PDF- und Word-Dateien für KI in Text umwandeln: Microsofts MarkItDown

Weitere Anleitungen findest du in der Ailoot-Dokumentation.

Was ist MarkItDown, und wofür ist es gedacht?#

Du gibst einer KI einen Vertrag, einen Bericht oder einen Buchhaltungsexport und erhältst eine Antwort, die nichts mit dem Dokument zu tun hat. Meist liegt es nicht am Modell. Die Datei enthält ein Format: Word ist ein Archiv mit Markup, Excel eine Tabelle mit Verknüpfungen zwischen Zellen, und PDF eine Ansammlung von Zeichen mit Koordinaten auf einer Seite. Das Modell arbeitet mit Text, und jemand muss diesen Text extrahieren.

Genau das macht MarkItDown. Das Repository liegt unter github.com/microsoft/markitdown und steht unter der MIT-Lizenz, du kannst es also ohne Einschränkungen verwenden. Am 18. August 2026 hat es 174,412 Sterne und 12,756 Forks; die neueste Version, 0.1.7, erschien am 29. Juli. Das Projekt ist aktiv, sein Schwerpunkt hat sich jedoch von der Entwicklung zur Wartung verlagert: Es gibt 481 offene Pull Requests, gegenüber 183, die im gesamten bisherigen Verlauf zusammengeführt wurden.

Die Entwickler beschreiben den Zweck so:

Der nächste Satz in der Beschreibung erklärt die Hälfte der Beschwerden über das Tool:

Die Ausgabe ist Rohmaterial für ein Modell. Sie wird kein schönes Dokument, und das sagt das Projekt ganz offen, gleich im ersten Abschnitt.

Die Beschreibung beantwortet direkt, warum Markdown verwendet wird: Führende Modelle „sprechen“ dieses Markup bereits und fügen es ungefragt in ihre Antworten ein, weil sie während des Trainings riesige Mengen davon gesehen haben. Das Markup ist außerdem kompakt: drei Rautenzeichen für eine Überschrift statt eines Dutzends Metadatenzeilen.

Worin unterscheidet sich MarkItDown von einem gewöhnlichen Konverter?#

Der Unterschied wird an einem Beispiel deutlich. Nimm einen Ordner mit zwanzig PDFs und versuche, sie mit pandoc zu verarbeiten. Das funktioniert nicht: pandoc kann PDFs als Ausgabe erzeugen, aber sie nicht als Eingabe lesen. Und genau diese Situation – „Ich habe einen Stapel Dokumente; gib sie dem Modell“ – kommt am häufigsten vor.

Die Autoren von MarkItDown vergleichen ihr Tool mit textract, einer Bibliothek, die einfach überall Text extrahiert. Der Unterschied ist, dass MarkItDown versucht, die Struktur zu bewahren: Überschriften, Listen, Tabellen und Links.

Die praktische Schlussfolgerung ist einfach. Wenn du einen Artikel für die Veröffentlichung in ein Layout umwandeln musst, verwende pandoc. Wenn eine KI zwanzig Verträge verstehen soll, verwende MarkItDown.

Wie installierst du MarkItDown, ohne die erste Version zu erwischen?#

Zuerst der richtige Befehl, dann die Erklärung, warum er der richtige ist.

1. Python-Version überprüfen

   Python 3.12 ist am zuverlässigsten: Die neueste MarkItDown-Version lässt sich in jeder damit getesteten Umgebung installieren. Mit python3 --version siehst du, welche Version du hast. Auf Intel-Macs oder Macs mit einer älteren macOS-Version kann Python 3.13 und 3.14 still und leise ein Downgrade auslösen; Python 3.15 wird noch nicht unterstützt, wie weiter unten erklärt.

2. Mit den angegebenen Formaten installieren

   Führe pip install 'markitdown[pdf,docx,xlsx,pptx]' aus. Die Anführungszeichen sind erforderlich, sonst interpretiert die Shell die eckigen Klammern. Füge auf einem Intel-Mac nach install die Option --prefer-binary hinzu.

