der Veröffentlichung.

Kognitive Architektur, Memory-Systeme & Methodik

  1. Dataset
    Hybrid retrieval (L4) is retained on two benchmarks, and five lever arms (L1, L2-hebb, L2-stab, L2-both, L3) are rejected (öffnet in neuem Tab)
  2. Dataset
    A LoCoMo comparison that does not hold still: the embedder, the judge, the judge's version, the query set and the seed (öffnet in neuem Tab)
  3. Preprint
    ZenBrain v2: Evolution Hypotheses and a Load-and-Time Protocol on Real Dialogues. A measured diagnosis of the retrieval bottleneck, four evolution lines, and twenty hypotheses with falsification conditions — registered before any of them is built (öffnet in neuem Tab)
  4. Dataset
    A registered retrieval lever that holds on two benchmarks, and four templates that fail on the pool they were registered for (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.24215420 · Concept-DOI: 10.5281/zenodo.22743586
  5. Preprint
    ZenBrain v2: Preregistered Improvement Hypotheses. A same-day retrieval baseline on LoCoMo, three predictions closed before publication, and eight levers registered before they are built (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.24215433 · Concept-DOI: 10.5281/zenodo.22735477
  6. Dataset
    A controlled embedder swap on LoCoMo, and three arms that could not carry a comparison (öffnet in neuem Tab)
  7. Preprint
    Answer Materiality Where the Source Declares Nothing: A Preregistered Measurement on Published Price-List Versions, with a Coverage Sweep (öffnet in neuem Tab)
  8. Software
    ZenBrain: Neuroscience-Inspired Agent Memory Library for LLM Agents (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.24247664 · Concept-DOI: 10.5281/zenodo.22260018
  9. Preprint
    Do LLM Agents Use Visible Age Signals? A Preregistered Measurement of Judgment, Damage, and Enforcement Need under Shared-State Visibility Delay (öffnet in neuem Tab)
  10. Preprint
    Measuring What Retrieval Misses: Probe-Calibrated Recall and Absence Estimation Without Assessing the Unretrieved Segment (öffnet in neuem Tab)
  11. Software
    ZenBrain: Mechanism Ablation Reproduction Package (Tables 7-9) (öffnet in neuem Tab)
  12. Software
    ZenBrain measurement package: judged outputs, flag manifests, and analysis scripts (öffnet in neuem Tab)
  13. Preprint
    Answer-Materiality as the Regulated Quantity for Refreshing Exogenous Knowledge: A Preregistered Measurement Protocol and Interface Sketch (öffnet in neuem Tab)
  14. Preprint
    Four Independence Invariants for Judgment-Quality Measurement in Agent Memory: A Specification (öffnet in neuem Tab)
  15. Preprint
    Load-Swept Ablation: A Pre-Registered Protocol, and a Granularity Audit of Published Ablation Tables (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.21964039 · Concept-DOI: 10.5281/zenodo.21892234
  16. Preprint
    Architecture as the Lever: A Position Grounded in Three Published Measurement Tracks (öffnet in neuem Tab)
  17. Preprint
    Reweighting Correlated Voters Does Not Repair Agreement Confidence: Structural Inertness and a Recalibration Control (öffnet in neuem Tab)
  18. Software
    Agreement-Confidence Reanalysis: Vote Matrix and Screen (öffnet in neuem Tab)
  19. Preprint
    Spontaneous Near-Criticality and Type-Graded Robustness in a Four-Atom Conway Cellular Automaton (öffnet in neuem Tab)
  20. Software
    Typed Conway Cellular Automaton: Simulator and Reproduction Package (öffnet in neuem Tab)
  21. Preprint
    Semantic Resurrection Bounds Verifiable Deletion: A Measured Characterization of the Identity Ceiling in Agent-Memory Forgetting (öffnet in neuem Tab)
  22. Preprint
    The Eleven Open Problems of Multi-Agent Memory Consistency: A Constructive Status Map (öffnet in neuem Tab)
  23. Preprint
    Belief-MVCC: A Coherence and Transaction Layer for Shared Agent Memory (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.21840970 · Concept-DOI: 10.5281/zenodo.21549293
  24. Preprint
    An Operator Algebra of Cognitive Memory Consolidation: Layered Composition, Lyapunov Stability, and the Cooperative-Survival Theorem (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.22011984 · Concept-DOI: 10.5281/zenodo.21549092
  25. Preprint
    When Does Memory Orchestration Help a Strong LLM? An Efficiency Law and Certified Representation Levers for Long-Term Memory (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.22015932 · Concept-DOI: 10.5281/zenodo.21548758
  26. Preprint
    ZenBrain: A Neuroscience-Inspired 7-Layer Memory Architecture for Autonomous AI Systems (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.23832288 · Concept-DOI: 10.5281/zenodo.19353663
  27. Korrekturnotiz
    Correction notice for arXiv:2604.23878 (v3) and 10.5281/zenodo.21858218 (v8): thirty-six confirmed findings of a post-publication audit, ordered by class, and what version 9 changes (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.23815060 · Concept-DOI: 10.5281/zenodo.22831086
  28. Preprint
    Four Governance Invariants for Organisational Agent Memory: A Specification (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.21964564 · Concept-DOI: 10.5281/zenodo.21964563

