Gleich mehrere neue Technologien ermöglichen es künstlicher Intelligenz, selbst hunderte Seiten in einem Durchgang zu lesen und zu verstehen – ein Meilenstein für Unternehmen und Forschung.
Chinesische Forscher lösen Speicherproblem
Forscher von Baidu haben ein System namens Unlimited OCR vorgestellt, das am 5. Juli 2026 veröffentlicht wurde. Die Technologie kann Dutzende von Seiten in einem einzigen Durchlauf verarbeiten. Das Besondere: Der Speicherverbrauch bleibt konstant, egal wie lang das Dokument ist.
Der Trick heißt Reference Sliding Window Attention (R-SWA). Dabei wird der sogenannte Key-Value-Cache auf 128 Tokens begrenzt – unabhängig von der tatsächlichen Seitenzahl. Die Ergebnisse können sich sehen lassen: Das 3-Milliarden-Parameter-Modell erreichte 93 Prozent auf dem OmniDocBench v1.5 und sogar 93,92 Prozent auf Version 1.6. Mehr als 40 Seiten schafft das System, während die Editierdistanz unter 0,11 bleibt – ein Maß dafür, wie genau die erkannten Texte sind.
PDF-Server für KI-Agenten wird erwachsen
Nur zwei Tage zuvor, am 3. Juli 2026, erreichte der pdf-mcp server die Version 1.19.1. Dieser Server erlaubt es KI-Agenten, große PDF-Dateien sowohl nach Stichworten als auch nach semantischer Bedeutung zu durchsuchen. Besonders beeindruckend: Er beherrscht komplexe Layouts mit mehreren Spalten und sogar japanische Schriftzeichen.
Die Integration der OCR erfolgt über Tesseract, eine Open-Source-Engine für Texterkennung. Ein SQLite-Cache sorgt für effizientes Datenmanagement. Zudem kann das System versteckte Texte aufspüren und strukturierte Tabellen extrahieren – ein Segen für alle, die mit eingescannten Dokumenten arbeiten.
Spezialisierte Lösungen für Juristen und Forscher
Am 4. Juli 2026 veröffentlichte LlamaIndex die Referenzanwendung Legal-KB. Sie ist speziell für den agentischen Abruf aus juristischen Wissensdatenbanken konzipiert. Eine persistente Datenpipeline erlaubt es KI-Agenten, eigenständig durch Dokumente zu navigieren – mittels semantischer Suche, Regex-Funktionen und Datei-Lese-Werkzeugen.
Wer hunderte PDF-Seiten manuell verarbeitet, verliert wertvolle Zeit. Neue KI-Technologien wie Unlimited OCR und pdf-mcp server lesen selbst komplexe Layouts in einem Durchgang – datenschutzkonform und lokal. In diesem Report finden Sie eine Schritt-für-Schritt-Anleitung zur Integration. Jetzt kostenlosen Report anfordern
Parallel dazu startete Anthropic die Claude Science Beta. Diese Multi-Agenten-Plattform richtet sich an Forscher in Genomik, Proteomik und Chemieinformatik. Mit über 60 kuratierten Fähigkeiten und einem speziellen Reviewer-Agenten, der Zitate und Abbildungen in wissenschaftlichen Arbeiten prüft, setzt sie neue Maßstäbe. Das System läuft lokal oder auf Hochleistungsrechnern und integriert verschiedene biologische Modellierungswerkzeuge.
Für das Gesundheitswesen gibt es den MedMemory MCP Server, ebenfalls vom 4. Juli 2026. Er bietet eine datenschutzfreundliche Lösung für Krankenakten. Die Besonderheit: Handschriftliche Dokumente werden per visueller KI erfasst und mit AES-256-Verschlüsselung lokal gespeichert.
Vom Lesen zum Schreiben: KI erstellt eigene PDFs
Nicht nur das Lesen, auch das Erstellen von PDFs durch KI wird einfacher. PaperQuire brachte am 4. Juli 2026 die Version 0.3.0 heraus. Damit können Agenten wie Claude und ChatGPT Markdown-Text in professionell gestaltete PDF-Dokumente umwandeln. Vorlagenverwaltung und Stapelverarbeitung runden das Angebot für Profis ab.
Integrationsplattformen wie Composio verbinden diese Fähigkeiten mit größeren Workflows. Sie ermöglichen verwaltete MCP-Server-Verbindungen für Pdf.co mit über 30 Werkzeugen zur PDF-Extraktion, Dokumentenanalyse und Konvertierung zwischen Formaten wie Excel, CSV und JSON.
Google und chinesische Konkurrenz ziehen nach
Auch die großen Player sind aktiv: Google brachte am 30. Juni 2026 Gemini Spark für Mac auf den Markt. Der KI-Agent automatisiert die lokale Dateiorganisation, sortiert Ordner und erstellt Tabellen aus lokalen Daten.
Datenschutzbedenken bei Cloud-basierter Dokumentenanalyse? Der MedMemory MCP Server und lokale OCR-Lösungen wie Tesseract ermöglichen eine verschlüsselte Verarbeitung auf Ihrem Rechner. Erfahren Sie im Report, wie Sie Ihre sensiblen PDFs sicher und effizient analysieren. Datenschutzfreundliche PDF-Analyse sichern
Bereits im Mai 2025 hatte Kunlun mit Skywork Super Agents eine KI-Bürosuite veröffentlicht. Sie enthält spezialisierte Agenten für Dokumenten- und Präsentationsmanagement und erzielte hohe Werte auf dem GAIA-Benchmark – einem Maßstab für allgemeine KI-Fähigkeiten.
Die Botschaft ist klar: Die Ära, in der KI Dokumente nur oberflächlich erfasst, geht zu Ende. Mit den neuen Technologien werden Maschinen zu echten Lesern und Verarbeitern komplexer Informationen – mit weitreichenden Folgen für Wirtschaft, Wissenschaft und Verwaltung.
