Quelle erfassen
Herkunft, Zeitpunkt, Thread, Dokument oder Postfach und – bei Artefakten – ein Digest bleiben am Material.
Persistente KI-Assistenz · öffentlicher Systemstand
JUPP ist der Butler.
JUPP OS ist das System dahinter.
JUPP ist eine dauerhafte KI-Assistenz mit eigener Identität. Ein Benutzer spricht weiter mit JUPP, auch wenn Chatfenster, Gerät oder Sprachmodell wechseln. JUPP OS speichert den Zusammenhang, wendet Regeln an, organisiert Arbeit und bindet Werkzeuge oder spezialisierte Agenten ein.
Der Benutzer liefert Ziele, Daten, Korrekturen und Berechtigungen. JUPP hält fest, was gemeint ist, was bereits bekannt oder erledigt wurde und woher eine Aussage stammt. JUPP OS stellt dafür Memory, Suche, Beziehungen, Policy, Jobs, Prüfungen, Versionierung und Rückkanäle bereit. Das ist kein Betriebssystem für einen Computer, sondern ein Arbeits-Framework für fortsetzbare Mensch-KI-Zusammenarbeit.
AbgrenzungJUPP ist die Assistenz und Gesprächsidentität. JUPP OS ist die technische Steuerungs-, Gedächtnis-, Regel- und Ausführungsschicht.
„Ostensibly Sentient“ bedeutet nur „dem Anschein nach sentient“: Kontinuität, Rückfragen und verknüpftes Wissen können wie Gegenwärtigkeit wirken. JUPP behauptet kein Bewusstsein.
QuellenFreigegebene E-Mails, Chats, Texte, Dokumente, Code und Projektereignisse.
GedächtnisEpisoden, Fakten, Entitäten, Beziehungen, Evidenz, Zeit- und Gültigkeitsangaben.
Denken & ArbeitHybride Suche, Kontextbildung, Projektbezüge, Planung, Jobs und spezialisierte Agenten.
KontrolleUnsicherheitsstatus, Privacy, Freigaben, Versionierung, Ergebnisprüfung und dokumentierter Rückkanal.
Ziel und Sinn
Vom Material zum vernetzten Wissen
Monatelanger Aufbau wurde in nachvollziehbare Datensätze übersetzt.
Die bestehende JUPP-Instanz wurde über Monate mit freigegebenen persönlichen und geschäftlichen Informationen aufgebaut. E-Mail-Bestände und verteilte Chatverläufe wurden importiert, Texte und Projektdokumente gelesen, Rückfragen beantwortet und spätere Korrekturen mit den früheren Aussagen verbunden.
JUPP speichert dieses Material nicht als einen einzigen Textberg. Quellen werden segmentiert, klassifiziert und – soweit zulässig – zu Episoden, verdichteten Fakten, bekannten Entitäten und gerichteten Beziehungen verarbeitet. Rohquelle und Ableitung bleiben getrennt. Die öffentliche Seite beschreibt nur das Verfahren; private Inhalte werden nicht veröffentlicht.
Segmentieren und klassifizieren
Text wird in sinnvolle Abschnitte zerlegt und einem Workspace, Projekt, Datenschutzbereich und Ereignistyp zugeordnet.
Struktur ableiten
Geeignete Aussagen werden Facts; Gesprächs- und Ereigniskontext bleibt Episode. Personen, Projekte und Dokumente werden Entities.
Vernetzen
Evidence Links führen zur Quelle. Relationen markieren unter anderem korrigiert, ersetzt und widerspricht.
Indexieren
Exakte Kennungen, Volltext, Entities, Relationen und 768-dimensionale Embeddings bilden getrennte Suchsignale.
Versioniert fortschreiben
Neue Erkenntnisse werden über einen protokollierten Read-/Write-Lifecycle zurückgeschrieben; Korrekturen löschen ihre Vorgeschichte nicht.
Was JUPP zu einer Erinnerung zusätzlich festhält
- Quelle & Evidenz
- Woher stammt die Aussage, und welcher Beleg trägt sie?
- Zeit & Version
- Wann galt sie, wann wurde sie gespeichert, korrigiert oder ersetzt?
- Scope & Privacy
- Zu welchem Workspace, Projekt und erlaubten Nutzerkreis gehört sie?
- Confidence
- Ein Provenienz- und Anzeigesignal; noch keine kalibrierte Wahrheitswahrscheinlichkeit.
- Entities & Relationen
- Worum geht es, und wie hängt es gerichtet mit anderem Wissen zusammen?
