Information Discovery ist die leistungsfähige Analyse-Plattform für unstrukturierte Daten, mit der Sie schnell aussagekräftige Informationen und wertvolle Erkenntnisse aus Ihren Texten gewinnen können. Sie sammelt und analysiert viele Arten von Dokumenten, z.B. Patente, Forschungsliteratur, Datenbankinhalte, Webseiten und unternehmensinterne Datenbestände und findet Einsatz in zahlreichen internationalen Unternehmen der Pharma-, Gesundheits- und Automobilbranche.

In den letzten Monaten hat Averbis die Information Discovery in kurzer Abfolge die Versionen 4.9 bis 4.11 mit einer Vielzahl an Verbesserungen und Erweiterungen veröffentlicht. Highlights sind die neuen Module Terminologie-Editor für die Pflege von Terminologien und Annotation-Editor zur Visualisierung von Text-Mining-Ergebnissen, sowie die horizontale Skalierbarkeit der Text-Mining-Pipelines für verschiedenste Big-Data-Szenarien.

Hier die wichtigsten Neuerungen der Versionen 4.9 bis 4.11 im Überblick:

• Mit dem neu entwickelten Terminologie-Editor lassen sich Terminologien nun direkt in Information Discovery bearbeiten und nahtlos in Text-Mining-Pipelines integrieren.
• Textanalyse-Pipelines lassen sich ab jetzt auf beliebig vielen Maschinen horizontal verteilen. Die Verteilung lässt sich vollständig über die grafische Administration innerhalb der Information Discovery steuern.
• Mit dem neuen Annotation Editor lassen sich Textanalyse-Ergebnisse grafisch visualisieren und editieren.
• Die Evaluationsworkbench erlaubt den Vergleich verschiedener Text-Mining-Pipelines bzgl. Precision, Recall, F1 und Standardabweichung.

Information Discovery ist die leistungsfähige Analyse-Plattform für unstrukturierte Daten, mit der Sie schnell aussagekräftige Informationen und wertvolle Erkenntnisse aus Ihren Texten gewinnen können. Sie sammelt und analysiert viele Arten von Dokumenten, z.B. Patente, Forschungsliteratur, Datenbankinhalte, Webseiten und unternehmensinterne Datenbestände und findet Einsatz in zahlreichen internationalen Unternehmen der Pharma-, Gesundheits- und Automobilbranche.

Mit der neuen Version haben wir unsere Plattform Information Discovery erneut überarbeitet und die Schnittstellen und Konfigurationsmöglichkeiten entscheidend verbessert.

Hier die wichtigsten Neuerungen der Version 4.8.0
im Überblick:

• Neu! Grafische Konfiguration und Administration von Textanalyse-Pipelines
• Neu! Monitorierung von Durchsatzzahlen auf Pipeline- als auch Komponenten-Ebene
• Neu! RESTful Textmining-Webservices per Swagger Framework
• Neu! Zusätzliche Konnektoren zu Dateisystemen und Datenbanken
• Neu! Zahlreiche Verbesserungen für skalierbare und verteilte Anwendungen
• Diverse Bugfixes

Individualisierte mathematische/systemmedizinische Modelle zur Entwicklung von Krankheitsprozessen haben das Potenzial zukünftige Gesundheitsereignisse und das individuelle Therapieergebnis vorherzusagen. Solche prädiktiven Modelle können Klinikern bei der Diagnose und Behandlung ihrer Patienten unterstützen und Patienten helfen, ihre Erkrankung besser zu verstehen. Für die Entwicklung dieser mathematischen Vorhersagemodelle müssen in großem Umfang unterschiedlichste klinische Patientendaten aus den Informationssystemen zusammengetragen, harmonisiert und analysiert werden. Dabei ist der Datenschutz beim Umgang mit persönlichen und sensiblen Patienteninformationen sicherzustellen. Die aus der Analyse der Daten gewonnenen komplexen Vorhersagemodelle müssen zunächst in aufwendigen klinischen Studien auf ihre Vorhersagegenauigkeit hin überprüft werden, bevor sie in der Praxis eingesetzt werden können. Bislang haben dies nur wenige Modelle geschafft.

