Docling ist der Open-Source-Parser, der Tabellen richtig erkennt, und der, dessen Sicherheitsreleases du dir nicht sparen kannst. Wir bewerten es mit 4.5 von 5.

Kostenlos und Open Source unter der MIT-Lizenz.

Welche Nachteile hat Docling?

28 Security Advisories; Patchen ist bei nicht vertrauenswürdigen Dateien Pflicht; Schwere ML-Abhängigkeiten; Wenige Seiten pro Sekunde und GPU; Schwächer bei Handschrift und Fotos.

Was kostet Docling für ein Team oder im Produktivbetrieb?

Die Software ist kostenlos, die Kosten sind Rechenleistung. Die Benchmarks des Projekts melden etwa 1 bis 8 Seiten pro Sekunde und Rechner, umfangreiche Verarbeitung bedeutet also einen eigenen GPU-Knoten wie eine AWS g6e.2xlarge mit L40S. Die Maintainer verkaufen keine kostenpflichtige Ausgabe.

Ist Docling sicher für Firmendaten?

Läuft laut FAQ lokal und ruft standardmäßig keinen entfernten Dienst auf; das Abrufen entfernter Bilder und entferntes OCR musst du selbst einschalten. MIT-Lizenz ohne kommerzielle Einschränkungen. 28 veröffentlichte Security Advisories, die jüngsten in 2.142.1 behoben.

Was sind die besten Alternativen zu Docling?

Die nächsten Alternativen, die wir getestet haben, sind Unstructured, LlamaIndex, Firecrawl, pdf-inspector und Xberg (formerly Kreuzberg).

Docling GitHub-Repo im Test (2026)

Was ist Docling?

Docling verwandelt Dokumente in KI-tauglichen Text. Es liest PDF, DOCX, PPTX, XLSX, HTML, EPUB, E-Mails (EML und MSG), LaTeX und Bilder, neuerdings auch Audio und Video per Spracherkennung, und gibt Markdown, HTML oder ein verlustfreies JSON-Dokumentmodell aus, das Überschriften, Lesereihenfolge und Tabellen erhält.

PDFs und Bilder durchlaufen lokale Machine-Learning-Modelle für Layouterkennung, Tabellenstruktur (TableFormer) und OCR, mit einem optionalen Vision-Language-Modus über IBMs GraniteDocling mit 258M Parametern. Es enthält Chunking für RAG, einen API-Server (docling-serve), einen MCP-Server und Integrationen mit LangChain, LlamaIndex, CrewAI und Haystack.

Entstanden ist es bei IBM Research, beheimatet ist es bei der LF AI & Data Foundation. Releases kommen häufig: v2.142.1 erschien am 23. Oktober 2026.

Lohnt sich Docling?

Docling ist der Open-Source-Parser, an dem sich alle anderen bei PDFs mit echten Tabellen messen müssen, und seine Schwachstelle ist inzwischen die Sicherheit, nicht die Qualität. Es hat rund 69.400 GitHub-Sterne, eine MIT-Lizenz und ein neutrales Zuhause bei einer Stiftung, und der Vergleich von Kanopy Labs aus dem Jahr 2026 fand seine Tabellenextraktion bei komplexen PDFs stärker als die von Unstructured.

Die Ausgabe macht es für RAG nützlich. Docling erhält Lesereihenfolge, Überschriftenebenen und Tabellenstruktur in einem typisierten Dokumentmodell, sodass Chunks ihren Abschnittskontext mitbringen, statt als loser Text anzukommen. Es läuft außerdem lokal: Laut FAQ nutzt es keinen entfernten Dienst und kann in einem abgeschotteten Netz arbeiten, sobald die Modellgewichte hineinkopiert sind.