- Lifecycle
- Episode, Fact, Evidence, Korrektur, Ablaufzeit, Task, Notice oder Aktion bleiben unterscheidbar.
Aufgaben
Vielfältig – aber nicht beliebig
Viele Aufgaben. Ein durchgehender Zusammenhang.
JUPP ist kein Sack voller Funktionen. Seine Aufgaben bilden eine Kette: verstehen → erinnern → einordnen → erarbeiten → organisieren → handeln → prüfen → lernen.
verstehen→erinnern→verbinden→planen→handeln→prüfen↺
Verstehen
Aus einer Frage einen belastbaren Arbeitskontext machen.
JUPP verbindet den aktuellen Auftrag mit Personen, Projekten, Quellen, früheren Entscheidungen und offenen Punkten.
Erinnern
Wichtiges über Chats, Geräte und Modelle hinweg behalten.
Fakten und Episoden bleiben mit Zeitpunkt, Herkunft, Gültigkeitsbereich, Datenschutzklasse und Evidenz auffindbar.
Einordnen
Nicht nur Treffer finden, sondern Beziehungen und Widersprüche erklären.
Entities und gerichtete Relationen markieren, was bestätigt, eingeschränkt, korrigiert, ersetzt oder widersprochen wurde.
Erarbeiten
Recherchieren, planen, schreiben, programmieren und veröffentlichen.
Der gleiche Kontext begleitet Dokumente, Code, Tests, Reviews und Artefakte bis zum überprüften Ergebnis.
Organisieren
Arbeit über Zeit und über mehrere begrenzte Helfer zusammenhalten.
Tasks, Jobs, Leases, Heartbeats, Notices und Delivery trennen laufende Arbeit von einem einzelnen offenen Chatfenster.
Handeln
Freigegebene Außenwirkung kontrolliert ausführen und rückprüfen.
Angebundene Pfade nutzen Preflight, Approval, Action Ledger und Readback, um Ziel, Wirkung und tatsächliches Ergebnis an denselben Vorgang zu binden.
Zusammenhang
Ja: Auch JUPP selbst hängt zusammen.
Kein Bauteil ist allein besonders klug. Das Zusammenspiel ist der Punkt.
Memory ohne Regeln kann Unsinn dauerhaft machen. Ein Vektor ohne Evidenz findet Nähe, aber keine Wahrheit. Ein Wissensgraph ohne Privacy kann Grenzen verletzen. Eine Aktion ohne Rücklesen weiß nicht, ob sie gelungen ist. JUPP verbindet diese Teile zu einem System, das sich gegenseitig begrenzt und ergänzt.
MenschenProjekteDokumenteEreignisseTools
JUPP COREEine Identität · ein Memory · eine Policy
Faktenverdichtetes WissenEpisodenerlebter VerlaufEntitiesbekannte DingeRelationengerichtete BezügeEvidenzHerkunft und Stärke
Antwortwenn ausreichend belegtRückfragewenn Kontext fehltArbeitals Task oder ArtefaktAktionwenn gebunden und freigegeben
Rückkanal: Ergebnis lesen, Abweichung behandeln, geeignete Erkenntnis versioniert zurückschreiben.
Memory
Wie funktioniert das Gedächtnis?
Erinnern ist bei JUPP ein kontrollierter Weg – kein Datenbankgriff.
Eine Frage wird nicht einfach gegen einen großen Textspeicher geworfen. JUPP bindet den aktuellen Vorgang, sucht mit mehreren Signalen, ergänzt bekannte Beziehungen, bewertet Evidenz und entscheidet erst dann, wie sicher geantwortet werden darf.
Beispielauftrag
„Warum wurde JUPP erschaffen – und was hat das mit Hirnforschung zu tun?“
- Arbeitskontext
Der Auftrag wird gebunden
JUPP hält fest, wer fragt, in welchem Projekt, aus welcher Quelle und mit welchem Ziel. Alte Erinnerungen dürfen den aktuellen Auftrag nicht heimlich erweitern.
- Kandidaten
Mehrere Sucharten laufen zusammen
Exakte Namen und Kennungen, lexikalische Treffer und semantisch ähnliche Passagen werden parallel gesucht. Keine dieser Sucharten entscheidet allein.
- Zusammenhang
Das Wissensnetz ergänzt den Treffer
Bekannte Personen, Projekte, Dokumente, Ereignisse und gerichtete Relationen zeigen, was zu einem Treffer gehört – und was nur ähnlich klingt.
