Marker vs Docling: Vergleich für RAG-Teams in der DACH-Region (November 2026)

Marker oder Docling: Fazit vorab

Marker vs Docling: Vergleichstabelle

Alle Felder nebeneinander vergleichen, auch Zertifikate und Hosting →

Marker vs Docling: Was kostet es im Jahr?

Lizenz: Docling steht unter MIT, bei Marker gelten zwei Lizenzen

Der Code von Docling steht laut README und GitHub-Lizenzdatei unter der MIT-Lizenz. Das README ergänzt, dass einzelne Modelle eigene Lizenzen tragen. Auf Hugging Face sind das Layoutmodell docling-layout-heron und das Modell GraniteDocling am 20. Oktober 2026 beide als Apache-2.0 gekennzeichnet. Gestartet hat Docling das Team AI for knowledge bei IBM Research Zürich, heute liegt es bei der LF AI & Data Foundation.

Marker hat zwei Lizenzen. Der Code steht unter Apache 2.0, und laut README ist er auch kommerziell frei nutzbar. Die Modellgewichte stehen unter einer angepassten Open-RAIL-M-Lizenz von AI Pubs. Ich habe die Lizenzdatei selbst gelesen. Ihre Nutzungsbeschränkungen untersagen die Nutzung von Modell, Ableitungen und Ausgabe in drei kommerziellen Fällen. Erstens: Sie oder Ihr Arbeitgeber haben im Vorjahr mehr als 5.000.000 $ Bruttoumsatz erzielt. Zweitens: Sie haben insgesamt mehr als 5.000.000 $ an Eigen- oder Fremdkapital eingesammelt. Drittens: Sie bieten ein Produkt oder eine Dienstleistung an, die mit einem Angebot von Datalab konkurriert. Für die ersten beiden gilt eine Ausnahme für private Nutzung und Forschung. Die Wettbewerberklausel hat im Wortlaut keine solche Ausnahme.

Zwei Details zählen in der Praxis. Die Lizenz rechnet die Einheit mit, mit der Sie verbunden sind, deshalb gelten für Entwickler:innen in einem Konzern die Zahlen des Konzerns. Außerdem umfasst der Begriff der Weitergabe auch das Anbieten des Modells als gehosteten Dienst per API oder Web. Wer auf Marker eine eigene Dokument-API für Kunden aufbauen will, sollte vorher mit Datalab sprechen. Das ist eine Lesart des Wortlauts, keine Rechtsberatung.

Was das für Sie heißt: Ist Ihr Unternehmen klein und verkauft keine Dokumentverarbeitung, können Sie Marker ohne Zahlung nutzen. Liegen Sie darüber oder in einer Grauzone wie einer Dokumentplattform, planen Sie eine Lizenzverhandlung mit Datalab ein. Bei Docling entfällt dieser Schritt.

Kosten für 5 und 25 Personen in einem Jahr: Software gratis, Hosting kostet

Keines der Projekte verlangt Geld für die Software. Kosten entstehen bei der Rechenleistung und bei Marker bei der gehosteten API. Die folgenden Zahlen sind eine Annahme und keine Messung: Ich nehme an, dass jede Person 2.000 Seiten im Monat in die Pipeline gibt. Fünf Personen schicken dann 10.000 Seiten im Monat (120.000 im Jahr), 25 Personen 50.000 Seiten im Monat (600.000 im Jahr). Ihr Volumen weicht davon ab. Die Preise sind die veröffentlichten Listenpreise von Datalab, Stand 20. Oktober 2026.

Datalab berechnet für Convert im Modus fast oder balanced 4 $ je 1.000 Seiten und im Modus accurate 10 $ je 1.000 Seiten. Der Free-Tarif enthält 20 $ Nutzungsguthaben im Monat bei geschäftlicher E-Mail-Adresse (10 $ bei privater), erlaubt 25 Anfragen pro Minute und nennt keinen Auftragsverarbeitungsvertrag (AVV). Team kostet 400 $ im Monat und enthält 400 $ Guthaben, 400 Anfragen pro Minute und einen AVV. Enterprise gibt es auf Anfrage, dazu kommen Single Sign-on, Betrieb in der eigenen VPC und vollständig isolierter Betrieb. Die Verarbeitung in der EU erhöht die Nutzung um 25 Prozent. Wer der Datenspeicherung zustimmt, erhält 25 Prozent Rabatt, qualifizierte Start-ups im ersten Jahr 33 Prozent. Beide Rabatte lassen sich nicht kombinieren.

