VECTORIO
DE
EnglishDeutsch
PROTORPROTOR · die Engine

Hier ETL, dort ein Warehouse, obendrauf ein Scheduler – und niemand kann den letzten Dienstag nachvollziehen.

Eine Engine. Die ganze Pipeline.

Daten laden, bereinigen, verknüpfen, prüfen und ausliefern – mit einem Werkzeug, das Ihr ganzes Team versteht, auf jeder Maschine, die Ihnen gehört.

350+ Knoten. Eine Arbeitsfläche.

Jeder Schritt, den Sie brauchen – bereit für die Arbeitsfläche oder als Code. Über 170 davon verbinden sich mit den Systemen, die Sie schon betreiben.

Quellen74

Kafka Subscriber · PostgreSQL Data Reader · S3 Object Reader · Salesforce SOQL Reader · IMAP Subscriber · MQTT Subscriber

Ausgaben60

PostgreSQL Data Writer · Parquet Publisher · Kafka Publisher · S3 Object Writer · Excel Workbook Writer

Transformieren27

Compute Fields · Lookup · Hash Join · Schema Conform · Enrich Data

Streaming6

Window Functions · Rollup Aggregation · Checkpoint · Deduplication · FactOps Throttle · FactOps Debounce

Nachweise21

Evidence Collector · Evidence Pack · Evidence Verifier · Column Encryption · Completeness Auditor

Maschinelles Lernen25

ONNX Classifier · Local LLM Processor · Diarizer · Body Pose · Biomarker · LLM Classifier

Geodaten22

GDAL Ingest · GDAL Reprojection · AOI Ingest · GeoJSON API Publisher · Delta Composer · Bi-Temporal Diff

Audio, Video & Bild78

Face Blur · RTSP Stream Input · Video Viewer · Audio Reverb · Parametric EQ · Speaker Publisher

Orchestrierung41

Fork · Execution Control Node · Command Control Node · FactOps Gate

Was im Paket steckt.

Alles an einem Ort

Laden, Bereinigen, SQL, Live-Streams und Zeitplanung laufen in einem Prozess.

Canvas und Code

Workflow zeichnen oder als Text schreiben – eine versionierte Datei.

Verbindet sich mit Ihren Systemen

Dateien, Datenbanken, Streams, Cloud-Speicher, Geodaten und Sensoren – über 170 Konnektoren, über 350 Knoten.

Läuft auf Ihren Maschinen

Windows, Linux und macOS, auf x64 und ARM64 – bei Bedarf offline.

Macht dort weiter, wo es aufgehört hat

Checkpoints und Wiederanlauf nach Abstürzen. Jeden Lauf wiederholen – mit demselben Ergebnis.

Nachweis inklusive

Jeder Lauf hinterlässt einen manipulationserkennbaren Nachweis; Ergebnisse lassen sich signieren.

In der Beta · als Nächstes
Cluster-ModusMit 4–7 Peers demonstriert
Boards der Raspberry-Pi-KlasseDieselbe Runtime auf kleinen ARM64-Geräten
Externe PrüfungBenchmark-Dokumentation in methodischer Prüfung
Unabhängige ReplikationEin benannter Dritter rechnet die Zahlen nach

Jedes Ergebnis erklärt sich selbst

Jeder Lauf hinterlässt einen hashverketteten Nachweis; Ergebnisse lassen sich signieren und offline verifizieren – ohne uns.

Workflows im realen Maßstab

Bis zu 10.000 Knoten in einem Echtzeit-Workflow – die Beethoven-Demo läuft bei 48 kHz ohne Pufferunterlauf.

Läuft dort, wo die Daten sind

Notebook, Server, Edge-Box, Board der Raspberry-Pi-Klasse (Beta) oder Cluster (Beta). Auf Wunsch offline.

32,1 ms1 Milliarde Zeilen gruppiert und summiertsortiertes Layout, ein Notebook
105–118 GB/sAggregationsdurchsatzsortiert · 45–80 GB/s unsortiert
24,4 s103 Millionen Zeilen durch einen Workflow mit 21 Stufenein Notebook, durchgängig
10.000Knoten in einem Echtzeit-WorkflowBeethoven-Demo · 48 kHz · kein Pufferunterlauf

Gemessen auf einem Notebook der Apple-M3-Max-Klasse, 16 Kerne, 64 GB, nur CPU; 1 Kaltlauf + 5 Warmläufe; logische dekodierte GB/s. Methode und Rohtabelle →

Beta · Design-Partner gesucht

Zeigen Sie uns Ihr schwierigstes Datenproblem. Wir lösen es gemeinsam.

Ein kurzes Pilotprojekt mit Ihren Daten auf Ihrer Hardware. Was Erfolg bedeutet, legen wir vorher gemeinsam fest.