MycoBrain: Der erste Computer für Nicht-Menschen

Ein signal-nativer Edge-Computer für Droiden, Myzel, Ökosysteme, Maschinen und KI-Agenten

Computer wurden für Menschen gebaut.

Sie wurden gebaut, um Text, Zahlen, Bilder, Tabellenkalkulationen, Code, Befehle und Sprache zu verarbeiten. Sie wurden um Tastaturen, Bildschirme, Dateien, Betriebssysteme und Netzwerke herum gebaut, die von Menschen für andere Menschen entwickelt wurden. Selbst die aktuelle Welle der künstlichen Intelligenz wird noch größtenteils mit Artefakten menschlicher Ausdrucksformen trainiert: Bücher, Websites, Aufsätze, Gespräche, Code-Repositories, Bilder, Bildunterschriften und Videos.

Aber die Erde spricht nicht in Absätzen.

Boden beschreibt Dürre nicht auf Englisch. Pilze kündigen Stress nicht über einen Chatbot an. Bäume veröffentlichen keine Telemetriedaten an eine API. Ameisenkolonien erklären ihre Routing-Logik nicht in JSON. Meeresumgebungen beschriften akustische Anomalien nicht für uns. Lebende Systeme signalisieren durch Gradienten, Spannungen, Gase, Druck, Vibration, Feuchtigkeit, Wärme, chemische Veränderungen, elektrische Oszillationen, Wachstum, Verfall, Bewegung und Reaktion.

Deshalb haben wir MycoBrain gebaut.

MycoBrain ist der zentrale Computer in den @Mycosoft Umwelt-Droiden – den Robotern, Sonden, Bojen, Stationen und biologischen Schnittstellen, die wir bauen, um draußen zu leben, draußen zu überleben, draußen zu lernen und draußen zu operieren, ohne dass ein Mensch ihnen jeden Moment sagen muss, was sie tun sollen. Es ist unser gemeinsames Hardware-Nervensystem: ein modulares Dual-ESP32-S3-Sensor- und Kommunikations-Motherboard, das die lebendige Welt mit Edge-KI, Mesh-Netzwerken und dem Nature Learning Model verbindet.

MycoBrain ist nicht nur ein Entwicklungsboard. Es ist nicht einfach ein IoT-Controller. Es ist der erste Computer, den wir bewusst für nicht-menschliche Kommunikation bauen: nicht Kommunikation durch Worte, sondern Kommunikation durch Signale.

Das Hardware-Portfolio definiert MycoBrain als die gemeinsame Dual-ESP32-S3-Controller-Plattform im Herzen jedes Mycosoft-Geräts, wobei Side-A die Sensor-E/A und Side-B das LoRa-Mesh-Netzwerk verwaltet. Das V1-Board ist als 85 mm × 55 mm, 45 g PCB mit zwei ESP32-S3-WROOM-Modulen, vier analogen Eingängen, I²C, MOSFET-Ausgängen, UART, SX1262 LoRa und 5–12 V Stromversorgung dokumentiert.

Der Grund, warum MycoBrain existiert

Die aktuelle KI-Industrie baut immer größere Modelle, die das Internet lesen. Das ist nützlich, aber es reicht nicht aus.

Sprachmodelle werden mit Repräsentationen der Realität trainiert, die bereits die menschliche Wahrnehmung durchlaufen haben. Ein Wald wird zu einem Absatz. Ein Bodenzustand wird zu einer Notiz. Eine pilzliche Stressreaktion wird zu einer Laborbeobachtung. Eine akustische Küstenumgebung wird zu einem beschrifteten Datensatz. Bis das Modell es sieht, wurde die Realität bereits komprimiert, gefiltert, interpretiert und übersetzt.

Mycosoft baut etwas anderes.

Unsere These ist, dass die nächste Generation von Intelligenz von der physikalischen Realität lernen muss, bevor sie zu Sprache wird. Das Nature Learning Model, kurz NLM, ist um diese Idee herum konzipiert. Es ist ein verankertes sensorisches Weltmodell, das aus Wellenlängen, Wellenformen, Spannungen, Gaskonzentrationen, Temperaturgradienten, Druckfeldern und live Biosphärensignalen lernt, anstatt nur aus Text und Bildern. Seine Architektur verwendet ein SSM/Mamba-Backbone, Graph/Hypergraph-Layer und Sparse Attention für kontinuierliche Sensorströme und multimodale Umweltbeziehungen.

Das erfordert eine neue Art von Computer am Edge.

Einen Computer, der in Erde, Luft, Wasser, Wäldern, Farmen, Laboren, Gebäuden und Ozeanen sitzen kann. Einen Computer, der Gaswiderstand, Luftfeuchtigkeit, Temperatur, Druck, Leitfähigkeit, pH-Wert, bioelektrische Spitzen, Hydrophon-Wellenformen, Radarrückläufe, LiDAR-Geometrie, Kamerabilder, Batteriezustand und Mesh-Status lesen kann. Einen Computer, der diese Signale zur lokalen KI-Inferenz auf NVIDIA Jetson oder M5Stack LLM-Modulen weiterleiten und dann mit NatureOS, MINDEX, MYCA, AVANI, FUSARIUM und dem breiteren Mycosoft-Stack synchronisieren kann.

Dieser Computer ist MycoBrain.

Das zentrale Design: ein Gehirn, viele Körper

Jeder Mycosoft-Droide hat einen anderen Körper.

Mushroom 1 ist für Boden-, Myzel- und Feldsensorik gebaut. SporeBase ist für Bioaerosole, Sporen und Luftprobenahme gebaut. Hyphae 1 ist als modularer Industriesensor und Edge-Compute-Knoten gebaut. MycoNode ist als vergrabene unterirdische Pilzschnittstelle gebaut. ALARM ist für biologische und Umweltwarnungen gebaut. Psathyrella ist für maritime akustische Intelligenz gebaut. Agaric ist als Luftdroide und Einsatzplattform gebaut.