3. Sofort überprüfen, ob die Installation geklappt hat

   Führe markitdown --version aus. Die Ausgabe sollte markitdown 0.1.8 oder höher lauten. Eine niedrigere Nummer bedeutet, dass die Installation ein Downgrade vorgenommen hat; in diesem Abschnitt wird erklärt, warum.

pip install 'markitdown[pdf,docx,xlsx,pptx]'
markitdown --version

In der Projektbeschreibung wird pip install 'markitdown[all]' als Hauptbefehl aufgeführt – damit wird alles auf einmal installiert. Am 28. September 2026, eine Woche nach der Veröffentlichung von 0.1.8, wurden in einer sauberen Umgebung auf einem Apple-Silicon-Mac mit Python 3.14.6 und 3.12.12 vier Varianten ausgeführt:

Alle acht Installationen endeten mit „Successfully installed“, und markitdown --version gab in jedem Fall 0.1.8 zurück. Im August, als 0.1.7 die neueste Version war, installierte der dritte Befehl unter Python 3.14 Version 0.0.2, die am 8. März 2025 veröffentlicht worden war – die zweite Veröffentlichung in der Projektgeschichte. Inzwischen gibt es elf stabile Versionen von 0.0.1 bis 0.1.8 und einschließlich Vorabversionen insgesamt sechsundzwanzig.

Ursache war die Abhängigkeitskette. In Version 0.1.7 zieht das Extra [all] eine Bibliothek für YouTube-Untertitel aus einer bestimmten Veröffentlichungslinie nach, deren Versionen alle angeben, dass sie nicht mit Python 3.14 funktionieren. Der Installer lehnt sie ab und springt, da keine Version festgelegt ist, durch frühere MarkItDown-Versionen zurück, bis er eine installierbare findet. Er findet 0.0.2 und installiert sie – damit landet eine anderthalb Jahre alte Version auf deinem Rechner. In Version 0.1.8 wurde die Anforderung an die Untertitelbibliothek auf eine mit 3.14 kompatible Version angehoben, und das Downgrade hörte dort auf.

Der Mechanismus existiert weiterhin. Wenn der Installer eine benötigte Komponente für dein System nicht findet, springt er auf dieselbe Weise still zu 0.0.2 zurück. In neueren Versionen ist diese Komponente die von der Dateityperkennung verwendete onnxruntime-Engine. Auf dem Mac wird sie wie folgt bereitgestellt: für Python 3.12 ab macOS 11; für 3.13 ab macOS 13; für 3.14 nur auf Apple Silicon mit macOS 14 oder höher. Erfüllt dein Mac diese Anforderungen nicht, installiert selbst der einfache Befehl pip install markitdown Version 0.0.2. Ein Test auf einem Intel-Mac mit Python 3.14 über Rosetta ergab genau das: „Successfully installed“, keine Warnungen und intern Version 0.0.2.

Intel-Macs haben noch eine weitere Komplikation. Seit Juni 2026 wird die zum Lesen von PDFs erforderliche Kryptografiebibliothek ohne vorgefertigte Version für diesen Prozessor veröffentlicht, weshalb der Installer versucht, sie aus dem Quellcode zu bauen. Füge dem Befehl die Option --prefer-binary hinzu, dann wird die vorherige Version mit vorgefertigtem Paket verwendet. Im Test unter Python 3.13 auf Intel wurde so Version 0.1.8 installiert, und das PDF ließ sich öffnen. Die Option installiert cryptography 48.0.1, für das drei bekannte Schwachstellen dokumentiert sind: bei der PKCS#7-Entschlüsselung und der Zertifikatskettenprüfung. MarkItDown verwendet es nur zum Entschlüsseln verschlüsselter PDFs, und beim Lesen von Dokumenten werden diese Teile nicht erreicht.

Unter Python 3.15 tritt das Downgrade aus zwei Gründen auf. Version 0.1.8 erklärt nur die Versionen 3.10 bis 3.14 für unterstützt, und für 3.15 gibt es noch keine Engine. Die Versionsauflösung des Installers für 3.15 bestätigt dies: Sowohl der einfache Befehl als auch der Befehl mit Formaten installieren dieselbe Version 0.0.2.

