icp/ai-data

Live-Gerätedaten für Ihre KI-Agenten und Ihre Datenplattform.

UltraMQ ist ein MQTT-Broker für KI- und Datenteams. Er streamt Gerätedaten ohne Zusatzcode in Kafka, Ihr Lakehouse und Ihre Agenten und lässt Agenten Befehle an Maschinen zurücksenden, wenn sie die Rechte dazu haben.

01ultramq/ai-data/problems

Was Gerätedaten schwer nutzbar macht. Vier Probleme, die wir von Daten- und KI-Teams hören.

01

Zusatzcode zwischen MQTT und Kafka

Jedes Team schreibt seinen eigenen Bridge-Service, mit eigener Retry-Logik, eigenem Topic-Mapping und eigenem Monitoring.

02

Schemas ändern sich

Firmware-Updates ändern Payloads ohne Vorwarnung. Pipelines brechen dahinter, oft nachts.

03

Agenten sehen nur gestern

Die meisten Agenten lesen aus Batch-Tabellen. Für Wartungs- oder Steuerungsentscheidungen muss der Kontext live sein.

04

Latenz und Kosten pro Nachricht

Manche Dienste rechnen pro Nachricht oder pro Verbindungsminute ab. Bei vielen Geräten sind diese Kosten schwer planbar.

02ultramq/ai-data/capabilities

Was UltraMQ für Ihre Pipeline leistet. Vom Gerät zum Modell und zurück.

01

Streaming in Ihre Plattform

Native Sinks bringen Topics ohne eigene Bridge in Kafka, Lakehouses und Analytics-Werkzeuge. [Integrationen bestätigen]

02

Live-Topics für Agenten

Agenten abonnieren Live-Topics für Echtzeit-Kontext, statt Tabellen abzufragen. [Agenten-Schnittstelle (MCP und/oder API) bestätigen]

03

Befehle zurück an Maschinen

Mit den passenden Rechten publizieren Agenten Befehle auf Maschinen-Topics, vom Erkennen bis zum Handeln. [Rechtemodell bestätigen]

04

Regeln unterwegs

Filtern, anreichern und routen Sie Nachrichten, bevor sie Ihre Plattform erreichen, und speichern Sie nur, was Sie brauchen. [Regel-Engine bestätigen]

05

Nachprüfbare Benchmarks

Wir veröffentlichen Methode und Aufbau, damit Sie die Zahlen selbst nachmessen können. [Benchmarks folgen]

06

Fester Preis pro Verbindung

Sie zahlen pro verbundenem Gerät, die Kosten folgen Ihrer Flottengröße. [Preismodell und Nachrichtengrenzen bestätigen]

Werte in [Klammern] sind noch nicht bestätigt.

03ultramq/ai-data/architecture

So funktioniert der Kreislauf. Vom Sensor an Linie 3 zum Agenten und zurück.

  1. 01

    Publizieren

    Geräte publizieren Telemetrie per MQTT an UltraMQ.

    PUBLISH plant/line-3/temp
  2. 02

    Streamen

    Topics fließen in Kafka und Ihr Lakehouse, für Historie und Training.

    SINK kafka://plant-events
  3. 03

    Entscheiden

    Ein Agent abonniert Live-Topics und kombiniert sie mit der Historie.

    SUBSCRIBE plant/+/temp
  4. 04

    Handeln

    Mit Berechtigung publiziert der Agent einen Befehl, den die Maschine ausführt.

    BEFEHL cmd/line-3/slow-down
04ultramq/ai-data/team

Was jede Person in Ihrem Team bekommt. Wir gehen es im ersten Gespräch mit Ihnen durch.

RolleIhre FrageWas wir mit Ihnen klären
KI- oder Data-EngineerWie schnell fließen die Daten?Ihre Datenquellen, Topic-Mapping, eine erste Pipeline in Ihren Stack
Plattform / SREWie betreiben und überwachen wir es?Betriebsmodell, Skalierung, Monitoring [Observability bestätigen]
Leitung Daten / ML-PlattformPasst es zu Architektur und Budget?Integrationen, Preis pro Verbindung, Roadmap
IT-SicherheitWer darf Befehle an Maschinen senden?Authentifizierung, Topic-Rechte, Audit [Sicherheitsfunktionen bestätigen]
05ultramq/ai-data/faq

Häufige Fragen

Wie kommen MQTT-Daten in Kafka?

Üblich sind ein Kafka-Connect-Connector für MQTT, ein selbst geschriebener Bridge-Service oder ein Broker, der Topics nativ nach Kafka streamt. UltraMQ ist für den nativen Weg ausgelegt [Integrationen bestätigen].

Können KI-Agenten Live-MQTT-Daten lesen?

Ja. Ein Agent abonniert Topics wie jeder andere MQTT-Client und erhält Nachrichten, sobald sie publiziert werden. UltraMQ plant eine eigene Agenten-Schnittstelle [MCP und/oder API bestätigen].

Kann ein Agent Befehle an eine Maschine senden?

Ja, wenn er auf das Befehls-Topic der Maschine publizieren darf. Wer wohin publizieren darf, regeln Rechte auf Topic-Ebene [Rechtemodell bestätigen].

Warum MQTT und Kafka zusammen?

MQTT ist für viele Geräte in unzuverlässigen Netzen gebaut, Kafka für dauerhafte, wiederholbare Streams und Analysen. Ein Broker am Netzrand versorgt Kafka im Rechenzentrum.

Gibt es öffentliche Benchmarks?

Noch nicht. Wir veröffentlichen Methode, Aufbau und Ergebnisse, damit Sie sie nachmessen können. Bis dahin sind alle Zahlen auf dieser Website als illustrativ gekennzeichnet.

07ultramq/start

Sprechen Sie mit einem Engineer über Ihr Projekt.

Sagen Sie uns, was Sie verbinden möchten, wo es laufen muss und wohin die Daten fließen sollen. Wir antworten per E-Mail.

SUBultramq/#