LlamaParse
im Test.

In einem PDF stehen Tabellen als einzelne Textblöcke mit Koordinaten, und welche Zelle zu welcher Spalte gehört, muss ein Programm daraus erst rekonstruieren. Bei Verträgen, Finanzberichten oder mehrseitigen Formularen kommt einfaches Text-Extrahieren damit an seine Grenzen. LlamaParse kombiniert dafür klassisches OCR, Bilderkennung und ein Sprachmodell, das die Struktur einer Seite deutet. Heraus kommt Markdown für RAG-Systeme, also für Wissensdatenbanken, aus denen eine KI ihre Antworten zieht.

Wichtigste Funktionen

• Multi-Agent-Pipeline: LlamaParse erkennt den Dokumenttyp automatisch und schickt Tabellen, Diagramme, Text und Bilder jeweils durch die passende Verarbeitung aus OCR, Bilderkennung und Sprachmodell. Diese Zuordnung je Dateityp übernimmt LlamaParse selbst.
• 130+ Dateiformate: Die Dokumentation listet Dokumente (PDF, Word, PowerPoint, RTF, EPUB), Tabellen (Excel, CSV, Numbers, ODS), Bilder (PNG, TIFF, HEIC, SVG) und Audio (MP3, M4A, WAV) auf, dazu über 100 Sprachen.
• Parsing-Modi mit festen Credit-Preisen: Fast kostet 1 Credit pro Seite und reicht für textlastige Dokumente, Cost Effective liegt bei 3 Credits, Agentic bei 10 und Agentic Plus bei 45 Credits. Die oberste Stufe liefert Visual Grounding, also zu jeder ausgelesenen Aussage die Fundstelle im Originaldokument samt Rahmen um die Textstelle. Das macht Antworten in RAG-Systemen nachprüfbar.
• Parse Gateway: Seit dem 30.07.2026 prüft das quelloffene Parse Gateway jede Seite einzeln mit der Funktion is_complex aus LiteParse und schätzt, ob ein Scan, eine dichte Tabelle oder verstümmelter Text vorliegt. Einfache Seiten verarbeitet LiteParse lokal und kostenlos, nur die schwierigen gehen an die bezahlten Stufen. Das Parse Gateway gibt es auch als MCP-Server, also als Werkzeug, das ein KI-Agent von außen aufruft und dabei die Stufe selbst wählt.
• Strukturierte Extraktion, Klassifizierung und Tabellen: LlamaExtract holt definierte Felder aus Dokumenten (5-50 Credits plus Parse-Kosten), LlamaClassify sortiert Dokumenttypen (1-2 Credits pro Seite) und LlamaSheets zerlegt verschachtelte Excel-Dateien (10-100 Credits je erkanntem Bereich). Seit dem 26.06.2026 gibt es dafür einen offiziell verifizierten n8n-Node mit den Bausteinen Parse, Classify, Split, Extract und Retrieve.
• LiteParse als quelloffener Unterbau: Der in Rust geschriebene Parser steht unter Apache-2.0 auf GitHub (über 11.000 Sterne) und liest PDF, Word, Excel, PowerPoint und Bilder mit PDFium und eingebautem Tesseract-OCR. Er gibt Markdown, JSON oder Text mit Positionsangaben aus. Version 2.11.0 vom 03.08.2026 liegt als Rust-Crate, Python-Paket, Node-Modul, WASM-Build und Docker-Image vor. Für dichte Tabellen, mehrspaltige Layouts oder Handschrift verweist das Projekt selbst auf das kostenpflichtige LlamaParse.

Preise und Tarife

Der kostenlose Plan enthält 10.000 Credits pro Monat, das reicht je nach Modus für rund 220 Seiten (Agentic Plus) bis 10.000 Seiten (Fast). Starter kostet 43 Euro pro Monat (50 USD) mit 40.000 Credits, Pro 430 Euro (500 USD) mit 400.000 Credits, für Enterprise nennt LlamaIndex keinen Listenpreis. Credits kaufst du bei Bedarf nach, 1.000 Stück kosten rund 1,08 Euro (1,25 USD). Im kostenlosen Plan ist dieser Nachkauf auf 430 Euro (500 USD) pro Monat gedeckelt, im Starter-Plan auf 4.300 Euro (5.000 USD).

