سامانه‌هایی برای تبدیل اسناد ساختارنیافته یا نیمه‌ساختاریافته به اطلاعات قابل جست‌وجو، ساختاریافته و قابل تحلیل.
پردازش می‌تواند شامل OCR، parsing، طبقه‌بندی، extraction، نرمال‌سازی، تولید metadata و ذخیره‌سازی باشد.
منابع ورودی می‌توانند مقالات علمی، گزارش‌های فنی، فرم‌ها، آرشیوها، راهنماها و اسناد سازمانی باشند.
روش پیاده‌سازی بر اساس داده‌های موجود، محدودیت‌های فنی، میزان اتوماسیون مورد نیاز و زیرساخت نرم‌افزاری یا پژوهشی پروژه انتخاب می‌شود. راهکار می‌تواند به‌صورت یک جزء مستقل یا درون یک سامانه بزرگ‌تر پیاده‌سازی شود.
هدف، ایجاد یک جریان محاسباتی روشن و قابل ارزیابی است که بتوان آن را در ادامه نگهداری، توسعه و با نیازهای جدید پروژه تطبیق داد. بنابراین انتخاب مدل، پردازش داده، رابط‌ها و روش استقرار بر اساس مسئله واقعی پروژه تعیین می‌شود.