Marker ist ein Open-Source-Dokumentenkonverter von Datalab, der PDFs, Bilder, Office-Dateien und EPUB in Markdown, JSON, HTML oder Chunks für RAG umwandelt. Der Code steht unter Apache 2.0, die Modellgewichte unter einer modifizierten OpenRAIL-M-Lizenz, kostenlos für Forschung, private Nutzung und Startups unter 5 Mio. $ Finanzierung oder Umsatz, und das Projekt hat etwa 40.500 GitHub-Sterne (Marker auf GitHub, abgerufen am 15. Oktober 2026).
Es ist schnell und leistungsfähig, und Datalab, das Unternehmen dahinter, verkauft auch eine gehostete Plattform. Wenn Sie eine Alternative zu Marker suchen: anyformat löst ein angrenzendes Problem, nämlich schemavalidierte Extraktion, eingebettet in Workflow-Orchestrierung, menschliche Prüfung und einen verwalteten Dienst.
anyformat ist unternehmenstaugliche agentische Dokumentenverarbeitung: agentische OCR, die jedes Dokument in Daten verwandelt, denen Sie vertrauen können, wobei jeder Wert validiert ist und seine Quelle belegt. Es ist für Unternehmen mit ernsten Anforderungen an Sicherheit, Skalierung und Audit gebaut, daher nutzen es Prozessverantwortliche und ihre IT-Teams gemeinsam mit den Entwicklern, die es bewerten und integrieren.
Sie beschreiben die Felder einmal als Schema. Parse liest das Dokument, Extract liefert jeden Wert mit Konfidenzwert und seiner Position auf der Seite, Validate führt Ihre Regeln aus, und Werte mit niedriger Konfidenz gehen im selben Workflow an einen Prüfer, über die API, die Python- und TypeScript-SDKs oder das No-Code-Studio. Jeder Wert trägt seinen Beleg, es hält bei schwierigen Dokumenten stand, es ist ein europäisches Unternehmen mit ISO 27001 und DSGVO, und der Preis deckt den gesamten Workflow ab, nicht nur die Extraktion. Im Vergleich zu einem Konverter, den Sie selbst betreiben, sind Extraktion, Prüfung und Validierung bereits enthalten.
Entscheidend ist, wie viele Dokumente durchlaufen, ohne dass jemand sie anfasst, und Teams gehen in Tagen live, nicht in Quartalen, mit SDKs, Vorlagen und Evals, um die Genauigkeit laufend zu messen.
Was Marker ist und was Datalab ergänzt
Marker liest ein Dokument und liefert seinen Inhalt: Tabellen, Gleichungen, Links, Codeblöcke und Bilder, wobei Kopf- und Fußzeilen standardmäßig entfernt werden. Es bietet eine Kommandozeile, eine Python-API, eine Streamlit-App und einen kleinen API-Server, den das eigene README als "not a very robust API" bezeichnet, sowie einen optionalen Modus --use_llm, der schwierige Fälle an ein Modell wie Gemini, Claude oder Ollama schickt. Die OCR läuft über Surya, ein weiteres Datalab-Modell.
Datalab macht dieselbe Technologie zu einer gehosteten Plattform: Convert für Dokumente nach Markdown, HTML oder JSON mit Bounding Boxes pro Wort; Extract für Felder gegen ein Schema; Segment zum Aufteilen kombinierter Dateien; Eval und Monitor zur Qualitätsmessung über die Zeit; und versionierte Pipelines, die diese Schritte verketten (Datalab, abgerufen am 15. Oktober 2026). Zu den genannten Kunden gehören Anthropic, ElevenLabs und Siemens Healthineers.
Der eigentliche Vergleich betrifft also zwei Dinge: das Open-Source-Werkzeug, das Sie betreiben, und die gehostete Plattform, die Datalab betreibt.
Markers Aufgabe ist die Konvertierung, und seine Ausgabe ist ein Dokument, das ein späterer Schritt in Felder überführt. Datalabs gehostetes Extract geht weiter: Es extrahiert bestimmte Felder und liefert "citations back to source bounding boxes for auditability" (Datalab-Dokumentation, abgerufen am 15. Oktober 2026).
anyformat extrahiert Zero-Shot gegen ein vom Nutzer definiertes Schema und liefert validiertes JSON, wobei Felder auf Dokument- und Tabellenebene gemeinsam deklariert und in einem Aufruf zurückgegeben werden. Jedes Feld trägt einen Konfidenzwert und einen visuellen Beleg, der auf seine genaue Position auf der Seite zeigt.
Konfidenz: wie gut gelesen wurde, gegenüber ob der Wert stimmt
Die gelesenen Seiten beschreiben Verweise auf Quellbereiche im Extract von Datalab und Konfidenzwerte pro Region in der Chandra-Demo. Eine Konfidenz für jeden extrahierten Wert beschreiben sie nicht, sodass ein Prüfprozess auf Feldebene nichts hat, wonach er routen könnte, außer Sie bauen es selbst.
anyformat liefert eine Konfidenz pro extrahiertem Feld, mit dem Quellenbeleg daneben, sodass ein Schwellenwert entscheidet, welche Werte durchlaufen und welche im selben Workflow an einen Prüfer gehen. Wie diese Werte entstehen und gelesen werden, steht in so funktioniert die Konfidenzbewertung.
