Was ist Docling und was leistet die Engine?

Docling ist eine quelloffene Dokumentenkonvertierungs-Engine von IBM Research und LF AI & Data. Sie wandelt komplexe PDFs, Office-Dateien (DOCX, PPTX, XLSX), Webseiten und Audio in Markdown und JSON für KI- und RAG-Pipelines um.

Ist Docling komplett kostenlos und quelloffen?

Ja, Docling ist 100% Open Source unter der MIT-Lizenz. Es läuft vollständig lokal auf eigener Hardware ohne Cloud-Gebühren oder Telemetrie.

Werden Dokumentendaten an Cloud-Server übertragen?

Nein. Docling arbeitet zu 100% lokal und on-premise auf Ihrer eigenen Hardware. Es werden keine Dokumentendaten oder Telemetrie übertragen. Vollständig kompatibel mit Air-Gapped-Umgebungen.

Benötigt Docling C++ Compiler Build Tools unter Windows?

Unter Windows ist 64-Bit-Python erforderlich. Bei pip-Installationen mit kompilierten C++-Erweiterungen wie tesserocr sind Microsoft Visual C++ 14.0+ Build Tools nötig. Alternativ installiert Astral uv ('uv add docling') vorkompilierte Binärdateien ohne Compiler-Bedarf.

Kann Docling mehrseitige Excel-Tabellen (.xlsx) und PowerPoint-Folien (.pptx) verarbeiten?

Ja, Docling konvertiert Microsoft Excel (.xlsx) Arbeitsmappen blattweise in Markdown/HTML-Tabellen und PowerPoint (.pptx) Präsentationen mit Folienstrukturen und Referentennotizen.

Docling - Kostenlose Open-Source Dokumentenverarbeitung, OCR & Granite VLM

Was ist Docling?

Docling ist eine quelloffene Engine zur Dokumentenkonvertierung und Layoutanalyse von IBM Research unter der LF AI & Data Foundation. Sie konvertiert PDFs, Word (DOCX), PowerPoint (PPTX), Excel (XLSX), HTML, gescannte Bilder und Audio in strukturiertes Markdown und JSON mit Granite Docling und TableFormer.

Funktionen

Entwickelt für moderne KI & Datenverarbeitung

Alles, was Sie benötigen, um Rohdokumente in strukturierte Daten für LLMs zu verwandeln.

Multimodales Dokumenten-Parsing

Verarbeitet PDF, DOCX, PPTX, XLSX, HTML, EPUB, LaTeX, CSV, Audio (WAV, MP3) und Patent-XML (USPTO, JATS) mit einer einheitlichen API.

PDFDOCXPPTXXLSXAudio (ASR)

Layout & Lesereihenfolge

Erkennt mehrspaltige Layouts, Kopf-/Fußzeilen und visuelle Hierarchien präzise.

MehrspaltigBounding Boxes

TableFormer Tabellenmodell

Neuronales Modell zur präzisen Rekonstruktion komplexer verbundener Zellen und rahmenloser Tabellen.

TableFormer v2HTML Tabellen

Pluggable OCR-Engines

Wählen Sie zwischen EasyOCR, Tesseract, RapidOCR, OcrMac und Nemotron OCR für gescannte Dokumente.

RapidOCRTesseractEasyOCR

RAG `HybridChunker`

Teilt Dokumente nach strukturellen Knoten unter Erhalt von Überschriften, Tabellen und Bounding-Boxes.

HybridChunkerVektordatenbanken

DoclingDocument & KI-Ökosystem

Exportiert nach Markdown, JSON oder DocTags mit nativer Integration für LangChain, LlamaIndex, Haystack, CrewAI und MCP.

LangChainLlamaIndexMCP Serverdocling-serve

Installation

Docling für Ihre Plattform installieren

Docling läuft lokal auf Windows (64-Bit), macOS (Apple Silicon & Intel) und Linux.

Installation via pip

$pip install docling

# Extras: pip install "docling[rapidocr,tesserocr,vlm,asr]"

Installation via Astral uv

$uv add docling

Windows 10 / 11 PowerShell (Python 64-Bit)

# Option A (Empfohlen): Vorkompilierte Binärdateien via uv

PS>uv add docling

# Option B: Standard pip (Visual C++ 14.0+ für C-Erweiterungen erforderlich)

PS>pip install docling

Container-Ausführung

$docker run -it --rm -v $(pwd):/docs quay.io/ds4sd/docling:latest docling /docs/sample.pdf

MCP-Server für Claude Desktop & LM Studio

uvx --from=docling-mcp docling-mcp-server

macOS Intel x86_64

$pip install "docling[mac_intel]"

Linux PyTorch CPU

$pip install docling --extra-index-url https://download.pytorch.org/whl/cpu

Benchmark

Docling im Vergleich zu Alternativen

Wie sich Docling gegenüber anderen Tools im KI-Bereich positioniert.