Eine Downgrade-Warnung sieht so aus, eine Zeile für jedes Extra im Befehl:

WARNING: markitdown 0.0.2 does not provide the extra 'all'

Die Zeile geht zwischen Dutzenden Downloadzeilen unter und sagt nichts über die ersatzweise installierte Version aus. Bei einem einfachen Befehl ohne Extras gibt es nicht einmal eine Warnung. Der Abschlussbericht klingt erfreulich: „Successfully installed.“

Ohne Extras zu installieren, ist ebenfalls keine Lösung. Das Basispaket wird installiert, kann aber keine PDFs öffnen:

PdfConverter recognized the input as a potential .pdf file, but the
dependencies needed to read .pdf files have not been installed. To resolve
this error, include the optional dependency [pdf] or [all] when installing
MarkItDown. For example:

* pip install 'markitdown[pdf]'
* pip install 'markitdown[all]'

Das Tool selbst empfiehlt [all], und mit Version 0.1.8 funktioniert dieser Rat unter Python 3.14 und 3.12 wieder. Trotzdem ist es besser, Formate namentlich anzugeben: [all] fügt etwa fünfzehn weitere Pakete und ungefähr 55 Megabyte hinzu, darunter eine Azure-Bibliothek in Vorabversion und genau jene YouTube-Abhängigkeitskette, die die Installation bereits einmal zum Scheitern gebracht hat.

Der Installer verarbeitet die Azure-Vorabversion selbst. Normalerweise überspringt pip Vorabversionen, aber hier wird ausdrücklich eine Vorabversion angefordert, also installiert pip sie. Vier pip-Versionen von 23.2 bis 26.2 wurden unter Python 3.12 getestet; alle wählten Version 0.1.8 aus.

Im August ergab eine Neuinstallation in einer weiteren sauberen Umgebung dasselbe Ergebnis: 0.0.2 und das Wort „Successfully“.

Ein paar praktische Details solltest du im Voraus kennen.

Das Paket ist recht groß: Eine Basisinstallation belegt 143 Megabyte, mit vier Formaten sind es 303. Die größte Komponente mit 81 Megabyte ist die Dateityperkennung, die sogar bei der Basisinstallation mitinstalliert wird. Auf einem Laptop spielt das keine Rolle, bei einer Cloud-Funktion mit Größenbeschränkung schon.

Verlass dich nicht auf Mirrors als Ausweichlösung. Ein getesteter Mirror stellte einen Index bereit, und die MarkItDown-Dateien waren vorhanden, doch eine benötigte Abhängigkeit fehlte, sodass die Installation sowohl unter Python 3.14 als auch 3.12 scheiterte.

Die Installation ist nebensächlich im Vergleich zum Hauptproblem. Viel häufiger produziert eine KI Unsinn, weil das Falsche oder eine falsche Darstellung davon in ihrem Kontextfenster gelandet ist. Die Fähigkeit, vor einer Aufgabe zu entscheiden, was man einem Modell geben sollte, nennt sich Context Engineering; die Dokumentenaufbereitung gehört dazu.

Wie wandelst du dein erstes Dokument in Text um?#

Die kürzeste Variante:

markitdown dogovor.docx

Der Text wird im Terminal ausgegeben. Um ihn in einer Datei zu speichern, gibt es zwei Möglichkeiten:

markitdown dogovor.docx -o dogovor.md
markitdown dogovor.docx > dogovor.md

Auf Mac und Linux ist der Unterschied zu vernachlässigen, unter Windows kann die Umleitung mit > jedoch das Programm zum Absturz bringen, wenn die Ausgabe kyrillischen Text enthält.

Du kannst eine Datei als Stream übergeben; in diesem Fall ist der Hinweis zur Dateiendung nützlich:

cat dogovor.docx | markitdown -x docx

Hier sind die wichtigsten Optionen aus der Hilfe von Version 0.1.8:

Dieselbe Hilfe führt drei weitere nützliche Optionen auf, die alle getestet wurden: --list-plugins zeigt installierte Plugins an, -p aktiviert sie für einen bestimmten Lauf und --keep-data-uris belässt in das Dokument eingebettete Bilder in der Ausgabe (standardmäßig werden sie ausgeschnitten). Die übrigen Optionen betreffen Einstellungen für Microsofts Cloud-Dienste.

Der Python-Wrapper umfasst drei Zeilen:

from markitdown import MarkItDown

md = MarkItDown()
print(md.convert("ostatki.xlsx").text_content)

Derselbe Aufruf akzeptiert eine URL. Eine einfache Seite lieferte sauberen Text mit 167 Zeichen, einschließlich Überschrift und Link, ohne Menü und Fußzeile:

r = md.convert("https://example.com")

Welche Formate versteht MarkItDown, und was bedeutet das tatsächlich?#

Eine Übersicht dessen, was behauptet wird und was es in der Praxis bedeutet.