- Antwortstatus
Evidenz und Grenzen werden bewertet
Quelle, Zeitpunkt, Scope, Confidence, Privacy und Gegenbelege bestimmen, ob JUPP sicher antworten darf, vorsichtig formulieren muss oder nachfragen soll.
- Ergebnis
Antwort oder Aktion bleibt überprüfbar
Eine Antwort nennt Grenzen. Eine reale Aktion braucht zusätzlich einen gebundenen Kandidaten, passende Rechte und – je nach Wirkung – eine explizite Freigabe.
- Fortsetzbares Wissen
Geeignete Erkenntnisse werden zurückgeschrieben
JUPP speichert nicht den gesamten Wortsalat. Es schreibt sanitiserte Fakten, Episoden, Evidenz und Beziehungen über einen auditierten Lifecycle zurück.
Weltmodell und Wirkung
Vor dem Handeln an die Folgen denken
Kein behauptetes Bewusstsein. Ein explizites Modell von Zustand, Wirkung und Rückweg.
JUPP behauptet kein subjektives Bewusstsein. Was hier als „Wirkungsbewusstsein“ bezeichnet werden kann, ist technisch etwas Konkretes: Ein Weltmodell beziehungsweise Consequence Model verbindet den aktuell beobachteten Zustand mit einer beabsichtigten Aktion und prüft, was sich dadurch wahrscheinlich verändert.
Es ist keine zweite Wissensdatenbank und kein digitaler Zwilling der ganzen Welt. Es ist eine Projektion aus Memory, Runbooks, Werkzeugverträgen, Abhängigkeiten und frischen Beobachtungen der jeweiligen Source of Truth.
- 01
Zustand binden
Ziel, Scope, betroffene Systeme, Daten, Menschen, Rechte und offene Unsicherheiten werden vor der Aktion festgehalten.
- 02
Aktion beschreiben
Ein strukturierter Vorschlag benennt Operation, Zielsystem, erwarteten Effekt, Außenwirkung und Verifikationsplan.
- 03
Folgen abschätzen
Direkte Effekte, Nebenfolgen, Blast Radius, Kosten-, Rechte- und Datenrisiken sowie unbekannte Folgen werden getrennt bewertet.
- 04
Rückweg prüfen
Reversibilität, Backup und Rollback entscheiden mit darüber, wie streng die Handlung behandelt wird.
- 05
Gate anwenden
Das Ergebnis lautet je nach Risiko: automatisch erlauben, Vorschau, Backup, Freigabe, Review, Sandbox oder ablehnen.
- 06
Gebunden ausführen
Nur der geprüfte Gegenstand wird ausgeführt. Ein Receipt und das Action Ledger halten den Vorgang nachvollziehbar.
- 07
Wirkung zurücklesen
Post-Verification vergleicht erwarteten und tatsächlich beobachteten Zustand. Eine Abweichung ist Befund, kein Erfolg.
Typisierte Folgenabschätzung, deterministische Gates, Action Preflight, hashverkettetes Action Ledger und Post-Verification existieren.
Ausgewählte schreibende Werkzeugpfade nutzen den Lebenszyklus bereits. Er ist noch kein universeller Zwang für jede JUPP-Aktion.
Weitere produktive Toolpfade, breiter Dependency-Graph, systematische Prediction-vs.-Outcome-Auswertung und durchgängige Recovery-Orchestrierung.
Vektoren
Das „multidimensionale Vektor-Dings“
„Wissen zieht Wissen an“ heißt technisch: ähnliche Bedeutung wird Nachbar.
JUPPs Embedding-Modell nomic-embed-text übersetzt Text in einen Punkt mit 768 Koordinaten. Texte mit ähnlichen Bedeutungsmustern landen häufig näher beieinander, auch wenn sie nicht dieselben Wörter benutzen.
Warum so viele Dimensionen? Bedeutung hängt gleichzeitig von Thema, Rolle, Handlung, Ton, Kontext und vielen weiteren Mustern ab. Zwei oder drei Achsen wären dafür so hilfreich wie eine Straßenkarte, auf der nur „links“ und „rechts“ existieren.
Ein Hauptshop führt Produktstamm und Regeln. Sechs spezialisierte Shops verwenden dieselbe Datenbasis; Bestand und Bestellungen fließen zurück.
Ausgewählter Knoten
Hauptshop · Produktstamm
Zentrale Produktdaten, Varianten, Preise, Texte und Kanalregeln. Änderungen werden einmal geprüft und anschließend gezielt verteilt.
