Was ist Xberg (formerly Kreuzberg)?
Xberg ist das umbenannte Kreuzberg. Unter dem neuen Namen hat das Projekt seine Versionsnummern bei v1 neu begonnen, das alte Repository kreuzberg-dev/kreuzberg leitet jetzt auf xberg-io/xberg weiter, und ein separates Repository kreuzberg-lts hält die v4-Linie mit Langzeitunterstützung am Leben. Laut README deklarieren die meisten nachgelagerten Projekte die Abhängigkeit weiterhin als kreuzberg.
Es ist ein Rust-Kern, der 107 Dokumentformate über 141 Dateiendungen liest (PDF, Office, E-Mail einschließlich PST, E-Books, LaTeX und Typst, Archive, Bilder) und reinen Text, Markdown, Djot, HTML, einen JSON-Baum oder Docling-kompatible DocTags zurückgibt. OCR ist austauschbar: Die Doku nennt acht Backends, mit Tesseract als Standard, PaddleOCR über ONNX Runtime, einer CPU-Engine namens Sceptre, Candle-Portierungen von GLM-OCR, TrOCR, DeepSeek-OCR und PaddleOCR-VL sowie gehosteten Vision-Modellen über den eigenen Client liter-llm. Darauf setzen ML-Modelle für Layout und Tabellen, Whisper-Transkription, Code-Parsing mit tree-sitter für 371 Sprachen, Chunking, Embeddings und LLM-gesteuerte strukturierte Extraktion auf.
Anbindungen gibt es für Python, Node.js, Go, Java, C#, Ruby, PHP, Elixir, Dart, Swift, Kotlin, Zig, WebAssembly und C. Das Repository hat rund 9.400 Sterne, eine MIT-Lizenz und 98 GitHub-Releases; v1.3.10 erschien am 13. Oktober 2026. Die Firma dahinter, Kreuzberg, Inc., verkauft eine verwaltete Zusammenstellung derselben Bibliotheken über ein Design-Partner-Programm, das nur auf Einladung zugänglich ist.
Lohnt sich Xberg (formerly Kreuzberg)?
Xberg ist die stärkste Wahl, wenn das Problem Breite heißt: eine Rust-Engine, die ein PST-Postfach, eine koreanische HWP-Datei, ein verschachteltes 7z-Archiv und ein gescanntes PDF öffnet, aufrufbar aus 15 Sprachen. Docling und Marker sind Python-Bibliotheken; Xberg liefert native Pakete für Go, Java, C#, PHP, Elixir und die übrigen, was für Teams zählt, die in der Produktion kein Python betreiben.
OCR ist eine Wahl des Backends statt eines festen Modells. Tesseract ist der Standard und braucht ein Systempaket plus Sprachdaten; PaddleOCR läuft über ONNX Runtime; die vier Candle-Backends (GLM-OCR, TrOCR, DeepSeek-OCR, PaddleOCR-VL) sind in die veröffentlichten Pakete einkompiliert, laden laut OCR-Anleitung aber bei der ersten Nutzung zwischen rund 250 MB und 4 GB an Gewichten herunter. Fallback-Ketten lassen zuerst eine günstige Engine arbeiten und ein Vision-Modell die Seiten übernehmen, an denen sie scheitert.
Die Leistungsangaben stammen vom Anbieter. Seine Benchmark-Seite vergleicht Xberg mit Docling, Unstructured, Tika, MarkItDown, PyMuPDF4LLM, LiteParse und MinerU über 60 Dokumente und 821 Extraktionen aus dem eigenen offenen Testaufbau und nennt Xberg das schnellste und präziseste Werkzeug. Das Korpus ist klein, und die Maintainer haben es ausgewählt; nimm die Tabelle als Anlass, deine eigenen Dokumente zu testen, nicht als Urteil.
Die Sicherheitsbilanz solltest du lesen, bevor du den Server erreichbar machst. Ein Advisory mit hohem Schweregrad vom 6. Oktober 2026 zeigte, dass POST /extract, das keine Authentifizierung hat, einem Aufrufer erlaubte, die Sperre des Crawlers für private Adressen abzuschalten und interne URLs zu lesen; betroffen sind Versionen bis 1.3.3. Die API-Doku setzt CORS außerdem standardmäßig auf alle Origins und akzeptiert Request-Bodys von 100 MB, der REST-Server gehört also hinter dein eigenes Gateway. Die Umbenennung bringt zusätzlichen Wandel: Paketnamen, Imports und Doku-URLs haben sich zwischen v4 und v1 alle geändert.
Wo es sich lohnt
Ein Backend-Engineer in einem E-Discovery-Startup, das auf Go setzt
Text und Anhänge aus PST-Postfächern, Office-Dateien und gescannten PDFs in einem einzigen Dienst herausziehen
Das Go-Paket importieren und für jeden Upload extract aufrufen, mit Tesseract für Scans und einem Candle-Backend für die Seiten, bei denen Tesseract eine niedrige Konfidenz meldet. Kein Python-Sidecar zu betreiben; die Kosten sind CPU-Zeit und ein gepatchter Server hinter einer Firewall.
Ein Plattform-Team in einer Beratung mit 300 Mitarbeitern, das internes RAG aufbaut
SharePoint-Exporte und archivierte Kundenordner einlesen, ohne für jedes Format einen Konverter zu schreiben
Das Docker-Image im API-Modus hinter einem authentifizierenden Proxy betreiben, den Aufnahmejob darauf richten und die Markdown- und Chunk-Ausgabe behalten. Die Bibliothek ist kostenlos; die Arbeit besteht darin, eine Version nach 1.3.3 festzupinnen und CORS sowie Body-Limits zu setzen.
