Zum Hauptinhalt springen
PromptQuorumFür Menschen gemacht. Strukturiert für KI.
Startseite/Lokale LLMs Pro
RAG & Document Chat

Marker Review: PDF-zu-Markdown-Konverter mit OCR und Tabellenextraktion

·6 Min. LesezeitVon · Gründer von PromptQuorum · Entdeckungsplattform für Open-Weight- und Open-Source-KI

Marker (40.000+ GitHub-Sterne) wandelt PDF, DOCX, PPTX, XLSX, HTML, EPUB und Bilder mit dem Surya-OCR-Modell in Markdown, JSON und HTML um; der Code steht unter Apache-2.0, die Modellgewichte unter einer eigenen Lizenz mit Umsatzgrenzen. Marker ist eine Python-Bibliothek und CLI; Installation: pip install marker-pdf.

Wichtigste Erkenntnisse

  • Code unter Apache-2.0, Modellgewichte unter eigener Lizenz; 40.000+ GitHub-Sterne; entwickelt von Datalab.
  • pip install marker-pdf — Python 3.10+ und PyTorch erforderlich.
  • Ausgabe: Markdown, JSON (mit Bounding Boxes), HTML und Chunk-Output.
  • Surya VLM für OCR; TableConverter für Tabellen.
  • Die README erwähnt keinen MCP-Server; Datalab-API für gehostete Verarbeitung verfügbar.

📍 In einem Satz

Marker ist eine Python-Bibliothek (Code unter Apache-2.0, Modellgewichte unter eigener Lizenz), die PDF, DOCX, PPTX, XLSX, HTML, EPUB und Bilder mit dem Surya-OCR-Modell in Markdown, JSON und HTML umwandelt – auf dem eigenen System oder über die Datalab-API.

💬 In einfachen Worten

Sie übergeben ein Dokument; Marker liest Layout und Text – einschließlich Tabellen und eingescannter Seiten – und schreibt sauberes Markdown oder JSON, das ein RAG-System oder LLM direkt nutzen kann. Standardmäßig verarbeitet Marker Dokumente auf Ihrem Rechner; der optionale Modus --use_llm kann Inhalte an den von Ihnen konfigurierten LLM-Anbieter senden.

📌Hinweis: PromptQuorum hat Marker nicht selbst getestet. Alle Angaben stammen aus github.com/datalab-to/marker und datalab.to, Stand 2026-11-15.

Marker ist eine quelloffene Python-Bibliothek und CLI, die PDF, DOCX, PPTX, XLSX, HTML, EPUB und Bilder in Markdown, JSON und HTML umwandelt. Die OCR übernimmt das Surya-VLM-Modell. Diese Rezension basiert auf dem Marker-GitHub-Repository und datalab.to, Stand 15. November 2026.

Marker Review: PDF-zu-Markdown-Konverter mit OCR und Tabellenextraktion

Was Marker leistet

  • Eingabeformate: PDF, PPTX, DOCX, XLSX, HTML, EPUB und gängige Bildformate.
  • Ausgabeformate: Markdown, JSON mit Bounding Boxes, HTML und Chunk-Output für RAG.
  • OCR: Surya VLM – verarbeitet mehrsprachige gescannte Dokumente.
  • Tabellenextraktion: TableConverter rekonstruiert Tabellen in Markdown und JSON.
  • GPU optional: Surya läuft auf GPU, CPU oder Apple MPS.
  • Datalab-API: monatliches Freikontingent (laut README etwa 5.000 Convert-Seiten; die Preisseite nennt einen Dollarbetrag: 20 USD pro Monat mit Firmen-E-Mail, 10 USD mit privater); aktuelle Bedingungen siehe datalab.to/pricing.

Marker installieren

  • Lokal (Python): pip install marker-pdf für PDF; `pip install marker-pdf[full]` für weitere Formate (PPTX, DOCX, XLSX, HTML, EPUB).
  • PyTorch: zuerst separat installieren (pip install torch), falls noch nicht vorhanden.
  • Surya-Server: Beim ersten Einsatz startet Surya einen lokalen Inferenzserver; dieser benötigt auf NVIDIA-GPUs Docker mit vllm und das NVIDIA Container Toolkit, auf CPU oder Apple Silicon die llama.cpp-Binärdatei llama-server.
  • CLI: marker_single eingabe.pdf --output_dir ausgabe/ für eine einzelne Datei.
  • Datalab-API: Konto unter datalab.to erstellen; monatliches Freikontingent (siehe datalab.to/pricing).
  • Quellcode: github.com/datalab-to/marker (Code: Apache-2.0).