Sicherheitskritische Systeme & Messprotokolle

  1. Notiz
    A false trigger is never fixed by recognising the protected attribute that caused it: auditing an alarming person-detection system for discrimination without acquiring the attribute (öffnet in neuem Tab)
  2. Preprint
    Documenting a Sensor-to-Command Bridge Before Claiming It: A Defensive Disclosure of an Open Situation-Picture Schema with Structural Anonymity Guarantees (öffnet in neuem Tab)
  3. Preprint
    Reporting Lead Time Without Overclaiming It: A Pre-Registered Measurement Protocol for Crowd-Monitoring Alerts (öffnet in neuem Tab)

Die Versions-DOI zeigt auf genau diese Fassung, die Concept-DOI immer auf die jeweils neueste. Für Zitate ist die Versions-DOI die verbindliche Angabe.

Defensivpublikationen

Stand der Technik, datiert offengelegt

Defensivpublikationen sind veröffentlichte Offenlegungen bei Technical Disclosure Commons. Sie begründen kein Schutzrecht und keine Priorität. Ihr Zweck ist, einen Stand der Technik datiert und öffentlich festzuhalten.

Wir führen sie getrennt von den Preprints. Ein Preprint ist ein Diskursbeitrag, eine Defensivpublikation eine datierte Offenlegung. Beide zusammenzuzählen würde die Zahl der Arbeiten überzeichnen. Elf Akten liegen vor; die vier Fassungen der ZenBrain-Offenlegung stehen hier als ein Eintrag.

  1. Technical Disclosure CommonsVier Fassungen, zuletzt 5. Mai 2026
    ZenBrain: A Neuroscience-Inspired 7-Layer Memory Architecture for Autonomous AI Systems
  2. Technical Disclosure Commons
    Contradiction-Preserving Attributed Organisational Memory with Per-Contribution Erasure
  3. Technical Disclosure Commons
    Credential-Bound Capability Chokepoint for Agent-Memory Access by Installed Applications
  4. Technical Disclosure Commons
    Existence-Oracle-Free Cross-Node Recall in a Multi-Node Organisational Memory
  5. Technical Disclosure Commons
    Statutory Co-Determination as a Fail-Closed Architectural Invariant of a Governed Data Flow
  6. Technical Disclosure Commons
    Transitive Multi-Hop Erasure with Proof of Absence in a Derived-Store Agent Memory
  7. Technical Disclosure Commons
    Works-Council-Visible-or-Blocked: A Fail-Closed Oversight Gate for Personal-Data Flows Between Nodes
  8. Technical Disclosure Commons
    Execution-Mode-Dependent Enforcement of Version-Bound Consent for Delegated Recurring Automation

Rezeption

Zitiert in aktueller Forschung

Fünf Arbeiten zitieren ZenBrain (Stand 28.09.2026): ein Survey des Sico-Teams von Microsoft Research, MindMemOS vom Noah's Ark Lab von Huawei, der Preprint EVD, das Manuskript HindsightTag und das Manifest Lamperouge. Alle fünf erschienen in den vier Monaten nach dem arXiv-Preprint vom 26. April 2026.

Lamperouge

Das Manifest „The field measures the wrong thing“ (Lamperouge, Zenodo-Preprint, 16. August 2026) wählt sechs Arbeiten zu dauerhaftem innerem Zustand aus, nennt ZenBrain darunter und hält gleich danach fest, dass die gemessenen „Tage“ Simulationsschritte sind.

Der zitierende Satz

ZenBrain (arXiv:2604.23878) has the most serious neuromodulator engine … which puts it above almost everyone.

Lamperouge, Abschnitt zur Auswahl der sechs Arbeiten.

MindMemOS

Für den Fundamentsatz seiner Einleitung stützt sich MindMemOS (Huawei Noah's Ark Lab, arXiv:2608.12428, 12.08.2026) auf genau drei Quellen: zwei Feld-Übersichten und ein einzelnes Systempaper — ZenBrain. Acht weitere Memory-Systeme sind im selben Abschnitt genannt; keines steht an dieser Stelle. Im ersten Absatz seiner Einleitung stehen sieben Belege: vier Software-Verweise, zwei Feld-Übersichten und ein einziges Systempaper — ZenBrain.