Drei Punkte im Detail.

Bilder. In der Beschreibung steht OCR, daher erwarten viele, dass das Programm Text aus einem Foto lesen kann. Das kann es nicht. Es liest Metadaten mithilfe eines separaten Programms namens exiftool und kann ein Bild, wenn du ein Vision-Modell mit deinem eigenen Schlüssel verbindest, zur Beschreibung dorthin senden.

Audio. Sprachtranskription ist verfügbar, aber die Sprache wird nicht mitgegeben, und die Engine erwartet standardmäßig Englisch. Außerdem wird Googles inoffizieller kostenloser Endpunkt verwendet, der auf ungefähr fünfzig Anfragen pro Tag und Schlüssel beschränkt ist.

Archive. Das Programm entpackt ZIP-Dateien, durchläuft die darin enthaltenen Dateien und hängt die Ergebnisse aneinander. Wenn eine Datei nicht geparst werden kann, wird der Fehler abgefangen und unterdrückt. Die Datei erscheint einfach nicht im Ergebnis, und du erfährst nichts davon.

Was passiert mit Dokumenten, die kyrillischen Text enthalten?#

Die folgenden Dateien wurden eigens zum Testen erstellt; ihre Daten sind frei erfunden.

Die Excel-Inventarliste kam ebenso sauber heraus, wobei der Tabellenblattname zur Überschrift wurde:

## Stock
| Item | In stock | Reserved | Available |
| --- | --- | --- | --- |
| Coffee beans, kg | 420 | 38 | 382 |
| Loose-leaf tea, kg | 180 | 52 | 128 |

Die Präsentation wurde in Text umgewandelt, wobei die Foliennummern als Anmerkungen erschienen und die Folientitel zu Überschriften wurden. Auch hier ist der kyrillische Text intakt. Die pauschale Behauptung „MarkItDown versteht kein Kyrillisch“ ist falsch.

Nun zu den drei Stellen, an denen tatsächlich Probleme auftreten.

CSV mit Semikolons. Zum Vergleich wurden zwei identische Rechnungs-Exporte verarbeitet. Die Variante mit Kommas ergab eine ordentliche Tabelle mit vier Spalten. Bei Semikolons landet die ganze Zeile in einer einzigen Zelle.

Die gesamte Zeile landete in einer Zelle. Die Kodierung wurde korrekt erkannt, und es gab keinen Fehler; die Option -c hilft nicht. Das Modell erhält diese Tabelle und versteht nicht, welcher Wert der Betrag und welcher der Status ist. Exportiere erneut mit ausdrücklich gewähltem Kommatrennzeichen und korrekter Kodierung; lasse das Original unverändert. Ersetze Semikolons nicht global: Zeichen in Anführungszeichen und Dezimalkommas können zum Zellwert gehören. Ist kein neuer Export möglich, lies die Datei mit ihrem tatsächlichen Trennzeichen und schreibe eine neue CSV über einen CSV-Parser und -Writer, der Anführungszeichen und Werte erhält. Vergleiche vor der Analyse Spaltenzahl, Zeilenzahl und Kontrollsummen mit dem Ausgangsexport.

Währungsformatierung in Excel. Das Währungssymbol wird in den Anzeigeeinstellungen der Zelle gespeichert und fließt nicht in den Wert selbst ein. Die Projektbetreuer haben die Ursache bestätigt. Bei einer Preisliste oder Rechnung ist das wichtig: Das Modell sieht Zahlen, ohne zu wissen, für welche Währung sie stehen.

Windows-Konsole. Bei Dateien mit nichtlateinischen Zeichen kann das Programm abstürzen.

Der Fehlertrace zeigt die Kodierung cp1251, also die Windows-Konsole. Das Dokument selbst wird korrekt geparst; das Problem entsteht beim Ausgeben des Ergebnisses im Terminalfenster. Es gibt zwei Umgehungslösungen:

markitdown dogovor.docx -o dogovor.md
$env:PYTHONUTF8 = "1"; markitdown dogovor.docx > dogovor.md

Die erste umgeht die Konsole vollständig, die zweite lässt Python UTF-8 schreiben. Mindestens sechsmal wurden Korrekturen für das Tool selbst eingereicht: Einige Vorschläge wurden geschlossen, ohne zusammengeführt zu werden; die übrigen sind noch offen. Du musst das Problem also umgehen.