Das BMBF-Projekt »XplOit« will den aufwendigen Prozess der Bereitstellung und Zusammenführung klinischer Daten, der Modellentwicklung und deren Validierung sowie Verfügbarmachung für die klinische Nutzung erleichtern und beschleunigen. Dies soll mit einer neuen Generation fortschrittlicher, sogenannter semantischer Datenintegrations- und Informationsextraktionswerkzeuge gelingen, die zusammen mit einer Modellierungswerkbank in eine IT-Plattform integriert sind.

© Fraunhofer IBMT, MEV Verlag

Die »XplOit«-Plattform wird zunächst für die Entwicklung und Validierung von Vorhersagemodellen zur Verbesserung der Behandlung nach Stammzelltransplantation zugeschnitten. Die Transplantation blutbildender Stammzellen von Spendern wird beispielsweise zur Therapie verschiedener Formen der Leukämie eingesetzt. Dabei können lebensbedrohliche Komplikationen auftreten, wie zum Beispiel Virusinfektionen oder Transplantat-gegen-Wirt-Reaktionen. Auch Krankheitsrückfälle werden immer wieder beobachtet. Zurzeit ist es noch nicht möglich mit hoher Genauigkeit vorherzusagen, bei welchen Patienten diese Komplikationen auftreten und lebensrettende Maßnahmen werden oft zu spät eingeleitet. Mit Hilfe der »XplOit«-Plattform sollen präzise Vorhersagemodelle entwickelt werden, die individuell für jeden Patienten mögliche Komplikationen voraussagen, um durch rechtzeitige klinische Intervention vorbeugen oder frühzeitig entgegenwirken zu können.

Das im März 2016 gestartete und auf 5 Jahre ausgelegte Verbundvorhaben »XplOit« wird von einem international erfahrenen, multidisziplinären Team von Experten aus den Bereichen Medizin, Systembiologie, Computerlinguistik sowie Medizin- und Bioinformatik umgesetzt. Es wird vom Fraunhofer-Institut für Biomedizinische Technik IBMT koordiniert, das auch die Federführung bei der Entwicklung der »XplOit«-Plattform innehat und Kernkomponenten zur Informationsextraktion, -integration und -analyse beiträgt. Das Institut für Formale Ontologien und Medizinische Informationswissenschaft der Universität des Saarlandes ist hauptverantwortlich für das sogenannte Semantische Integrationsframework der Plattform. Die Firma Averbis trägt Werkzeuge zur Informationsextraktion aus klinischen Textdokumenten bei. Informatiker der Klinik für Pädiatrische Onkologie und Hämatologie der Universität des Saarlandes sind zuständig für Datenschutz und entwickeln Pseudonymisierungstools und Teile der Modellierungswerkbank des Systems.

Die Modellentwicklung selbst erfolgt durch das Max-Planck-Institut für Informatik und die Klinische Pharmazie der Universität des Saarlandes. Klinische Expertise und Daten werden durch die Klinik für Innere Medizin I – Onkologie, Hämatologie, Klin. Immunologie, Rheumatologie und das Institut für Virologie der Universität des Saarlandes sowie durch die Klinik für Knochenmarkstransplantation und das Institut für Virologie des Universitätsklinikums Essen bereitgestellt. Die klinischen Partner werden unter Koordination durch das Institut für Virologie der Universität des Saarlandes die mit Hilfe der »XplOit«-Plattform entwickelten prädiktiven Modelle für die Stammzelltransplantation auch validieren.

Eine Basisversion der »XplOit«-Plattform wird den beteiligten Unikliniken und Modellentwicklern im Herbst 2018 zur Verfügung stehen. Erste prototypische Vorhersagemodelle für die Stammzelltransplantationsmedizin werden für Anfang 2019 erwartet.

XplOit wird im Rahmen der Initiative i:DSem – Integrative Datensemantik in der Systemmedizin vom Bundesministerium für Bildung und Forschung gefördert.

Laufzeit: 01.03.2016 – 28.02.2021

Ansprechpartner:

Dr.-Ing. Gabriele Weiler / Dipl.-Inform. Stephan Kiefer
Projektkoordinatoren XplOit
Fraunhofer-Institut für Biomedizinische Technik IBMT
Joseph-von-Fraunhofer-Weg 1
66280 Sulzbach

Telefon: 06894/980-156

E-Mail: gabriele.weiler@ibmt.fraunhofer.de / stephan.kiefer@ibmt.fraunhofer.de

Projektpartner:

Fraunhofer-Institut für Biomedizinische Technik IBMT, St. Ingbert (Koordinator)

Universität des Saarlandes

Max-Planck-Institut für Informatik, Saarbrücken

Universitätsklinikum Essen

Averbis GmbH, Freiburg

Information Discovery speziell für den Healthcare-Bereich – das war das Ziel des Forschungsprojekts SEMCARE (Semantic Data Platform for Healthcare). Gemeinsam mit Europäischen Partnern aus Industrie, Hochschule und Klinik haben wir als Koordinatoren in diesem EU-geförderten Projekt die neue Data-Analytics-Plattform Information Discovery for Healthcare entwickelt.