Eine Entwicklerin, die Claude Code oder Cursor in einer Codebasis mit vielen Dokumenten nutzt
Den Agenten PDFs, Tabellen und Foliensätze im Repository lesen lassen
Die CLI installieren und xberg mcp über stdio registrieren; der Server stellt neun Tools bereit, darunter extract und extract_batch. Lokal und kostenlos, wobei ein Vision-Backend, das mit einem gehosteten Modell konfiguriert ist, Seitenbilder an diesen Anbieter schickt.
Bevor du dich festlegst
- Einrichtung
- pip install xberg, npm install @xberg-io/xberg, cargo add xberg, brew install xberg-io/tap/xberg oder docker pull ghcr.io/xberg-io/xberg; Tesseract braucht ein separates Systempaket, und Candle-OCR-Gewichte werden bei der ersten Nutzung heruntergeladen.
- Integrationen
- Anbindungen für 15 Sprachen, eine CLI mit 14 Befehlen, ein REST-Server mit OpenAPI-3.1-Schema, ein MCP-Server mit neun Tools über stdio oder HTTP, ein Helm-Chart, Agenten-Plugins und eine Abhängigkeit der Kernintegrationen von Haystack, meist noch unter dem Namen Kreuzberg.
- Daten und Datenschutz
- Läuft standardmäßig lokal auf der CPU; gehostete Embeddings, LLM-Extraktion und VLM-OCR schicken Inhalte an den Anbieter, den du konfigurierst. MIT-Lizenz. Ein veröffentlichtes Advisory mit hohem Schweregrad (SSRF ohne Authentifizierung in POST /extract, Versionen bis 1.3.3).
- Kosten im großen Maßstab
- Die Bibliothek ist kostenlos und auf die CPU ausgelegt, die Rechnung besteht also aus Worker-Instanzen plus etwaigen Tokens gehosteter Modelle für VLM-OCR oder strukturierte Extraktion. Preise für verwaltetes Pro und Enterprise erfahren nur angenommene Design-Partner.
- Grenzen
- Keine eingebaute Authentifizierung am API-Server und standardmäßig offenes CORS; Standardlimit von 100 MB pro Anfrage; rund 33 offene Issues und Pull Requests; schwere optionale Funktionen (Layout-Modelle, Transkription, URL-Crawling) sind Cargo-Feature-Flags in Builds aus dem Quellcode.
Was gut ist
- 107 Formate, darunter PST, HWP, Typst und verschachtelte Archive
- Native Anbindungen für 15 Sprachen, dazu CLI, REST und MCP
- Acht austauschbare OCR-Backends mit Fallback-Ketten
- MIT-Lizenz und 98 GitHub-Releases
Was nicht
- REST-API ohne Authentifizierung; ein SSRF mit hohem Schweregrad nach 1.3.3 behoben
- Benchmarks stammen vom Anbieter, auf einem Korpus von 60 Dokumenten
- Von Kreuzberg umbenannt, mit neuer v1-Versionslinie
- Vision-OCR-Backends laden bis zu rund 4 GB an Gewichten
Am besten für
Teams außerhalb von Python, die einen einbettbaren Parser für eine breite Mischung von Dateitypen brauchen, mit austauschbarem OCR.
Alternativen zu Xberg (formerly Kreuzberg)
Xberg (formerly Kreuzberg): häufige Fragen
- Lohnt sich Xberg (formerly Kreuzberg)?
- Xberg öffnet fast jede Datei aus fast jeder Sprache, in der du schreibst, und diese Reichweite bringt eine große Fläche mit, die abgesichert werden muss. Wir bewerten es mit 4.1 von 5.
- Was kostet Xberg (formerly Kreuzberg)?
- Kostenlos unter der MIT-Lizenz. Xberg Pro und Enterprise (verwaltete oder selbst gehostete Backends) werden über ein Design-Partner-Programm verkauft; Preise gibt es nur nach Bewerbung.
- Welche Nachteile hat Xberg (formerly Kreuzberg)?
- REST-API ohne Authentifizierung; ein SSRF mit hohem Schweregrad nach 1.3.3 behoben; Benchmarks stammen vom Anbieter, auf einem Korpus von 60 Dokumenten; Von Kreuzberg umbenannt, mit neuer v1-Versionslinie; Vision-OCR-Backends laden bis zu rund 4 GB an Gewichten.
- Für wen eignet sich Xberg (formerly Kreuzberg)?
- Teams außerhalb von Python, die einen einbettbaren Parser für eine breite Mischung von Dateitypen brauchen, mit austauschbarem OCR.
- Was kostet Xberg (formerly Kreuzberg) für ein Team oder im Produktivbetrieb?
- Die Bibliothek ist kostenlos und auf die CPU ausgelegt, die Rechnung besteht also aus Worker-Instanzen plus etwaigen Tokens gehosteter Modelle für VLM-OCR oder strukturierte Extraktion. Preise für verwaltetes Pro und Enterprise erfahren nur angenommene Design-Partner.
- Ist Xberg (formerly Kreuzberg) sicher für Firmendaten?
- Läuft standardmäßig lokal auf der CPU; gehostete Embeddings, LLM-Extraktion und VLM-OCR schicken Inhalte an den Anbieter, den du konfigurierst. MIT-Lizenz. Ein veröffentlichtes Advisory mit hohem Schweregrad (SSRF ohne Authentifizierung in POST /extract, Versionen bis 1.3.3).
- Was sind die besten Alternativen zu Xberg (formerly Kreuzberg)?
- Die nächsten Alternativen, die wir getestet haben, sind Docling, Unstructured, MarkItDown und Marker.
Antworten geprüft am 26. Okt. 2026.