Der zitierende Satz

Memory therefore serves as an external information substrate that supports long-term personalization, knowledge reuse, and experience accumulation [12, 4, 36].

MindMemOS, Abschnitt 1. Referenz [4] ist ZenBrain.

HindsightTag

Das Manuskript HindsightTag von Vivek Govindbhai Dudhat über nachträgliche Gedächtniskonsolidierung bei LLM-Agenten (Juli 2026, überarbeitet am 30. September 2026) nennt ZenBrain das nächste Vorgängersystem, nimmt dessen MemoryCoordinator-Schnittstelle als Beispiel für die eigene Anbindung und hält fest, dass ZenBrain den Mechanismus des Synaptic Tagging nur im Anhang benennt.

Der zitierende Satz

The single closest prior system, ZenBrain [Bering, 2026], names the mechanism explicitly.

HindsightTag, Einleitung.

Agentic Evolution

Ein Survey des Sico-Teams von Microsoft Research (Agentic Evolution, 2026) nennt das Vergessen „critically understudied“: nur sehr wenige der rund hundert Memory-&-Sense-Arbeiten, die er untersucht, setzen es ausdrücklich um. ZenBrain führt er als eine von vier Arbeiten seiner Gruppe „Forgetting/lifecycle“ und als einzige Quelle für schlafbasierte Konsolidierung.

Der zitierende Satz

ZenBrain (Bering, 2026) integrates fifteen neuroscience-inspired mechanisms into a seven-layer architecture.

Agentic Evolution, Abschnitt „Forgetting: critically understudied“.

EVD

EVD, eine Arbeit über eine emotionale Valenz-Dimension für dauerhaftes Agentengedächtnis (R. J. Vandelinder und I. Vandelinder, Exile Research, Zenodo-Preprint, 15. Juni 2026), ordnet ZenBrain in ihrem Related Work ein.

Der zitierende Satz

More recently, ZenBrain (arXiv 2604.23878) proposed a neuroscience-inspired 7-layer memory architecture that includes emotional valence as one stored field among many.

EVD, Abschnitt 2 (Related Work). Referenz [6] ist ZenBrain.

Eingebunden und nachgebaut

Zwei Projekte binden die Bibliothek in ihren Code ein: ACMS liest und schreibt die SQLite-Datenbank von ZenBrain direkt, neurograph-runtime nutzt die Implementierung nach FSRS-Art aus @zensation/algorithms als Ranking- und Feedbackschicht einer Wissensbasis zur Strahlentherapie-Literatur. Weitere Projekte haben Teile von ZenBrain in eigenem Code nachgebaut, zwei davon in veröffentlichten Versionen. Das Datenschutz-Unternehmen Osano beschreibt im Blog seines Innovationslabors einen siebenschichtigen Gedächtnis-Stack für seine LLM-Produkte, dessen Schichten ZenBrain koordiniert.

In Forschungslisten

ZenBrain steht in der Begleitliste zum Survey des Sico-Teams, die Microsoft Research selbst verlinkt, und, auf unseren Vorschlag, in den Forschungslisten eines Zentrums der Tsinghua University und des KI-Instituts von China Telecom (TeleAI). Für die TeleAI-Liste wurden Repository, Paper und Homepage vor der Aufnahme geprüft und der Eintrag dort eigens eingeordnet.

Korrektur

Wir messen uns selbst nach. Die Auswertung des Papers haben wir nachgeprüft und am 18. September 2026 als eigene Korrekturnotiz veröffentlicht: Drei der neun Vergleiche halten, alle gegen A-Mem; die sechs übrigen zeigen keinen signifikanten Unterschied. Die Nachmessungen haben dabei vier gedruckte Zahlen zugunsten des Papers verschoben.

Zitiervorschlag

So zitieren Sie diese Arbeit

APA

Bering, A. (2026). ZenBrain: A Neuroscience-Inspired 7-Layer Memory Architecture for Autonomous AI Systems. Zenodo. https://doi.org/10.5281/zenodo.19353663

BibTeX

@misc{bering2026zenbrain,
  author        = {Bering, Alexander},
  title         = {{ZenBrain}: A Neuroscience-Inspired 7-Layer Memory Architecture for Autonomous AI Systems},
  year          = {2026},
  eprint        = {2604.23878},
  archivePrefix = {arXiv},
  primaryClass  = {cs.AI},
  doi           = {10.5281/zenodo.19353663}
}

Offenlegung

Verfügbarkeit und Offenlegung

Daten- und Code-Verfügbarkeit

Der Quellcode der Memory-Algorithmen (ZenBrain) ist quelloffen unter Apache 2.0 auf GitHub und npm verfügbar. Replikations-Material ist mit DOI auf Zenodo dauerhaft archiviert; der Preprint ist Open Access auf arXiv und Zenodo zugänglich. Eine vollständige Übersicht der Open-Science-Materialien findet sich auf der Ressourcen-Seite.