Benchmark: wo jeder führt
Auf dem unabhängigen ParseBench-Leaderboard, gelesen am 15. Oktober 2026, erreichte anyformat (Standard) insgesamt 80,30, Platz fünf von 147 Einträgen. Die gehostete API von Datalab erreichte im Modus Accurate 69,95 (Platz 44), im Modus Balanced 69,51 (48) und im Modus Fast 67,79 (57). Datalab ist das Unternehmen hinter Marker. ParseBench wird von LlamaIndex veröffentlicht, das auch ein Parsing-Produkt verkauft, das sein eigenes Leaderboard anführt.
Die Kategoriewerte zeigen die Aufteilung, mit Datalabs Modus Accurate gegenüber anyformat:
Datalab liegt bei Tabellen und bei der Verankerung der Werte auf der Seite vorn; anyformat bei Diagrammen, Formatierung und Treue. Das README von Datalab nennt einen anderen Benchmark, olmocr-bench, bei dem Markers Balanced-Modus 76,0 und das gehostete Chandra 2 85,8 erreicht (Datalab, vom Anbieter angegeben). Benchmarks messen Parsing, nicht Extraktion gegen Ihr eigenes Schema; der eigentliche Vergleich ist deshalb ein Test mit Ihren eigenen Dokumenten.
In unserem praktischen Test von PDF-zu-Markdown-Werkzeugen las Marker die Text-PDFs mit einer korrekten Tabelle und den zwei Spalten in der richtigen Reihenfolge, bis auf eine ausgelassene Überschrift. Auf einem Mac ohne GPU konnte es eine gescannte Seite erst konvertieren, nachdem ein zusätzliches Binary installiert war, und bei einem 40-seitigen PDF mit identischem Text in jedem Abschnitt ließ es den Textkörper der Abschnitte 2 bis 40 aus. Wir haben das Binary nicht installiert und die Ursache des zweiten Falls nicht gefunden; behandeln Sie beides als Beobachtungen, nicht als Urteile (PDF zu Markdown für LLMs, 30. September 2026).
Genauigkeit: Lesen, Struktur und Werte
Genauigkeit bedeutet in der Dokumenten-KI drei verschiedene Dinge. Zeichen lesen und Struktur rekonstruieren (Tabellen, Lesereihenfolge, Formeln) ist dort, wo Marker und Datalab am stärksten sind, und der Tabellenwert in ParseBench zeigt es. Den richtigen Wert ins richtige Feld bringen ist die Extraktion, und sie ist das, was das nachgelagerte System verarbeitet: Ein Konvertierungswert sagt nicht, ob die Rechnungssumme im Summenfeld gelandet ist oder ob Zeile 1.800 einer langen Tabelle überlebt hat. Die Langdokument-Studie von anyformat hielt etwa 99 % Zeilenwiederherstellung bei Tabellen bis 50 Seiten und rund 2.400 Zeilen (unser Benchmark, 2026).
Wenn die Genauigkeit die Wahl entscheidet, testen Sie so, wie Sie später arbeiten. Nehmen Sie 50 bis 100 eigene Dokumente, extrahieren Sie dasselbe Schema mit beiden und bewerten Sie auf Feldebene: exakte Übereinstimmung bei Kennungen und Beträgen, Zeilen-Recall bei Tabellen. Prüfen Sie dann, ob die von jedem System gemeldete Konfidenz vorhersagt, welche Felder falsch sind, denn davon hängt ab, wie viel menschliche Prüfung nötig ist. Die Evals-Suite von anyformat führt diese Art von Vergleich auf Ihren eigenen Dokumenten durch, bevor ein Workflow live geht.
Testen Sie beide mit Ihren Dokumenten. Testen Sie anyformat kostenlos, mit einer einmaligen Zuteilung von 50.000 Credits im Pay As You Go, oder vereinbaren Sie eine Demo.
Markers Code ist kostenlos, seine Gewichte aber nicht für alle: Über 5 Mio. $ Finanzierung oder Umsatz braucht die kommerzielle Nutzung eine Lizenz von Datalab (Datalab-Preise, abgerufen am 15. Oktober 2026). Der Betrieb kostet außerdem Infrastruktur: Der Balanced-Modus will eine GPU, und der CPU-Modus braucht ein llama.cpp-Server-Binary.