Die in SEMCARE entwickelte Software unterstützt Kliniken bei der Diagnosestellung von Erkrankungen, der Wahl geeigneter Therapien und erleichtert die Auswahl geeigneter Patienten für klinische Studien. Basierend auf unserer bewährten Information Discovery-Technologie wurde im SEMCARE-Projekt eine Plattform geschaffen, die neueste Text-Mining Technologien und multilinguale Semantik verbindet. Medizinspezifische Spracheigenheiten, Terminologien und Vokabeln wurden integriert und ermöglichen das Harmonisieren und die Analyse von strukturierten und unstrukturierten Patientendaten unterschiedlichster Quellen. Medizinische Dokumente können auf Diagnosen, Symptome, Verordnungen und andere Kriterien durchsucht werden. Das Zusammenstellen von Patientengruppen anhand spezieller Eigenschaften, beispielsweise für Klinische Studien, ist somit komfortabel mit wenigen Mausklicks möglich.

Text-Mining trifft auf Patientendaten

Information Discovery for Healthcare wurde entwickelt, um spezifische Patientendaten nach definierten klinischen Kriterien zu bündeln. Die Technologie ermöglicht es, einzelne Kriterien wie Alter, Geschlecht, Diagnose, Indikation, Symptome oder Laborergebnisse in Dokumenten unterschiedlicher Quellen aufzufinden und auszuwerten. Leistungsstarke Volltextsuche und semantische Textanalysen sind dabei zu einer hybriden semantischen Volltextsuche verbunden. Die semantische Integration von heterogenen, unstrukturierten und strukturierten Datenquellen zum Identifizieren von Informationen und Dokumenten, aber auch die individuelle Datenauswertung und -darstellung wird ermöglicht.

Die Basisfunktion der Software benötigt ausschließlich Zugriff auf die entsprechenden Textdokumente, unabhängig vom Format wie PDF, RTF, TXT oder anderen. Daten-Export zu Plattformen wie i2b2 und tranSMART wird unterstützt. Offene Schnittstellen erlauben außerdem das Einbinden in bestehende Krankenhaus-Informationssysteme.

Unser Proof of Concept

Bereits während der SEMCARE-Projektlaufzeit wurde die Plattform an drei Europäischen Pilotstandorten in London, Rotterdam und Graz evaluiert. Information Discovery for Healthcare wurde dabei im Bereich kardiovaskulärer Erkrankungen eingesetzt. Anhand spezifischer Biomarker und Symptomkombinationen wurden erfolgreich Hochrisikopatienten identifiziert, die aufgrund ihrer ischämischen Herzkrankheit gefährdet sind, an plötzlichen Herzrhythmusstörungen zu versterben. Das frühzeitige Erkennen dieser Gefahr kann genutzt werden, um mit geeigneten Therapien vorzusorgen und damit die Mortalität dieser Patientengruppe zu senken.

Datenschutz im Einklang mit internationalen Standards

Information Discovery for Healthcare wurde konform der gesetzlichen Regelungen zum Datenschutz entwickelt. Ein vielschichtiges Konzept der Datennutzung regelt Zugriffrechte und gewährleistet dabei höchste Sicherheitsmaßnahmen:

• Installation ausschließlich in einzelnen Krankenhäusern: keine übergeordnete Sammlung von Daten mehrerer Krankenhäuser in zentralen Datenbanken
• Integration in lokale Zugangs-Kontrollsysteme: nur mit freiem Zugang zum elektronischen Patientendatensystem können auch die Daten der Information Discovery eingesehen werden
• Automatisierte, retrospektive Analyse von Patientendaten: Limitierter Zugriff auf Daten der eigenen Abteilung eines Nutzers
• Keine klinischen Daten verlassen das Krankenhaus

Eine Plattform – vielfältiger Einsatz

Information Discovery for Healthcare ist eine moderne Analyseplattform, die Nutzern ein umfassendes, semantisches Durchsuchen von medizinischen Dokumenten ermöglicht. Sie gibt Einblick in strukturierte und unstrukturierte Patientendaten und ermöglicht flexible und umfangreiche Datenanalysen und -korrelationen. Mit ihrer umfangreichen Funktionalität kann die Plattform in unterschiedlichsten Anwendungsbereichen in der Gesundheitswirtschaft eingesetzt werden.

