Eine KI dazu zu bringen, ein Dokument zu lesen, klingt trivial, ist in der Praxis aber erstaunlich mühsam: PDFs brauchen Textextraktion, Word-Dateien benötigen Parser-Bibliotheken, und für veraltete RTF- oder EPUB-Formate gibt es kaum fertige Werkzeuge. Der erste Instinkt ist meistens „Inhalt einfach kopieren und in den Chat einfügen“ – was spätestens dann nicht mehr funktioniert, wenn du einen 40-seitigen Bericht, einen formatierten Vertrag oder eine Tabelle mit Hunderten von Zeilen vor dir hast.

Hermes Agent hat das jetzt zu einer Sache mit einem einzigen Befehl gemacht. read_file, das am häufigsten verwendete Werkzeug im Arsenal des Agents, kann jetzt PDF-, Word-, Excel-, EPUB-, RTF- und ein Dutzend weitere Dokumentformate direkt lesen und in sauberes Markdown umwandeln, das das Modell konsumieren kann. Dieser Beitrag basiert auf praktischer Verifikation gegen den aktuellen Upstream-Code: welche Formate unterstützt werden, wie es unter der Haube funktioniert, was mit gescannten Dokumenten zu tun ist und realistische Anwendungsfälle für jeden Dateityp.

Die Zusammenfassung in einem Absatz

read_file bringt eine eingebaute Auto-Extraktion für drei Formate mit – Jupyter-Notebooks (.ipynb), Word (.docx) und Excel (.xlsx) – ohne zusätzliche Abhängigkeiten.

Darüber hinaus hat Hermes eine optionale Abhängigkeit eingeführt, firecrawl-anydoc (Rust-Kern, importiert als anydoc), die die Abdeckung auf PDF, altes Office (.doc/.ppt/.xls), OpenDocument (.odt/.ods/.odp), RTF und EPUB ausweitet – alle werden über ein gemeinsames Dokumentmodell in Markdown umgewandelt. Nach der Installation unterscheidet sich das Lesen dieser Formate nicht mehr vom Lesen einer einfachen Textdatei.

Die vollständige Format-Matrix

Kategorie	Formate	Extraktionspfad
Notebooks	.ipynb	Eingebaut (stdlib, keine Abhängigkeiten)
Word	.docx	Eingebaut (stdlib, keine Abhängigkeiten)
Excel	.xlsx	Eingebaut (stdlib, keine Abhängigkeiten)
PDF	.pdf	anydoc (optional)
Altes Office	.doc .docm .ppt .pps .pot .pptx .pptm .ppsx .ppsm .xls .xlsm .xlsb	anydoc (optional)
OpenDocument	.odt .ods .odp	anydoc (optional)
RTF	.rtf	anydoc (optional)
EPUB	.epub	anydoc (optional)

Ein Designdetail ist erwähnenswert: die eingebauten Extraktoren bleiben für .docx/.xlsx maßgeblich. Selbst wenn anydoc installiert ist, laufen diese beiden Formate weiterhin über den Stdlib-Pfad, sodass das Verhalten identisch ist – egal ob anydoc vorhanden ist oder nicht.

So verwendest du es: einfach read_file aufrufen

Es gibt keine neuen Befehle und keine neuen Parameter für dich. Übergib read_file einfach einen Dokumentpfad:

read_file(path="/tmp/quarterly-report.pdf")

Zurück kommt nummerierter Markdown-Text, der dieselbe offset/limit-Paginierung, Zeichenbudget-Kürzung und Schwärzung sensibler Informationen unterstützt wie jede andere Datei. Überdimensionierte Dokumente werden auf das Einzel-Lese-Budget gekürzt, mit einem Hinweis, über offset fortzufahren – genau wie beim Lesen einer großen Textdatei.

Lazy Install: automatisch beim ersten Lesen installiert, blockiert nie

anydoc ist keine harte Abhängigkeit. Es ist in lazy_deps als tool.doc_extract registriert (firecrawl-anydoc==0.1.6) und wird automatisch installiert, sobald du zum ersten Mal eine solche Datei liest, mit prompt=False, damit read_file nie auf eine Bestätigung warten muss.

Schlägt die Installation fehl oder ist die Datei beschädigt, wird anydocs ConvertError auf ExtractionError abgebildet, und read_file fällt auf die normale Pfad-/Binär-Behandlung zurück, statt abzustürzen. Verschlüsselte Dokumente, korrupte PDFs und leere EPUBs nehmen alle diesen sicheren Fallback-Pfad.

Verifizierte Beispiel-Ausgabe

Nehmen wir einen echten DOCX-Vertrag als Beispiel. Der eingebaute Extraktor parst die Absätze und Textknoten von word/document.xml:

  1|Quarterly report: revenue up 23%
  2|Second paragraph with contract terms.

Tabellen, Zeilenumbrüche und Tabs bleiben erhalten; XLSX wird pro Sheet ausgegeben, wobei ausgeblendete Sheets übersprungen werden:

  1|# ── Sheet: Q1 ──
  2|region\trevenue\tgrowth
  3|APAC\t$12.4M\t18%
  4|EMEA\t$9.1M\t12%

Gescannte Dokumente: der OCR-Pfad

Textbasierte PDFs lassen sich sauber extrahieren, aber gescannte (bildbasierte) PDFs brauchen OCR. In diesem Fall können die eingebauten/anydoc-Pfade keinen Text auflösen, und das richtige Werkzeug ist die ocr-and-documents-Skill (standardmäßig in Hermes gebündelt, v2.3.0).