Verschiedene Körper. Verschiedene Umgebungen. Verschiedene Missionen.

Aber sie alle brauchen dasselbe grundlegende Nervensystem.

Sie müssen Sensordaten sammeln, Energie verwalten, über Mesh-Netzwerke kommunizieren, Daten puffern, wenn Verbindungen ausfallen, Telemetrie synchronisieren, Erweiterungsanschlüsse bereitstellen, Firmware-Updates unterstützen und eine Verbindung zu einer Inferenzschicht herstellen. Wenn jedes Gerät ein völlig anderes Motherboard, einen anderen Firmware-Stack, eine andere Anschlussbelegung und ein anderes Protokoll hätte, wäre Mycosoft sofort nicht skalierbar.

Also haben wir MycoBrain als die wiederverwendbare interne Architektur gebaut.

Eine Board-Familie. Eine Firmware-Linie. Ein Telemetrie-Vokabular. Eine Signal-Pipeline. Ein skalierbarer Fertigungspfad.

MycoBrain als das Kommunikations- und Sensorerfassungs-Herz jedes Mycosoft-Geräts, und identifiziert sein Design-IP als eine Dual-MCU-Architektur mit dedizierten Sensor- und Router-Subsystemen auf einer einzigen Leiterplatte, plus einer UART-Brückentopologie, die unabhängige Firmware-Updates ermöglicht.

Das ist wichtig für die Fertigung, aber noch wichtiger für die Intelligenz. Die gesamte Flotte lernt durch dasselbe Nervensystem.

MycoBrain V2: das Board, um das wir uns jetzt herum bauen

MycoBrain V2 nimmt das V1-Konzept und erweitert es zu einem größeren, leistungsfähigeren Edge-Control-Board.

Die Architektur: zwei ESP32-S3-WROOM-1U-N16R8-Module, ein CORE1262-868M LoRa-Transceiver, ein SIM7600G 26-Pin-Modem-Header, zwei USB-C-Anschlüsse, vier analoge Eingänge, vier I²C-Header, UART0- und UART2-Header, drei 5-V-Ausgänge, NeoPixel-Ausgänge, zwei Summer, ein 12-V-Eingang und 5-V- und 3,3-V-Schienen.

Diese Kombination ergibt einen praktischen Feldcomputer mit drei Aufgaben.

Die erste Aufgabe ist die Sensorik. MycoBrain muss den rohen physikalischen Zustand der Umgebung erfassen. Das bedeutet analogen Eingang, I²C-Sensoren, Gassensoren, bioelektrische Sonden, externe Sensorkarten, Kamera-/Radar-/LiDAR-Erweiterung über begleitende Recheneinheiten, Batterieüberwachung und zukünftige modulare Nutzlasten.

Die zweite Aufgabe ist das Routing. MycoBrain muss Daten durch eine Welt bewegen, in der WiFi nicht garantiert ist, Mobilfunk intermittierend ist und Feldgeräte sich möglicherweise gegenseitig weiterleiten müssen. Deshalb ist LoRa in die Kernarchitektur integriert und warum Side-B als Kommunikationskortex existiert.

Die dritte Aufgabe ist die Koordination. MycoBrain sitzt zwischen der biologischen Welt und der KI-Welt. Es ist das Board, das es einer Pilzsonde, einem Bodensensor, einem Hydrophon, einer Wetterstation, einem LTE-Modul, einem Jetson und einer Cloud-Plattform ermöglicht, an einem kohärenten System teilzunehmen.

Das Board versucht nicht, der größte Computer zu sein. Es versucht, der wichtigste Computer im Körper zu sein.

Side-A und Side-B: warum MycoBrain zwei Gehirne hat

Ein einzelner Mikrocontroller kann einen Sensorknoten betreiben. Er kann nicht das langfristige Nervensystem für eine Flotte autonomer Umweltdroiden werden.

Die Dual-ESP32-Struktur existiert, weil Sensorik und Kommunikation unterschiedliche Aufgaben mit unterschiedlichen Timing-, Energie- und Zuverlässigkeitsanforderungen sind.

Side-A ist der deterministische Körpercontroller. Er ist verantwortlich für Sensorabfragen, analoge Messwerte, I²C-Erweiterung, lokale Aktorsteuerung, Leistungsüberwachung, Schwellwertdetektion und Sicherheitsgrenzen. Side-A ist der Teil des Systems, der ruhig, vorhersagbar und effizient bleiben sollte. Er liest die physische Welt mit Disziplin.

Side-B ist der Kommunikations- und Routing-Controller. Er verwaltet LoRa, BLE, WiFi, LTE-Erweiterung, zukünftige Modempfade, Heartbeat-Datenverkehr, Gateway-Verhalten und Mesh-Teilnahme. Side-B kann mehr Energie verbrauchen, wenn Kommunikation benötigt wird, und schlafen oder im Duty-Cycle-Modus laufen, wenn nicht.

Diese Aufteilung macht die Architektur robust. Wenn ein Funk-Stack einfriert, kann die Sensorseite weiter sammeln. Wenn ein Experiment eine hochfrequente Sensorabtastung erfordert, kann die Kommunikation darum herum geplant werden. Wenn das Gerät vergraben, treibend, gehend oder fliegend ist, macht dieselbe Aufteilung immer noch Sinn.

Ein einfaches mentales Modell sieht so aus:

1              ┌──────────────────────────────┐
2              │        Jetson / AI Cortex     │
3              │  NLM inference, MYCA agents   │
4              │  local memory, model weights  │
5              └──────────────┬───────────────┘
6                             │
7                    MDP / UART / Bridge
8                             │
9┌────────────────────────────┴────────────────────────────┐
10│                         MycoBrain                         │
11│                                                          │
12│  ┌──────────────────────┐      ┌──────────────────────┐  │
13│  │ Side-A ESP32-S3       │      │ Side-B ESP32-S3       │  │
14│  │ deterministic sensing │◄────►│ comms + mesh routing  │  │
15│  │ analog / I²C / power  │      │ LoRa / BLE / WiFi/LTE │  │
16│  └──────────────────────┘      └──────────────────────┘  │
17│                                                          │
18└──────────────────────────────────────────────────────────┘

Das ist keine Komplexität um ihrer selbst willen. Es ist biologisches Denken, angewandt auf eingebettete Systeme: spezialisiere die Organe, dann lass den Organismus koordinieren.