Direkte Verknüpfungen
Präzise gesagt: Eine Nearest-Neighbor-Suche nimmt semantisch ähnliche Passagen in die Kandidatenliste auf. Danach folgen zwei getrennte Stufen: Das Ranking kombiniert exakte, lexikalische, Entity-, Relations- und Vektorsignale; die Evidenzprüfung bewertet Quelle, Zeit, Scope, Privacy und Widersprüche. Nähe allein ist weder Wahrheit noch Erlaubnis.
Projektübergreifende Synergien
Verbindungen sollen Folgen haben
JUPP soll relevante Querlinien selbst melden – nicht auf ein Stichwort warten.
Wenn zwei Projekte dasselbe Problem lösen, einen Baustein, eine Zielgruppe oder eine Datenquelle teilen oder aus einer Arbeit eine überprüfbare neue Chance entsteht, soll JUPP den Zusammenhang mit Begründung und Quellenstatus sichtbar machen.
- 01
Signal erkennen
Wiederkehrendes Problem, wiederverwendbarer Baustein, gemeinsame Zielgruppe, neue Forschungsfrage oder neues Risiko.
- 02
Verbindung qualifizieren
Betroffene Projekte, Quellen, Wahrheitsstatus und mögliche Doppelarbeit werden getrennt benannt.
- 03
Mehrwert prüfen
Zeitersparnis, Qualitätsgewinn, wirtschaftliche Chance oder Erkenntnisgewinn brauchen einen kleinsten widerlegbaren Test.
- 04
Benutzer informieren
JUPP meldet nicht nur „Da könnte etwas sein“, sondern warum die Verbindung relevant ist und welche Belege fehlen.
- 05
Projekt ableiten
Aus einer bestätigten Verbindung kann ein neues Projekt mit Ziel, Status, Quellen, offenen Fragen und erstem Test entstehen.
Ein definierter Synnergy-Pass und ein Register mit 13 typisierten, quellen- und statusgebundenen Verbindungen.
JUPP kann Verbindungen im Arbeitskontext finden und begründete Vorschläge formulieren; Nutzenmessung läuft erst in einzelnen Piloten.
Ein ständig laufendes Cross-Project-Signal im Cockpit, das proaktiv Chancen meldet und bestätigte Projekte automatisch anlegt.
Hirnforschung
Wie viel davon steckt heute schon in JUPP?
Viel in den Forschungsfragen. Weniger im Produktalgorithmus. Noch nichts als bewiesener Vorteil.
Das Gehirn ist kein Bauplan, den man in TypeScript abschreibt. Aber es ist ein sehr gutes Forschungsobjekt für dieselben schwierigen Fragen: Wie lernt ein System Neues, ohne Altes zu zerstören? Wie ergänzt es eine unvollständige Erinnerung? Wie trennt es ähnliche Erlebnisse? Wie werden wichtige Spuren stabiler – und wie bleiben Korrekturen möglich?
Viele Fragen kommen bereits aus Gedächtnisforschung.
Das Forschungsprojekt verfolgt unter anderem komplementäre Lernsysteme, Engramme, Mustertrennung, Mustervervollständigung, Replay, Rekonsolidierung, zeitliche Verknüpfung und verteilte Repräsentationen. 24 tragende Primär- und Publikationsseiten wurden zuletzt geprüft.
Einige Prinzipien prägen das Design – nicht als Gehirnkopie.
Episoden und konsolidierbare Fakten werden unterschieden; Korrekturen bleiben versioniert; Beziehungen und Herkunft werden erhalten; Retrieval kombiniert mehrere Signale. Das ist mit Forschung motiviert, aber weiterhin Software-Engineering.
Eine evidenzgewichtete Graphausbreitung existiert als isoliertes Experiment.
Der präregistrierte Ein-Hop-Shadow hat die technische Kette bestanden. Er läuft antwortunsichtbar, verändert keine produktiven Rückgabewerte und ist für reale Nutzeranfragen noch nicht freigegeben.
Ob JUPP dadurch besser erinnert, ist noch nicht bewiesen.
Eine eingefrorene Baseline, private Holdouts und Goldlabels fehlen noch. Mustertrennung, Replay/Konsolidierung und mehrere Gedächtnis-Zeitskalen sind Forschungs- oder Ausbaupakete – kein fertiger Produktpfad.
Warum überhaupt Hirnforschung?