Ein viertes Symptom tritt bei PDFs auf: Zeichenfolgen wie (cid:1090) anstelle von Buchstaben. Das bedeutet, dass die Datei eine nicht standardmäßige Schrifttabelle enthält und die Zeichen nicht dekodiert werden konnten. Es bringt nichts, ein solches Dokument mit MarkItDown zu verarbeiten; du brauchst ein anderes Tool.

Warum wird ein PDF zum Durcheinander?#

Zu Testzwecken wurde ein 2.16 Megabyte großes wissenschaftliches Paper mit zwei Spalten verarbeitet. Der Exit-Code war null; nach 0.9 Sekunden enthielt die Ausgabe 88,000 Zeichen, fast alle unbrauchbar. 88,000 Zeichen erwecken den Eindruck, dass alles funktioniert hat. Bis du die Datei öffnest:

|     | Hybrid |          | OCR-LLM     |     | Framework  |
| --- | ------ | -------- | ----------- | --- | ---------- |
...
Informationextractionfromcopy-heavydoc-
5202 tcO 11  ]LC.sc[  1v83101.0152:viXra

Drei Dinge gingen gleichzeitig schief. Das zweispaltige Layout wurde zu Tabellen, die im Paper nicht vorkommen. Wörter liefen ohne Leerzeichen ineinander. Die letzte Zeile ist eine vertikale Seitenleiste, die rückwärts extrahiert wurde.

Dann kam der komische Teil. Das Test-Paper erwies sich als genau jene Arbeit, in der MarkItDown gemessen und mit anderen Tools verglichen wurde. Das Tool wandelte den Absatz, der seine eigenen Messwerte beschreibt, in Folgendes um:

cues. This name-matching error could be miti-  OCRpreprocessingoverhead(0.056s),whileDo-
gatedthroughpromptengineeringtoprovidemore  clingandMinerUadoptmorecomputationallyin-
explicit matching instructions or fine-tuning the  tensive strategies with OCR latencies of approxi-

Die linke und rechte Spalte werden zeilenweise zusammengefügt. Ein Modell würde so eine halbe Satzhälfte aus einem Absatz und die andere Hälfte aus einem anderen lesen.

Die Ursache ist technisch und einfach. Word speichert ausdrücklich „das ist eine Überschrift“ und „das ist eine Tabellenzelle“. Ein PDF speichert „das ist ein Zeichen“ und „das sind seine Koordinaten auf der Seite“. Struktur anhand von Koordinaten zu rekonstruieren ist eine eigene, schwierige Aufgabe, und MarkItDown versucht es kaum. Im PDF-Quellcode gibt es keine Überschriftenerkennung: Wird eine Seite nicht als Formular oder Tabelle erkannt, wird das gesamte Dokument einer einfachen Textextraktion unterzogen.

Nutzer melden das regelmäßig im Repository des Projekts, auch bei wissenschaftlichen Papern und Tabellen.

Das Tool findet in PDFs keine einzige Überschrift, genau wie der Quellcode zeigt.

Die Behauptung „MarkItDown erreicht eine Genauigkeit von 82 %“ kursiert online ohne Methodik. Die Suche nach der ursprünglichen Quelle führt ins Leere: Die Linkkette endet bei einer Seite, die sich nicht laden lässt. Das kann nicht als Messwert gelten.

Was passiert mit einem eingescannten Vertrag?#

Dieses Verhalten ist gefährlicher als die anderen, weil es nicht wie ein Fehler aussieht.

Zu Testzwecken wurde ein PDF aus einem Bild mit Text erstellt – genau das erhältst du, wenn ein Vertrag fotografiert oder eingescannt wird. Der Durchlauf wurde wiederholt, um Zufall auszuschließen:

Zweimal hintereinander null Zeichen und null Fehler. Ein Exit-Code von null bedeutet „alles ist gut gegangen“, und jedes Skript, das den Erfolg anhand des Exit-Codes prüft, zählt das Dokument als verarbeitet. Dann geht die leere Ausgabe an das Modell, das Modell sieht nichts und fängt an, sich eine Antwort aus der Luft zu greifen.

