Zum Inhalt springen
zensation

Forschungsüberblick

Drei Tracks, Architektur und Agenda

Publikationen

Preprints, Software, Identifikatoren

Methodik

Operative Standards und Validierung

Forschungsethik

Grundrechtsbezug und Compliance

Ressourcen

Code, Daten, Zitation, Open Science

KI einführen

Neutraler Fahrplan & interaktive Simulation

Behörden & Förderung

Kooperationen im öffentlichen Sektor

Schutz öffentlicher Räume

Track B — grundrechtswahrende Frühwarnung

Technologie

Die Architektur hinter allen Anwendungen

Playground

Den offenen Memory-Kern live ausführen

ZusammenarbeitÜberOpen SourceBlog
Kontakt
zensation
ForschungsüberblickPublikationenMethodikForschungsethikRessourcen
KI einführenBehörden & FörderungSchutz öffentlicher RäumeTechnologiePlayground
ZusammenarbeitÜberOpen SourceBlogKontakt
  1. Start/
  2. Publikationen

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

Mai 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. Die Architektur ist als modulare Open-Source-Bibliothek unter Apache 2.0 verfügbar und wird in produktiven Anwendungen eingesetzt. In der Evaluation auf LongMemEval-500 mit drei unabhängigen LLM-Judges halten drei der neun Head-to-Head-Vergleiche, alle drei gegen A-Mem (Bonferroni-korrigiert, p ≤ 6,2·10⁻³¹); die sechs gegen Letta und Mem0 sind Gleichstände am Kriterium des Papiers, verloren ist keiner. Dabei erreicht sie 91,3 % der Long-Context-Oracle-Genauigkeit bei 1/109,6 des Token-Budgets.

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

Zugang

arXiv-Preprint: arXiv:2604.23878 → (öffnet in neuem Tab)PDF (Volltext): arXiv → (öffnet in neuem Tab)Zenodo (DOI): 10.5281/zenodo.19353663 → (öffnet in neuem Tab)Code: zensation-ai/zenbrain → (öffnet in neuem Tab)

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

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.

Zenodo → (öffnet in neuem Tab)

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.

Paper → (öffnet in neuem Tab)Archivfassung des Volltexts → (öffnet in neuem Tab)

HindsightTag

Das Manuskript HindsightTag von Vivek Govindbhai Dudhat über nachträgliche Gedächtniskonsolidierung bei LLM-Agenten (Juli 2026) grenzt sich von ZenBrain als nächstem Vorgängersystem ab, 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.

Manuskript (PDF) → (öffnet in neuem Tab)

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“.

Publikationsseite → (öffnet in neuem Tab)PDF → (öffnet in neuem Tab)

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.

Zenodo → (öffnet in neuem Tab)

Eingebunden und nachgebaut

Zwei Projekte binden die Bibliothek in ihren Code ein: Eines liest und schreibt die SQLite-Datenbank von ZenBrain direkt, ein anderes nutzt die FSRS-Implementierung 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.

Begleitliste zum Survey → (öffnet in neuem Tab)Liste der Tsinghua University → (öffnet in neuem Tab)Liste von TeleAI → (öffnet in neuem Tab)

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 sind Gleichstände am Kriterium des Papers, verloren ist keiner. Die Nachmessungen haben dabei vier gedruckte Zahlen zugunsten des Papers verschoben.

Korrekturnotiz (DOI) → (öffnet in neuem Tab)

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-Seite→Ergebnisse live prüfen→

Förderung und Interessenkonflikte

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

Software-Releases

Open-Source-Pakete

Wissenschaftlich begründete Algorithmen werden als modulare Open-Source-Pakete unter Apache 2.0 auf npm und GitHub veröffentlicht.

@zensation/algorithms

v0.5.0

Apache 2.0

20 Algorithmus-Module (10 Kern, 10 erweitert), neurowissenschaftlich begründet: Hebbian-Lernen, Bayesian Confidence Propagation, FSRS, Sleep-Replay-Simulation, Ebbinghaus-Decay. Zero Dependencies, TypeScript.