Datalabs gehostete API wird pro 1.000 Seiten abgerechnet: Convert kostet 4 $ im Fast- und Balanced-Modus und 10 $ im Accurate-Modus, und Extraction liegt je nach Stufe zwischen 6 $ und 20 $, zuzüglich weiterer Gebühren. Der Free-Tarif enthält ein monatliches Guthaben von 10 bis 20 $, der Team-Tarif kostet 400 $ im Monat, und die Verarbeitung in der EU kostet 25 % extra (Datalab-Preise, abgerufen am 15. Oktober 2026).
anyformat rechnet in Credits ab, pro Seite und pro Operator: 10 Credits kosten 0,01 €, Parse also 25 Credits pro Seite (0,025 €, veröffentlicht als 25 $ pro 1.000 Seiten), Extract 35 Credits pro Seite und Validate 5 Credits pro KI-Regel, einmal pro Extraktion (anyformat-Preise, 2026). Parse plus Extract sind 60 Credits, also 0,06 €, pro Seite.
Bei der Konvertierung ist Datalab pro Seite günstiger, und das ist ein echter Unterschied. Die beiden Zahlen gehören nicht zum selben Produkt: Der Preis von anyformat enthält die Prüfwarteschlange, die Validierung und die Orchestrierung, die Sie sonst selbst bauen und betreiben müssten.
Compliance und europäische Souveränität
anyformat ist nach ISO 27001 zertifiziert, DSGVO-konform und ein Unternehmen mit Sitz und Rechtsträger in der EU, wobei Compliance in jedem Tarif ohne Aufpreis enthalten ist.
Marker, das Open-Source-Werkzeug, hat keine eigenen Zertifizierungen: Die Compliance hängt davon ab, wo und wie Sie es betreiben. Datalabs gehostete Plattform führt SOC 2 Type II auf, und das README beschreibt standardmäßig keine Datenspeicherung und individuelle BAAs; für ISO 27001, DSGVO-Bedingungen und Hosting-Regionen prüfen Sie bitte direkt Datalabs Trust- und Auftragsverarbeitungsdokumente, denn diese Seite gibt sie nicht wieder.
Workflow-Builder, Prüfung und Validierung
Marker konvertiert Dokumente. Datalab ergänzt versionierte Pipelines, die seine Prozessoren verketten, sowie Segment, Eval und Monitor. Die gelesenen Seiten beschreiben weder einen No-Code-Workflow-Builder noch eine Warteschlange für menschliche Prüfung: Den Schritt, in dem eine Person einen zweifelhaften Wert prüft, bauen Sie selbst.
anyformat enthält Studio, eine No-Code-Workflow-Oberfläche: Verzweigungen, Bedingungen, Aufteilung von Mehrdokument-Paketen, Routing, Extraktionsoperatoren, Validierungsregeln, Abgleich mit internen Datenquellen und menschliche Prüfung an der Stelle, an der der Prozess sie braucht. Felder mit niedriger Konfidenz gehen an einen Prüfer, der den Wert neben seiner Quelle auf der Seite sieht und ihn korrigieren kann. Fachteams ändern den Ablauf ohne Code-Deployment.
Versionsstabilität
Bei einem Open-Source-Werkzeug fixieren Sie die Paketversion und die heruntergeladenen Modelle selbst, bei einer gehosteten API folgen Sie den Modellaktualisierungen des Anbieters; Datalab verkauft Monitor gerade, um Regressionen dazwischen zu erkennen.
Workflow-Versionen bei anyformat sind fixiert und unveränderlich: Eine veröffentlichte version_id ändert sich nicht unter Ihren Füßen, was zählt, wenn ein regulierter Prozess ein Dokument Jahre später identisch neu verarbeiten muss.
Ja, wenn die Extraktion als Prozess laufen soll und nicht als Aufruf: schemavalidierte Ausgabe mit Konfidenz pro Feld, Prüfwarteschlange, Validierungsregeln, No-Code-Orchestrierung und versionsfixierte Workflows, ohne selbst Modelle und GPUs zu betreiben. Wenn Sie Markdown aus Dokumenten zum niedrigsten Preis pro Seite brauchen, oder offene Gewichte, die Sie selbst ausführen können, kommt es auf die Aufgabe an: Marker und Datalab leisten das gut, und anyformat ist dafür kein günstigerer Weg. Und wenn Ihnen Markers Konvertierung gefällt, können beide nebeneinander bestehen, denn die Schicht, die die Ausgabe produktionssicher macht, ergänzt anyformat.
Wann Marker die richtige Wahl ist
Schnelle, kostengünstige Konvertierung in Markdown oder JSON, mit Open-Source-Code, den Sie selbst ausführen, solange Ihr Unternehmen unter den Schwellen der Gewichtslizenz liegt, oder Datalabs gehostete API, wenn Sie Konvertierung und Extraktion pro Seite zu einem niedrigen Tarif wollen.
Wenn die Extraktion als Prozess laufen muss und nicht als Aufruf: Konfidenz pro Feld mit Beleg, Validierungsregeln, menschliche Prüfung, No-Code-Orchestrierung und fixierte Workflow-Versionen, als verwalteter Dienst. Starten Sie auf anyformat.ai.
Siehe auch die anderen Vergleiche: anyformat vs Docling, anyformat vs LlamaParse und anyformat vs Mistral OCR, oder alle Vergleiche.