Es gibt zwei Umgehungslösungen, und beide sind kostenpflichtig. Die erste ist die Option -d, die das Dokument an Microsofts Cloud-Erkennungsdienst sendet; im Hilfetext der Option steht ausdrücklich, dass ein gültiger Dienstendpunkt erforderlich ist. Die zweite ist ein separates Zusatzpaket, das Seiten mithilfe deines Schlüssels an ein Vision-Modell sendet, sodass du den Modellanbieter pro Seite bezahlst. Seit April 2026 wird in einer offenen Diskussion über die zweite Methode berichtet, dass bei mehrseitigen Scans nur die erste Seite verarbeitet wird.

Du kannst auch ein Erkennungsmodell auf deinem eigenen Rechner ausführen, doch das ist ein eigenes Projekt.

Für ein einzelnes Dokument ist es einfacher, es zu öffnen und den Text von Hand zu kopieren. Bei fortlaufenden Scans brauchst du ein Tool mit integrierter Erkennung.

Kannst du die Datei einfach zu einem Online-Konverter hochladen?#

„MarkItDown online“ ist einer der häufigsten Suchvorschläge, und es gibt Websites, die es anbieten. Microsofts Originaltool hat überhaupt keine Website; es ist nur als Programm verfügbar, das du selbst installierst. Alles mit einem ähnlichen Namen, das sich im Browser öffnen lässt, stammt von jemand anderem.

Du kannst einen solchen Dienst in einer Minute überprüfen: Öffne in den Entwicklertools den Tab für Netzwerkanfragen, lade irgendeine harmlose Datei hoch und prüfe, ob sie an einen Server gesendet wird. Ist das der Fall, ist die Behauptung, die Verarbeitung erfolge im Browser, falsch – ganz gleich, wie überzeugend sie in den FAQ dargestellt wird.

Deshalb wird MarkItDown dort geschätzt, wo Dokumente nicht nach außerhalb der Organisation gesendet werden dürfen. In einer Diskussion schilderte jemand die eigene Situation: Beliebige Programme waren auf dem Arbeitslaptop verboten, Python-Bibliotheken jedoch erlaubt, und das lokale Tool stellte sich als einzige verfügbare Option heraus.

Wie viel spart MarkItDown tatsächlich?#

Eine Office-Datei ist als Archiv mit Markup strukturiert. Entpackt man die drei Testdateien und vergleicht die Größe des Inhaltsteils mit der Ausgabe, ergibt sich Folgendes:

Die Dateien sind klein; bei größeren Dateien unterscheiden sich die Verhältnisse, und es gibt keine allgemeingültige Einsparungszahl. Wenn in Vergleichsartikeln runde Zahlen auftauchen, frage nach der Methodik.

Auch die Entwickler sprechen von Einsparungen: In der Projektbeschreibung steht ausdrücklich, dass Markdown-Konventionen sehr sparsam mit Zeichen umgehen. Das stimmt, sollte aber nicht das Hauptargument sein. Der Unterschied zwischen „Das Modell bekam dreitausend Zeichen statt fünfzehntausend“ und „Das Modell bekam eine klare Struktur statt eines Durcheinanders“ liegt in einer ganz anderen Größenordnung. Das Erste spart Geld; das Zweite entscheidet darüber, ob die Antwort Sinn ergibt.

Wenn dir der Kontextverbrauch Sorgen bereitet, wird das separat behandelt: Wohin die Tokens in Claude gehen und wie viele in jedem Tarif enthalten sind.

Claude Code MCP einrichten: MarkItDown für Dokumente verbinden#

MCP ist eine Möglichkeit, einer KI ein externes Tool bereitzustellen, das sie selbst nutzen kann. Einen Überblick über den Mechanismus und weitere Server findest du im Test von MCP-Servern für Claude Code.

Der MarkItDown-Server stellt genau ein Tool bereit: ein Dokument in Text umwandeln. Es akzeptiert einen lokalen Dateipfad, eine Seiten-URL oder direkt in die Anfrage eingebettete Daten.

