Was MinerU leistet
- Eingabeformate: PDF, DOCX, PPTX, XLSX, HTML, EPUB und Bilder.
- Ausgabeformate: Markdown (Standard), HTML, LaTeX, DOCX und EPUB (unter den im README aufgeführten Exportzielen; laut README bietet jede CLI/API nur einen Teil davon).
- OCR: modellbasierte OCR für gescannte PDFs und bildbasierte Dokumente.
- Seitenübergreifende Tabellen: Tabellen über mehrere Seiten werden zusammengeführt — im README dokumentiert.
- Bounding Boxes: Blockebene-Koordinaten für präzise Zitationen.
- GPU: auto-erkannt; ~2–3× schneller als CPU-only bei repräsentativen Inferenz-Workloads, laut README.
- Standard: lokal — Dokumente werden standardmäßig nicht hochgeladen; Remote-Parsing erfordert explizite Konfiguration.
MinerU installieren
- Installation:
pip install mineru - Python-Version: 3.11, 3.12, 3.13 oder 3.14.
- CLI:
mineru parse dokument.pdf(Befehl laut aktuellem README) - Quellcode: github.com/opendatalab/MinerU (MinerU Open Source License).
Datenweitergabe
- Standardmäßig läuft das Parsing auf Ihrem Rechner und Dokumente werden nicht hochgeladen; Remote-Parsing erfordert explizite Konfiguration. Die lokale Einrichtung kann Modell-Downloads erfordern (laut README grob 0,8–3 GB je nach Stufe), daher braucht die erste Einrichtung eine Netzwerkverbindung.
- Ein Remote-/Cloud-Modus existiert, erfordert aber explizite Konfiguration.
- Laut README enthält die Doclib-Komponente Nutzungs- und Diagnosetelemetrie (zunächst aktiviert, ohne Dokumentinhalte, extrahierten Text, Dateinamen und Suchanfragen); abschalten mit
mineru telemetry disableoder MINERU_TELEMETRY_DISABLED=1 in der Doclib-Server-Umgebung. - Die GitHub-Organisation OpenDataLab nennt China als Standort (GitHub-Profil). Der gehostete Dienst auf mineru.net verlinkt im Footer eine Datenschutzerklärung und Nutzungsvereinbarung; lesen Sie beides, bevor Sie vertrauliche Dokumente an einen Remote-Modus senden. Lokales Parsing lädt keine Dokumente hoch.
Lizenz und Preis
- Lizenz: MinerU Open Source License — basiert auf Apache 2.0 mit Zusatzbedingungen (nicht die reine Apache-2.0). Kommerzielle Nutzung ist ohne separate Lizenz zulässig, solange Sie und Ihre verbundenen Unternehmen weder 100 Millionen monatlich aktive Nutzer noch 20 Mio. USD Gesamtmonatsumsatz überschreiten; auf MinerU aufbauende Online-Dienste müssen deutlich kenntlich machen, dass MinerU verwendet wird; bei Verstoß erlischt die Lizenz automatisch. Lesen Sie vor kommerzieller Nutzung die LICENSE.md.
- Preis: Die Bibliothek ist kostenlos herunterzuladen und lokal auszuführen; der gehostete Dienst auf mineru.net und seine Remote-API wurden hinsichtlich Preisen und Nutzungsgrenzen nicht bewertet.
- Die Schwellenwerte oben stammen aus der LICENSE.md, die Modellgewichte nicht erwähnt. Beim Setup geladene Modelle können eigenen Lizenzen unterliegen; prüfen Sie diese vor dem kommerziellen Einsatz.
Alternativen
- Docling — MIT-Lizenz; gestartet bei IBM Research Zürich, gehostet von der LF AI & Data Foundation; MCP über das separate Paket docling-mcp; DocLang/DocTags-Ausgabe.
- Marker — Code unter Apache 2.0, Modellgewichte unter einer modifizierten AI Pubs Open RAIL-M-Lizenz mit kommerziellen Einschränkungen (vor kommerzieller Nutzung prüfen); Surya-OCR; Markdown und JSON mit Bounding Boxes.
- Unstructured — Python-ETL; breite Formatunterstützung inklusive E-Mails.
