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

Xberg Review: Open-Source-Dokumentenintelligenz für LLM- und RAG-Pipelines

·8 Min. LesezeitVon Hans Kuepper · Gründer von PromptQuorum · Entdeckungsplattform für Open-Weight- und Open-Source-KI

Xberg ist eine unter MIT-Lizenz stehende, in Rust geschriebene Engine für Dokumentenintelligenz, die Text, Tabellen, Metadaten und strukturierte Daten aus rund 107 Dateiformaten, Webseiten, Audio und Quellcode extrahiert. Sie nutzen sie über eine von 15 Sprachanbindungen, eine CLI, einen REST-Server oder einen MCP-Server; es ist eine Entwicklerbibliothek, keine Desktop-App.

Wichtigste Erkenntnisse

  • Die Bibliothek ist unter der MIT-Lizenz kostenlos; der Hersteller verkauft außerdem Pro, Enterprise und eine verwaltete Plattform, jeweils ohne öffentliche Preise
  • Es ist das Rebranding von Kreuzberg, neu aufgebaut als v1-Linie, daher beschreiben ältere Kreuzberg-Artikel dieselbe Engine
  • Es braucht ein Terminal oder Code: Es gibt keinen Desktop-Installer, und die Installation ist ein Befehl pro Sprache
  • Geschwindigkeits- und Genauigkeitsrankings stammen aus den eigenen Benchmarks des Herstellers und wurden von PromptQuorum nicht nachvollzogen
  • Die Dokumentation sagt nicht, ob es vollständig offline funktioniert, ob Modelle beim ersten Start heruntergeladen werden oder ob es Telemetrie sendet

📍 In einem Satz

Xberg wandelt Dokumente, Webseiten, Audio und Code in LLM-taugliches Markdown und strukturierte Daten um, und sein quelloffener Kern läuft auf Ihrer eigenen CPU.

💬 In einfachen Worten

Xberg liest nahezu jede Datei, die Sie ihm geben, und liefert sauberen Text, Tabellen und Metadaten zurück, die ein Sprachmodell oder ein Suchindex nutzen kann. Sie installieren es wie eine gewöhnliche Programmierbibliothek oder betreiben es als kleinen Server. Wenn Sie mit einem Sprachmodell strukturierte Felder auslesen möchten, können Sie es auf ein Modell richten, das auf Ihrem eigenen Computer läuft.

Lesen auf:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

Xberg (xberg.io, Dokumentation unter docs.xberg.io, Quellcode unter github.com/xberg-io/xberg) ist eine Engine für Dokumentenintelligenz, die Dateien, Webseiten, Audio und Code in Markdown und andere strukturierte Ausgaben umwandelt. Sie gehört in ein Verzeichnis für lokale KI, weil Extraktion, OCR und Layout-Erkennung auf Ihrer eigenen CPU laufen und die LLM-gestützte Extraktion statt eines Cloud-Modells mit Ollama, LM Studio oder vLLM sprechen kann. Diese Review behandelt, was Xberg kann, was lokal läuft und was nicht, wie die Installation funktioniert und für wen es sich eignet.

Xberg Review: Open-Source-Dokumentenintelligenz für LLM- und RAG-Pipelines

Was ist Xberg?

Xberg ist eine Engine für Dokumentenintelligenz: Sie richten sie auf eine Datei, URL, ein Archiv oder einen Quellcode-Baum, und sie liefert sauberen Text, Tabellen, Metadaten und strukturierte Daten in einem Format, das ein LLM oder ein Suchindex direkt verwenden kann. Das README nennt sie „die schnelle, präzise Engine für Dokumentenintelligenz – für jede Sprache“.

  • Produkttyp: ein Rust-Kern mit 15 Sprachanbindungen, einer CLI mit 14 Befehlen, einer REST-API (xberg serve), einem MCP-Server, einem Docker-Image und einem Helm-Chart
  • Repository: github.com/xberg-io/xberg, 9.000+ Sterne, im Januar 2025 angelegt, per GitHub-API geprüft
  • Herkunft: Laut README ist Xberg „die nächste Iteration von Kreuzberg“ und dieselbe Engine, „neu aufgebaut und umbenannt unter einer frischen v1-Linie“; die alte Adresse kreuzberg-dev/kreuzberg leitet jetzt hierher weiter, und ein separates Repository kreuzberg-lts existiert weiterhin
  • Lizenz: MIT, laut LICENSE-Datei des Repositorys
  • Hersteller: Die Website zeigt die Marke „Xberg“ und die GitHub-Organisation xberg-io; das Impressum nennt eine Adresse in Berlin und eine für die Website verantwortliche Person, aber weder den Namen einer juristischen Person noch eine Registernummer

Was lässt sich mit Xberg tun?

