ICE-Analysis ist eine Plattform für die inhaltliche Analyse und Strukturierung von Text-Inhalten. Mit Hilfe von Komponenten der Künstlichen Intelligenz und Sprachtechnologie werden Dokumente so aufbereitet, dass sie besser archiviert, leichter gefunden und gezielter verteilt werden können.

Mit Hilfe der intelligenten und automatisierten Analyse-Prozesse von ICE-Analysis können Dokumentenbestände inhaltlich angereichert und strukturiert werden und so Datenflüsse und Datenzugriffe besser gesteuert werden.

ICE-Analysis umfasst zentrale Erschließungsmodule für die Inhaltsanalyse

• Autokategorisierung auf Basis von Regeln oder lernenden Algorithmen
• Automatische Erkennung von thematischen Gruppierungen oder Text-Clustern
• Parametrisierbare Dubletten-Erkennung zur Daten-Bereinigung und Filterung
• Sprachenidentifikation zur Steuerung in mehrsprachigen Umgebungen
• Extraktion von Schlagwörtern oder spezifischen inhaltlichen Details (NER)

Anwendungsgebiete von ICE-Analysis sind u.a.

• Strukturierung von Dokumenten für eine intelligentere Suche
• Profil-bezogene Analyse für Push-Services (z.B. Newsletter oder RSS)
• Aufbereitung von Texten für die Ablage in Archiven oder Intranets
• Analyse von Datenbeständen für Business Intelligence oder Marktforschung
• Anreicherung von Dokumenten in Content Management Systemen  

ICE-Analysis bietet eine flexible Workbench für den Aufbau und die Konfiguration von Erschließungsabläufen im Umfeld von Knowledge Engineering und Wissensmanagement. Nutzer haben hier die Möglichkeit, ihr Fachwissen schnell in intelligente Analyse-Prozesse umzusetzen. Mit geringem technischen Grundwissen können sie die einzelnen Erschließungskomponenten selbst warten, testen und zur Anwendung bringen.

• Über einfache Drag&Drop-Funktionen können Analyse-Komponenten zu einem bedarfsorientierten Erschließungsworkflow zusammengestellt werden.
• Die einzelnen Module können über die graphische Oberfläche individuell konfiguriert und parametriert werden.
• Komplexe Wissensmodelle für die Kategorisierung können mit einfachen Methoden entwickelt, versioniert, getestet und angewandt werden. Für die lernfähige Kategorisierung können dabei u.a. Trainingsdaten aus einem Pool von Dokumenten semi-automatisch akquiriert werden.
• Umfangreiche Test- und Statistik-Funktionen unterstützen das Benchmarking der Erschließungsprozesse.
• Alle Module können mehrsprachig eingesetzt und konfiguriert werden.
• ICE ist mandantenfähig, sodass verschiedene Workflows parallel zu einander entwickelt und angewandt, Komponenten und Wissensmodelle gleichzeitig aber wiederverwendet werden können.
• Entwicklung, Test und operatives Deployment von Erschließungsworkflows können wahlweise integriert in einer Instanz oder verteilt auf mehrere Instanzen erfolgen. ICE ist dadurch hochskalierbar und auch für die Anwendung in Cluster-Umgebungen geeignet.
• ICE kann durch eine Service-orientierte Architektur (SOA) leicht in bestehende Systemumgebungen und Datenflüsse integriert werden. Der Datenaustausch und die Einbindung kann über einen XML-Standard per Web-Service, RMI, Filesystem oder Datenbankschnittstelle erfolgen.