Für 5 Personen mit 10.000 Seiten im Monat im Modus balanced liegt die Nutzung nach Liste bei 40 $ im Monat, also 480 $ im Jahr. Zieht man das Free-Guthaben davon ab, kostet das Jahr etwa 240 $, allerdings ohne AVV. Mit AVV brauchen Sie Team für 400 $ im Monat, also 4.800 $ im Jahr, von denen der größte Teil ungenutztes Guthaben ist. Für 25 Personen mit 50.000 Seiten im Monat im Modus balanced liegt die Nutzung bei 200 $ im Monat und passt in Team, das Jahr kostet also 4.800 $. Im Modus accurate sind es 500 $ im Monat. Rechnet Datalab Nutzung über dem enthaltenen Guthaben von 400 $ zu Listenpreisen ab, was ich annehme, kostet das Jahr 6.000 $. Mit EU-Aufschlag werden daraus 625 $ im Monat oder 7.500 $ im Jahr.

Marker oder Docling selbst zu betreiben kostet unterhalb der Markergrenzen 0 $ Lizenzgebühr. Einen Serverpreis veröffentlicht keines der Projekte, er hängt von Ihrer Hardware ab, deshalb schätze ich ihn nicht. Das README von Marker beschreibt einen GPU-Betrieb mit Docker und dem NVIDIA Container Toolkit oder einen Betrieb auf CPU und Apple Silicon mit llama.cpp. Unser Überblick über Dokumentparser stellt die Seitenpreise von Datalab, LlamaParse und Textract nebeneinander.

Was das für Sie heißt: Bei 5 Personen ist der Eigenbetrieb beider Werkzeuge billiger als jeder bezahlte Tarif. Gehostetes Marker lohnt sich nur, wenn Sie den AVV brauchen oder keine GPU haben. Bei 25 Personen ist Team mit 4.800 $ im Jahr klein gegen den Personalaufwand für einen GPU-Dienst. Die Wahl dreht sich dann um Kontrolle, nicht um den Preis.

Qualität und Tempo: Der Benchmark für Marker stammt von Marker selbst

Das README von Marker nennt Ergebnisse auf olmocr-bench, einem Benchmark von Allen AI mit 1.403 PDFs. Marker im Modus balanced erreicht insgesamt 76,0 und bei digital erzeugten PDFs 83,5. In derselben Tabelle kommt die Pipeline von MinerU auf 72,7 und Docling auf 50,3 insgesamt und 64,0 bei digitalen Dateien. Der Durchsatz auf einem B200-Host beträgt 2,9 Seiten pro Sekunde für Marker balanced und 7,4 im Modus fast. Im Modus fast ohne OCR auf der CPU sind es 23,7, für Docling 2,1. Datalab hat diese Tests selbst gefahren und gibt an, Docling sei mit der Standard-Pipeline gelaufen.

Eine Gegenprobe von außen gibt es nur für Marker. Die Studie olmOCR 2 von Allen AI führt Marker 1.10.1 mit 76,1 plus/minus 1,1 auf olmOCR-Bench (Stand September 2025) und MinerU 2.5.4 mit 75,2 plus/minus 1,1. Docling steht nicht in dieser Tabelle. Der Wert für Marker hält also unabhängig stand, der Wert von 50,3 für Docling stammt dagegen nur aus dem Lauf eines Konkurrenten. Docling bietet weitere Pipelines, etwa die Umwandlung mit dem Bildmodell GraniteDocling, die die README-Tabelle nicht testet.

Die eigenen Zahlen von Docling sind älter. Der technische Bericht von 2024 maß die Standard-Pipeline ohne OCR an 225 Seiten. Ein Apple M3 Max mit 4 Threads schaffte 1,27 Seiten pro Sekunde bei 6,20 GB Spitzenspeicher, ein Intel Xeon E5-2690 schaffte 0,60 Seiten pro Sekunde. Das leichtere pypdfium-Backend war schneller, mit 2,18 und 0,94 Seiten pro Sekunde, aber laut Bericht wird die Tabellenstruktur schlechter. Die Modelle haben sich seitdem geändert, die Werte passen daher nicht unbedingt zur heutigen Version.

Hardware, Testmengen und Versionen unterscheiden sich bei all diesen Zahlen, deshalb bilde ich daraus keine gemeinsame Rangfolge. Sie stützen eine engere Aussage. Marker hat für seinen Gesamtwert eine unabhängige Bestätigung, und sein Modus nur mit CPU ist am schnellsten, verzichtet aber auf Formeln und Scans. Im README steht arXiv-Mathematik ohne OCR bei 0,0.

