cF Architektur
Hochgradig isolierte Schichten.
Die cogniFactum Architektur ist in folgende hochgradig isolierte Schichten aufgebaut:
Aufbauphase
Von der Aktivität (L3) zum Task (L4)
Die Prozesse des Kunden werden zuerst auf Aktivitätsebene (L3) erhoben – auf Basis des cF-Standard-Prozessrepositorys (cF’s Brain) – und anschließend auf Task-Ebene (L4) ergänzt. Das Ergebnis ist Customer’s Brain 1.
Deterministische Guardrails
Level 4 – Customer’s Brain 1
Das Fundament der Architektur ist eine relationale PostgreSQL-Datenbank. Sie enthält das Betriebsmodell des Kunden mit allen Rollen, Phasen, Aktivitäten (L3) und atomaren Tasks (L4) nach dem „4C-Standard“ (Complete, Consistent, Compliant, Correct) – sowie zu jedem Task die Verweise auf die verwendeten Dokumente, Templates, APIs und Datenquellen. Der Inhalt dieser Objekte wird hier nicht gespeichert; er verbleibt in den jeweiligen Management-Systemen (z. B. Dokumentenmanagement, API-Management). Diese Schicht fungiert als harte Leitplanke, die verhindert, dass KI-Agenten Prozesse „erfinden“ (Halluzinationen).
Semantisches Gedächtnis
Level 4 – Customer’s Brain 2
Die Inhalte der in Customer’s Brain 1 referenzierten Dokumente, Templates, APIs und Datenquellen werden für die KI-Analyse verfügbar gemacht – indexiert in einer Vektordatenbank oder per RAG direkt aus den Quellsystemen (z. B. Dokumentenmanagement, API-Management) abgerufen. Die Quellsysteme bleiben Eigentümer der Inhalte. Das Large Language Model (LLM) nutzt dieses Wissen als „kognitiver Analyst“.
Die deterministische Brücke
UUID-Filtering
Jeder Task in Customer’s Brain 1 trägt einen UUID (Universally Unique Identifier), der als strenger Metadaten-Filter dient. Ein KI-Agent darf beim Abrufen von Wissen nur auf jene Inhalte in Customer’s Brain 2 zugreifen, die mit dem UUID des gerade ausgeführten Tasks verknüpft sind.
Orchestrierung & Integration
BPMS, Agenten & MCP
Die in Customer’s Brain 1 definierten Prozesse werden von einem BPMS mit Robotics (z. B. Camunda, Pega) ausgeführt, das auch KI-Agenten innerhalb definierter Prozessschritte orchestriert. Wo kein BPMS im Einsatz ist oder für Agenten-Arbeit außerhalb definierter Prozesse, kann optional ein eigenständiges Multi-Agenten-Framework (wie LangGraph oder n8n) angebunden werden. Die Kommunikation mit Unternehmens-APIs läuft zentral über das Model Context Protocol (MCP), welches als standardisierter Übersetzer und Sicherheits-Hub agiert.
Compliance & Read-Only-Prinzip
Human-in-the-Loop
Generative KI-Modelle erhalten niemals direkte Schreibrechte auf die deterministische Prozessdatenbank (Customer’s Brain 1 – Read-Only). Stattdessen werden Änderungsvorschläge generiert, die im Sinne des „Human-in-the-Loop“-Prinzips freigegeben werden müssen. Zudem wird jede Systementscheidung in einem unveränderlichen State Management & TX-Log revisionssicher protokolliert.
cogniFactum AI Platform Architektur
Aufbauphase
cF’s Brain
L3 · 4C-Standard-RepositoryCustomer’s Brain
L3 · AktivitätenCustomer’s Brain 1
L4 · Tasks + VerweiseTwo Brain Konzept
Customer’s Brain 1
Rational Brain · L4 · deterministisch- PostgreSQL
- Rollen · Phasen · Aktivitäten · Tasks
- Verweise: Dokumente, Templates, APIs, Datenquellen
- 4C-Standard
LLM / KI-Agenten
AnalyseHuman-in-the-Loop
Freigabe vor jeder Änderung an Customer’s Brain 1Customer’s Brain 2
Analytical Brain · L4 · RAG- BPMN
- Arbeitsanweisungen
- Compliance-Regeln
- Regulatorien
- Enterprise Architecture
- CMS-Dokumente
- Standardprozesse anderer Branchen
- BIAN
Indexiert in einer Vektordatenbank oder live aus den Quellsystemen abgerufen
Ausführung & Governance
Orchestrierung
- BPMS & Robotics (z. B. Camunda, Pega)
- KI-Agenten in definierten Prozessschritten
- Agenten-Framework (optional, via MCP)
Integration
- Model Context Protocol (MCP)
- Unternehmens-APIs · API-Management
- Applikationen
- Manuelle Bearbeitung
- Externe Quellen
Governance & Audit
- State Management & TX-Log
- Unveränderlich · revisionssicher
- Read-Only für GenAI
cogniFactum AI Platform Architektur – Detailansicht