Mit einem einzigen Befehl und festgelegter Serverversion verbindest du es mit Claude Code. Du brauchst den Paketmanager uv:

claude mcp add --scope user --env 'ORT_DISABLE_TELEMETRY=1' --env 'UV_PYTHON=3.12' --transport stdio markitdown -- uvx markitdown-mcp@0.0.1a7
claude mcp list

Die Ausgabe des zweiten Befehls sollte für markitdown „Connected“ anzeigen. Beim ersten Start werden etwa siebzig Pakete heruntergeladen, was bis zu einer Minute dauert; danach startet der Server in ein bis anderthalb Sekunden.

Hier sind die Einschränkungen, jeweils manuell geprüft.

Build 0.0.1a7 wurde am 14. September 2026 veröffentlicht. Zuvor hatte der Server über ein Jahr lang auf 0.0.1a4 vom Mai 2025 festgesessen. Auch die neueste Versionsnummer bezeichnet weiterhin eine Vorabversion.

Die Installation funktioniert nicht auf jedem System mit einer aktuellen Python-Version. Die benötigte onnxruntime-Engine ist für Python 3.14 auf dem Mac nur für Apple Silicon mit macOS 14 oder höher verfügbar. Deshalb schlägt die Installation auf Intel-Macs und unter macOS 13 oder älter mit Python 3.14 fehl. Auf einem Apple-Silicon-Mac wurde der Server mit Python 3.14, 3.13 und 3.12 ausgeführt und auf allen drei Versionen installiert. Der Befehl verwendet UV_PYTHON=3.12: Vorgefertigte Pakete für 3.12 gibt es für Windows, Linux und Apple-Silicon-Macs; ist diese Python-Version nicht vorhanden, lädt uv sie herunter. Auch für Intel-Macs gibt es eine Einschränkung: uv baut die Kryptografiebibliothek aus dem Quellcode, da es seit Juni 2026 kein vorgefertigtes Paket für Intel gibt. Die Installation dauert länger und kann fehlschlagen.

Welche MarkItDown-Version installiert wird, hängt von der uv-Version ab. Seit MarkItDown 0.1.6 erfordert das Extra [all] eine Azure-Bibliothek in Vorabversion: uv 0.12 und höher installiert sie und die neueste MarkItDown-Version 0.1.8, ältere uv-Versionen führen ein Downgrade auf 0.1.5 durch. Mit uv --version kannst du deine uv-Version überprüfen.

Zwei Dinge werden vom Rechner nach außen gesendet. Das erste ist Telemetrie: Auf Mac und Linux sendet die im Server enthaltene onnxruntime-Engine sie standardmäßig an Microsoft. Die Variable ORT_DISABLE_TELEMETRY=1 im Befehl deaktiviert sie. Im Test verband sich der Server ohne diese Variable mit Microsofts Telemetrie-Endpunkten. Mit gesetzter Variable gab es keine Verbindungen, während Dateien von der Festplatte verarbeitet wurden.

Das Zweite ist Audio. Der Server sendet WAV-, MP3-, M4A- und MP4-Dateien über gewöhnliches HTTP ohne Verschlüsselung zur Transkription an Googles Spracherkennungsdienst. Aufnahmen von Gesprächen mit Kundinnen und Kunden sollte man besser nicht dorthin senden.

Ein großes Dokument passt nicht durch den Server. In einer offenen Diskussion wird von einer Serverantwort mit 51,000 Tokens berichtet, die an eine Grenze von 25,000 Tokens stieß; das Tool teilt Dateien nicht in Abschnitte auf.

Und schließlich die Sicherheit. In der eigenen Dokumentation des Pakets steht ausdrücklich:

Anders gesagt: Ein Agent mit diesem Tool kann alles lesen, was du lesen kannst. Für die Arbeit auf dem eigenen Rechner ist das in Ordnung. Du darfst den Server weder öffentlich zugänglich machen noch einem nicht vertrauenswürdigen Agenten überlassen.

Für die regelmäßige Arbeit ist es einfacher, das Programm mit einem Befehl aufzurufen und den resultierenden Text im Projekt abzulegen. Die Datei liegt dann neben den übrigen Materialien, wo das Modell selbstständig darauf zugreifen kann.