So viele Formate zu lesen, schafft eine große Angriffsfläche. Das Projekt hat 28 Security Advisories auf GitHub veröffentlicht, 11 davon allein am 23. Oktober 2026, meist kleine Dateien, die Speicher oder CPU erschöpfen (übergroße Archivbestandteile in DOCX, XLSX und EPUB, unbegrenzte Tabellenspannen in LaTeX), dazu eine Umgehung der TikZ-Prüfung, die Lesen und Schreiben von Dateien erlaubte. Ein Advisory mit hohem Schweregrad vom 1. Oktober betraf beliebiges Lesen und Schreiben von Dateien. Die jüngste Charge ist in 2.142.1 behoben, und ein Dienst, der Uploads von Fremden parst, sollte diese Version fixieren und den Worker isolieren.

Geschwindigkeit und Installationsgröße sind die praktischen Grenzen. Die Seite mit GPU-Benchmarks meldet etwa 1 bis 8 Seiten pro Sekunde und Rechner auf einer NVIDIA L40S, RTX 5090 und RTX 5070, je nach Pipeline und ob OCR läuft. Ein Archiv mit einer Million Seiten ist bei vier Seiten pro Sekunde also etwa drei Tage Arbeit. Der ML-Stack kommt als feste Abhängigkeit, und Tester melden schwächere Ergebnisse bei Handschrift und Handyfotos, wo die Vision-Language-Pipeline oder ein gehosteter Parser der übliche Ausweg ist.

Wo es sich lohnt

Ein Plattform-Engineer bei einem Legal-Tech-Start-up mit 50 Leuten
Verträge und Gerichtsakten voller Tabellen in einen RAG-Index aufnehmen
Betreibe docling-serve auf einem GPU-Knoten, schicke jeden Upload hindurch und speichere das JSON-Modell und die Ausgabe des Chunkers. Keine Lizenzkosten; bei wenigen Seiten pro Sekunde ist ein Rückstand von 200.000 Seiten weniger als ein Tag GPU-Zeit, und der Parser muss isoliert und gepatcht werden, weil er nicht vertrauenswürdige Dateien liest.
Eine Compliance-Managerin bei einer Regionalbank
Interne Berichte verarbeiten, ohne Dokumente an die API eines Dritten zu senden
Docling läuft abgeschottet, sobald seine Modellgewichte installiert sind, sodass Dokumente das Netz nie verlassen und keine Prüfung der Datenverarbeitung durch einen Anbieter nötig ist. Der Preis dafür: eigene Hardware und das Mithalten mit häufigen Sicherheitsreleases.
Ein Data Scientist, der einen Forschungskorpus aufbaut
arXiv-PDFs, LaTeX-Quellen und EPUBs für das Fine-Tuning in Markdown umwandeln
pip install docling und die CLI über einen Ordner laufen lassen, bei formelreichen Seiten auf die Vision-Pipeline mit GraniteDocling wechseln. Kostenlos; reine CPU-Läufe sind langsamer, ein großer Korpus rechtfertigt also eine GPU.

Bevor du dich festlegst

Einrichtung: pip install docling unter Python 3.10 oder neuer (die Unterstützung für 3.9 endete mit 2.70.0); der erste Lauf lädt Gewichte für Layout, Tabellen und OCR. Ein CLI-Befehl wandelt ein PDF um, und docling-serve stellt einen API-Server bereit.
Integrationen: Loader für LangChain, LlamaIndex, CrewAI und Haystack; ein MCP-Server für Agenten; Export nach Markdown, HTML, DocTags und verlustfreiem JSON.
Daten und Datenschutz: Läuft laut FAQ lokal und ruft standardmäßig keinen entfernten Dienst auf; das Abrufen entfernter Bilder und entferntes OCR musst du selbst einschalten. MIT-Lizenz ohne kommerzielle Einschränkungen. 28 veröffentlichte Security Advisories, die jüngsten in 2.142.1 behoben.
Kosten im großen Maßstab: Die Software ist kostenlos, die Kosten sind Rechenleistung. Die Benchmarks des Projekts melden etwa 1 bis 8 Seiten pro Sekunde und Rechner, umfangreiche Verarbeitung bedeutet also einen eigenen GPU-Knoten wie eine AWS g6e.2xlarge mit L40S. Die Maintainer verkaufen keine kostenpflichtige Ausgabe.
Grenzen: Rund 900 offene Issues und Pull Requests; Textauszeichnungen wie Fettdruck werden aus PDFs nicht extrahiert; Handschrift und Kamerafotos bleiben schwach; das Parsen nicht vertrauenswürdiger Dateien braucht eine Sandbox.