Xberg bündelt die Schritte einer Dokumenten-Pipeline in einer Engine. Einige Funktionen sind optionale Feature-Flags, die die vorgefertigten Pakete und das Docker-Image standardmäßig enthalten.

  • Extrahieren — PDFs, Office-Dateien, Bilder, HTML, E-Mails, E-Books, wissenschaftliche Arbeiten und strukturierte Daten lesen, mit MIME-Erkennung und Grenzen für große Eingaben
  • OCR — Backends mit Tesseract, PaddleOCR, Candle oder Vision-Language-Modellen, mit Fallback-Ketten und Konfidenzwerten
  • Layout und Tabellen — ML-Modelle für Layout und Tabellenstruktur rekonstruieren Lesereihenfolge und Zellraster als Markdown
  • Transkribieren — Sprache-zu-Text für MP3-, M4A-, WAV-, WebM- und MP4-Audio über Whisper-ONNX-Modelle (Feature-Flag)
  • URLs abrufen — eine Webseite extrahieren oder Links über die Engine crawlberg verfolgen (Feature-Flag)
  • Archive entpacken — verschachtelte zip-, tar-, gz- und 7z-Dateien rekursiv durchlaufen, abgesichert durch Grenzen für Zip-Bomben, Kompressionsverhältnis und Verschachtelungstiefe
  • Code-Intelligenz — Funktionen, Klassen, Importe und Symbole aus 371 Programmiersprachen, mit syntaxbewusstem Chunking für RAG
  • Einbetten und anreichern — lokale ONNX- oder von Anbietern gehostete Embeddings, Reranking, Entitäten- und Schlüsselworterkennung, Zusammenfassung, Übersetzung und Schwärzung
  • Strukturierte Extraktion — schemagesteuertes JSON aus einem lokalen oder gehosteten LLM
  • Ausgabe — Klartext, Markdown, Djot, HTML, ein JSON-Baum oder Docling DocTags

Was lokal läuft und was nicht

Extraktion, OCR, Layout und ONNX-Embeddings laufen auf Ihrer eigenen CPU; das Netzwerk kommt nur ins Spiel, wenn Sie einen gehosteten Anbieter wählen, eine URL abrufen oder die Live-Demo des Herstellers nutzen. Die Dokumentation beschreibt die Engine als CPU-orientiert, ohne GPU-Pflicht.

  • CPU: Unter x86_64 benötigen die ONNX-basierten Funktionen (PaddleOCR, Layout-Erkennung, Embeddings, Reranking, Transkription) AVX/AVX2 und können ohne abstürzen; ARM ist nicht betroffen
  • Plattformen: Vorgefertigte Binärdateien gibt es für Linux (x86_64, aarch64), Windows und Apple Silicon; Intel-Macs erhalten vorgefertigte Pakete nur für die CLI und das Python-Wheel
  • Browser-Build: Das WebAssembly-Paket läuft in Browsern, Deno, Cloudflare Workers und Node.js 22 oder neuer, ohne die LLM- und VLM-Funktionen

Extraktion, OCR, Layout

Wo es läuft:
Auf Ihrer CPU, im Prozess oder auf Ihrem Server

Embeddings und Reranking

Wo es läuft:
Lokale ONNX-Modelle oder ein gehosteter Anbieter, den Sie konfigurieren

Strukturierte Extraktion

Wo es läuft:
Ollama, LM Studio oder vLLM lokal, oder ein gehostetes LLM

URL-Abruf und Crawling

Wo es läuft:
Braucht Netzwerkzugriff auf die Zielseite

Live-Demo auf der Doku-Seite

Wo es läuft:
Uploads laufen über die API des Herstellers

Nicht geprüft: Die Dokumentation sagt nicht, ob Modelle oder OCR-Engines beim ersten Start heruntergeladen werden, ob die Engine vollständig offline funktioniert oder ob sie Telemetrie sendet. Testen Sie das auf einer vom Netz getrennten Kopie, bevor Sie sich darauf verlassen.

Xberg-Lizenz und kommerzielle Editionen

Die Bibliothek ist unter der MIT-Lizenz für private, interne und kommerzielle Nutzung kostenlos; der Hersteller bietet außerdem kostenpflichtige Editionen ohne veröffentlichte Preise an. Die Angaben stammen von xberg.io und der zugehörigen Datenschutzerklärung.