Information Discovery ist die leistungsfähige Analyse-Plattform für unstrukturierte Daten, mit der Sie schnell aussagekräftige Informationen und wertvolle Erkenntnisse aus Ihren Texten gewinnen können. Sie sammelt und analysiert viele Arten von Dokumenten, z.B. Patente, Forschungsliteratur, Datenbankinhalte, Webseiten und unternehmensinterne Datenbestände und findet Einsatz in zahlreichen internationalen Unternehmen der Pharma-, Gesundheits- und Automobilbranche.

Mit der neuen Version haben wir unsere Plattform Information Discovery erneut überarbeitet und wieder die Gelegenheit genutzt, die Benutzeroberfläche eingehend zu verbessern.

Hier die wichtigsten Neuerungen der Version 4.5.0 im Überblick:

• Neu! Deutlich verbesserte Performance des Dateisystem-Crawlers
• Neu! Zusätzliche Konfigurationsmöglichkeiten hinsichtlich der Indexierung
• Neu! Konfigurierbare Facetten: Facetten können nun als UND- oder ODER-Verknüpfungen konfiguriert werden. Dadurch lassen sich Suchabfragen noch schneller und einfacher konfigurieren. Innerhalb der Facetten können Sie sich nun sofort auch die nächsten Einträge dynamisch nachladen
• Diverse Bugfixes

Weltweit sind Gesundheitssysteme großen Umstrukturierungen unterworfen, die in zunehmender Regulierung, auf Rekordniveau liegenden Staatsschulden und schrumpfenden Budgets begründet sind. Traditionell getrennte Bereiche der Gesundheitsindustrie wie Leistungserbringer, Kostenträger und Pharmaunternehmen suchen nach Möglichkeiten der Zusammenarbeit, um die Qualität der Gesundheitsversorgung und die Patientensicherheit zu verbessern und zugleich die Kosten zu senken.

Da sich die Medikamentenentwicklung zunehmend verteuert und die Produktivität in Forschung und Entwicklung nachlässt, sind Pharmaunternehmen bestrebt, Medikamente kosteneffizienter und zielorientierter zu entwickeln.

Der Zugriff auf klinische Daten spielt dabei eine wichtige Rolle, beispielsweise um Machbarkeitsstudien für Studienprotokolle durchzuführen und Patienten für klinische Studien zu rekrutieren. Die Identifizierung und Rekrutierung geeigneter Patienten und das Finden von Prüfzentren sind die Hauptgründe für Verzögerungen bei klinischen Studien.

Derzeit gelingt es der Hälfte der klinischen Studien nicht, die für die Studie vorgeschriebene Zahl an Probanden zu finden; nur 18% der in Europa basierten und 7% der in den USA basierten Studien schließen ihren Rekrutierungsprozess rechtzeitig ab. Verzögert sich die Markteinführung eines Medikaments um nur einen Tag, kann dies Pharmaunternehmen bis zu 8 Millionen US-Dollar kosten.

Die Auswertung medizinischer Routinedaten beinhaltet jedoch einige typische „Big Data“-Herausforderungen, einschließlich der Frage, wie man die wachsende Menge von Patientendaten effizient sammelt, standardisiert und semantisch auswertet. In den vergangenen 10 Jahren ist die Informationsflut im Gesundheitswesen förmlich explodiert, bedingt durch Fortschritte bei der Genomsequenzierung, durch die Einführung elektronischer Gesundheitsakten, durch die Generierung von Daten für klinischen Studien, durch soziale Netzwerke sowie durch medizinische Geräte (einschl. Smartphones und Fitness-Überwachungsgeräte). Dies erfordert den Einsatz moderner Textmining- und Datamining-Werkzeugen, um aus diesen Daten Erkenntnisse zu gewinnen.

