Open Science

Ressourcen

Alles, um unsere Forschung zu reproduzieren, zu zitieren und darauf aufzubauen — offen zugänglich. Diese Seite bündelt Code, Replikations-Material und Zitationshinweise; die Veröffentlichungen selbst finden sich auf der Publikationsseite.

Code & Pakete

Open-Source-Software

Die Memory-Algorithmen sind als eigenständige Pakete unter Apache 2.0 veröffentlicht — TypeScript, ohne externe Laufzeit-Abhängigkeiten.

Replikation & Daten

Material zur Nachvollziehbarkeit

Replikations-Pakete, Eval-Skripte und Konfigurationen werden mit den jeweiligen Publikationen veröffentlicht und über Zenodo persistent archiviert.

Forschungsdaten werden im Sinne von Art. 89 DSGVO datenminimiert erhoben. Im Public-Safety-Track fallen keine biometrischen Merkmale an; Annotationsschemata sind auf das für die Forschungsfrage notwendige Minimum ausgelegt.

Zitation

Wie Sie unsere Arbeit zitieren

BibTeX-Eintrag für das ZenBrain-Preprint. arXiv und Zenodo verweisen auf dieselbe Arbeit; die Zenodo-DOI ist der zitierfähige, persistente Anker.

@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}
}

Lizenzen

Nutzungsbedingungen

Persistente Identifikatoren

Wo die Forschung dauerhaft auffindbar ist

Die vollständige Liste — einschließlich Google Scholar, Semantic Scholar und DUNS — findet sich auf der Publikationsseite.

Daten & Replikation

Anfrage zu Daten oder Replikation

Für Zugriff auf Replikations-Material, Eval-Konfigurationen oder methodische Rückfragen freuen wir uns über Ihre Nachricht.

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.
• Publikationen →arXiv, Zenodo (DOI), Software-Releases, Open-Access-Prinzipien.
• 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.