Wann ist es ehrlicher, ein anderes Tool zu verwenden?#

Ein aufgabenbasierter Vergleich; GitHub-Sterne haben damit nichts zu tun:

Bei Marker gibt es ein Detail, das Vergleichsartikel auslassen. Seit Juli 2026 steht der Code selbst unter einer freizügigen Lizenz, die Modellgewichte jedoch unter einer separaten Lizenz mit einer Schwelle: Die Nutzung ist kostenlos, wenn dein Unternehmen im Vorjahr weder fünf Millionen Dollar Umsatz überschritten noch dieselbe Summe an Finanzmitteln eingeworben hat. Eine weitere Klausel verbietet die Nutzung für alle, die ein Konkurrenzprodukt entwickeln. Für die meisten Leser ist das unerheblich; für ein wachsendes Unternehmen ist es jedoch ein Grund, vor der Einführung die Lizenz zu lesen.

Daraus ergibt sich ein praktischer Ablauf in vier Schritten:

1. Lass alles durch MarkItDown laufen – es ist kostenlos und sofort fertig.
2. Öffne das Ergebnis und prüfe seine Größe.
3. Ergibt der Text Sinn, ist die Aufgabe erledigt; mehr ist nicht nötig.
4. Ist die Ausgabe ein Durcheinander oder leer, verarbeite genau diese Datei mit einem leistungsfähigeren Tool.

So fallen Zeitaufwand und Komplexität nur bei Dokumenten an, die sie wirklich benötigen.

Wie baust du MarkItDown in deinen Arbeitsablauf ein?#

Anthropic verwendet MarkItDown in eigenen vorgefertigten Skills für die Arbeit mit Office-Dateien. Diese Skills formulieren die Grenze, die du vollständig übernehmen solltest:

Zell- und Seitenverweise gehen im Text verloren, daher kannst du damit keine Änderungen an der Quelldatei vornehmen. Hier sind drei Szenarien.

Ein Stapel ähnlicher Dokumente – Abnahmeprotokolle, Rechnungen, Formulare, Anträge. Lege sie in einen Ordner und verarbeite sie mit einer einzigen Zeile:

for f in dokumenty/*.docx; do markitdown "$f" -o "text/$(basename "$f" .docx).md"; done

Gib dem Modell anschließend den Ordner mit den Textdateien und bitte es, die relevanten Informationen in einer Tabelle zusammenzustellen. Das funktioniert mit digitalen Dateien; Scans scheitern, und du erkennst sie sofort an ihrer Größe von null.

Dauerhafte Projektmaterialien – Preislisten, Vertragsvorlagen, Richtlinien, Leistungsbeschreibungen. Wandle sie einmal in Text um und lege sie neben dem Projekt ab. Das Modell kann sie dann bei jeder Anfrage lesen, sodass du die Dateien nicht jedes Mal an die Unterhaltung anhängen musst. Der Artikel über das Hochladen von Dateien in Claude erklärt, wie sich das vom Hochladen einer Datei im Chat unterscheidet.

Ein Export aus einem Buchhaltungssystem. Ein Excel-Export aus Buchhaltungssoftware oder einem Bankkonto wird in einem Drittel einer Sekunde zu einer Tabelle, und das Modell kann damit ohne weitere Umwege rechnen. Prüfe den CSV-Export beziehungsweise das Einlesen mit tatsächlichem Trennzeichen, korrekten Anführungszeichen und Kodierung. Vergleiche Zeilen, Spalten und Kontrollsummen, bevor du die Daten an das Modell gibst. Normalisiere Trennzeichen nicht per Suchen und Ersetzen. Erfasse außerdem die Währung ausdrücklich: Ein nur im Excel-Zellenformat gespeichertes Symbol geht bei der Extraktion verloren.

Große PDFs im Terminal zu verarbeiten, steht nicht auf dieser Liste. Das ist eine separate Frage des Kontextverbrauchs, behandelt im Artikel über PDFs in Claude Code ohne Tokenverlust. Wenn du gerade erst deinen Arbeitsbereich einrichtest, beginne mit der Installation von Claude Code.

Um sofort loszulegen, führe pip install 'markitdown[pdf,docx,xlsx,pptx]' aus, verarbeite den ersten Word-Vertrag, den du findest, und prüfe die Größe des Ergebnisses. In einer halben Minute weißt du, ob es mit deinen Dateien funktioniert.

Wenn du bereit bist, lerne Ailoot kennen.