Die Skill bietet zwei lokale Extraktoren:

Fähigkeit	pymupdf (leichtgewichtig)	marker-pdf (hohe Qualität)
Textbasiertes PDF	✅	✅
Gescanntes PDF (OCR)	❌	✅ (90+ Sprachen)
Tabellen	✅ (grundlegend)	✅ (hohe Genauigkeit)
Gleichungen / LaTeX	❌	✅
Codeblöcke / Formulare	❌	✅
Erkennung der Lesereihenfolge	❌	✅
EPUB	✅	✅
Installationsgröße	~25MB	~3-5GB
Geschwindigkeit	Sofort	~1-14s/Seite (CPU)

pip install pymupdf pymupdf4llm
python scripts/extract_pymupdf.py scanned.pdf --markdown

URL-Dokumente: zuerst web_extract

Wenn das Dokument im Web liegt (arXiv-Papers, Unternehmensberichte, öffentliche PDFs), versuche zuerst web_extract – es wandelt PDFs über Firecrawl in Markdown um, ohne lokale Abhängigkeiten:

web_extract(urls=["https://arxiv.org/pdf/2402.03300"])

Nur wenn die Datei lokal liegt, web_extract fehlschlägt oder du Stapelverarbeitung brauchst, solltest du lokal arbeiten. Die Entscheidung ist klar: URLs → web_extract, lokale Textdokumente → read_file, Scans/komplexe Layouts → ocr-and-documents.

Praxis-Szenarien

Szenario 1: Verträge prüfen (Word / RTF)

Gib contract.docx oder eine veraltete contract.rtf direkt in read_file und lass das Modell wichtige Klauseln extrahieren, riskante Bedingungen markieren und zwei Versionen vergleichen. RTF ist das häufigste Alt-Format in großen Unternehmen – und es ist jetzt nicht mehr nötig, es vorher manuell in DOCX zu konvertieren.

Szenario 2: Berichte lesen (Excel)

read_file gibt .xlsx als Tabellentext pro Sheet aus, sodass das Modell Summen berechnen, Anomalien erkennen und direkt eine Analyse-Zusammenfassung erstellen kann. Ausgeblendete Sheets werden automatisch übersprungen, sodass interne Arbeitsbereiche dem Modell fernbleiben.

Szenario 3: PDF-Stapelanalyse

Übergib Hermes eine Liste mit PDF-Berichtspfaden und lass es jede Datei per read_file lesen und anschließend zusammenfassen. Kombiniert mit einem execute_code-Skript, das ein Verzeichnis durchläuft, lässt sich ein Stapel von Dutzenden Dokumenten in einer einzigen Sitzung zusammenfassen.

Szenario 4: E-Books lesen (EPUB)

EPUB ist das Standard-E-Book-Format. Gib Hermes eine .epub-Datei, um Kapitel zusammenzufassen, Kernideen zu extrahieren und Lesenotizen zu erstellen – sowohl anydoc als auch marker-pdf unterstützen EPUB.

Szenario 5: Forschungspapiere

Textbasierte Papers gehen direkt an read_file; gescannte durchlaufen ocr-and-documents mit marker-pdf; alles mit einer URL läuft über web_extract. Drei Pfade decken die gesamte Pipeline vom PDF-Download bis zum vertieften Lesen ab.

Upgrade & Verfügbarkeit

Das Feature kommt in zwei Schichten:

• Eingebautes Trio (.ipynb/.docx/.xlsx): seit Juni 2026 in Hermes verfügbar – hermes update auf eine beliebige aktuelle Version genügt.
• anydoc-Erweiterung (PDF/altes Office/ODF/RTF/EPUB): eingeführt mit Commit b2598b41e (am 2026-08-05 in den Upstream-Main gemergt), ist dies die neueste Fähigkeit nach v0.20.0 und noch nicht Teil eines getaggten Releases. Führe hermes update aus, um den neuesten Main zu ziehen; das Lesen einer solchen Datei löst dann automatisch die Lazy-Installation von anydoc aus.

Zusammenfassung

Wo die Datei liegt	Was du verwendest	Abhängigkeiten
Lokal, .ipynb/.docx/.xlsx	read_file	Keine
Lokal, PDF/altes Office/ODF/RTF/EPUB	read_file + anydoc	Automatisch lazy-installiert
Lokal, Scans/komplexe Layouts	Skill ocr-and-documents	pymupdf oder marker-pdf
Web-URL	web_extract	Keine

Dokumentlesen gehört zu den grundlegendsten – und am meisten unterschätzten – Fähigkeiten eines KI-Agents. Hermes hat diese Pipeline auf einen einzigen Befehl reduziert, und die Lazy-Installation senkt die Hürde für optionale Fähigkeiten auf null. Wenn du das nächste Mal auf einen PDF-Vertrag, einen Excel-Bericht oder ein EPUB-E-Book stößt, lies es einfach – ohne Copy-Paste.

Du willst die Datei- und Daten-Fähigkeiten von Hermes weiter erkunden? Schau dir unsere Produktivitäts-Tipps, den Leitfaden zur Speicheroptimierung an oder hol dir die neueste Hermes-Version über die Installationsanleitung.