Docling bereitet komplexe Dokumente lokal für KI vor

Worum es geht

Docling ist ein quelloffenes Werkzeug zur Dokumentverarbeitung. Es liest unter anderem PDF-, DOCX-, PPTX-, XLSX-, HTML-, EPUB-, Bild-, Audio-, Video- und E-Mail-Dateien und überführt deren Inhalt in eine einheitliche Struktur. Das ist besonders dann nützlich, wenn Dokumente für Suche, Retrieval-Augmented Generation (RAG), Datenanalyse oder KI-Agenten vorbereitet werden sollen.

Das von IBM Research gestartete und heute bei LF AI & Data beheimatete Projekt veröffentlichte am 14. August 2026 Version 2.120.1. Der konkrete Mehrwert liegt nicht in einem weiteren Chatfenster, sondern in der schwereren Vorarbeit: Docling versucht, Lesereihenfolge, Tabellen, Formeln, Codeblöcke, Bilder und Seitenlayout zu erhalten, statt nur unstrukturierten Text aus einer Datei zu ziehen.

Was Docling tatsächlich macht

Docling kann lokal über eine Kommandozeile oder als Python-Bibliothek laufen. Ein einfacher Aufruf wie docling datei.pdf erzeugt eine strukturierte Ausgabe, beispielsweise Markdown. Anwendungen können zudem ein DoclingDocument als gemeinsame Repräsentation nutzen und Inhalte nach Markdown, HTML, WebVTT, DocTags oder verlustfreiem JSON exportieren.

Für gescannte Dokumente bietet das Projekt OCR. Bei anspruchsvollen Seiten kann eine Pipeline mit visuellen Sprachmodellen eingesetzt werden. Die Dokumentation nennt außerdem Integrationen für LangChain, LlamaIndex, CrewAI und Haystack, einen MCP-Server für Agenten sowie docling-serve als API-Dienst. Dadurch lässt sich dieselbe Konvertierungslogik in lokale Experimente, Unternehmensdienste oder automatisierte Wissenspipelines einbauen.

Die aktuelle Funktionsliste reicht über klassische Bürodokumente hinaus. Docling verarbeitet auch Audio mit Spracherkennung, Videos mit Transkript und repräsentativen Schlüsselbildern, E-Mails, OpenDocument-Dateien und XBRL-Finanzberichte. Für Diagramme beschreibt das Projekt Funktionen, die Balken-, Kreis- und Liniendiagramme in Tabellen oder Code übertragen und zusätzlich erläutern können.

Warum das wichtig ist

Viele KI-Anwendungen scheitern nicht zuerst am Sprachmodell, sondern an schlechten Eingangsdaten. Werden Spalten vermischt, Tabellen zerstört oder Fußnoten der falschen Textstelle zugeordnet, baut die nachgelagerte Suche auf einem fehlerhaften Fundament auf. Docling macht diese Aufbereitung als überprüfbaren, programmierbaren Schritt sichtbar.

Für Teams mit vertraulichen Verträgen, internen Berichten oder technischen Unterlagen ist die lokale Ausführung besonders relevant. Laut Projektdokumentation kann Docling in abgeschotteten Umgebungen laufen. Das reduziert unnötige Übertragungen an externe Dienste, ersetzt aber keine eigene Datenschutzprüfung: Verwendete OCR- oder Vision-Modelle, Protokolle, temporäre Dateien und angebundene Systeme müssen ebenfalls kontrolliert werden.

Das Projekt steht unter MIT-Lizenz; einzelne eingebundene Modelle können abweichende Lizenzen besitzen. Mit mehr als 64.000 GitHub-Sternen am 16. August 2026 ist Docling sichtbar verbreitet. Sterne belegen jedoch weder Genauigkeit noch Eignung für einen bestimmten Dokumentbestand. Entscheidend bleibt ein Test mit echten Dateien aus dem eigenen Arbeitsablauf.

Einfach erklärt

Docling arbeitet wie eine sorgfältige Poststelle. Sie öffnet nicht nur einen Umschlag und kippt alle Wörter in eine Kiste. Sie erkennt Anschrift, Anlagen, Tabellen und Seitenfolge, sortiert alles in beschriftete Fächer und gibt der nächsten Abteilung einen geordneten Vorgang. Wenn die Vorlage verschmiert oder ungewöhnlich aufgebaut ist, kann auch diese Poststelle falsch sortieren; deshalb braucht es Stichproben.

Praktisches Beispiel

Ein mittelständischer Maschinenbauer besitzt 2.000 Wartungsberichte mit Tabellen, eingescannten Zeichnungen und handschriftlichen Ergänzungen. Das Team möchte eine interne Suche bauen, die Servicetechniker auf die richtige Seite verweist.

Zuerst nimmt das Team 100 typische und 20 besonders schwierige Berichte als Testsatz. Docling konvertiert sie lokal in strukturierte Dokumente. Anschließend prüft ein Mensch Lesereihenfolge, Tabellenzellen, Seitenverweise und OCR-Ergebnisse. Erst wenn definierte Mindestwerte erreicht sind, werden Abschnitte mit Dokument-ID und Seitenzahl in den Suchindex übernommen. Die Antwort der späteren KI enthält Links zurück zum Original. Fehlerhafte Dokumentklassen werden nicht still akzeptiert, sondern mit einer anderen Pipeline oder manuell verarbeitet.

Einordnung und Grenzen

Docling ist eine leistungsfähige Aufbereitungsschicht, aber kein Wahrheitsprüfer.

• Komplexe Scans, Handschrift, verschachtelte Tabellen und seltene Layouts können falsch erkannt werden. Ein repräsentativer Goldstandard und laufende Stichproben bleiben nötig.
• Lokaler Betrieb bedeutet nicht automatisch geringen Aufwand. Modelle benötigen Speicher und Rechenleistung; API-Dienst, Updates und Warteschlangen brauchen Betriebskonzepte.
• Die strukturierte Ausgabe verhindert keine Halluzinationen im nachgelagerten Sprachmodell. Quellenverweise, Zugriffskontrollen und Antworttests bleiben eigene Aufgaben.
• Die MIT-Lizenz des Kernprojekts gilt nicht automatisch für jedes verwendete Modell. Teams müssen Modelllizenzen und Datenrechte getrennt prüfen.

Der sinnvollste nächste Test ist klein: zehn einfache und zehn schwierige eigene Dokumente konvertieren, die Ausgaben manuell vergleichen und messbare Abbruchkriterien definieren. Erst danach lohnt sich eine Integration in RAG oder Agenten.

SEO- und GEO-Schlüsselbegriffe

Docling, IBM Research, LF AI & Data, Dokumentverarbeitung, PDF Parsing, OCR, RAG, lokale KI, MCP-Server, DoclingDocument, GenAI-Datenpipeline, Open Source AI