Keewano

Keewano entwickelt Infrastruktur für maschinelles Schließen im Ereignismaßstab. Das Team konzentriert sich auf zusammenhängende Sequenzspeicherung, semantischen Kontext und Near-Data-Processing mit SIMD und optionaler GPU-Beschleunigung. Integrationen umfassen MCP, SQL, REST sowie gängige Datenplattformen und Streams.

Keewano ist eine speziell entwickelte Ereignisfolgen-Datenbank und Analyseschicht für maschinelles Schließen im großen Maßstab. Anstatt den aktuellen Zustand abzubilden, speichert KeewanoDB die Ereignisse jeder Entität zusammenhängend und in Reihenfolge, wodurch eine vollständige Historie für direkte, latenzarme Abfragen erhalten bleibt. Eine Kontextschicht verknüpft Ereignisse mit Entitäten, Zeitlinien und Ergebnissen; eine semantische Schicht ordnet Rohfelder gemeinsamen Konzepten zu, sodass Fragen sich auf Geschäftsbedeutungen und nicht auf Spaltennamen beziehen. Berichte, Ähnlichkeitssuche und benutzerdefinierte Logik werden nahe am Datensatz mit SIMD- und optionaler GPU-Beschleunigung ausgeführt. Das System nimmt Rohereignisse aus bestehenden Pipelines auf – Kafka-Streams, operative Datenbanken wie Postgres, Data Warehouses wie Snowflake und BigQuery sowie Parquet/Iceberg-Datenquellen – ohne Migration zu erzwingen. Ergebnisse werden über MCP für Agenten sowie SQL, REST und BI-Schnittstellen bereitgestellt. Deployments umfassen KeewanoDB Local für Einzelmaschinen-Entwicklung und Edge-Anwendungen, KeewanoDB Cloud für verwaltete Produktionslasten und Keewano Analytics für No-Code-Berichte und Monitoring. Teams können offene Fragen stellen, Sequenzen im großen Maßstab vergleichen und jede Antwort bis zur Quelle zurückverfolgen.