  • Xberg Pro: eine selbst gehostete Edition in einem einzelnen Container; Xberg Enterprise: eine verteilte Kubernetes-Edition mit Governance und Support
  • Xberg Platform: ein verwaltetes Backend, abgerechnet nach Nutzung oder selbst gehostet; ein Design-Partner-Programm nur auf Einladung bietet 24 Monate festgeschriebene Preise
  • Datenschutz der Website: Die Erklärung vom 21. Mai 2026 nennt „Xberg“ als Verantwortlichen, ohne eine juristische Person zu benennen, und sagt, dass Analysen nur mit Cookie-Einwilligung laufen
  • Die Erklärung trifft keine Aussage dazu, ob die Open-Source-Bibliothek Daten an den Hersteller sendet

Für wen eignet sich Xberg?

Xberg eignet sich für Entwickler, die viele Dokumenttypen in sauberen, strukturierten Text umwandeln müssen und lieber eine Engine aufrufen, als getrennte PDF-, OCR- und Layout-Bibliotheken zusammenzustecken.

Xberg nutzen, wenn Sie

  • RAG-, Such- oder Agenten-Pipelines bauen, die PDFs, Scans, Office-Dateien, E-Mails oder Audio einlesen
  • Die Extraktion auf eigener Hardware, in Ihrer Sprache, als Bibliothek, Server oder MCP-Tool wollen
  • LLM-gestützte Feldextraktion über einen Modellserver auf eigener Hardware benötigen

Woanders suchen, wenn Sie

  • Eine Klick-und-los-App zum Chatten mit Ihren Dokumenten wollen
  • Dokumentierte Offline- und Telemetrie-Garantien schon heute benötigen
  • Einen Anbieter mit benannter juristischer Person und veröffentlichten Enterprise-Preisen brauchen

Konkurrenten und Alternativen

Das Verzeichnis führt keine weitere Engine zur Dokumentenextraktion, daher sind die nächsten Reviews derselben Kategorie Tools, die Inhalte abrufen oder weiterverarbeiten, statt Dateien umzuwandeln. Xberg sitzt vor ihnen: Es liefert sauberen Text und Struktur, und sie speichern, durchsuchen oder verarbeiten sie weiter.

Firecrawl

Bekannt für:
Websites in LLM-taugliches Markdown oder JSON umwandeln
Artikel über Firecrawl (2)

Cognee

Bekannt für:
Selbst gehostetes Langzeitgedächtnis für Agenten über einen Wissensgraphen

txtai

Bekannt für:
Eingebettete Vektor- und LLM-Datenbank in einer Bibliothek
Artikel über txtai (2)

Auch erwähnt in:

Das komplette Angebot, einschließlich des Xberg-Eintrags, finden Sie im Verzeichnis lokaler LLM-Software.

Im Verzeichnis vergleichen

Häufig gestellte Fragen

Kann Xberg als MCP-Server laufen?

Das README nennt einen MCP-Server neben CLI und REST-API. Diese Review hat ihn nicht ausgeführt, den genauen Startbefehl entnehmen Sie daher der Dokumentation.

Kann ich Xberg im Browser nutzen?

Ja, über das WebAssembly-Paket, das auch Deno, Cloudflare Workers und Node.js 22 oder neuer unterstützt. Die LLM- und VLM-Funktionen fehlen dort.

Läuft es auf einem Intel-Mac?

Teilweise. Vorgefertigte Pakete gibt es nur für die CLI und das Python-Wheel, und laut Dokumentation ist die Intel-Unterstützung Best-Effort und soll entfallen.

Sollte ich vertrauliche Dateien in die Live-Demo hochladen?

Nein. Die Demo sendet Dokumente über die API des Herstellers, nutzen Sie für Sensibles daher eine lokale Installation.

Aus welchen Sprachen lässt sich Xberg aufrufen?

Python, TypeScript und Node.js, WebAssembly, Rust, Go, Java, Kotlin unter Android, C#, Ruby, PHP, Elixir, Dart und Flutter, Swift, Zig sowie C über eine FFI.

Hat PromptQuorum Xberg getestet?

Nein. Diese Review beruht auf der offiziellen Website, der Dokumentation, der Datenschutzerklärung, dem GitHub-Repository und den Release-Daten, nicht auf eigenen Benchmarks.

Quellen

← Zurück zu Lokale LLMs Pro

MCP