Docling maakt PDFs bruikbaar voor AI: waarom lay-out deel uitmaakt van de kennis

Links staat het materiaal voor de basiscursus, rechts het aanvullende materiaal voor de gevorderdencursus. Na tekstextractie wisselen de woorden regel voor regel tussen de twee kolommen. Alle termen zijn er, maar de instructies kloppen niet meer. Precies daarom maakt lay-out bij documentverwerking deel uit van de kennis.

Docling bereidt documenten voor op verdere verwerking. De officiële geavanceerde opties beschrijven ook lokaal gebruik met voorbereide modelartefacten. De FAQ noemt daarnaast voorwaarden voor offline gebruik. Een volledige export moet meer doen dan zoveel mogelijk woorden leveren.

Een referentiedocument met drie bekende verbanden

Maak eerst een klein eigen document. Het bevat twee kolommen met verschillende soorten cursussen, een tabel met een gedeelde kop en een voorbehoud onder de tabel. Omdat je het origineel zelf ontwerpt, kun je de verbanden ervan vóór de verwerking beschrijven.

Het volgende HTML-sjabloon, door ons geschreven, kun je in de browser openen en via de afdrukfunctie als PDF uitvoeren. Het is een lesdocument, geen beweerde parseruitvoer. Je moet vóór de test de werkelijke afdrukweergave bekijken.

<!doctype html>
<meta charset="utf-8">
<style>
.spalten { display: grid; grid-template-columns: 1fr 1fr; gap: 24px; }
table { border-collapse: collapse; margin-top: 24px; }
th, td { border: 1px solid; padding: 8px; }
</style>
<section class="spalten">
  <div><h2>Basic course</h2><p>Four folders and two pens.</p></div>
  <div><h2>Advanced course</h2><p>Additionally, two exercise books.</p></div>
</section>
<table>
  <tr><th colspan="2">Material per group</th></tr>
  <tr><th>Item</th><th>Quantity</th></tr>
  <tr><td>Folders</td><td>4</td></tr>
</table>
<p>Open sealed packages only after approval.</p>

Let op de doelstructuur: het materiaal voor de basiscursus blijft bij elkaar. „Aanvullend” verwijst naar de gevorderdencursus. Het getal vier hoort bij de tabelrij Mappen. De goedkeuringsvoorwaarde blijft als voorbehoud toegankelijk. Deze lijst beschrijft betekenis, niet alleen de volgorde van afzonderlijke tekens.

Voorbereiding en verwerking gescheiden houden

Een bestaande Docling-installatie kan bij het eerste gebruik modellen downloaden. Voor een geplande geïsoleerde test moeten de benodigde artefacten vooraf aanwezig zijn. De documentatie noemt hiervoor een gerichte modeldownload, waarna naar het voorbereide pad wordt verwezen.

docling-tools models download
docling --artifacts-path="./vorbereitete-modelle" referenz.pdf

De eerste opdracht is een downloadoptie die uitdrukkelijk bedoeld is om vooraf te worden uitgevoerd. In het tweede voorbeeld moet je het werkelijk bestaande artefactpad gebruiken; de getoonde mapnaam is een eigen voorbeeldnaam. Deze opdrachten zijn voor dit artikel niet uitgevoerd. Een modeldownload en de latere documentverwerking zijn verschillende handelingen.

Leg ook vast welke pipeline en welke opties je werkelijk gebruikt. Een lokaal gestarte toepassing kan extra diensten aanspreken als ze daarvoor is geconfigureerd. Offline werking volgt uit de voorbereide opstelling, niet alleen uit de programmanaam.

De export beoordelen aan de hand van het origineel

Open een ondersteunde gestructureerde export van de versie die je hebt gekozen en vergelijk die met de doelstructuur. Zoek eerst naar de twee cursusonderdelen. Controleer daarna de tabelkop en de toewijzing van het getal. Onderzoek ten slotte of de goedkeuringsvoorwaarde behouden blijft.

Een lange uitvoer kan dezelfde inhoud meerdere keren bevatten of verbanden verliezen. Een kortere uitvoer kan nuttiger zijn voor de latere zoekopdracht als koppen, alinea's en tabelverwijzingen bij elkaar passen. Louter tekstvolume is daarom geen voldoende kwaliteitsmaatstaf.

Verander voor een tweede ronde slechts één lay-outkenmerk, zoals de afstand tussen de kolommen. Sla het nieuwe PDF-bestand apart op. Zo kun je een waargenomen verandering koppelen aan een bekende invoervoorwaarde, in plaats van een andere parserrun te vergelijken met een document dat ongemerkt is veranderd.

Waarom de latere AI hiervan afhangt

Een zoekfunctie of antwoord kan alleen werken met de informatie die er werkelijk aan wordt aangeleverd. Als twee afzonderlijke lijsten één lijst worden, kan zelfs een assistent die goed formuleert de verkeerde toewijzing van materiaal overnemen. Een bronlink alleen maakt deze verloren structuur niet opnieuw zichtbaar.

De kleine test helpt daarom al vóór een grote archiefimport. Aan de hand van een document dat je begrijpt, controleer je welke verbanden je pipeline behoudt en waar je moet nabewerken. Docling is één verwerkingsstap binnen een keten. Technische kwaliteit blijkt uit de vraag of de betekenis van het origineel tot aan het latere gebruik herleidbaar blijft.

Bronnen en stand

Bronnen per 25 oktober 2026. Geavanceerde opties van Docling — offline gebruik · Docling FAQ — volledig offline.