Eine Seite kostet im Fast-Modus 1 Credit, im Cost-Effective-Modus 3, im Agentic-Modus 10 und im Agentic-Plus-Modus 45 Credits, ein Tabellenblatt 1 Credit und eine Minute Audio 3 Credits. Unternehmenskunden bekommen Mengenrabatte, Single Sign-on und den Betrieb in einer eigenen abgeschotteten Cloud-Umgebung, qualifizierte Startups können sich um kostenlose Credits bewerben. LlamaIndex führt die Preisliste in US-Dollar und ohne Umsatzsteuer. Für deutsche Geschäftskunden kommt sie zum Nettobetrag noch hinzu.

Für wen ist LlamaParse geeignet?

• RAG-Entwickler mit komplexen Dokumenten: Wer PDFs mit Tabellen, Diagrammen oder mehrspaltigen Layouts in eine Vektor-Datenbank einspeist und mit einfachen Parsern schlechte Ergebnisse bekommt, erhält über die Agentic-Stufen deutlich brauchbareres Markdown.
• Unternehmen mit moderatem Dokumentenvolumen: Der kostenlose Plan deckt 10.000 Seiten im Fast-Modus oder rund 3.300 Seiten im Cost-Effective-Modus ab. Ab dieser Menge kostet der Starter-Plan 43 Euro im Monat und vervierfacht das Kontingent.
• Rechts- und Steuerkanzleien: LlamaParse liest Mandantendokumente, Verträge und Bescheide strukturiert aus. Die EU-Region verarbeitet die Dateien in Frankfurt, der Vertrag läuft trotzdem mit einem US-Unternehmen. Das gehört vor dem Einsatz mit der Datenschutzbeauftragten geklärt.

DSGVO und Datenschutz

LlamaCloud gibt es in einer US- und einer EU-Region. Die US-Region liegt auf AWS us-east-1 unter cloud.llamaindex.ai, die EU-Region auf AWS eu-central-1 in Frankfurt unter cloud.eu.llamaindex.ai. Hochgeladene Daten bleiben laut Dokumentation in der Region, in der sie ankommen. Dokumente liegen 48 Stunden im Zwischenspeicher und werden danach gelöscht, mit dem Parameter do_not_cache schaltest du diesen Zwischenspeicher ganz ab.

Zum Training eigener Modelle nutzt LlamaIndex die Inhalte nach eigener Aussage nicht. Das Unternehmen ist SOC-2-Type-2-zertifiziert und erfüllt HIPAA, die US-Vorgaben für Gesundheitsdaten. Den Auftragsverarbeitungsvertrag gibt es allerdings nur auf Anfrage über ein Formular, und eine juristische Person in der EU hat LlamaIndex nach eigener Auskunft nicht. Der Vertrag läuft damit mit einem US-Unternehmen.

Betrieb auf dem eigenen Server und der Betrieb in einer eigenen Cloud-Umgebung bleiben Unternehmenskunden vorbehalten. Einfache Dokumente erledigt LiteParse auf der eigenen Hardware, ganz ohne LlamaParse. Für Mandantenakten, Patientendaten oder vertrauliche Verträge reicht der Standardtarif nicht, deshalb führen wir LlamaParse nicht als DSGVO-konform. Wer LlamaParse trotzdem einsetzen will, braucht die EU-Region, einen unterschriebenen Auftragsverarbeitungsvertrag und eine geklärte Haltung zur Datenübermittlung an einen Anbieter außerhalb der EU.

Alternativen zu LlamaParse

• Docling: Der quelloffene Dokumentenkonverter aus IBM Research ist vollständig selbst-hostbar und DSGVO-konform. Bei wissenschaftlichen PDFs und technischen Dokumenten liefert er sehr gute Ergebnisse.
• Firecrawl: Primär für Web-Scraping gebaut, verarbeitet Firecrawl auch PDFs und Dokument-Inhalte. Für HTML-lastige Quellen ist es die bessere Wahl.
• Marker: Der quelloffene Konverter von PDF nach Markdown hat über 38.000 Sterne, wird selbst betrieben und ist stark bei wissenschaftlichen Arbeiten und Büchern.