Datenweitergabe

  • Standardmäßig verarbeitet Marker Dokumente auf Ihrem Rechner. Der optionale Modus --use_llm kann Inhalte an den von Ihnen konfigurierten LLM-Anbieter senden (Standard gemini-3.5-flash; Claude, OpenAI-kompatibel, Azure, Vertex, OpenRouter und Ollama werden ebenfalls unterstützt). Die README nennt nicht, wann die Modellgewichte heruntergeladen werden; rechnen Sie mit einem Download während der Einrichtung.
  • Bei Nutzung der Datalab-API werden Dokumente auf Datalab-Server hochgeladen.
  • Diese Rezension hat die Datenschutzbedingungen von Datalab nicht bewertet; prüfen Sie diese auf datalab.to, bevor Sie vertrauliche Dokumente senden.
  • Für sensible Workloads betreiben Sie Marker lokal ohne --use_llm.

Lizenz und Preis

  • Lizenz: Der Code steht unter Apache-2.0; die Modellgewichte nutzen eine modifizierte AI Pubs Open RAIL-M-Lizenz, kostenlos für Forschung und private Nutzung sowie für Organisationen mit höchstens 5 Mio. USD Bruttoumsatz im Vorjahr und höchstens 5 Mio. USD eingeworbener Gesamtfinanzierung. Größere Organisationen benötigen eine kommerzielle Lizenz von Datalab; die Lizenz untersagt zudem den Einsatz in Produkten oder Diensten, die mit Datalab konkurrieren.
  • Lokale Nutzung: kein Konto erforderlich; kostenlos im Rahmen der oben genannten Lizenzbedingungen für die Modellgewichte.
  • Datalab-API: monatliches Freikontingent (laut README etwa 5.000 Convert-Seiten; die Preisseite nennt einen Dollarbetrag: 20 USD pro Monat mit Firmen-E-Mail, 10 USD mit privater); aktuelle Bedingungen siehe datalab.to/pricing.
  • Prüfen Sie die Lizenz der Modellgewichte vor jeder kommerziellen Nutzung; Apache-2.0 gilt nur für den Code.

📌Hinweis: Warnung: Lizenz der Modellgewichte vor kommerzieller Nutzung prüfen. Nur der Marker-Code steht unter Apache-2.0. Die Modellgewichte nutzen eine modifizierte AI Pubs Open RAIL-M-Lizenz; Organisationen oberhalb von 5 Mio. USD Bruttoumsatz oder 5 Mio. USD Gesamtfinanzierung benötigen eine kommerzielle Lizenz von Datalab.

Alternativen

  • Docling — MIT-Lizenz von IBM; mehr Ausgabeformate und ein dokumentierter MCP-Server (separates Paket docling-mcp); ebenfalls lokal.
  • MinerU — Open Source unter der MinerU Open Source License (Apache 2.0 plus zusätzliche Bedingungen; vor kommerzieller Nutzung prüfen); gibt Markdown, HTML und LaTeX aus; seitenübergreifende Tabellenzusammenführung.
  • Unstructured — Python-ETL-Bibliothek; breite Formatunterstützung inklusive E-Mails.
  • OpenDataLoader PDF — reiner PDF-Parser mit Python-, Node.js- und Java-SDKs; gibt JSON mit Bounding Boxes, Markdown und HTML aus.

Im Verzeichnis vergleichen

Häufige Fragen

Ist Marker kostenlos für kommerzielle Nutzung?

Das hängt von Ihrer Organisation ab. Der Code steht unter Apache-2.0, die Modellgewichte jedoch unter einer modifizierten AI Pubs Open RAIL-M-Lizenz: kostenlos für Forschung und private Nutzung sowie für Organisationen mit höchstens 5 Mio. USD Bruttoumsatz im Vorjahr und höchstens 5 Mio. USD eingeworbener Gesamtfinanzierung. Größere Organisationen benötigen eine kommerzielle Lizenz von Datalab; die Lizenz untersagt zudem den Einsatz in Produkten oder Diensten, die mit Datalab konkurrieren. Prüfen Sie die Modelllizenz vor kommerzieller Nutzung.