(öffnet in neuem Tab)

@zensation/core

v0.4.0

Apache 2.0

MemoryCoordinator und sieben Memory-Layer-Implementierungen. Orchestrierung von Store, Recall, Consolidate, Decay und FSRS-Review.

(öffnet in neuem Tab)

@zensation/adapter-postgres

v0.2.6

Apache 2.0

PostgreSQL-Adapter mit pgvector: serverseitige Persistenz und Vektor-Ähnlichkeitssuche.

(öffnet in neuem Tab)

@zensation/adapter-sqlite

v0.2.5

Apache 2.0

SQLite-Adapter: dateibasiert, ohne Konfiguration, für Entwicklung und Einzelplatz-Betrieb.

(öffnet in neuem Tab)

@zensation/mcp

v0.1.9

Apache 2.0

MCP-Server: Agenten-Gedächtnis für jeden Model-Context-Protocol-Client.

(öffnet in neuem Tab)

@zensation/ai-sdk

v0.2.0

Apache 2.0

Middleware für das Vercel AI SDK: erinnert vor dem Modellaufruf, speichert den Zug danach.

(öffnet in neuem Tab)

GitHub-Organisation

vzensation-ai

Apache 2.0

Vollständiger Quellcode, Issue-Tracking und Beitragsleitlinien aller Open-Source-Komponenten.

(öffnet in neuem Tab)

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.