Das signal-native Datenmodell

Traditionelle KI-Pipelines sehen so aus:

1Text → Tokenizer → Transformer → Text

MycoBrain existiert, weil die Pipeline der Natur überhaupt nicht so aussieht.

Eine pilzliche Stressreaktion kann als Spannungsschwankung ankommen. Ein Sporenereignis kann als Partikelanzahl, Gasprofil und optische Anomalie ankommen. Eine maritime Bedrohung kann als Druckwellenform in einem Hydrophonstrom ankommen. Der Stress eines Baumes kann sich als Feuchtigkeit, VOCs, Temperatur und mykorrhizale bioelektrische Reaktion äußern.

Die MycoBrain-Pipeline beginnt also mit dem physikalischen Zustand:

xt​=[Vt​,It​,Tt​,RHt​,Pt​,VOCt​,CO2t​,pHt​,ECt​,At​,Mt​,Lt​,Rt​]

Wobei:

• Vt die Spannung oder das bioelektrische Potenzial ist
• It​ der Strom oder das impedanzbasierte Signal ist
• Tt​ die Temperatur ist
• RHt​ die relative Luftfeuchtigkeit ist
• Pt der Druck ist
• VOCt​ die Reaktion auf flüchtige organische Verbindungen ist
• CO2t​ das Kohlendioxid-Äquivalent oder eine verwandte Gasschätzung ist
• pHt​ der Säure-/Basenwert ist
• ECt die elektrische Leitfähigkeit ist
• At der akustische Wellenformzustand ist
• M​ der mechanische oder Bewegungszustand ist
• Lt​ die Licht-, Spektral- oder LiDAR-abgeleitete Geometrie ist
• R​ der Funk-/Netzwerkzustand ist

Das Nature Learning Model lernt dann einen latenten Umweltzustand:

zt​=fθ​(xt−k:t​,mt​,gt​)

Wobei xt−k:t ein Verlaufsfenster von Signalen ist, mt Metadaten wie Geräterolle und Kalibrierungszustand sind und gt​ der Graph-Kontext ist: nahegelegene Geräte, Organismen, Geografie, Wetter, Topologie oder bekannte ökologische Beziehungen.

Von dort aus kann MYCA Aktionen vorschlagen, aber AVANI entscheidet, ob diese Aktionen sicher sind:

1â_t = von MYCA vorgeschlagene Aktion
2a_t = tatsächlich zur Ausführung freigegebene Aktion
3π_MYCA = MYCAs Aktionsrichtlinie
4z_t = aktueller latenter Umweltzustand
5G_AVANI = AVANI-Governance-Gate
6∅ = keine autonome Aktion

Dies ist der Kern des Systems: Signale werden zu Zuständen, Zustände werden zu Inferenzen, Inferenzen werden zu vorgeschlagenen Aktionen, Aktionen durchlaufen die Governance, und die physische Welt gibt Feedback an das Modell.

Code-Ansicht: wie ein MycoBrain-Signalrahmen aussieht

Ein Entwickler sollte MycoBrain als Board verstehen können, aber auch als Protokollteilnehmer. Das Gerät sendet nicht nur „Sensorablesungen“. Es veröffentlicht strukturierte physische Beweise.

Ein vereinfachter Signalrahmen könnte so aussehen:

1{
2  "frame_type": "MYCOBRAIN_SIGNAL_FRAME",
3  "device_id": "mycobrain-v2-0001",
4  "device_role": "mushroom1",
5  "timestamp": "2026-05-28T00:00:00Z",
6  "location": {
7    "lat": 32.6401,
8    "lon": -117.0842,
9    "alt_m": 24.2
10  },
11  "signals": {
12    "thermal": {
13      "temperature_c": 23.41,
14      "relative_humidity": 67.2,
15      "pressure_hpa": 1012.8
16    },
17    "chemical": {
18      "voc_resistance_ohms": 323410,
19      "co2_equivalent_ppm": 612,
20      "gas_index": 84
21    },
22    "bioelectric": {
23      "channels": 16,
24      "sample_rate_hz": 100,
25      "range": "uV-mV",
26      "window_ms": 5000,
27      "features": {
28        "spike_count": 18,
29        "dominant_frequency_hz": 3.7,
30        "mean_amplitude_uv": 42.6
31      }
32    },
33    "mechanical": {
34      "vibration_rms": 0.013,
35      "orientation": [0.01, -0.04, 0.99]
36    },
37    "network": {
38      "link": "LoRa",
39      "rssi_dbm": -103,
40      "snr_db": 7.2,
41      "mesh_hops": 2
42    }
43  },
44  "provenance": {
45    "source": "side-a",
46    "transport": "MDP",
47    "crc16": "0xA81F",
48    "hash": "sha256:..."
49  }
50}

Dieser Rahmen kann zur lokalen Inferenz an einen Jetson weitergeleitet, bei Netzwerkverlust lokal gespeichert, über LoRa übertragen, über LTE weitergeleitet, in NatureOS veröffentlicht, in MINDEX gehasht, von NLM bewertet und von AVANI gesteuert werden.

Deshalb ist MycoBrain nicht „nur Hardware“. Es ist eine physisch-digitale Grammatik.

MDP: die Geräteprotokollebene

Damit MycoBrain geräteübergreifend funktioniert, benötigt es ein Low-Level-Protokoll, das einfach genug für eingebettete Mikrocontroller, aber strukturiert genug für eine Flotte ist. Intern wird diese Rolle von MDP, dem MycoBrain Device Protocol, übernommen.