Was ist der Unterschied zwischen Marker und Docling?

Beide konvertieren PDFs lokal zu Markdown und JSON. Marker nutzt Surya-OCR für sauberes Markdown; Docling (IBM, MIT) hat einen dokumentierten MCP-Server (separates Paket docling-mcp) und bietet mehr Ausgabeformate.

Benötigt Marker eine GPU?

Nein. Surya VLM läuft auf der CPU. GPU beschleunigt die Verarbeitung, ist aber nicht zwingend.

Wie installiere ich Marker?

pip install marker-pdf in einer Python-3.10+-Umgebung; PyTorch ebenfalls installieren. Für andere Formate als PDF (PPTX, DOCX, XLSX, HTML, EPUB) gilt `pip install marker-pdf[full]`. Beim ersten Einsatz startet Surya einen lokalen Inferenzserver, der auf NVIDIA-GPUs Docker mit vllm und das NVIDIA Container Toolkit benötigt, auf CPU oder Apple Silicon die llama.cpp-Binärdatei llama-server. Kein GUI-Installer vorhanden.

Kann Marker gescannte PDFs verarbeiten?

Ja. Das Surya-VLM-Modell übernimmt die OCR für gescannte Dokumente und bildbasierte PDFs.

Welche Ausgabeformate unterstützt Marker?

Markdown (Standard), JSON mit Bounding Boxes, HTML und Chunk-Output für RAG.

Hat Marker einen MCP-Server?

Die Marker-README erwähnt keinen MCP-Server, daher ist keiner dokumentiert. Wenn Sie eine dokumentierte KI-Assistenten-Anbindung brauchen, prüfen Sie Docling, das eine nennt.

Was ist die Datalab-API?

Datalab entwickelt Marker und bietet einen gehosteten API-Dienst an. Es gibt ein monatliches Freikontingent (laut README etwa 5.000 Convert-Seiten; die Preisseite nennt einen Dollarbetrag: 20 USD pro Monat mit Firmen-E-Mail, 10 USD mit privater); aktuelle Bedingungen siehe datalab.to/pricing.

Was ist beim Datenschutz bei der Nutzung von Marker zu beachten?

Bei lokaler Nutzung verarbeitet Marker Dokumente standardmäßig auf dem eigenen System, was die Datenschutz-Dokumentation vereinfachen kann. Ob eine Auftragsverarbeitungsvereinbarung mit Datalab für die gehostete API verfügbar ist, haben wir nicht geprüft; fragen Sie dies bei Datalab ab und holen Sie bei Bedarf Rechtsrat ein. Dies ist keine Rechtsberatung.

Welche Version ist aktuell?

v2.2.0, veröffentlicht am 12. November 2026 (GitHub Releases). PromptQuorum hat dies am 15. November 2026 geprüft.

Eignet sich Marker für Mittelstandsunternehmen?

Für mittelständische Unternehmen kann der lokale Betrieb sinnvoll sein: Bei lokalem Betrieb ohne --use_llm werden Dokumente standardmäßig auf dem eigenen System verarbeitet, und es fallen keine API-Gebühren an. Prüfen Sie vorab die Lizenz der Modellgewichte: Oberhalb von 5 Mio. USD Vorjahresumsatz oder Gesamtfinanzierung ist eine kommerzielle Lizenz von Datalab nötig. Python 3.10+ und PyTorch müssen in der IT-Infrastruktur vorhanden sein.

Wie unterscheidet sich Marker von Unstructured?

Marker erzeugt sauberes Markdown mit Layout-Erhalt und nutzt Surya für OCR. Unstructured gibt JSON-Elemente aus und unterstützt ein breiteres Formatspektrum (inkl. E-Mails), benötigt aber typischerweise Tesseract und Poppler für lokale OCR und PDF-Verarbeitung.

Quellen

  • github.com/datalab-to/marker — README und Release-Verlauf, gelesen 2026-11-15.
  • datalab.to — Informationen zur gehosteten API, gelesen 2026-11-15.
  • GitHub Releases: v2.2.0 veröffentlicht 2026-11-12; Repository zuletzt aktualisiert 2026-11-14.

← Zurück zu Lokale LLMs Pro

MCP