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. Dataset21. Sept. 2026
    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)
    Versions-DOI: 10.5281/zenodo.22871152Concept-DOI: 10.5281/zenodo.22871151
  2. Preprint15. Sept. 2026
    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)
    Versions-DOI: 10.5281/zenodo.22770129Concept-DOI: 10.5281/zenodo.22770128
  3. DatasetErstveröffentlichung: 14. Sept. 2026
    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.22747080 · 14. Sept. 2026Concept-DOI: 10.5281/zenodo.22743586
  4. PreprintErstveröffentlichung: 13. Sept. 2026
    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.23106932 · 2. Okt. 2026Concept-DOI: 10.5281/zenodo.22735477
  5. Dataset13. Sept. 2026
    A controlled embedder swap on LoCoMo, and three arms that could not carry a comparison (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.22714835Concept-DOI: 10.5281/zenodo.22714834
  6. Preprint2. Sept. 2026
    Answer Materiality Where the Source Declares Nothing: A Preregistered Measurement on Published Price-List Versions, with a Coverage Sweep (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.22257895Concept-DOI: 10.5281/zenodo.22257894
  7. Software2. Sept. 2026
    ZenBrain: Neuroscience-Inspired Agent Memory Library for LLM Agents (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.22260019Concept-DOI: 10.5281/zenodo.22260018
  8. Preprint29. Aug. 2026
    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)
    Versions-DOI: 10.5281/zenodo.22164896Concept-DOI: 10.5281/zenodo.22164895
  9. Preprint29. Aug. 2026
    Measuring What Retrieval Misses: Probe-Calibrated Recall and Absence Estimation Without Assessing the Unretrieved Segment (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.22260175Concept-DOI: 10.5281/zenodo.22159672
  10. Software29. Aug. 2026
    ZenBrain: Mechanism Ablation Reproduction Package (Tables 7-9) (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.22162064Concept-DOI: 10.5281/zenodo.22162063
  11. Software29. Aug. 2026
    ZenBrain measurement package: judged outputs, flag manifests, and analysis scripts (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.22161978Concept-DOI: 10.5281/zenodo.22161977
  12. Preprint28. Aug. 2026
    Answer-Materiality as the Regulated Quantity for Refreshing Exogenous Knowledge: A Preregistered Measurement Protocol and Interface Sketch (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.22148710Concept-DOI: 10.5281/zenodo.22148709
  13. Preprint19. Aug. 2026
    Four Independence Invariants for Judgment-Quality Measurement in Agent Memory: A Specification (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.22012189Concept-DOI: 10.5281/zenodo.22012188
  14. PreprintErstveröffentlichung: 10. Aug. 2026
    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 · 16. Aug. 2026Concept-DOI: 10.5281/zenodo.21892234
  15. Preprint10. Aug. 2026
    Architecture as the Lever: A Position Grounded in Three Published Measurement Tracks (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.21872095Concept-DOI: 10.5281/zenodo.21872094
  16. Preprint3. Aug. 2026
    Reweighting Correlated Voters Does Not Repair Agreement Confidence: Structural Inertness and a Recalibration Control (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.21775276Concept-DOI: 10.5281/zenodo.21775275
  17. Software3. Aug. 2026
    Agreement-Confidence Reanalysis: Vote Matrix and Screen (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.21773066Concept-DOI: 10.5281/zenodo.21773065
  18. Preprint2. Aug. 2026
    Spontaneous Near-Criticality and Type-Graded Robustness in a Four-Atom Conway Cellular Automaton (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.21757922Concept-DOI: 10.5281/zenodo.21757921
  19. Software2. Aug. 2026
    Typed Conway Cellular Automaton: Simulator and Reproduction Package (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.21756689Concept-DOI: 10.5281/zenodo.21756688
  20. Preprint2. Aug. 2026
    Semantic Resurrection Bounds Verifiable Deletion: A Measured Characterization of the Identity Ceiling in Agent-Memory Forgetting (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.21755993Concept-DOI: 10.5281/zenodo.21755992
  21. Preprint26. Juli 2026
    The Eleven Open Problems of Multi-Agent Memory Consistency: A Constructive Status Map (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.21601019Concept-DOI: 10.5281/zenodo.21601018
  22. PreprintErstveröffentlichung: 24. Juli 2026
    Belief-MVCC: A Coherence and Transaction Layer for Shared Agent Memory (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.21840970 · 7. Aug. 2026Concept-DOI: 10.5281/zenodo.21549293
  23. PreprintErstveröffentlichung: 24. Juli 2026
    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 · 19. Aug. 2026Concept-DOI: 10.5281/zenodo.21549092
  24. PreprintErstveröffentlichung: 24. Juli 2026
    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 · 19. Aug. 2026Concept-DOI: 10.5281/zenodo.21548758
  25. PreprintErstveröffentlichung: 31. März 2026
    ZenBrain: A Neuroscience-Inspired 7-Layer Memory Architecture for Autonomous AI Systems (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.21858218 · 9. Aug. 2026Concept-DOI: 10.5281/zenodo.19353663
  26. Korrekturnotiz18. Sept. 2026
    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.22831087Concept-DOI: 10.5281/zenodo.22831086
  27. PreprintErstveröffentlichung: 16. Aug. 2026
    Four Governance Invariants for Organisational Agent Memory: A Specification (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.21964564 · 16. Aug. 2026Concept-DOI: 10.5281/zenodo.21964563

Organisation & Prozesse unter KI

  1. Preprint3. Aug. 2026
    Six Load-Bearing Assumptions: An Assumption Audit of Classical Organization and Process Models Under AI (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.21777931Concept-DOI: 10.5281/zenodo.21777930

Sicherheitskritische Systeme & Messprotokolle

  1. Notiz22. Sept. 2026
    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)
    Versions-DOI: 10.5281/zenodo.22899170Concept-DOI: 10.5281/zenodo.22899169
  2. Preprint8. Aug. 2026
    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)
    Versions-DOI: 10.5281/zenodo.21850839Concept-DOI: 10.5281/zenodo.21850838
  3. Preprint6. Aug. 2026
    Reporting Lead Time Without Overclaiming It: A Pre-Registered Measurement Protocol for Crowd-Monitoring Alerts (öffnet in neuem Tab)
    Versions-DOI: 10.5281/zenodo.21822270Concept-DOI: 10.5281/zenodo.21822269

