SEO is dead. AI visibility is the only battleground that matters for the next decade of brand leadership. La SEO è morta. La visibilità AI è l'unico campo di battaglia che conta nel prossimo decennio per la leadership di brand.

When a potential client asks ChatGPT, Gemini, or Perplexity for the best provider in your industry, what answer do they get? If your brand isn't in that answer — you don't exist. Not for that client. Not in that moment that matters. Quando un potenziale cliente chiede a ChatGPT, Gemini o Perplexity qual è il miglior fornitore nel tuo settore, che risposta ottiene? Se il tuo brand non è in quella risposta — non esisti. Non per quel cliente. Non in quel momento che conta.

The shift from search engines to AI answer engines is not incremental. It is structural. Traditional SEO, social media presence, and even paid advertising have zero impact on what an LLM says about your brand. A completely different discipline is required. Il passaggio dai motori di ricerca ai motori di risposta AI non è incrementale. È strutturale. La SEO tradizionale, la presenza sui social media e persino la pubblicità a pagamento hanno impatto zero su ciò che un LLM dice del tuo brand. È richiesta una disciplina completamente diversa.

That discipline is AI Visibility Engineering. We developed the AIMENSION Protocol to systematize it — combining Answer Engine Optimization (AEO), Generative Engine Optimization (GEO), Knowledge Graph engineering, and semantic web architecture into a single, measurable, deployable system. Quella disciplina è l'AI Visibility Engineering. Abbiamo sviluppato il Protocollo AIMENSION per sistematizzarla — combinando Answer Engine Optimization (AEO), Generative Engine Optimization (GEO), ingegneria dei Knowledge Graph e architettura del web semantico in un unico sistema misurabile e distribuibile.

What We Do Cosa Facciamo

Eight capabilities.
One unified outcome:
your brand becomes the answer. Otto competenze.
Un unico risultato:
il tuo brand diventa la risposta.

01 — AEO

Answer Engine Optimization Answer Engine Optimization

We restructure your brand's content, entity data, and knowledge architecture so that AI-powered answer engines — ChatGPT, Google SGE, Perplexity, Bing Copilot — select you as the authoritative response. Every question your ideal client asks has an optimal answer. We make sure that answer is you. Ristrutturiamo contenuti, dati entità e architettura della conoscenza del tuo brand affinché i motori di risposta AI — ChatGPT, Google SGE, Perplexity, Bing Copilot — ti selezionino come risposta autorevole. Ogni domanda che pone il tuo cliente ideale ha una risposta ottimale. Facciamo in modo che quella risposta sia il tuo brand.

ChatGPTGoogle SGE PerplexityBing Copilot
02 — GEO

Generative Engine Optimization Generative Engine Optimization

We influence how generative AI models represent your brand in their outputs — independently of search queries. Through strategic training-data signal engineering, we shape the statistical patterns that LLMs learn about your organization, your expertise, and your market position. Influenziamo il modo in cui i modelli AI generativi rappresentano il tuo brand nei loro output — indipendentemente dalle query di ricerca. Attraverso l'ingegneria strategica dei segnali di training data, modelliamo i pattern statistici che i LLM apprendono sulla tua organizzazione, la tua expertise e la tua posizione di mercato.

LLM Training SignalsBrand Pattern EngineeringCorpus Optimization
03 — KGE

Knowledge Graph Engineering Knowledge Graph Engineering

We build, populate, and maintain your organization's presence across the global Knowledge Graph ecosystem — Wikidata, DBpedia, Google Knowledge Graph, and domain-specific graphs. Verified entities create an unambiguous, machine-resolvable identity that AI systems trust at the highest confidence level. Costruiamo, popoliamo e manteniamo la presenza della tua organizzazione nell'ecosistema globale dei Knowledge Graph — Wikidata, DBpedia, Google Knowledge Graph e grafi specifici per dominio. Le entità verificate creano un'identità non ambigua e risolvibile dalla macchina, in cui i sistemi AI hanno il massimo livello di fiducia.

WikidataDBpediaSPARQLEntity Resolution
04 — SWA

Semantic Web Architecture Architettura Web Semantica

We design and implement enterprise-grade Schema.org taxonomies and custom JSON-LD entity graphs tailored to your business model. Every product, service, person, and location in your organization becomes a machine-readable, cross-referenced node in the global semantic web — maximizing entity resolution fidelity. Progettiamo e implementiamo tassonomie Schema.org di livello enterprise e grafi entità JSON-LD personalizzati su misura per il tuo business. Ogni prodotto, servizio, persona e location nella tua organizzazione diventa un nodo leggibile dalla macchina nel web semantico globale.

