anydoc macht Office-Dateien lokal für KI-Agenten lesbar

Worum es geht

anydoc ist eine quelloffene Rust-Bibliothek von Firecrawl, die Büro- und Dokumentdateien in GitHub-Flavored Markdown umwandelt. Unterstützt werden unter anderem Word, PowerPoint, Excel, OpenDocument, RTF, EPUB, CSV und textbasierte PDF-Dateien. Das Ergebnis kann anschließend von Suchsystemen, Retrieval-Pipelines oder KI-Agenten verarbeitet werden.

Das Werkzeug ist kein Sprachmodell und erzeugt selbst keine Zusammenfassung. Sein Wert liegt eine Stufe davor: Es versucht, Überschriften, Listen, Tabellen, Fußnoten, Formeln und andere Strukturen aus unterschiedlichen Dateitypen in ein einheitliches Textformat zu übertragen. anydoc lässt sich über Kommandozeile, Node.js, Python, Rust oder WebAssembly nutzen und wird unter der MIT-Lizenz veröffentlicht.

Was anydoc tatsächlich macht

anydoc erkennt Formate möglichst anhand des Dateiinhalts statt nur anhand der Endung. Intern überführt es jedes unterstützte Format in ein gemeinsames Dokumentmodell und rendert daraus Markdown. Dadurch sollen gleiche Strukturen unabhängig vom Ursprungsformat ähnlich aussehen. Eingebettete Bilder bleiben im Dokumentmodell als Binärdaten erhalten; im Markdown erscheint ihre Alternativbeschreibung. Mathematische Formeln werden nach Möglichkeit als LaTeX ausgegeben.

Die Browser-Demo läuft als WebAssembly lokal im Browser. Auch die Bibliotheken und die Kommandozeile arbeiten für normale, textbasierte Dokumente lokal. Eine wichtige Ausnahme ist OCR: Bildbasierte oder gescannte PDF-Seiten kann anydoc allein nicht lesen. Wer die optionale Einstellung für gehostete OCR aktiviert, sendet das vollständige betroffene Dokument an Firecrawl Parse. Diese Grenze ist für Datenschutz und Compliance entscheidend.

Als Agent Skill kann anydoc Coding-Agenten beibringen, Dokumente vor der Verarbeitung über die Kommandozeile umzuwandeln. Das macht die Konvertierung reproduzierbarer als ein spontaner Modellversuch, eine Binärdatei direkt zu verstehen.

Warum das wichtig ist

Viele KI-Arbeitsabläufe beginnen mit einem unsauberen Stapel aus Präsentationen, Tabellen, alten Word-Dateien und PDFs. Wenn jedes Format einen eigenen Parser verlangt, wachsen Wartung, Fehlerquellen und Sicherheitsfläche. Ein gemeinsames, lokales Werkzeug kann diese Vorstufe vereinfachen und für nachvollziehbare Zwischenergebnisse sorgen.

Firecrawl berichtet in einem eigenen Benchmark über 100 reale Dokumente und 14 Formate. anydoc erzielte dort nach Anbieterangaben eine mittlere Konvertierungszeit von 4,4 Millisekunden und eine Qualitätswertung von 81 Punkten. Die Bewertung nutzte jedoch Claude Sonnet 5 als Juror, der Dokumentkorpus ist nicht öffentlich und die verglichenen Werkzeuge deckten unterschiedliche Formate ab. Diese Zahlen sind daher ein nützlicher Hinweis, aber kein unabhängiger Beweis.

Einfach erklärt

Stell dir acht Kartons mit unterschiedlichen Beschriftungen vor: Word, Excel, PDF und weitere. Ein KI-Agent möchte den Inhalt sortieren, kann aber nicht jedes Verpackungsformat zuverlässig öffnen. anydoc ist wie eine Packstation, die den Inhalt in einheitliche, beschriftete Behälter umfüllt. Ist ein Karton nur ein Foto ohne lesbaren Text, braucht die Station allerdings einen externen Lesedienst.

Praktisches Beispiel

Ein Beratungsteam erhält für ein Projekt 60 Dateien: 20 Word-Dokumente, 15 Präsentationen, zehn Tabellen, zehn textbasierte PDFs und fünf gescannte PDFs. Zunächst verarbeitet es 55 Dateien lokal mit anydoc und speichert das Markdown in einem isolierten Arbeitsverzeichnis. Danach prüft ein Skript, ob Überschriften, Tabellen und Dateinamen erhalten geblieben sind.

Die fünf Scans werden nicht automatisch hochgeladen. Das Team klärt zuerst, ob die Dokumente personenbezogene oder vertrauliche Daten enthalten. Nur freigegebene Dateien gehen gezielt an die optionale OCR; für den Rest wird eine interne OCR-Lösung gewählt. Anschließend indexiert das Team das geprüfte Markdown für einen Recherche-Agenten und verlinkt jede Antwort zurück auf die Quelldatei.

Einordnung und Grenzen

Erstens ersetzt anydoc keine OCR für gescannte Seiten; die gehostete Option verändert den Datenfluss erheblich. Zweitens garantiert eine erfolgreiche Konvertierung keine inhaltliche Treue. Komplexe Tabellen, Layouts, eingebettete Objekte oder Formeln sollten stichprobenartig mit dem Original verglichen werden. Drittens ist Markdown flacher als viele Office-Formate: Kommentare, Änderungsverläufe, Makros oder visuelle Beziehungen können verloren gehen oder sind für den Zielzweck ungeeignet.

Zusätzlich sollten unbekannte Dateien in einer begrenzten Umgebung verarbeitet werden. Parser bearbeiten komplexe Binärformate und gehören deshalb in denselben Sicherheitsprozess wie andere Importkomponenten. Der sinnvolle erste Test ist ein repräsentativer, nicht vertraulicher Dokumentensatz mit klaren Qualitätskriterien.

SEO- und GEO-Schlüsselbegriffe

anydoc, Firecrawl, Document AI, Markdown-Konvertierung, Agent Skill, lokale Dokumentverarbeitung, Word zu Markdown, PDF zu Markdown, WebAssembly, Retrieval-Augmented Generation, OCR, Open Source