Was das für Sie heißt: Bei überwiegend digitalen PDFs sind beide Werkzeuge brauchbar, und der Qualitätsabstand zählt weniger, als das README nahelegt. Bei Scans, Formeln oder dichten Tabellen testen Sie zuerst die Bild-Pipeline von Docling gegen Marker im Modus balanced auf Ihren eigenen Seiten.

Formate, OCR und Datenhaltung: Docling liest mehr, der optionale LLM-Schritt von Marker geht standardmäßig an eine Cloud-API

Marker wandelt PDF, Bilder, PPTX, DOCX, XLSX, HTML und EPUB um und schreibt Markdown, JSON, ein flaches Chunk-Format für RAG oder HTML. Es extrahiert Bilder und entfernt Kopf- und Fußzeilen standardmäßig. Die Texterkennung läuft über ein Bild-Sprachmodell auf einem lokalen Inferenzserver, den Marker selbst startet, mit vLLM auf NVIDIA-GPUs oder sonst mit llama.cpp. Den eingebauten API-Server nennt das README nicht robust und nur für kleine Lasten gedacht.

Die Eingabeliste von Docling ist länger: PDF, Word, Excel, PowerPoint, ältere Office-Formate über LibreOffice, OpenDocument, EPUB, Markdown, LaTeX, HTML, Bilder, Audio, Video, E-Mail-Dateien und XBRL-Finanzberichte. Die Ausgabe als Markdown, HTML, DocTags, WebVTT und verlustfreies JSON kommt aus einem einzigen Modell, dem DoclingDocument. Dazu kommen mehrere OCR-Engines wie EasyOCR, Tesseract und RapidOCR, ein Kommandozeilenwerkzeug, der API-Server docling-serve und ein MCP-Server. Integrationen für LangChain, LlamaIndex, Crew AI und Haystack gibt es auch.

Bei der Datenhaltung unterscheiden sich beide am stärksten, gerade für Teams in Deutschland, Österreich und der Schweiz. Die FAQ von Docling sagt, es nutze keinen Remote-Dienst und laufe in isolierten Umgebungen, sobald die Modelldateien in einem lokalen Ordner liegen. Marker läuft ebenfalls lokal, sein optionaler LLM-Modus nutzt aber standardmäßig ein Gemini-Modell über die API von Google. Seiteninhalte verlassen Ihr Netz also, solange Sie ihn nicht auf Ollama oder einen anderen lokalen Endpunkt umstellen. Nutzen Sie stattdessen die gehostete API von Datalab, brauchen Sie einen Auftragsverarbeitungsvertrag nach Art. 28 DSGVO, und die Preisseite nennt einen AVV ab dem Team-Tarif. Datalab gibt an, auf der verwalteten Plattform standardmäßig keine Daten zu speichern, und bietet laut Preisseite EU-Datenhaltung zum 1,25-fachen der Nutzung an.

Was das für Sie heißt: Für vertrauliche Dokumente führt Docling mit lokalen Modellen am kürzesten zu einer sauberen Antwort an die Datenschutzbeauftragten. Marker ist nur dann ebenso lokal, wenn Sie den LLM-Schritt weglassen oder auf eigener Hardware laufen lassen.

Was Nutzer:innen bemängeln, aus öffentlichen GitHub-Issues

Diese Punkte stammen aus offenen Issues, die ich am 20. Oktober 2026 gelesen habe. Sie zeigen wiederkehrende Probleme, nicht deren Häufigkeit. Bei Marker meldete ein Nutzer Speichermangel bei einem PDF mit 246 Seiten und 8 GB Arbeitsspeicher, selbst bei Übergabe in Fünf-Seiten-Blöcken (Issue 825, eröffnet am 6. August 2025, zuletzt aktualisiert am 7. September 2026). Ein anderer meldete ein PDF unter 100 Seiten, das mindestens 7 Stunden hing (Issue 888, 17. September 2025). Ein Dritter fragte nach großen Dateien, bei denen die Bearbeitungszeit mit der Dateigröße wuchs und einen Worker blockierte (Issue 487, 15. Januar 2025). Ein vierter meldete überzählige Zeilenumbruch-Zeichen in der Markdown-Ausgabe von Formeln (Issue 755, 13. Juni 2025).

Bei Docling meldet ein Issue, dass eine Konvertierung den gesamten Arbeitsspeicher belegt und der Prozess beendet wird (Issue 2779, 13. Dezember 2025, aktualisiert am 1. Mai 2026). Ein weiteres meldet, dass der Speicher um etwa 13 GB wächst, wenn ein Converter für ein PDF mit 35 Seiten wiederverwendet wird (Issue 2209, 5. September 2025). Mehrere Nutzer berichten, dass der Markdown-Export jede Überschrift als Ebene 2 ausgibt, und wünschen sich eine echte Überschriftenhierarchie (Issue 1023, 19. Februar 2025, und Issue 287, 9. November 2024). Eine Person fragte, wie sich ein PDF mit 300 Seiten schneller umwandeln lässt (Issue 1256, 28. März 2025). Alle diese Issues waren bei meiner Prüfung noch offen.