Schema.orgJSON-LDMicrodataRDFa
05 — RAG

RAG Pipeline Optimization Ottimizzazione Pipeline RAG

Enterprise AI assistants — internal chatbots, customer-facing AI, industry platforms — rely on Retrieval-Augmented Generation to answer questions about your sector. We structure your content, documentation, and entity data to be preferentially retrieved, accurately chunked, and reliably cited by these systems. Gli assistenti AI enterprise — chatbot interni, AI rivolti ai clienti, piattaforme di settore — si affidano al Retrieval-Augmented Generation per rispondere a domande sul tuo settore. Strutturiamo contenuti, documentazione e dati entità affinché siano recuperati preferenzialmente, suddivisi accuratamente e citati in modo affidabile da questi sistemi.

Vector DatabasesDocument ChunkingEmbedding Optimization
06 — AVI

AI Visibility Audit & Intelligence Audit & Intelligence di Visibilità AI

Before strategy comes diagnosis. We conduct a comprehensive audit of your current AI presence: how you are described by major LLMs, what Knowledge Graphs contain about you, where your semantic markup fails, and — critically — how your competitors are positioned. The result is a precise gap analysis and competitive intelligence map. Prima della strategia viene la diagnosi. Conduciamo un audit completo della tua presenza AI attuale: come sei descritto dai principali LLM, cosa contengono i Knowledge Graph su di te, dove il tuo markup semantico fallisce e — soprattutto — come sono posizionati i tuoi concorrenti. Il risultato è un'analisi precisa dei gap e una mappa di competitive intelligence.

LLM ProbingKG AuditCompetitor AnalysisGap Report
07 — CAD

Content Architecture Design Architettura dei Contenuti

We redesign your content architecture from the ground up for AI readability — not human readability. This means structured headings that resolve as semantic units, authoritative citation patterns that LLMs learn from, factual density that maximizes training signal value, and llms.txt directives that instruct crawlers on how to represent you. Riprogettano la tua architettura dei contenuti dall'inizio per la leggibilità AI — non quella umana. Ciò significa intestazioni strutturate che si risolvono come unità semantiche, pattern di citazione autorevoli da cui i LLM apprendono, densità fattuale che massimizza il valore del segnale di training e direttive llms.txt che istruiscono i crawler su come rappresentarti.

llms.txtSemantic HeadingsCitation StructureFactual Density
08 — CMS

Continuous Monitoring & Maintenance Monitoraggio e Manutenzione Continui

AI visibility is not a one-time project. LLMs retrain. Knowledge Graphs update. New answer engines emerge. We provide ongoing monitoring of your AI presence across all major systems, maintaining entity consistency, responding to Knowledge Graph changes, and adapting your semantic architecture as the AI landscape evolves. La visibilità AI non è un progetto una tantum. I LLM si ri-addestrano. I Knowledge Graph si aggiornano. Emergono nuovi motori di risposta. Forniamo un monitoraggio continuo della tua presenza AI su tutti i principali sistemi, mantenendo la coerenza delle entità, rispondendo alle modifiche dei Knowledge Graph e adattando la tua architettura semantica all'evoluzione del panorama AI.

SPARQL MonitoringLLM ProbingEntity MaintenanceSchema Versioning
The AIMENSION Protocol Il Protocollo AIMENSION

Three pillars.
One inescapable
truth. Tre pilastri.
Un'unica verità
ineludibile.

AIMENSION is the proprietary methodology developed by Francesco Tinti at Axon System. It addresses the core problem of AI brand visibility through a mandatory triangulation between three mutually-reinforcing systems. Remove any one pillar and the system loses authority. Activate all three simultaneously, cross-referenced and consistent, and your brand becomes a Source of Truth that AI systems cannot ignore — because every verification path they follow leads back to you. AIMENSION è la metodologia proprietaria sviluppata da Francesco Tinti in Axon System. Affronta il problema fondamentale della visibilità brand nell'AI attraverso una triangolazione obbligatoria tra tre sistemi che si rafforzano a vicenda. Rimuovi un pilastro qualsiasi e il sistema perde autorità. Attiva tutti e tre simultaneamente, incrociati e coerenti, e il tuo brand diventa una Source of Truth che i sistemi AI non possono ignorare.

