Inferenz im Gerät.
Modelle werden auf dem Gerät ausgeführt. Eingaben verlassen den Speicher nicht. Was die Maschine versteht, versteht nur sie.
Künstliche Intelligenz · Native Schicht
KI, die im Gerät denkt.
janus.os ist nicht ein Betriebssystem mit KI-Aufsatz. Es ist um KI herum gebaut — Inferenz ist ein Primitiv, kein Plugin. Modelle laufen lokal, Auslagerung geschieht fragmentiert im Mesh, und keine Entscheidung verlässt das Gerät unsigniert.
Definition
Was sie ist.
Die KI-Schicht von janus.os trägt Wahrnehmung, Sprache, Entscheidung und Steuerung. Sie ist eingebettet in den Kernel, gebunden an das Hardware-Element und durchgesetzt durch denselben Sicherheits-Codex, der für jede andere Operation gilt.
Fragmentiert verteilt.
Wenn Rechenleistung knapp wird, verteilt sich die Aufgabe in Anteilen über das Mesh. Kein Knoten sieht das Original. Auswertung ohne Einsicht.
Jede Entscheidung signiert.
Modellversion, Eingabe-Hash, Ergebnis und Zeitpunkt sind kryptographisch festgehalten. KI-Handlungen sind nachvollziehbar — nicht behauptet.
EU AI Act im Kern.
Klassifiziert nach Anhang III von Beginn an. Menschliche Aufsicht, Genauigkeits-Benchmarks und Risikokontrolle sind Architektur — nicht nachträgliche Hülle. (Gilt für den Einsatz in EU-Ländern; außerhalb der EU wird mehr möglich sein.)
Motivation
Warum nativ.
KI als Aufsatz auf einem fremden Stack erbt dessen Schwächen. Drei Gründe, warum janus.os KI von unten aufbaut — nicht von oben.
Kein fremder Inferenz-Server.
Wer Inferenz in einer fremden Cloud ausführt, gibt Daten, Modell und Antwort aus der Hand. janus.os schließt diesen Kanal — strukturell, nicht vertraglich.
Antworten am Sensor.
Inferenz dort, wo die Daten entstehen. Keine Round-Trip zur Cloud, keine Abhängigkeit von Bandbreite. Was entschieden werden muss, wird sofort entschieden.
Auch ohne Netz.
KI bleibt verfügbar, wenn die Leitung fällt. Im Mesh tragen sich Modelle peer-zu-peer. Souveränität endet nicht am Router.
Architektur
Wie sie aufgebaut ist.
Drei Schichten, die ineinandergreifen — von der Hardware bis zum Modell.
Modelle gebunden ans Element.
Modellgewichte und Inferenz-Schlüssel liegen im Hardware-Element. Kein Klartext im Hauptspeicher, kein Export ohne Signatur.
Inferenz als Primitiv.
Der Kernel kennt Tensor-Operationen wie er Threads kennt. Lokale Beschleuniger werden nativ angesprochen — heute die AMD-XDNA-NPU, ausgelegt auch für photonische Hardware. Kein CUDA-Aufsatz, keine fremde Runtime.
Verteilung ohne Offenlegung.
Wird ein Modell zu groß für ein Gerät, zerlegt der Scheduler die Inferenz in Anteile. Peers rechnen blind — das Gesamtergebnis bleibt beim Anfragenden.
Produkte
Was darauf läuft.
Konkrete Anwendungen, die auf der KI-Schicht von janus.os aufsetzen — heute in Entwicklung, morgen im Einsatz.
brain-mcp
Läuft auf Linux · AuslieferbereitEine native MCP-Schicht (Model Context Protocol), die KI-Agenten direkten Zugriff auf das Gerät, seine Sensoren und seine Werkzeuge gibt — ohne den Umweg über fremde Cloud-Endpunkte. Kontext bleibt lokal, Werkzeuge werden signiert aufgerufen, jede Aktion ist auditierbar.
Verteilte Spital-KI
In Entwicklung · PilotphaseDiagnostik- und Auswertungs-KI, die im Mesh mehrerer Spitäler trainiert und betrieben wird — ohne dass je ein Bild, ein Befund oder eine Patientenakte ein Haus verlässt. Federated Inference auf Mesh-Niveau, in Entwicklung.
Position
KI ist keine Funktion.
KI ist keine Funktion.
Sie ist eine Schicht.
Wer KI als Service mietet, mietet seine Antworten mit. janus.os legt die KI dorthin, wo sie hingehört: in den Stack, ans Gerät, in die Verantwortung des Nutzers.
Kontakt
KI, die dir gehört.
Investoren — wir sprechen mit denen, die verstehen, was es bedeutet, wenn KI-Modelle in Megabyte messen, nicht in Gigabyte. Was heute Rechenzentren füllt, läuft bei uns auf dem Gerät.