Die FUSARIUM-Architektur beschreibt MDP v2 als ein binäres Transportprotokoll unter Verwendung von COBS-Kodierung und CRC-16-Integritätsprüfung, ausgelegt für UART- und BLE-Physiktransporte, mit strukturierten Nachrichtentypen für Beobachtungen, Warnungen, Befehle, Konfigurationsupdates und Heartbeats.

Auf konzeptioneller Ebene:

1[ magic ][ version ][ type ][ seq ][ payload_len ][ payload ][ crc16 ]

Eine Firmware-Schleife kann sauber bleiben:

1while True:
2    # Side-A: deterministische Sensorik
3    raw_signals = side_a.sample_all(
4        analog=True,
5        i2c=True,
6        power=True,
7        bioelectric=True
8    )
9
10    # In einen zuverlässigen Rahmen kodieren
11    frame = mdp.encode(
12        message_type="OBSERVATION",
13        payload=raw_signals,
14        crc16=True,
15        cobs=True
16    )
17
18    # Side-B: Kommunikations-Routing
19    side_b.route(
20        frame,
21        preferred_links=["LoRa", "BLE", "WiFi", "LTE"],
22        store_and_forward=True
23    )
24
25    # Jetson: optionale lokale Inferenz
26    if jetson.available():
27        latent_state = nlm.encode(raw_signals)
28        decision = myca.propose(latent_state)
29
30        if avani.gate(decision) == "PASS":
31            side_a.execute(decision.action)

Dies ist die eingebettete Version der Mycosoft-Philosophie: zuerst messen, dann inferieren, handeln erst nach der Governance.

Warum MycoBrain für Nicht-Menschen gebaut ist

Der Satz „der erste Computer, der für Nicht-Menschen gebaut wurde“ ist kein Slogan, den wir leichtfertig verwenden.

Wir meinen etwas Bestimmtes.

Die meisten Computer gehen davon aus, dass der primäre Benutzer ein Mensch ist. Der Mensch tippt, klickt, spricht, gestikuliert oder tippt. Selbst KI-Assistenten bilden letztendlich die Welt in menschlicher Sprache ab.

MycoBrain kehrt das um.

Der primäre Benutzer kann sein:

• ein pilzliches Netzwerk, das bioelektrische Oszillationen erzeugt
• ein Bodenmikrobiom, das Leitfähigkeit und Gasaustausch verändert
• ein Wald, der auf Dürre reagiert
• eine Ameisenkolonie, die Bewegungsmuster ändert
• ein Baum, der Ressourcen durch mykorrhizale Beziehungen austauscht
• ein Hydrophon, das den akustischen Druck des Ozeans erfasst
• ein Roboter-Körper, der seine eigene Energie- und Sensorplanung verwaltet
• ein KI-Agent, der Beweise aus dem Feld anfordert
• ein weiteres MycoBrain, das Telemetrie durch ein Mesh weiterleitet

In dieser Welt ist Sprache nicht die erste Schnittstelle. Das Signal ist es.

Das FCI-Whitepaper definiert die Fungal Computer Interface als einen bidirektionalen Kommunikationskanal zwischen pilzlichem Myzel und digitalen Computersystemen, der pilzliche bioelektrische und biochemische Signale in digitale Datenströme für Umweltmessung, Datenverarbeitung und biologische Berechnung umwandelt.

Dies ist die Grundlage der nicht-menschlichen Ausrichtung von MycoBrain. Das Board wartet nicht darauf, dass die lebendige Welt zu Text wird. Es trifft die lebendige Welt auf der Ebene, auf der das Leben bereits kommuniziert.

Myzel als lebendes Signalnetzwerk

Pilze sind kein passives Material. Myzel nimmt wahr und reagiert.

Die FCI-Materialien beschreiben Myzel als ein lebendes Sensor-Array, das auf Umweltreize wie Temperatur, Feuchtigkeit, pH-Wert, Nährstoffe, Toxine und andere Reize durch elektrische und chemische Signalgebung reagiert. Sie beschreiben auch pilzliche bioelektrische Aktivität, Anpassungsfähigkeit und Umweltreaktionsfähigkeit als Eigenschaften, die Myzel für Sensorik und unkonventionelle Berechnung nützlich machen.

Ein MycoBrain, das mit einer FCI-Sonde verbunden ist, kann beginnen, dieses lebende Gewebe als Signalquelle zu behandeln. Nicht als Magie. Nicht als Mystik. Als Instrumentierung.

Elektroden lesen schwache bioelektrische Veränderungen. Analoge Eingangsstufen verstärken das Signal. Filterung extrahiert Merkmale. ADCs digitalisieren die Wellenform. Side-A verpackt die Messung. Side-B leitet sie weiter. Jetson oder ein anderer Beschleuniger führt die Inferenz durch. NatureOS zeigt sie an. MINDEX speichert die Herkunft. NLM lernt Muster. AVANI steuert Aktionen.

Das System wird zu einer Schleife:

1Lebendes Substrat → Elektrode → Verstärker → ADC → MycoBrain → NLM → MYCA → AVANI → Stimulus → lebendes Substrat

Diese Schleife ist der Beginn der biologischen E/A.

Signal-Tokenisierung: jenseits von Worten

Sprachmodelle tokenisieren Text. MycoBrain ermöglicht es NLM, Signale zu tokenisieren.

Ein grobes Sprach-Token könnte sein:

1"nass"

Ein Signal-Token ist anders. Es kann ein kurzes Fenster physikalischer Dynamiken kodieren:

τi​=Q(ϕi​(xt:t+Δt​))

Wobei ϕi Merkmale aus einem Zeitfenster extrahiert – Spike-Anzahl, Frequenz, Amplitude, Steigung, Phasenbeziehung, Gaswiderstands-Delta, Temperaturgradient, Druckwellenform oder Kreuzsensor-Korrelation – und Q diese Merkmale in eine modellnutzbare Darstellung quantisiert oder einbettet.