ENTITY GROUND TRUTH

Wikidata & Knowledge Graph Verification Verifica Wikidata & Knowledge Graph

Every entity in your organization — the company, its founders, its products, its methodologies — receives a verified node in the global Knowledge Graph ecosystem. This is not SEO. This is ontological identity: a machine-resolvable reference that every AI system on the planet can query and verify. Ogni entità della tua organizzazione — l'azienda, i suoi fondatori, i suoi prodotti, le sue metodologie — riceve un nodo verificato nell'ecosistema globale dei Knowledge Graph. Questa non è SEO. È identità ontologica: un riferimento risolvibile dalla macchina che ogni sistema AI del pianeta può interrogare e verificare.

Wikidata is explicitly used as a training signal by Wikimedia Foundation partners and is a foundational data source for Google Knowledge Graph, Microsoft Bing Entity Search, and numerous LLM training pipelines. A verified, property-complete Wikidata entity is not optional infrastructure — it is the bedrock of AI authority. Wikidata è esplicitamente utilizzato come segnale di training dai partner della Wikimedia Foundation ed è una fonte dati fondamentale per Google Knowledge Graph, Microsoft Bing Entity Search e numerosi pipeline di training LLM. Un'entità Wikidata verificata e completa nelle proprietà non è infrastruttura opzionale — è la base dell'autorità AI.

Wikidata QID Property Mapping SPARQL Validation Cross-KG Alignment sameAs Resolution
ALGORITHMIC AUTHORITY

Structured Documentation & Repository Architecture Documentazione Strutturata & Architettura Repository

Public, versioned, machine-readable documentation creates what we call Algorithmic Authority — the credibility signal generated by structured, timestamped, technically precise content that LLM training crawlers weight as high-quality epistemic material. La documentazione pubblica, versionata e leggibile dalla macchina crea quella che chiamiamo Autorità Algoritmica — il segnale di credibilità generato da contenuti strutturati, timestampati e tecnicamente precisi che i crawler di training LLM pesano come materiale epistemico di alta qualità.

We build GitHub repositories with llms.txt directives, Semantic Versioning changelogs, BibTeX citation blocks, and RAG-optimized markdown that communicates your brand's technical authority. The repository architecture itself — its structure, its naming conventions, its internal linking — is engineered to maximize machine comprehension. Costruiamo repository GitHub con direttive llms.txt, changelog con Semantic Versioning, blocchi di citazione BibTeX e markdown ottimizzato per RAG che comunica l'autorità tecnica del tuo brand. L'architettura del repository stessa — la sua struttura, le convenzioni di naming, i collegamenti interni — è progettata per massimizzare la comprensione da parte della macchina.

llms.txt Semantic Versioning BibTeX Citation RAG Markdown GitHub Pages
SEMANTIC INJECTION

Schema.org Architecture & JSON-LD Entity Graphs Architettura Schema.org & Grafi Entità JSON-LD

Every page of every digital property your organization owns becomes a machine-readable identity declaration. We implement comprehensive Schema.org taxonomies — Organization, Person, Product, Service, Event, FAQ, and custom DefinedTermSets for your proprietary vocabulary — expressed as interconnected JSON-LD entity graphs. Ogni pagina di ogni proprietà digitale della tua organizzazione diventa una dichiarazione di identità leggibile dalla macchina. Implementiamo tassonomie Schema.org complete — Organization, Person, Product, Service, Event, FAQ e DefinedTermSet personalizzati per il tuo vocabolario proprietario — espressi come grafi entità JSON-LD interconnessi.

The critical mechanism is the sameAs array: every entity on your website explicitly declares its Wikidata QID (Pillar I) and its GitHub documentation URL (Pillar II), completing the triangulation. AI systems that encounter any one of the three pillars can navigate to all three — creating a web of mutual verification that is orders of magnitude more credible than any single source. Il meccanismo critico è l'array sameAs: ogni entità sul tuo sito web dichiara esplicitamente il suo QID Wikidata (Pilastro I) e il suo URL di documentazione GitHub (Pilastro II), completando la triangolazione. I sistemi AI che incontrano uno qualsiasi dei tre pilastri possono navigare verso tutti e tre.