Was gut ist

Starke Rekonstruktion von Tabellen und Lesereihenfolge
Läuft vollständig offline mit lokalen Modellen
Verlustfreies JSON-Modell plus Markdown und HTML
MIT-Lizenz unter einer neutralen Stiftung

Was nicht

28 Security Advisories; Patchen ist bei nicht vertrauenswürdigen Dateien Pflicht
Schwere ML-Abhängigkeiten
Wenige Seiten pro Sekunde und GPU
Schwächer bei Handschrift und Fotos

Am besten für

Teams, die selbst gehostetes RAG über PDFs und Office-Dokumente mit komplexen Tabellen bauen.

Alternativen zu Docling

Unstructured

RAG & dataPython16k stars

3.8/5

Python library that partitions many document types into typed elements (titles, text, tables) for RAG and ETL pipelines.

LlamaIndex

RAG & dataPython53k stars

4.3/5

Python framework for connecting LLMs to your documents, with ingestion, indexing, retrieval and event-driven agent Workflows.

Firecrawl

RAG & dataTypeScript196k stars

4.2/5

Web scraping and crawling API that turns websites into clean Markdown or structured data for LLMs, self-hosted or cloud.

pdf-inspector

RAG & dataRust20k stars

4.2/5

Firecrawl's Rust PDF parser: tells text PDFs from scans in milliseconds and turns the text ones into Markdown without OCR.

Xberg (formerly Kreuzberg)

RAG & dataRust9.4k stars

4.1/5

Rust document extractor, formerly Kreuzberg: 107 formats, eight OCR backends, 15 language bindings, plus CLI, REST API and MCP server.

Docling: häufige Fragen

Lohnt sich Docling?: Docling ist der Open-Source-Parser, der Tabellen richtig erkennt, und der, dessen Sicherheitsreleases du dir nicht sparen kannst. Wir bewerten es mit 4.5 von 5.
Was kostet Docling?: Kostenlos und Open Source unter der MIT-Lizenz.
Welche Nachteile hat Docling?: 28 Security Advisories; Patchen ist bei nicht vertrauenswürdigen Dateien Pflicht; Schwere ML-Abhängigkeiten; Wenige Seiten pro Sekunde und GPU; Schwächer bei Handschrift und Fotos.
Für wen eignet sich Docling?: Teams, die selbst gehostetes RAG über PDFs und Office-Dokumente mit komplexen Tabellen bauen.
Was kostet Docling für ein Team oder im Produktivbetrieb?: Die Software ist kostenlos, die Kosten sind Rechenleistung. Die Benchmarks des Projekts melden etwa 1 bis 8 Seiten pro Sekunde und Rechner, umfangreiche Verarbeitung bedeutet also einen eigenen GPU-Knoten wie eine AWS g6e.2xlarge mit L40S. Die Maintainer verkaufen keine kostenpflichtige Ausgabe.
Ist Docling sicher für Firmendaten?: Läuft laut FAQ lokal und ruft standardmäßig keinen entfernten Dienst auf; das Abrufen entfernter Bilder und entferntes OCR musst du selbst einschalten. MIT-Lizenz ohne kommerzielle Einschränkungen. 28 veröffentlichte Security Advisories, die jüngsten in 2.142.1 behoben.
Was sind die besten Alternativen zu Docling?: Die nächsten Alternativen, die wir getestet haben, sind Unstructured, LlamaIndex, Firecrawl, pdf-inspector und Xberg (formerly Kreuzberg).

Antworten geprüft am 23. Okt. 2026.