Ein pilzliches bioelektrisches Token könnte repräsentieren:

1{
2  "modality": "bioelectric",
3  "window_ms": 5000,
4  "dominant_frequency_hz": 2.8,
5  "spike_density": 0.31,
6  "amplitude_band": "uV",
7  "context": {
8    "soil_moisture_delta": -0.07,
9    "temperature_delta_c": 0.4,
10    "voc_shift": 0.12
11  }
12}

Das ist kein Wort.

Es ist ein kleines Stück Realität, komprimiert in eine maschinenlernbare Form.

Wenn sich genug dieser Tokens über Geräte, Umgebungen, Organismen und Zeit hinweg ansammeln, kann Mycosoft Modelle bauen, die die Natur nicht nur beschreiben. Sie lernen aus den eigenen Signalen der Natur.

Die sechs Sinne des NLM

MycoBrain ist die geräteseitige Eingabeschicht für eine größere Modellarchitektur: das Nature Learning Model.

NLM ist um sechs physische Sinne herum organisiert:

NLM-Sinn

Physikalische Domäne

Beispiele für MycoBrain-verbundene Eingaben

Spektral

Licht, Wellenlänge, Bildgebung

Kameras, Multispektralsensoren, LiDAR

Akustisch

Druckwellenformen

Mikrofone, Hydrophone, Vibration

Bioelektrisch

Biologische Spannungen

FCI-Sonden, Myzelelektroden

Thermisch

Wärme und Gradienten

BME688/BME690, IR-Sensoren

Chemisch

Gas- und Molekülsignaturen

VOC, CO₂, pH, EC, Partikelsensoren

Mechanisch

Druck, Vibration, Berührung

IMU, Dehnung, seismisch, radarähnliche Bewegung

Die Fähigkeitsdokumente definieren NLM als ein Modell, das aus der rohen physikalischen Realität lernt, und identifizieren diese sechs Sinne als die Signaldömänen: spektral, akustisch, bioelektrisch, thermisch, chemisch und mechanisch.

Hier wird MycoBrain strategisch wichtig. Ein Modell, das aus der physikalischen Realität lernt, ist nur so gut wie die physischen Instrumente, die es füttern. MycoBrain ist der standardisierte Mund, die Nase, die Haut, das Ohr, der Elektrorezeptor und der Nervensystemverbinder für dieses Modell.

Jetson, Orin, Blackwell und der Edge-KI-Pfad

MycoBrain versucht bewusst nicht, eine riesige GPU zu sein.

Es ist die stromsparende Erfassungs- und Koordinationsschicht. Schwere Inferenz gehört auf Edge-KI-Module. Heute bedeutet das NVIDIA Jetson Nano, Jetson Orin Nano, Jetson Orin und verwandte Module, abhängig von der Geräteklasse. Im Hardware-Portfolio verwenden größere Geräte wie Mushroom 1 und Hyphae 1 Jetson Orin Nano oder Jetson Nano für vollständige Edge-KI-Inferenz, während kleinere Geräte das M5Stack LLM Module 8850 für kompakte GPU/NPU-beschleunigte Inferenz verwenden können.

Dies gibt Mycosoft eine praktische Aufteilung:

MycoBrain übernimmt die Low-Level-Sensorik, lokale Steuerung, energiebewussten Betrieb und Mesh-Kommunikation. Jetson übernimmt KI-Inferenz, Computer Vision, größere Modelle, akustische Klassifikation, lokale NLM-Verarbeitung und höhere Autonomie. In maritimen Einsätzen kann MycoBrain in derselben Bojen-Einheit mit einem Jetson Orin Nano verbunden werden, um eine Echtzeit-NLM-Akustikklassifikation am Edge zu ermöglichen, ohne auf Backhaul angewiesen zu sein.

Die Roadmap erweitert dies weiter.

Version 3 fügt einen zellularen Erweiterungspfad hinzu: ein 4G/5G-fähiges SIM-Modul wie ein SIM7000/SIM7600-Klasse-Board, das als Hat über dem LoRa-Bereich positioniert ist. Das gibt MycoBrain zellularen Backhaul, ohne das LoRa-Mesh aufzugeben.

Version 4 bewegt sich in Richtung direkter Hochleistungserweiterung: PCIe, SSD auf der Unterseite, lokaler Modellspeicher und direkte Integration von Blackwell-Klasse oder zukünftigen KI-Beschleunigermodulen. Das Ziel ist, über Entwicklungsboards hinauszugehen und KI-Beschleuniger, Speicher und Sensororchestrierung auf Mycosoft-kontrollierte Hardware zu bringen.

Dieser Übergang ist wichtig. Dev-Kits sind zum Prototyping da. Benutzerdefinierte KI-Trägerplatinen sind, wie man die Plattform besitzt.

Lokaler Speicher: Gedächtnis für das Feld

Ein Feldcomputer kann nicht von ständiger Konnektivität ausgehen.

Wälder verlieren das Signal. Bojen treiben außer Reichweite. Droiden betreten tote Zonen. Bodensonden können an Orten vergraben sein, an denen Funk intermittierend ist. Verteidigungseinsätze können in bestrittenen Umgebungen stattfinden.

Deshalb umfasst die Mycosoft-Hardwarestrategie lokalen Speicher auf mehreren Ebenen: NVMe-SSDs für große Jetson-ausgestattete Geräte, microSD für mittlere Geräte, ESP32-Flash für kleinere Geräte und lokale Puffer für vergrabene Sonden.

Für MycoBrain V4 wird SSD-Unterstützung noch wichtiger. Lokaler Speicher bedeutet, dass das Gerät speichern kann:

• rohe Sensorfenster
• verarbeitete Merkmale
• Kalibrierungshistorie
• Modellgewichte
• NLM-Einbettungen
• Ereignisprotokolle
• Mesh-Zustellungswarteschlangen
• kryptografische Herkunft
• Experimentzustand

Ein zukünftiges MycoBrain sollte nicht nur Daten streamen. Es sollte sich erinnern.