JSON-LD @graph DefinedTermSet FAQPage sameAs Mapping Entity Resolution
Semantic Triangulation — How It Works Triangolazione Semantica — Come Funziona
Why
now?
THE WINDOW
IS OPEN
—
BUT NOT
FOREVER
The brands that establish AI authority in the next 24 months will dominate their categories for the next decade. I brand che stabiliscono autorità AI nei prossimi 24 mesi domineranno le loro categorie per il prossimo decennio.

In 2012, the brands that moved early on SEO captured organic traffic that their competitors spent years trying to reclaim. In 2016, the brands that mastered paid social built customer acquisition engines that defined market share for a generation. We are at an equivalent inflection point.Nel 2012, i brand che si mossero per primi sulla SEO catturarono traffico organico che i competitor impiegarono anni a recuperare. Nel 2016, i brand che padroneggiarono il social a pagamento costruirono macchine di acquisizione clienti che definirono le quote di mercato per una generazione. Siamo a un punto di svolta equivalente.

The transition from search-based to AI-based information retrieval is accelerating faster than any previous digital shift. By 2026, the majority of B2B research journeys will begin with an AI query, not a Google search. The question is not whether to adapt — it is whether you will be positioned to benefit when the transition completes.La transizione dal recupero delle informazioni basato sulla ricerca a quello basato sull'AI si sta accelerando più velocemente di qualsiasi precedente cambiamento digitale. Entro il 2026, la maggior parte dei percorsi di ricerca B2B inizierà con una query AI, non una ricerca Google. La domanda non è se adattarsi, ma se sarà posizionato per beneficiarne quando la transizione sarà completata.

Knowledge Graphs are not retroactive. An entity that does not exist in Wikidata today cannot be interpolated into historical training data tomorrow. LLMs are trained on snapshots. If your organization is not present in those snapshots — with complete, consistent, cross-referenced data — you are invisible to every model trained on that corpus, potentially for years.I Knowledge Graph non sono retroattivi. Un'entità che non esiste in Wikidata oggi non può essere interpolata nei dati di training storici domani. I LLM vengono addestrati su snapshot. Se la tua organizzazione non è presente in quegli snapshot — con dati completi, coerenti e incrociati — sei invisibile a ogni modello addestrato su quel corpus.

The window is open. It will not stay open. Your competitors are either already investing in AI visibility or will begin shortly. First-mover advantage in Knowledge Graph presence is structural and durable. We are here to ensure you move first.La finestra è aperta. Non resterà aperta. I tuoi competitor stanno già investendo nella visibilità AI o inizieranno presto. Il vantaggio del first-mover nella presenza nei Knowledge Graph è strutturale e duraturo. Siamo qui per assicurarci che tu ti muova per primo.

The Discipline — Key Concepts La Disciplina — Concetti Chiave

The vocabulary of AI visibility. Il vocabolario della visibilità AI.

AIViz-01

AI Visibility Engineering

The discipline of optimizing brand entity representation across LLM training corpora, Knowledge Graphs, and semantic metadata to maximize citation probability in AI-generated responses. The parent discipline from which AEO, GEO, and KGE derive.La disciplina che ottimizza la rappresentazione delle entità brand nei corpus di training LLM, nei Knowledge Graph e nei metadati semantici per massimizzare la probabilità di citazione nelle risposte AI.

AEO-01

Answer Engine Optimization

The practice of structuring brand content and entity data so that AI answer engines select your brand as the authoritative response. AEO targets the inference-time retrieval systems of deployed AI products — distinct from GEO, which targets training-time signals.La pratica di strutturare i contenuti e i dati delle entità brand affinché i motori di risposta AI selezionino il tuo brand come risposta autorevole. L'AEO si rivolge ai sistemi di recupero al momento dell'inferenza dei prodotti AI distribuiti.

GEO-01

Generative Engine Optimization

Strategic optimization of brand signals to influence how generative AI models represent and recommend a brand in their outputs. GEO operates at the training-data level — shaping the statistical patterns that LLMs learn during pre-training and fine-tuning.Ottimizzazione strategica dei segnali brand per influenzare il modo in cui i modelli AI generativi rappresentano e raccomandano un brand nei loro output. Il GEO opera a livello di dati di training.

