Von der aseaco AG wurden Beratungs- und Software-Frameworks entwickelt, die das Stammdatenmanagement unterstützen. Beratungskomponenten hatten sich stark auf die DAMA (DMBOK) Ansätze abgestützt. Diese Komponenten wurden seinerzeit unter dem Begriff BOF (Business Objects Framework) entwickelt. Insbesondere entstanden Produktreplikations-API´s, die noch heute in dem /ASEACO/DRF ihren Niederschlag finden. Java-basierte Technologien wurden als Webfrontend aber auch Integrationslösungen eingesetzt. Flexibilität in diesen Lösungen wurde stark durch den Einsatz von Frameworks wie Apache Cocoon (XML basiertes Publishing Framework) erreicht.

Große Stammdatenlösungen sind im Handel, im Maschinenbau und in der Pharmaindustrie implementiert worden.

Es wurde erkannt, dass ausgehend von den Stammdaten, die Ankerdatenmodelle bilden, universelle Datenverlinkungen sinnvoll sind. Die ersten Versionen des UIF® sind entstanden, die XML basierte „In Memory“-Funktionen zur Verfügung gestellt haben. Diese Funktionen konsumierten aus Applikationen hierarchische Strukturen, um diese dann z.B. in der Welt des Enterprise 2.0 oder des Dokumentenmanagements zu übertragen. Die ersten hoch integrierten Lösungen entstanden, die z.B. aus dem Projektsystem des SAP eine Projektstruktur entnommen haben und eine Wiki Struktur mit entsprechendem Berechtigungskonzept erzeugt hat.

Die theoretischen Grundlagen des „Ubiquitous Information Managements“ wurden bereits ab 2007 durch die aseaco AG ausformuliert und bilden heute noch die Grundlagen für die UIF® Platform. Dazu gehören insbesondere Ideen zur Datenarchitekturentwicklung, lose gekoppelte Organisationen, die über Collaboration Center gesteuert werden. Dazu wurde ein umfassendes Methodenset entwickelt (Methode zur Einführung von Collaboration Management Szenarien unter Nutzung des aseaco Ubiquitous Information Frameworks), das permanent gepflegt wird.

Wichtige Grundlagen zur Strukturierung des Ontologie Begriffs wurden bereits im Jahr 2013 gelegt. Der Zusammenhang zwischen Collaboration Management, Datenmanagement und Wissensmanagement wurde erforscht und dokumentiert.

Die Fähigkeiten der Plattform kontextbasierte ubiquitäre Systeme zur Verfügung zu stellen wurden gestärkt. ORF wurde entwickelt, um dem UIF® eine graphorientierten Zugriff und Verwaltung von Daten zu ermöglichen. Daten können in Taxonomien eingeordnet werden. Spezielle Nodes, die externe Datenressourcen adressieren, und in den Graph und seiner Ontologie eingeordnet sind, erweitern die Informationen um Datenbestände klassischer Applikationen. Damit ist die Grundlage für die semantische Informationsintegration gelegt. Darüber hinaus wird nicht mehr nur auf zentrale Publishingkonzepte, wie Cocoon gesetzt, sondern mittels Json Forms die UI zum integralen Bestandteil der Datenhaltung. Das Wissen in den Daten wird zunehmend relevant für das Erscheinungsbild der Anwendung.

aseaco hat die Erkenntnis gewonnen, dass die globale Ontologie zu einer Sackgasse führen wird und fördert die Einführung von Ontologietypen. Dabei gehen wir über Typisierung wie Lightweight-Ontologien oder Heavyweight-Ontologien hinaus. Dabei werden Begriffe, wie die objektive Ontologie, Situationsontologie, Feldontologie für den UIF® Kontext definiert. Kollaborationsontologien bilden dann wieder Spezialtypen, die Objektive Ontologien und Feldontologien verbinden, um in eine Organisation die Zusammenarbeit zu fördern. Diese Kollaborationsontologien finden sich in Applikationen vom Typ „Collaboration Center“ wieder.

Föderierende Systeme sind in dem Zeitalter der Cloud von höchster Bedeutung (vgl. auch Gaia-X oder Catena-X). Die Semantische Informationsintegration als Konzept des Semantik-Webs bekommt eine zunehmende Bedeutung, da sie die Komplexität verteilter Datenbestände beherrschbar macht und sie in eine Wissensbasis transformiert. Die UIF® Platform wird dafür Lösungen bieten. Dazu wird sie sich Frameworks, wie Apache Jena, zu nutzen machen. Gängige Standards, wie RDF oder OWL werden dadurch zunehmend berücksichtigt und ermöglichen den flexiblen Einsatz von diversen Inferenzmaschinen oder KI Lösungen.

Dabei wird auch der Fokus auf die Entwicklung eines MOL (Meta-Ontology-Layers) gelegt, die aus der Ontologie einzelner Domänen, wiederum ein Daten Ontologie (Meta Ontologie) automatisch ableitet. MOL wird nicht als Konkurrent zu Apache Atlas gesehen, sondern bildet eine Ergänzung.