Diese Seite beschreibt, wie unterschiedliche Quellen an das System kommen. Die konkrete Anbindung an Maschinensteuerungen steht bei Process AI, die Verarbeitung danach unter Verarbeitung.
Eine Schnittstellenschicht, viele Quellen
Der Neuronal Core muss aus sehr unterschiedlichen Quellen lernen können: physischen Sensoren an Maschinen, digitalen Datenströmen aus bestehenden Systemen, und organisationalen Informationssystemen. Die sensorische Integrationsschicht abstrahiert diese Unterschiede, sodass die Kernverarbeitung — Eingabenormalisierung, Kontextabruf, Inferenz — normalisierte Eingaben verarbeitet, unabhängig davon, woher sie ursprünglich stammen.
Standardisiertes Treibermodell
Neue Sensortypen werden über ein standardisiertes Treibermodell integriert, ohne die Kernverarbeitungskomponenten zu verändern. Das entkoppelt die Frage „welche Hardware ist am Standort vorhanden" von der Frage „wie verarbeitet der Neuronal Core Eingaben" — ein Vorteil bei Deployments mit heterogener, gewachsener Sensorlandschaft.
Parallele, voneinander isolierte Erkennungsfähigkeiten
In der Praxis zeigt sich der Wert dieser Architektur bei der Anomalieerkennung: Henris Erkennungssystem ist als mehrere unabhängige Fähigkeiten strukturiert, jede auf eine eigene Signalklasse ausgerichtet. Die Fähigkeiten arbeiten parallel und teilen sich keinen Zustand — ein Falsch-Positiv in einer Signalklasse kann die Klassifikation in einer anderen nicht verfälschen. Die Erkennung läuft kontinuierlich, nicht nach einem Abfrageplan.