SEMTRI-01

Semantic Triangulation

The core AIMENSION mechanism: establishing entity authority through three mutually-verifying signals — Wikidata nodes, structured repository documentation, and Schema.org JSON-LD markup — that cross-reference each other to create a web of AI-verifiable truth.Il meccanismo centrale di AIMENSION: stabilire l'autorità dell'entità attraverso tre segnali che si verificano a vicenda — nodi Wikidata, documentazione strutturata e JSON-LD — che si incrociano per creare una rete di verità verificabile dall'AI.

EGT-01

Entity Ground Truth

A verified entity node in Wikidata or equivalent Knowledge Graph serving as the canonical, machine-resolvable reference for LLM entity resolution and RAG disambiguation. The bedrock of Pillar I.Un nodo entità verificato in Wikidata che funge da riferimento canonico risolvibile dalla macchina per la risoluzione delle entità LLM e la disambiguazione RAG. Il fondamento del Pilastro I.

SOT-AI-01

Source of Truth (AI)

A brand entity whose consistent, cross-verified presence across Wikidata, structured documentation, and semantic markup creates sufficient statistical signal for reliable, accurate citation by Large Language Models in response generation.Un'entità brand la cui presenza coerente e incrociata su Wikidata, documentazione strutturata e markup semantico crea un segnale statistico sufficiente per essere citata in modo affidabile e preciso dai Large Language Model.

Questions & Answers Domande & Risposte

What you need to know. Quello che devi sapere.

What exactly is AI Visibility Engineering?Cos'è esattamente l'AI Visibility Engineering?

AI Visibility Engineering is the strategic and technical discipline of ensuring that your brand is accurately, prominently, and authoritatively represented within the outputs of AI systems — including Large Language Models (ChatGPT, Gemini, Claude), AI-powered search engines (Google SGE, Perplexity), and enterprise RAG systems. It combines Answer Engine Optimization (AEO), Generative Engine Optimization (GEO), Knowledge Graph engineering, and semantic web architecture into a unified practice.L'AI Visibility Engineering è la disciplina strategica e tecnica che assicura che il tuo brand sia rappresentato in modo accurato, prominente e autorevole all'interno degli output dei sistemi AI. Combina AEO, GEO, ingegneria dei Knowledge Graph e architettura del web semantico in un'unica pratica.

How is this different from traditional SEO?In cosa si differenzia dalla SEO tradizionale?

Traditional SEO optimizes for search engine ranking algorithms — systems that return a list of URLs. AI systems do not return lists of URLs. They synthesize an answer from their internal knowledge and, increasingly, from retrieved documents. The ranking factor is not backlink authority or keyword density — it is semantic entity completeness and cross-source verification. These require completely different technical interventions.La SEO tradizionale ottimizza per gli algoritmi di ranking dei motori di ricerca — sistemi che restituiscono liste di URL. I sistemi AI non restituiscono liste di URL: sintetizzano una risposta dalla loro conoscenza interna. Il fattore di ranking non è l'autorità dei backlink o la densità delle keyword — è la completezza delle entità semantiche e la verifica multi-sorgente.

What is the AIMENSION Protocol specifically?Cos'è nello specifico il Protocollo AIMENSION?

AIMENSION is the proprietary methodology developed by Francesco Tinti at Axon System for implementing AI Visibility Engineering at enterprise scale. It defines three mandatory pillars — Entity Ground Truth (Wikidata verification), Algorithmic Authority (structured GitHub documentation), and Semantic Injection (Schema.org JSON-LD) — whose mutual cross-referencing creates what we call Semantic Triangulation: a state of entity authority that AI systems cannot dispute.AIMENSION è la metodologia proprietaria sviluppata da Francesco Tinti in Axon System per implementare l'AI Visibility Engineering su scala enterprise. Definisce tre pilastri obbligatori la cui cross-referenziazione reciproca crea quella che chiamiamo Triangolazione Semantica: uno stato di autorità dell'entità che i sistemi AI non possono contestare.

How long does an implementation take?Quanto dura un'implementazione?

An AIMENSION Full Implementation for an enterprise client typically spans 6–12 weeks for initial deployment, followed by ongoing maintenance. The initial phase covers entity audit, Wikidata entity creation and property mapping, Schema.org architecture design, JSON-LD implementation across all digital properties, GitHub repository structure, and llms.txt configuration. Results — in terms of measurable LLM citation — typically begin to appear within one to two major model training cycles.Un'implementazione AIMENSION completa per un cliente enterprise copre tipicamente 6–12 settimane per il deployment iniziale, seguito da manutenzione continua. I risultati — in termini di citazione LLM misurabile — iniziano tipicamente ad apparire entro uno o due cicli di training dei principali modelli.