Warum das Board so viele Anschlüsse hat

Ein normales Verbrauchergerät kann entscheiden, was es ist, bevor es ausgeliefert wird.

MycoBrain kann das nicht.

Ein MycoBrain kann eine Bodenstation werden. Ein anderes kann eine Boje werden. Ein anderes kann ein industrielles Sensor-Gateway werden. Ein anderes kann eine biologische Schnittstelle werden. Ein anderes kann eine Drohnen-Nutzlast werden. Ein anderes kann ein handliches Umwelt-KI-Gerät werden. Ein anderes kann Teil eines biologischen Lab-Computers werden.

Deshalb ist die Anschlussphilosophie aggressiv: analog, I²C, UART, USB-C, LoRa, LTE-Header, 5-V-Ausgänge, NeoPixel, Summer, externe Sensoren und Stromschienen. Der V2-Schaltplan bestätigt das Vorhandensein dieser Anschlussfamilien, einschließlich Dual-USB-C, analoger Eingänge, I²C-Header, UART-Header, 5-V-Ausgänge, SIM7600G-Modemschnittstelle, 12-V-Eingang und 5-V/3,3-V-Schienen.

In der Praxis können Entwickler damit fast alles anschließen:

• BME688 / BME690 Umweltsensoren
• VOC- und Gassensoren
• Partikelsensoren
• pH- und Leitfähigkeitssonden
• Bodenfeuchtesensoren
• Hydrophone
• IMUs
• Magnetometer
• Kameras über Begleitcomputer
• Radar und LiDAR über Begleitcomputer
• FCI-Elektroden
• Aktoren
• Pumpen
• Ventile
• LEDs
• Summer
• Externe Modems
• Batteriemonitore

Ein solches Board ist nicht auf einen einzigen Anwendungsfall ausgelegt. Es basiert auf der Annahme, dass uns die Umgebung immer wieder überraschen wird.

Das Droiden-Betriebsmodell

Mycosoft nennt seine Outdoor-Roboter Droiden, weil sie nicht nur Sensoren in Kisten sind. Es sind autonome Maschinen, die in der realen Welt überleben und funktionieren sollen.

Ein Mycosoft-Droide muss seinen Körper kennen. Er muss seinen Akku kennen. Er muss wissen, ob seine Sensoren gesund sind. Er muss wissen, ob er schneller messen, länger schlafen, ein Paket eines Nachbarn weiterleiten, seinen Jetson aufwecken oder sich zu Hause melden soll. Er muss unter solaren, funk-, thermischen, umweltbedingten und ökologischen Einschränkungen arbeiten.

MycoBrain liefert die grundlegende Körperintelligenz, die dies ermöglicht.

Mushroom 1 kann es nutzen, um unterirdische Pilznetzwerke und Bodenbedingungen zu überwachen. SporeBase kann es nutzen, um die Bioaerosol-Sammlung zu koordinieren. Hyphae 1 kann es als modulare industrielle E/A-Steuerung verwenden. MycoNode kann eine kleinere Bauform für die subkutane bioelektrische Sensorik nutzen. Psathyrella kann die Architektur für die Unterwasser-Akustiküberwachung verwenden. Die Fähigkeitsmaterialien beschreiben MycoBrain als die ESP32-S3-Edge-Compute-Plattform für Mycosoft-Hardware-Bereitstellungen und identifizieren Mushroom 1, SporeBase, Hyphae 1, MycoNode, ALARM und FCI als Teil der Hardware-Produktpalette.

Der Punkt ist nicht, dass jeder Roboter gleich ist.

Der Punkt ist, dass jeder Roboter einen gemeinsamen Hirnstamm hat.

Mesh-Netzwerk: die digitale Mykorrhiza

Die Netzwerkphilosophie von MycoBrain ist von Myzel inspiriert.

Ein Pilznetzwerk ist nicht von einem einzigen zentralen Router abhängig. Es verzweigt sich, verbindet sich neu, leitet um, erkundet und überlebt Schäden. Die Gerätenetzwerke von Mycosoft sollten sich genauso verhalten.

Das ist die Rolle des Mykorrhiza-Protokolls: ein Pub/Sub-Nachrichtenprotokoll zum Routen biologischer Sensordaten über verteilte Feldnetzwerke. Das Mykorrhiza-Protokoll ist optimiert für biologische Daten, Zeitreihentelemetrie, bioelektrische Wellenformen, Umweltmessungen, selbstheilende Mesh-Topologie und Edge-nativen Betrieb, der leicht genug für den ESP32-S3 ist und gleichzeitig Jetson-Inferenzknoten unterstützt.

Ein MycoBrain-Mesh dient nicht nur dazu, Daten zurück an ein Dashboard zu senden. Es geht um lokale Zusammenarbeit.

Ein Droide könnte ein Signal erkennen. Ein anderer könnte eine stärkere Anbindung haben. Ein dritter könnte einen besseren Sensorwinkel haben. Ein vierter könnte lokale KI-Rechenleistung zur Verfügung haben. Ein fünfter könnte schlafen, aber durch ein Ereignis eines Nachbarn aufwachen.

Dies schafft ein Feldintelligenz-Netzwerk:

1MycoBrain → MycoBrain → Gateway → NatureOS
2     ↘          ↕           ↗
3      Sensor   Relay     Jetson
4        ↘       ↕        ↗
5          NLM / MINDEX / MYCA

Bei einer großflächigen Bereitstellung werden MycoBrains mehr als nur Geräte. Sie werden zu einem verteilten Umweltnervensystem.

Entwicklerschnittstelle: Auf dem Gehirn aufbauen

MycoBrain sollte für Maker zugänglich und für Ingenieure ernsthaft genug sein.