Nicht um „gehirnähnlich“ als Werbewort aufzukleben. Sondern um bessere, überprüfbare Hypothesen für Stabilität, Assoziation, Konsolidierung und Vergessen zu gewinnen. Jede Übertragung braucht eine Baseline, Ablationen, Datenschutzprüfung und ein Abbruchkriterium. Wenn sie JUPP nicht messbar verbessert, fliegt sie wieder raus.
Forschungsquellen und Evidenzklassen ansehen ↗Systemstand · 05.08.2026
Stand statt Stimmung
Was läuft – und was noch nicht.
Dokumentiert heißt nicht automatisch: für jeden Anwendungsfall bewiesen. Deshalb trennt JUPP Produktivpfad, Canary/Shadow und offene Ziele.
PostgreSQL/pgvector-Memory, Hybrid Retrieval, Evidence Links, Entities und Relations, epistemischer Turn Contract, Notices, Delivery sowie Jobqueue mit Lease, Heartbeat, Retry, Cancel und Recovery.
Recall-Inhaltsqualität bleibt nicht abschließend manuell bewertet. Neural inspirierte Graphdiffusion ist technisch isoliert erprobt, aber ohne nachgewiesenen Nutzen und ohne Einfluss auf Antworten.
Allgemeiner Scheduler, Ergebnis-Outbox, Lead-Orchestrator, breiter externer Dispatch, Hochverfügbarkeit, systemweites Self-Healing und weitere produktive World-Model-Pfade.
Tiefe auf Klick
Vier Akkordeons statt neunzehn Kärtchen
Die technische Tiefe bleibt da. Sie steht nur nicht mehr im Weg.
Was speichert das Memory konkret?
Facts halten verdichtete, klassifizierte Aussagen. Episodes bewahren den zeitlichen Gesprächs- oder Ereigniskontext. Evidence Links verbinden Aussagen mit ihren Belegen.
Entities stehen für bekannte Dinge wie Personen, Projekte oder Dokumente. Relations beschreiben gerichtete Verbindungen, etwa korrigiert, ersetzt oder widerspricht. Jobs, Notices und Aktionen haben eigene Lebenszyklen; sie sind nicht einfach weitere Erinnerungen.
Was bedeutet 768-dimensional – ohne Nebelmaschine?
Das lokale Modell nomic-embed-text übersetzt einen Text in 768 Zahlen. Eine einzelne Zahl bedeutet nicht sauber „Projekt“ oder „Person“. Bedeutung liegt verteilt im Muster aller Koordinaten.
pgvector kann solche Muster vergleichen; ein HNSW-Index findet nahe Kandidaten schnell über einen mehrstufigen Navigationsgraphen. Die Nähe sagt: „könnte inhaltlich verwandt sein“. Sie sagt nicht: „ist wahr“, „ist aktuell“ oder „darf ausgeführt werden“.
Warum reicht eine Chat-History oder normales RAG nicht?
Eine History ist eine chronologische Textsammlung. Klassisches RAG holt meist passende Textstücke. JUPP braucht zusätzlich eine dauerhafte Identität, kontrollierten Writeback, Quellen- und Privacy-Regeln, Korrekturbeziehungen, getrennte Workspaces und eine Antwortpolitik für schwache oder widersprüchliche Evidenz.
Sobald aus Wissen reale Arbeit wird, kommen Tasks, Freigaben, Receipts und Post-Verification hinzu. Das macht aus Retrieval noch kein Bewusstsein – aber aus einem Treffer einen nachvollziehbaren Vorgang.
Was fehlt bis zum vollständigen Zielbild?
Offen sind unter anderem der allgemeine Automation-Scheduler, die Ergebnis-Outbox, ein universeller Lead-Orchestrator, breiter externer Worker-Dispatch und weitere produktive World-Model-Pfade.
Hochverfügbarkeit mit Fencing und Failover sowie systemweites Self-Healing mit Dependency-Graph, Recovery-Supervisor und unabhängiger Reparaturprüfung bleiben eigene Ausbauziele. „Robuste Teilpfade“ ist deshalb die richtige Aussage – nicht „repariert alles sofort selbst“.
Kurz gesagt
JUPP wurde erschaffen, damit KI-Zusammenarbeit nicht immer wieder zerfällt.
Es soll erinnern, ohne blind zu konservieren. Verbinden, ohne Nähe mit Wahrheit zu verwechseln. Arbeiten, ohne Autorisierung zu erfinden. Und lernen, ohne die Herkunft der eigenen Erkenntnisse zu verlieren.