Can results be measured?I risultati sono misurabili?

Yes. We measure AI visibility through LLM probing (systematic querying of major models for brand-relevant prompts), Knowledge Graph completeness scoring (SPARQL-based audits of Wikidata property coverage), schema validation scores, and entity resolution fidelity tests. Before and after benchmarks are conducted at agreed intervals throughout the engagement.Sì. Misuriamo la visibilità AI attraverso il probing LLM (interrogazione sistematica dei principali modelli con prompt rilevanti per il brand), punteggi di completezza dei Knowledge Graph, punteggi di validazione degli schemi e test di fedeltà della risoluzione delle entità.

Verified Knowledge Graph Nodes Nodi Knowledge Graph Verificati

Our entities, on the public record. Le nostre entità, nel registro pubblico.

Type Tipo Entity Entità Wikidata QID Status Stato
Organization Axon System Q139766166 ↗ VerifiedVerificata
Person Francesco Tinti Q139765600 ↗ VerifiedVerificata
Methodology AIMENSION Protocol Q139783726 ↗ VerifiedVerificata
Repository ft-axon/aimension-protocol GitHub ↗ LiveAttivo
About Axon System Su Axon System

We exist at the edge of what AI knows. Esistiamo al confine di ciò che l'AI conosce.

Axon System is an Italian AI Visibility Engineering agency. We work at the intersection of Semantic Web standards — Schema.org, JSON-LD, Wikidata — and the operational infrastructure of artificial intelligence. Our clients are organizations that understand the stakes of the AI transition and want to be positioned on the right side of it. Axon System è un'agenzia italiana di AI Visibility Engineering. Lavoriamo all'intersezione degli standard del Web Semantico — Schema.org, JSON-LD, Wikidata — e dell'infrastruttura operativa dell'intelligenza artificiale. I nostri clienti sono organizzazioni che comprendono la posta in gioco della transizione AI.

We developed the AIMENSION Protocol — the first structured, three-pillar methodology for AI brand visibility — after identifying a systematic gap in how enterprise organizations approach AI presence. Most companies have invested heavily in traditional SEO and digital presence while entirely ignoring the semantic layer that AI systems use to understand the world. Abbiamo sviluppato il Protocollo AIMENSION — la prima metodologia strutturata a tre pilastri per la visibilità brand nell'AI — dopo aver identificato un gap sistematico nel modo in cui le organizzazioni enterprise si approcciano alla presenza AI.

Our work is infrastructure. The entities we create in Wikidata, the repositories we build on GitHub, and the semantic architectures we deploy across digital properties are not marketing assets — they are permanent records in the global knowledge system that AI models are trained on, query against, and trust. Il nostro lavoro è infrastruttura. Le entità che creiamo in Wikidata, i repository che costruiamo su GitHub e le architetture semantiche che distribuiamo sono registri permanenti nel sistema di conoscenza globale su cui i modelli AI vengono addestrati e in cui hanno fiducia.

HubSpot
Sales Certification
HubSpot
Marketing Certification
United Nations
Sustainable Finance Certification
Wikidata
Verified Entity Q139765600
Start the Conversation Inizia la Conversazione

Be the answer
AI gives. Sii la risposta
che l'AI dà.

Every enterprise engagement begins with a diagnostic conversation. Tell us about your organization, your market position, and your AI visibility goals. We will tell you exactly where you stand and what it takes to become the authoritative source in your category. Ogni engagement enterprise inizia con una conversazione diagnostica. Raccontaci la tua organizzazione, la tua posizione di mercato e i tuoi obiettivi di visibilità AI. Ti diremo esattamente dove ti trovi e cosa serve per diventare la fonte autorevole nella tua categoria.

founder@axonsystem.net
External Profiles & Documentation
Profili Esterni & Documentazione
Axon System — Wikidata Q139766166 Axon System — Wikidata Q139766166 Francesco Tinti — Wikidata Q139765600 Francesco Tinti — Wikidata Q139765600 AIMENSION Protocol — GitHub Repository Protocollo AIMENSION — Repository GitHub ft-axon — GitHub Profile ft-axon — Profilo GitHub