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 Commons1. Apr. 2026Vier Fassungen, zuletzt 5. Mai 2026
    ZenBrain: A Neuroscience-Inspired 7-Layer Memory Architecture for Autonomous AI Systems
  2. Technical Disclosure Commons4. Aug. 2026
    Contradiction-Preserving Attributed Organisational Memory with Per-Contribution Erasure
  3. Technical Disclosure Commons4. Aug. 2026
    Credential-Bound Capability Chokepoint for Agent-Memory Access by Installed Applications
  4. Technical Disclosure Commons4. Aug. 2026
    Existence-Oracle-Free Cross-Node Recall in a Multi-Node Organisational Memory
  5. Technical Disclosure Commons4. Aug. 2026
    Statutory Co-Determination as a Fail-Closed Architectural Invariant of a Governed Data Flow
  6. Technical Disclosure Commons4. Aug. 2026
    Transitive Multi-Hop Erasure with Proof of Absence in a Derived-Store Agent Memory
  7. Technical Disclosure Commons4. Aug. 2026
    Works-Council-Visible-or-Blocked: A Fail-Closed Oversight Gate for Personal-Data Flows Between Nodes
  8. Technical Disclosure Commons18. Aug. 2026
    Execution-Mode-Dependent Enforcement of Version-Bound Consent for Delegated Recurring Automation

Identifikatoren

Wo Sie die Forschung dauerhaft finden

arXiv2604.23878 (öffnet in neuem Tab)Zenodo (Concept-DOI)10.5281/zenodo.19353663 (öffnet in neuem Tab)ORCID0009-0001-1793-012X (öffnet in neuem Tab)Google ScholarAlexander Bering (öffnet in neuem Tab)Semantic ScholarAlexander Bering (öffnet in neuem Tab)GitHubzensation-ai (öffnet in neuem Tab)

Zusammenarbeit

Fragen zur Arbeit oder Interesse an Replikation?

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

Forschungsanfrage senden

Mehr aus dieser Forschung

Verwandte Seiten

Kern und Anwendungsfelder, auf gemeinsamer ethischer Grundlage.

  • Forschung →Drei Tracks: kognitive Architekturen, Schutz öffentlicher Räume, angewandte KI.
  • Technologie →ZenBrain im Detail — 7 Memory-Layer, Algorithmen, RAG-Pipeline, Performance.
  • KI einführen →Neutraler Fahrplan für die KI-Einführung — Priorisierung, Stage-Gates, KPIs und EU-AI-Act-/DSGVO-Governance, mit interaktiver Simulation.
  • Methodik →Pre-Registration, Reproducibility, externe Validierung, Datenminimierung — operative Standards im Detail.
  • Benchmarks →ZenBrain in Zahlen: jede Kennzahl mit Methode, Quelle und Prüf-Link.
  • Ressourcen →Code, Replikations-Material, BibTeX-Zitation, Lizenzen, Identifikatoren.
  • Forschungsethik →DSGVO Art. 89, KI-VO Art. 5, Brokdorf-Linie. Acht Pflicht-Korrektionen.
  • Behörden & Förderung →Forschungsangebote für BMBF, BBK, Hochschulen und Forschungsverbünde.
  • Principal Investigator →Profil, Werdegang, Identifier, Kontaktwege.
zensationUnabhängiges KI-Forschungslabor · Kiel
ForschungPublikationenMethodikForschungsethikRessourcenKI einführenBehördenSchutz öffentlicher RäumeTechnologieSystem-ExplorerPlaygroundZusammenarbeitOpen SourceÜber unsBlogChangelog
GitHubLinkedInarXivZenodoORCIDScholarSemantic ScholarHuggingFacenpmDiscussions

© 2026 Alexander Bering / ZenSation Enterprise Solutions

RSSDatenschutzImpressumBarrierefreiheit