Zur Ressourcen-SeiteErgebnisse live prüfen

Förderung und Interessenkonflikte

Dieses Forschungsvorhaben wird eigenfinanziert ohne externe Drittmittel betrieben. Es bestehen keine konkurrierenden Interessen.

In Vorbereitung

Geplante Veröffentlichungen

Folgende Arbeiten befinden sich in unterschiedlichen Stadien der Vorbereitung. Veröffentlichungs- und Submission-Zeitpunkte können sich verschieben; konkrete Co-Autorinnen und Co-Autoren werden erst nach schriftlichem Einverständnis benannt.

  1. Civil-Liberties-Architektur für mehrstufige Frühwarnsysteme

    Position Paper (in Vorbereitung)

    Architekturpositionspapier zur strukturellen Verankerung von Grundrechtsbezug in prädiktiven Frühwarnsystemen — acht Pflicht-Korrektionen gegenüber etablierten Verfahren. Submission in Sondierung mit fachlich passenden Journals.

  2. Methodische Grundlagen der Reference-Case-Auswahl

    Methodischer Begleittext (in Vorbereitung)

    Auswahllogik, Datenschutz-Sensibilität, Annotationsschemata und Construct-Validity-Pfad für das öffentlich zugängliche Reference-Case-Dossier.

  3. Fachbeitrag öffentlicher Sektor

    Trade-Press-Beitrag (in Vorbereitung)

    Beitrag in Fachpublikation für Polizei-, Behörden- und Verwaltungspersonal zur methodischen Differenzierung gegenüber etablierten Risikoanalyse-Verfahren.

Open-Access-Prinzipien

Wie wir veröffentlichen

  • Preprint auf arXiv vor formaler Submission bei Journals
  • DOI-Vergabe und dauerhafte Archivierung über Zenodo
  • OpenTimestamps-Verankerung als Zeitnachweis vor Submission
  • Software-Releases unter Apache 2.0 auf GitHub und npm
  • Konjunktiv-Disziplin: Co-Autorinnen und Co-Autoren werden erst nach schriftlichem Einverständnis öffentlich genannt
Operative Details zur Methodik dieser Publikationen

Häufige Fragen

Fragen zur Forschung und zu den Publikationen

Ist das ZenBrain-Paper peer-reviewed?

Es ist ein Open-Access-Preprint (arXiv und Zenodo-DOI) und nicht peer-reviewed. Die neurowissenschaftlichen Grundlagen, auf denen die Architektur aufbaut, sind hingegen in peer-reviewed Fachzeitschriften publiziert und werden im Paper zitiert.

Unter welcher Lizenz stehen Paper und Code?

Das Paper steht unter CC BY 4.0, der quelloffene Memory-Kern (npm-Scope @zensation) unter Apache 2.0 — beide erlauben die Weiterverwendung mit Namensnennung.

Wie zitiere ich die Arbeit?

Eine kanonische BibTeX-Zitation steht oben auf dieser Seite zum Kopieren bereit. Persistente Identifikatoren: arXiv 2604.23878, Zenodo Concept-DOI 10.5281/zenodo.19353663, ORCID 0009-0001-1793-012X.

Kann ich die Ergebnisse reproduzieren?

Ja. Replikations-Material, Evaluations-Skripte und Konfigurationen sind über Zenodo und die Ressourcen-Seite zugänglich; der Hauptbenchmark ist LongMemEval-500, bewertet durch drei unabhängige LLM-Judges.

Ist die Forschung drittmittelfinanziert?

Die Arbeit ist eigenfinanziert ohne externe Drittmittel. Förder- und Konsortialkooperationen sind ausdrücklich willkommen; mögliche Wege sind auf der Behörden- und Förderungs-Seite beschrieben.

Wie können Institutionen kooperieren?

Über research@zensation.ai für allgemeine Forschungsanfragen und public-sector@zensation.ai für den öffentlichen Sektor. Eine Kooperation kann von methodischer Beratung bis zur gemeinsamen Antragstellung reichen.

Zusammenarbeit

Fragen zur Arbeit oder Interesse an Replikation?

Für Rückfragen zum Preprint, Replikationsstudien oder Forschungskooperationen freuen wir uns über Ihre Nachricht.

Forschungsanfrage senden