Averbis möchte die Zusammenarbeit zwischen den pharmazeutischen und medizintechnischen Unternehmen und den Gesundheitsdienstleistern verbessern und den Zugriff auf medizinische Daten für die Forschung erleichtern. Wir bieten Textmining- und Datamining-Software und Services, die den Zugriff auf große, homogene Patientenpopulationen in Echtzeit ermöglichen, Patientenrekrutierung vereinfachen und hierduch die klinische Forschung unterstützen. Mit unserer Software können medizinische Dokumente nach Diagnosen, Symptomen, Verordnungen, besonderen Befundmerkmalen und weiteren Kriterien analysiert und durchsucht werden. Heterogene Patientendaten in strukturierter und unstrukturierter Form werden harmonisiert und normalisiert. So lassen sich Patientenkohorten mit wenigen Mausklicks zusammenstellen – sei es für Machbarkeitsstudien und Patientenrekrutierung für klinische Studien, zur Diagnoseunterstützung bei seltenen Krankheiten oder zur Unterstützung der medizinischen Kodierfachkräfte bei der medizinischen Leistungsabrechnung.

Mit unserer Software heben Krankenhäuser ihre Datenschätze und erhöhen ihre Chancen auf Teilnahme an von der Industrie gesponserten klinischen Studien und verbessern ihre Wettbewerbsfähigkeit bei der Vergabe von Forschungsgeldern.

Mitte 2016 wird eine neue Reihe von Vorschriften über Produktkonformität mit europäischen Industriestandards für Pharma- und Life-Science-Unternehmen eingeführt. Identifizierung von Arzneimitteln (IDMP; Identification of Medicinal Products) ist ein Rahmen von detaillierten Beschreibungen von Stoffen, Zusammensetzungs- und Dosierungsformen, Produktionsverfahren und Verpackungen. Diese IDMP-Standards erfordern die Identifikation aller pharmazeutischen Produkte nach bestimmten Daten-Standards, die von der ISO (Internationale Organisation für Normung) festgelegt werden. ISO hat fünf IDMP-Standards vorgestellt; diese zielen auf die genaue Identifizierung von Arzneimitteln für den menschlichen Gebrauch mit einem hohen Maß an Sicherheit ab.

Mit Europa als erste Region, die die Standards zur Identifizierung von Arzneimitteln (IDMP) bis zum 1. Juli 2016 übernimmt, läuft die Zeit für Life-Science-Unternehmen, um diesen Standards zu entsprechen, ab. Es wird erwartet, dass die US Food and Drug Administration (FDA) und die japanische Pharmaceutical and Medical Devices Agency (PMDA) der Initiative der Europäischen Arzneimittel-Agentur (EMA) folgen werden. EMA ist die erste Regulierungsagentur, die Life-Science-Unternehmen dazu anhält, den ISO-Normen zu entsprechen. Im Falle der Nichteinhaltung werden Organisationen hohe Geldstrafen auferlegt. Life-Science-Unternehmen müssen daher schnell einen Datenstandardisierungsprozess einrichten, der robust, zuverlässig und flexibel genug ist, um diese unterschiedlichen regulatorischen Anforderungen zu erfüllen.

Die wichtigsten Herausforderungen aus der Perspektive der Umsetzung der Compliance sind:

• Ein enorm straffer Zeitplan. Life-Science-Unternehmen sind verpflichtet, den Anforderungen vor Juli 2016 zu entsprechen. Aber die endgültigen Umsetzungsrichtlinien der EMA wurden erst Ende 2015 zur Verfügung gestellt. Dies lässt Organisationen ein Zeitfenster von weniger als einem Jahr, um den neuen Normen zu entsprechen.
• Die Notwendigkeit, zwischen Geschäftseinheiten zusammenzuarbeiten. Die Produktstammdaten, die erforderlich sind, um die IDMP-Standards zu erfüllen, sind in einer großen Reihe von Geräten und Systemen in Life-Science-Unternehmen und ihren Zulieferern vorhanden.
• Ein massiv unstrukturierter Datenpool. Bisher wurden die meisten Daten den Regulatoren in heterogenen Formaten wie pdf-, doc- und txt-Dateien vorgelegt. Details über Stoffe, wie beispielsweise die Zusammenfassung der Merkmale des Arzneimittels (SmPC), Herstellungslizenzen, Chemie, Dokumente zu Herstellung und Kontrolle (CMC) usw. sind in einer breiten Reihe von Quellsystemen in den Organisationen vorhanden.