Der Speicher ist der gemeinsame Nenner. Beide Projekte haben offene Meldungen zu Speicherproblemen bei großen Eingaben. Überschriftenebenen sind in diesen Threads die besondere Schwäche von Docling, lange Hänger die von Marker.

Was das für Sie heißt: Planen Sie bei jedem Werkzeug Stapelgrenzen, das Zerlegen nach Seitenbereichen und ein Zeitlimit je Worker ein. Nehmen Sie Überschriftenebenen in den Abnahmetest auf, wenn Sie nach Abschnitten zerlegen.

Wechsel-Checkliste: alles neu einlesen, andere Chunk-Grenzen erwarten

Ein Wechsel zwischen beiden heißt, den Bestand neu einzulesen, denn die Strukturen unterscheiden sich. Das JSON von Marker ist ein Baum aus typisierten Blöcken mit Abschnittshierarchie, sein Chunk-Format eine flache Liste. Das verlustfreie JSON von Docling ist ein DoclingDocument mit eigenen Chunkern wie dem HybridChunker. Chunk-Grenzen, Tabellendarstellung und Bildverweise ändern sich, und die auf den alten Chunks gebauten Embeddings müssen neu berechnet werden. Rechnen Sie mit einer vollständigen Neuindizierung, nicht mit einer Teilkorrektur.

Die Dauer hängt von Volumen und Hardware ab. Als Beispiel: 100.000 Seiten dauern bei den 2,9 Seiten pro Sekunde, die der Hersteller für Marker balanced auf einem B200-Host nennt, etwa 9,6 Stunden. Bei 2,1 Seiten pro Sekunde für Docling sind es etwa 13,2 Stunden. Mit den 1,27 Seiten pro Sekunde aus dem Docling-Bericht auf einem M3 Max sind es etwa 22 Stunden. Das ist eine Rechnung mit veröffentlichten Werten, keine Messung auf Ihrer Hardware.

Was verloren geht, hängt von der Richtung ab. Wer Marker verlässt, gibt die Chunk-Ausgabe, die Abschnittshierarchie auf Blockebene und den optionalen Korrektur-Prompt für das LLM auf. Wer Docling verlässt, gibt Audio, Video, E-Mail und die meisten Office-Formate, den MCP-Server und die Framework-Integrationen auf. Lassen Sie beide auf 50 repräsentativen Seiten laufen, vergleichen Sie Tabellen und Überschriften von Hand und behalten Sie den alten Index, bis der neue besteht.

Keins von beiden? LlamaParse als gehosteter Weg, MinerU als weitere Open-Source-Option

Wenn Sie weder GPUs betreiben noch die Lizenz von Marker akzeptieren wollen, ist LlamaParse von LlamaIndex eine gehostete Parsing-API. Die Preisseite nennt Free mit 10K Credits, Starter für 50 $ im Monat mit 40K Credits und Pro für 500 $ im Monat mit 400K Credits. 1.000 Credits entsprechen 1,25 $, außerdem gibt es eine Option für Europa. Es eignet sich für Teams, die lieber pro Seite zahlen, als Server zu betreiben.

Wollen Sie einen weiteren selbst betriebenen Parser, liegt MinerU vom Shanghai AI Laboratory in der Studie von Allen AI nahe bei Marker: 75,2 gegen 76,1, jeweils mit einer Spanne von 1,1. GitHub ordnet die Lizenz keinem Standardtyp zu. Lesen Sie die Lizenzdatei, bevor Sie sich festlegen. Weder Marker noch Docling bringen von sich aus einen Servicevertrag mit. Teams, die einen brauchen, fragen bei Datalab nach Enterprise, das einen Rahmenvertrag und ein SLA nennt, oder sehen sich gehostete Anbieter an.

Für wen sich Marker eignet und für wen Docling

Unterm Strich

Beginnen Sie mit Docling, wenn Lizenz, Offline-Betrieb oder Formatvielfalt entscheiden. Beginnen Sie mit Marker, wenn Sie unter die Lizenzbedingungen der Gewichte fallen und dessen Ausgabestruktur oder die gehostete API von Datalab wollen. Lesen Sie in beiden Fällen 50 eigene Seiten ein, prüfen Sie Überschriften und Tabellen von Hand und legen Sie Stapelgrenzen fest, bevor das Volumen kommt.