Im Vergleich zu reinen Textextraktoren wie PyPDF oder pdfplumber führt Docling eine vollständige Layoutanalyse durch und rekonstruiert Tabellen mit TableFormer. Gegenüber Unstructured.io läuft Docling 100% lokal ohne Zwang zu Cloud-APIs.

Funktion / Metrik	Docling (v2.115)	Unstructured.io	PyPDF / pdfplumber	Marker
Komplexe PDF-Layoutanalyse
Tabellen-Erkennung (TableFormer)		Teilweise / Kostenpflichtig	Einfaches Gitter
Audio / Video Transkription (ASR)	(Whisper)
MCP Server Integration	(Nativ)
100% Kostenlos Open Source (MIT)		Apache 2.0 / Kommerziell	BSD / MIT	GPL v3 / Kommerziell

Referenz

Befehls-Cheatsheet

Wichtige CLI-Befehle zum direkten Kopieren.

PDF in Markdown konvertieren

Konvertiert eine lokale PDF-Datei direkt in Markdown.

docling report.pdf --to md

Dokument von URL laden

Lädt ein Online-Dokument herunter und verarbeitet es direkt.

docling https://arxiv.org/pdf/2408.09869

Vollseiten-OCR erzwingen

Führt OCR über die gesamten Seiten aus.

docling scan.pdf --ocr-mode full_page

Verlustfreies JSON exportieren

Gibt detailliertes JSON mit Bounding-Box-Koordinaten aus.

docling document.pdf --to json

Formeln & Code anreichern

Extrahiert LaTeX-Formeln und Codeblöcke mit neuronalen Modellen.

docling paper.pdf --enrich-code --enrich-formula

Audio & Video transkribieren

Konvertiert Audio-Dateien (MP3, WAV) in strukturierten Text.

docling lecture.mp3 --pipeline asr --to md

Alle Modelle herunterladen

Lädt alle Modelle für die Offline-Nutzung vorab herunter.

docling-tools models download --all

Docling MCP-Server starten

Startet den MCP-Server für die Claude Desktop Integration.

uvx --from=docling-mcp docling-mcp-server

Interaktiv

CLI & Python Konfigurationsgenerator

Passen Sie Optionen an und generieren Sie Befehle und Code in Echtzeit.

Eingabedokument-Format

OCR-Engine aktivieren

OCR-Engine Wahl

OCR-Modus

Tabellen-Extraktion

Code-Blöcke anreichern

LaTeX-Formeln anreichern

Ausgabeformat

Beschleuniger-Gerät

Anzahl Threads

CLI-Befehl Ausgabe

docling bash

Python SDK Äquivalent

docling python

FAQ

Häufig gestellte Fragen (FAQ)

Antworten zu Installation, OCR-Optionen, Offline-Nutzung und Performance.

Was ist Docling und wofür wird es eingesetzt?

Docling ist eine quelloffene Dokumenten-Engine von IBM Research, die PDFs, Office-Dateien (DOCX, PPTX, XLSX), gescannte Bilder und Audio in strukturiertes Markdown und JSON für KI-Modelle und RAG umwandelt.

Ist Docling komplett kostenlos und Open Source?

Ja, Docling ist 100% kostenlos und unter der MIT-Lizenz veröffentlicht. Es kann ohne Cloud-Kosten oder Telemetrie lokal betrieben werden.

Werden Dokumentendaten an externe Cloud-Server gesendet?

Nein. Docling arbeitet zu 100% lokal und on-premise auf Ihrer eigenen Hardware oder in privaten Containern. Es werden keine Dokumentendaten oder Telemetriedaten übertragen.

Benötigt Docling Microsoft Visual C++ Build Tools unter Windows?

Unter Windows ist 64-Bit-Python erforderlich. Für pip-Installationen mit kompilierten C++-Erweiterungen sind Visual C++ 14.0+ Build Tools nötig. Über Astral uv (uv add docling) werden vorkompilierte Wheels genutzt, sodass kein C++-Compiler benötigt wird.

Wie deaktiviere ich OCR für schnellere PDF-Konvertierung?

Bei digitalen PDFs kann OCR mit pipeline_options.do_ocr = False in Python oder --no-ocr im CLI deaktiviert werden, was die Geschwindigkeit um das 5- bis 10-fache steigert.

Kann Docling Excel (.xlsx) und PowerPoint (.pptx) verarbeiten?

Ja, Docling parst Excel-Arbeitsmappen (.xlsx) tabellenblattweise in strukturierte Markdown/HTML-Tabellen und extrahiert aus PowerPoint-Präsentationen (.pptx) Folienhierarchien und Notizen.

Docling: Ultraschnelle Dokumentenverarbeitung für KI