In Bezug auf den letzten Punkt sind Text-Mining-Technologien von entscheidender Bedeutung für die Bewältigung der Komplexität und Heterogenität von unstrukturierten Daten. Text-Mining bezieht sich auf den Prozess der Ableitung hochwertiger Informationen aus einem Text; ein Prozess, der in der Lage ist, schnell relevante Informationen aus Textquellen zu extrahieren und heterogene Daten in verschiedenen IDMP-relevante Quellen, wie SmPC Dokumente, zu strukturieren. Relevante Informationen umfassen Produktnamen, Inhaltsstoffe, Hilfsstoffe, pharmazeutische Darreichungsformen, Stärken und Einheiten unerwünschte Nebenwirkungen und vieles mehr. Diese Informationen werden einem standardisierten Vokabular zugeordnet, wie in den oben genannten ISO-Normen festgelegt und wie in der folgenden Abbildung dargestellt.

Nehmen wir unerwünschte Nebenwirkungen als Beispiel, um die Komplexität der Aufgabe und die Fähigkeiten der fortschrittlichen Text-Mining-Lösungen zu zeigen. Nebenwirkungen sind in der Regel in Abschnitt 4.8 „Nebenwirkungen“ von SmPC-Dokumenten aufgeführt. Sie liegen meist in verschiedenen Tabellenformaten vor, können aber auch in einer Textstelle gefunden werden. Nebenwirkungen werden kodiert / dem MedDRA-Vokabular zugeordnet. Die für die Extraktion beabsichtigten Informationen bestehen aus mehreren Elementen aus der Tabelle. Beispielsweise werden Nebenwirkungen in der Regel im Zusammenhang mit ihrer Systemorganklasse (SOC) und Häufigkeit aufgelistet. Text-Mining-Lösungen müssen in der Lage sein, solche komplexen Informationen und Beziehungen aus Tabellen zu extrahieren und sie automatisch den MedDRA-Codes zuzuordnen.

Wenn eine Text-Mining-Lösung in der Lage ist, diese Anforderungen mit hoher Präzision zu erfüllen, dann wird sie pharmazeutischen Unternehmen eine Menge Zeit und Geld sparen. Sie schafft eine einheitliche und homogenisierte Reihe von Produktstammdaten und ermöglicht eine signifikante Analyse. Dies liefert neue Erkenntnisse in Bereichen, wie z. B. Überwachung nach der Markteinführung, Konkurrenzanalyse, Lieferkette und Vertrieb / Marketing. Aufwendungen im Zusammenhang mit der Verwaltung, Integration, Wartung und der Abstimmung von Daten über Funktionen und Standorte hinweg werden reduziert.

Averbis bietet Lösungen, die es Unternehmen ermöglichen, IDMP in der vorgegebenen Zeit zu entsprechen und Datenressourcen zu nutzen. Bitte kontaktieren Sie uns, um mehr zu erfahren.

Information Discovery ist die leistungsfähige Analyse-Plattform für unstrukturierte Daten, mit der Sie schnell aussagekräftige Informationen und wertvolle Erkenntnisse aus Ihren Texten gewinnen können. Sie sammelt und analysiert viele Arten von Dokumenten, z.B. Patente, Forschungsliteratur, Datenbankinhalte, Webseiten und unternehmensinterne Datenbestände und findet Einsatz in zahlreichen internationalen Unternehmen der Pharma-, Gesundheits- und Automobilbranche.

Mit der neuen Version haben wir unsere Plattform Information Discovery überarbeitet und die Gelegenheit genutzt, die Benutzeroberfläche eingehend zu verbessern.

Hier die wichtigsten Neuerungen der Version 4.4 im Überblick:

• Neu! Deutlich verbesserte Bedienung & Konfiguration in einer intuitiven Benutzeroberfläche
• Neu! Intuitiver Query-Builder zur Zusammenstellung von komplexen Suchanfragen
• Neu! Die Weboberfläche steht einheitlich mehrsprachig zur Verfügung
• Neu! Möglichkeit zur Verwaltung mehrerer Projekte innerhalb einer Instanz
• Neu! Einheitliches Nutzer- und Rechtemanagement
• Neu! Optionale Unterstützung von Single-Sign-On
• Neu! Einheitlicher Dokumentenimport und -export
• Verbesserte Hilfefunktionen
• Neue, zukunftsweisende Technologien wie z.B. Spring 4, JPA 2, AngularJS, Bootstrap, HTML5 und eine einheitliche REST API