- OpenDataLoader PDF — reiner PDF-Parser mit Python-, Node.js- und Java-SDKs; Ausgabe als JSON mit Bounding Boxes, Markdown und HTML.
Häufige Fragen
Ist MinerU kostenlos für kommerzielle Nutzung?
Weitgehend ja. MinerU steht unter der MinerU Open Source License (Apache 2.0 mit Zusatzbedingungen). Kommerzielle Nutzung ist ohne separate Lizenz zulässig, außer Sie und Ihre verbundenen Unternehmen überschreiten 100 Millionen monatlich aktive Nutzer oder 20 Mio. USD Gesamtmonatsumsatz; Online-Dienste auf Basis von MinerU müssen kenntlich machen, dass MinerU verwendet wird. Lesen Sie die LICENSE.md auf GitHub.
Was unterscheidet MinerU von Docling und Marker?
Laut README gibt MinerU LaTeX aus und führt seitenübergreifende Tabellen zusammen; prüfen Sie die Dokumentation von Docling und Marker auf dieselben Funktionen, bevor Sie sich entscheiden. Docling bietet MCP-Unterstützung über das separate Paket docling-mcp; Marker nutzt Surya-OCR.
Benötigt MinerU eine GPU?
Nein. MinerU läuft auf der CPU. GPU-Beschleunigung wird auf NVIDIA, AMD, Intel und Apple Silicon auto-erkannt; das README nennt etwa 2–3× CPU-Geschwindigkeit bei repräsentativen Inferenz-Workloads, die tatsächliche Geschwindigkeit hängt von Hardware und Dokumenttyp ab.
Wie installiere ich MinerU?
pip install mineru in einer Python-3.11–3.14-Umgebung; virtuelle Umgebung empfohlen.
Kann MinerU gescannte PDFs verarbeiten?
Ja. MinerU enthält modellbasierte OCR für gescannte Dokumente und bildbasierte PDFs.
Welche Ausgabeformate unterstützt MinerU?
Markdown (Standard), HTML, LaTeX, DOCX und EPUB (unter den im README aufgeführten Exportzielen; laut README bietet jede CLI/API nur einen Teil davon).
Hat MinerU einen MCP-Server?
Das README beschreibt für v4.2.2 keinen MCP-Server. Für MCP-Integration eignet sich Docling (separates Paket docling-mcp).
Wer entwickelt MinerU?
OpenDataLab pflegt das GitHub-Repository.
Ist MinerU DSGVO-konform nutzbar?
Ob Ihr Einsatz DSGVO-konform ist, hängt von Rechtsgrundlage, technisch-organisatorischen Maßnahmen und ggf. einer Datenschutz-Folgenabschätzung ab. Laut README werden Dokumente im lokalen Standardmodus nicht hochgeladen (Modell-Downloads und die Doclib-Telemetrie ohne Dokumentinhalte bleiben davon unberührt), was die Prüfung eines Drittlandtransfers für diesen Schritt vereinfachen kann. Dies ist keine Rechtsberatung; sprechen Sie mit Ihrem Datenschutzbeauftragten.
Welche Version ist aktuell?
v4.2.2, veröffentlicht am 13. November 2026 (GitHub Releases). PromptQuorum hat dies am 15. November 2026 geprüft.
Führt MinerU seitenübergreifende Tabellen zusammen?
Ja. Tabellen, die sich über mehrere PDF-Seiten erstrecken, werden erkannt und als eine einzige Tabelle in der Ausgabe zusammengeführt.
Eignet sich MinerU für Mittelstandsunternehmen?
Der lokale Modus verarbeitet Dokumente auf der eigenen Hardware. Python 3.11–3.14 muss in der IT-Infrastruktur vorhanden sein; eine GPU ist optional; sie kann die Verarbeitung großer Dokumentenmengen beschleunigen (laut README etwa 2–3× CPU-Geschwindigkeit bei repräsentativen Inferenz-Workloads).
Quellen
- github.com/opendatalab/MinerU — README und Release-Verlauf, gelesen 2026-11-15.
- opendatalab.com — Projektwebsite, gelesen 2026-11-15.