Ein Entwickler, der damit arbeitet, sollte in Rollen denken können:

1device:
2  id: mycobrain-v2-alpha
3  role: mushroom1
4  side_a:
5    mode: deterministic_sensor_controller
6    sample_rate_hz:
7      environmental: 1
8      bioelectric: 100
9      power: 0.2
10  side_b:
11    mode: mesh_router
12    links:
13      - lora
14      - ble
15      - wifi
16      - lte_hat
17  cortex:
18    module: jetson_orin_nano
19    tasks:
20      - nlm_inference
21      - anomaly_detection
22      - local_buffering
23      - model_update

Ein Sensor kann sich über ein Manifest selbst beschreiben:

1{
2  "sensor_id": "fci_probe_01",
3  "modality": "bioelectric",
4  "channels": 16,
5  "units": "microvolts",
6  "sample_rates_hz": [10, 50, 100, 500],
7  "calibration": {
8    "gain": 1000,
9    "noise_floor_uv": 0.8,
10    "last_calibrated": "2026-05-01"
11  },
12  "safety": {
13    "stimulation_enabled": true,
14    "max_stimulus_mv": 300,
15    "requires_avani_gate": true
16  }
17}

Das macht das Board gemeinschaftstauglich. Es ist eine physische Plattform, aber auch ein programmierbares Ökosystem. Ein Maker kann einen Sensor anschließen. Ein Forscher kann ein Pilzsignal-Experiment durchführen. Ein Robotik-Entwickler kann eine Nutzlast hinzufügen. Ein Verteidigungsintegrator kann verschlüsselte Telemetrie routen. Ein Umweltwissenschaftler kann Daten in NatureOS einspeisen. Ein KI-Ingenieur kann ein signal-natives Modell trainieren.

Warum Investoren sich dafür interessieren sollten

MycoBrain ist kein einmaliges Board.

Es ist ein Plattform-Primitiv.

Das Investment-Argument ist nicht „wir haben ein cooles Pilz-PCB gebaut". Das Investment-Argument ist, dass MycoBrain zum gemeinsamen Edge-Computer für ein vollständiges Hardware-Ökosystem werden kann: Umweltstationen, biologische Sonden, Bioaerosol-Systeme, industrielle Edge-Knoten, Unterwasserbojen, handgehaltene KI-Instrumente und zukünftige biologische Computer.

Das Hardware-Portfolio identifiziert Mycosoft als Entwickler eines umfassenden Hardware-Ökosystems für Umweltintelligenz, biologisches Computing und Pilznetzwerk-Schnittstellen, das Mushroom 1, SporeBase, ALARM, MycoNode, Hyphae 1, Tricorder, Petraeus und Mushroom 2 umfasst.

Das schafft mehrere Formen von Hebelwirkung.

Erstens, Fertigungshebel. Ein gemeinsamer Controller reduziert technische Doppelarbeit. Anstatt die Sensorerfassung und Kommunikation für jedes Produkt neu zu entwerfen, verbessert Mycosoft eine Kernplatinenfamilie.

Zweitens, Firmware-Hebel. Jedes Gerät profitiert von denselben Protokoll-Upgrades, Sicherheitsverbesserungen, Sensorbibliotheken, OTA-Mechanismen, Mesh-Verbesserungen und NLM-Bridge-Arbeiten.

Drittens, Datenhebel. Jedes Gerät produziert signal-native Trainingsdaten, die NLM füttern können. Je mehr Geräte eingesetzt werden, desto wertvoller wird das Modellsubstrat.

Viertens, Plattformhebel. MycoBrain verbindet Hardware mit NatureOS, MINDEX, MYCA, AVANI, FUSARIUM und Mykorrhiza. Es ist die Edge-Schicht eines größeren Software- und Intelligenzsystems.

Fünftens, IP-Hebel. Die Dual-MCU-Architektur, der Firmware-Stack, das Mykorrhiza-Protokoll, die I²C-Sensor-Erkennung und die MINDEX-Chain-of-Custody-Integration sind Teil des MycoBrain-Technologie-/IP-Stacks.

So wird aus einem kleinen Board eine Infrastruktur.

Warum dies wissenschaftlich wichtig ist

Die wissenschaftliche Bedeutung von MycoBrain liegt nicht darin, dass es Temperatur oder Luftfeuchtigkeit misst. Das tun viele Geräte.

Die wissenschaftliche Bedeutung liegt darin, dass MycoBrain entwickelt wird, um multimodalen kausalen Kontext um lebende Systeme herum zu sammeln. Ein Pilzspannungsanstieg für sich genommen ist interessant. Ein Pilzspannungsanstieg, synchronisiert mit Bodenfeuchte, pH-Wert, Temperatur, VOC-Verschiebung, Lichtstärke und Stimulusereignis, wird zu einem Beweis.

Dieser Beweis kann zu einem Fingerabdruck werden.

Dieser Fingerabdruck kann zu einem Modell werden.

Dieses Modell kann zu einer Vorhersage werden.

Diese Vorhersage kann zu einer gesteuerten Aktion werden.

Deshalb ist FCI wichtig. Das FCI-Whitepaper beschreibt den FCI-Stack als eine Pilzsonde, eine Signalverarbeitungseinheit und eine Cloud-Integrationsschicht, die subtile myzeliale elektrische Variationen erkennen, schwache bioelektrische Signale verstärken und filtern und diese Signale für die Echtzeit-Datenanalyse nutzbar machen kann.

MycoBrain ist der praktische Feldcomputer, der diese Ideen aus dem Labor holt.

Die zukünftigen Versionen: V3 und V4

Version 2 beweist die erweiterte Architektur.

Version 3 macht das Board einsatzbereiter.

