Startseite / Docs /

Vollständige Technische Dokumentation zu Docling

Kurzzusammenfassung (TL;DR)

Docling ist eine 100% kostenlose Open-Source-Engine (MIT), die PDFs, DOCX, PPTX, XLSX, gescannte Bilder und Audio in strukturiertes Markdown, HTML und JSON umwandelt.
Enthält Layout-Analyse, Lesereihenfolge-Erkennung und das TableFormer v2 Modell für komplexe Tabellen.
Unterstützt mehrsprachiges OCR mit RapidOCR, Tesseract (tesserocr), EasyOCR und OcrMac.
Läuft 100% lokal ohne Telemetrie, unterstützt Air-Gapped-Deployments, REST API (docling-serve) und MCP (docling-mcp).

1. Übersicht & Architektur

Docling ist eine Open-Source-Engine zur Dokumentenkonvertierung von IBM Research. Im Gegensatz zu einfachen Textextraktoren verarbeitet Docling Dokumente über modulare Pipelines, analysiert die Seitengeometrie, erkennt Bounding Boxes, rekonstruiert komplexe Tabellen und stellt die logische Lesereihenfolge für LLMs und RAG sicher.

2. Installation & Umgebungseinrichtung

Docling wird unter Python 3.9 bis 3.14 (64-Bit) auf Windows, macOS und Linux via pip oder uv installiert:

bash — Standard-Installation

$pip install docling

2.1 Windows 10/11 Installation & Visual C++ Setup

Unter Windows ist 64-Bit-Python erforderlich. Für pip-Builds mit C++-Erweiterungen (wie tesserocr) wird Microsoft Visual C++ 14.0+ benötigt:

Installation von Visual C++ Build Tools

Führen Sie in PowerShell als Administrator aus:

PS>winget install Microsoft.VisualStudio.2022.BuildTools --override "--passive --add Microsoft.VisualStudio.Workload.VCTools --includeRecommended"

Empfohlene Alternative (Ohne C++-Compiler): Nutzen Sie Astral uv zur Installation vorkompilierter Binärdateien:

powershell — astral uv

PS>uv add docling

3. Quickstart-Anleitung

python — Basis-Konvertierung

from docling.document_converter import DocumentConverter

converter = DocumentConverter()
result = converter.convert("https://arxiv.org/pdf/2408.09869")
print(result.document.export_to_markdown()[:500])

4. Das DoclingDocument Datenmodell

Das Kernmodell DoclingDocument verwaltet einen strukturierten Baum aus Abschnitten, Tabellen, Codeblöcken und Abbildungen mit Bounding-Box-Koordinaten, exportierbar via export_to_json().

5. Verarbeitungs-Pipelines & Granite Docling VLM

5.1 Granite Docling VLM Setup

python — granite docling vlm

from docling.datamodel.base_models import InputFormat
from docling.datamodel.pipeline_options import VlmPipelineOptions
from docling.document_converter import DocumentConverter, PdfFormatOption

vlm_options = VlmPipelineOptions()
vlm_options.vlm_model = "granite_docling"

converter = DocumentConverter(
    format_options={InputFormat.PDF: PdfFormatOption(pipeline_options=vlm_options)}
)
result = converter.convert("dokument.pdf")

6. OCR-Engines & Performance-Optimierung

6.1 OCR Deaktivieren für digitale PDFs (10x schneller)

python — ocr deaktivieren

from docling.datamodel.base_models import InputFormat
from docling.datamodel.pipeline_options import PdfPipelineOptions
from docling.document_converter import DocumentConverter, PdfFormatOption

pipeline_options = PdfPipelineOptions()
pipeline_options.do_ocr = False  # 10x schneller für digitale PDFs

converter = DocumentConverter(
    format_options={InputFormat.PDF: PdfFormatOption(pipeline_options=pipeline_options)}
)
result = converter.convert("bericht.pdf")

7. Multiformat-Extraktion (Excel XLSX, PowerPoint PPTX, CAD & Audio)

python — excel und powerpoint parsen

from docling.document_converter import DocumentConverter

converter = DocumentConverter()
excel_res = converter.convert("finanzen.xlsx")
print(excel_res.document.export_to_markdown())

8. RAG-Chunking mit `HybridChunker`

python — hybridchunker für RAG

from docling.document_converter import DocumentConverter
from docling.chunking import HybridChunker

converter = DocumentConverter()
result = converter.convert("artikel.pdf")

chunker = HybridChunker(max_tokens=512, merge_peers=True)
for chunk in chunker.chunk(result.document):
    print(chunk.meta.headings, chunk.text[:80])

9. GPU-Batch-Beschleunigung

python — gpu beschleunigung

from docling.datamodel.accelerator_options import AcceleratorDevice, AcceleratorOptions
from docling.datamodel.pipeline_options import ThreadedPdfPipelineOptions

accel = AcceleratorOptions(device=AcceleratorDevice.CUDA)
pipe_opts = ThreadedPdfPipelineOptions(accelerator_options=accel, page_batch_size=8)

10. Framework-Integrationen (LangChain & LlamaIndex)

python — langchain docling

from langchain_docling import DoclingLoader

loader = DoclingLoader(file_path="bericht.pdf")
docs = loader.load()

11. VLM Vision Modell-Katalog

Modell	Anbieter	Einsatzbereich	CLI-Parameter
granite_docling	IBM Research	Präzise visuelle PDF-Layout-Extraktion	--vlm-model granite_docling
smoldocling	Hugging Face / IBM	Leichtgewichtiges VLM für CPU	--vlm-model smoldocling

12. FastAPI Server (`docling-serve`) & MCP-Server

bash — docker docling-serve

$docker run -p 5001:5001 ghcr.io/docling-project/docling-serve:latest

12.1 MCP-Integration für Claude Desktop

json — claude_desktop_config.json

{
  "mcpServers": {
    "docling": {
      "command": "uvx",
      "args": ["--from=docling-mcp", "docling-mcp-server"]
    }
  }
}

13. Unternehmenssicherheit & Air-Gapped Deployment

bash — air-gapped setup

export DOCLING_CACHE_DIR="/opt/docling_models"
docling-tools models download --all

export HF_HUB_OFFLINE=1
export DOCLING_CACHE_DIR="/opt/docling_models"
docling dokument.pdf --to md

14. Entwickler-Diagnose & Fehlerbehebung

Fehlermeldung	Ursache	Lösung
cannot import name 'BoundingBox'	Schema-Migration in Docling v2.	Importieren von from docling_core.types.doc import BoundingBox.
RapidOCR: text detection result is empty	Niedrige Scan-Auflösung.	pipeline_options.images_scale = 2.0 setzen.
Docling Version prüfen	CLI / Python Überprüfung.	docling --version im Terminal ausführen.

15. Vollständige CLI-Parameter-Referenz

Option / Flag	Typ	Standard	Beschreibung
--to	md, json, html, doctags	md	Ausgabeformat des Dokuments.
--no-ocr	Boolean	-	Deaktiviert OCR für schnellere digitale PDF-Konvertierung.
--version	Flag	-	Zeigt die installierte Docling-Version an.