Die V3-Richtung ist die zellulare Erweiterung: ein 4G/5G-SIM-Modul-Hut, der über dem LoRa-Bereich angebracht werden kann. LoRa bleibt das stromsparende lokale Mesh. Mobilfunk wird zur Anbindung. Das gibt einem Feld-Droiden die Fähigkeit, in einem lokalen Schwarm zu operieren und sich dennoch zu melden, wenn Infrastruktur vorhanden ist.

Version 4 ist der tiefgreifendere Übergang.

V4 bewegt sich in Richtung PCIe, SSD und direkte Akzelerator-Integration. Das Ziel ist es, Hardware der MycoBrain-Klasse zu ermöglichen, lokale Modellgewichte zu tragen, rohe und verarbeitete Datensätze zu speichern und Blackwell-Klasse oder zukünftige KI-Akzelerator-Module direkt in das Mycosoft-Board-Ökosystem zu integrieren. Der M5Stack LLM 8850-Pfad gibt bereits kleineren Geräten eine kompakte Inferenzstufe; V4 erweitert diese Philosophie hin zu einer tieferen, kundenspezifischen KI-Trägerarchitektur. Das Hardware-Portfolio definiert bereits eine zweistufige Edge-Compute-Strategie mit Jetson-Klasse-Modulen für größere Geräte und M5Stack LLM Module 8850 für kleinere Geräte.

Der langfristige Pfad ist klar:

1V1: kompakter Dual-ESP32-S3 + LoRa-Controller
2V2: erweitertes Sensor-/Kommunikationsboard mit USB-C, analog/I²C/UART, LTE-Header
3V3: Mobilfunk-Hut + LoRa-Mesh + besseres Remote-Flottenmanagement
4V4: PCIe + SSD + direkte KI-Akzelerator-Integration
5V5+: MycoBrain als vollwertiges biologisches/robotisches Edge-KI-Motherboard

Das Ziel ist kein weiteres Entwicklerboard.

Das Ziel ist Mycosofts eigene autonome Umweltcomputer-Architektur.

Das Board als Brücke zwischen biologischer und digitaler Berechnung

Die Rückseite des Boards trägt das Pilzzeichen, weil der Pilz keine Dekoration ist. Er ist die Designphilosophie.

Ein Pilz ist der sichtbare Fruchtkörper eines verborgenen Netzwerks. MycoBrain ist ähnlich. Das Board ist sichtbar, aber das eigentliche System ist das Netzwerk dahinter: Droiden, Sonden, Sensoren, Modelle, Agenten, Dashboards, Datensätze und lebende Substrate.

FCI gibt uns biologische E/A. MycoBrain gibt uns Edge-Steuerung. Mykorrhiza gibt uns Mesh-Routing. MINDEX gibt uns Gedächtnis und Herkunft. NLM gibt uns signal-natives Lernen. MYCA gibt uns agentisches Denken. AVANI gibt uns Governance.

Zusammen bilden sie einen hybriden biologisch-digitalen Stack.

1Lebendiges Signal
2   ↓
3FCI / Sensoren
4   ↓
5MycoBrain
6   ↓
7Mykorrhiza / MDP
8   ↓
9Jetson / M5Stack / Zukünftiges Blackwell
10   ↓
11NLM
12   ↓
13MYCA
14   ↓
15AVANI
16   ↓
17NatureOS / MINDEX / FUSARIUM

Ein Computer, der die Erde liest

Die meisten Computer stehen auf Schreibtischen.

MycoBrain ist für Schlamm, Regen, Bauernhöfe, Wälder, Labore, Dächer, Bojen, Keller, Gehäuse, Drohnen und experimentelle biologische Systeme konzipiert. Es ist dafür gemacht, repariert, iteriert, mit 3D-Druck umhüllt, gestapelt, erweitert, geflasht und neu eingesetzt zu werden. Mycosofts Hardware-Fertigungsphilosophie betont den 3D-Druck für schnelle Iterationen und die Wiederverwendung handelsüblicher Gehäuse für industrielle Geräte, was den Werkzeugaufwand reduziert und die Produktionsflexibilität erhöht.

Das ist wichtig, weil erdumspannende Intelligenz nicht allein aus Cloud-Dashboards aufgebaut werden kann.

Wir brauchen Geräte in der Welt.

Wir brauchen stromsparende Controller.

Wir brauchen Mesh-Netzwerke.

Wir brauchen lokale Inferenz.

Wir brauchen biologische Schnittstellen.

Wir brauchen Speicher.

Wir brauchen Governance.

Wir brauchen einen Weg, damit Maschinen von der Natur lernen können, ohne die Natur zu zwingen, zuerst Sprache zu werden.

Das ist MycoBrain.

DAS ENDE DES SEHR LANGEN MYCOBRAIN-DOKS

GITHUB: https://github.com/MycosoftLabs/mycobrain

YOUTUBE MYCOBRAIN VIDEO: https://www.youtube.com/watch?v=3WDneg9OHtU

MycoBrain ist der erste Computer, den wir für Nicht-Menschen bauen, weil er nicht davon ausgeht, dass Intelligenz mit Worten beginnt.

Es geht davon aus, dass Intelligenz mit Signalen beginnt.

• Ein Pilz signalisiert.
• Ein Wald signalisiert.
• Ein Fluss signalisiert.
• Ein Ozean signalisiert.
• Eine Maschine signalisiert.
• Ein KI-Agent signalisiert.
• Ein Droide signalisiert.

MycoBrain ist das Board, das entwickelt wurde, um zuzuhören, zu übersetzen, zu routen, sich zu erinnern, zu folgern und zu reagieren.

Die meiste KI wird weiterhin das Internet lesen, insbesondere ihre eigenen synthetischen Daten.

MycoBrain las die Erde und betrachtete ihre Billionen und Abermilliarden Lebensformen als Nutzer, und transzendierte dabei die Tastatur, die Maus und sogar die sprachgesteuerten Agenten-Assistenten mit den hübschen Stimmen.

Es geht nicht nur um dich, aber du bist ein Teil des gesamten Planeten des Lebens.

Vergiss das nicht.