MarkItDown getest: Word en PowerPoint gaan goed, PDF-tabellen vallen uit elkaar
We lieten Microsofts gratis open-source tool MarkItDown een Word-brief, Excel-budget, PowerPoint en PDF-factuur omzetten naar tekst voor je chatbot. Word en PowerPoint gingen vrijwel foutloos, de PDF-factuur raakte zijn kolommen kwijt. Oordeel: 3 van 5.
Wat we testten
MarkItDown is een gratis, open-source programma van Microsoft dat bestanden zoals Word, Excel, PowerPoint en PDF omzet naar Markdown: platte tekst met kopjes, lijstjes en tabellen. Volgens de maker is het bedoeld om documenten klaar te maken voor taalmodellen. Het idee voor jou: in plaats van een heel bestand te uploaden naar ChatGPT, Claude of Gemini, plak je alleen de tekst die je echt wilt delen, en zie je vooraf precies wat de AI te lezen krijgt.
Zo pakten we het aan
- We installeerden versie 0.1.7 in onze eigen testomgeving met pip install 'markitdown[pdf,docx,xlsx,pptx]' (je hebt dus Python nodig).
- We maakten vier herkenbare testbestanden: een Word-brief over een huurverhoging (met kop, vetgedrukte zin, opsomming en tabel), een Excel-huishoudbudget met twee tabbladen en een SOM-formule, een PowerPoint-dia met sprekersnotitie, en een PDF-factuur van een klusbedrijf met omschrijvingen en bedragen in twee kolommen.
- Elk bestand zetten we om met één opdracht, bijvoorbeeld markitdown brief.docx, en we vergeleken de uitkomst met het origineel.
Wat er gebeurde
Word: vrijwel perfect
De kop werd # Huurverhoging 2027, de vetgedrukte zin bleef vet (**Bezwaar maken kan tot 30 juni.**), de opsomming werd een nette lijst en de tabel kwam er compleet uit, inclusief "€ 812,40" en "€ 46,15". Enige schoonheidsfoutje: boven de tabel verscheen een lege kopregel, waardoor "Onderdeel | Bedrag" als gewone rij werd weergegeven.
PowerPoint: foutloos, inclusief notities
De dia kwam eruit als "# Plan Q1" met de twee punten eronder, en ook de sprekersnotitie stond erbij onder "### Notes:": "Noem hier het budget van 5.000 euro". Handig, maar let op: notities die je liever niet deelt, gaan dus ook mee. De omzetting duurde minder dan een seconde.
Excel: tabbladen netjes, formule niet
Beide tabbladen kregen een eigen kopje ("## Oktober" en "## November") met een tabel. De cel met de SOM-formule werd echter NaN in plaats van een totaal. Kanttekening: ons testbestand was met een script gemaakt en nooit in Excel geopend, dus er stond geen berekende uitkomst in het bestand. Een bestand dat je zelf in Excel opslaat, bevat die uitkomst normaal wel; dat hebben we hier niet kunnen testen. Bedragen verschijnen met een punt als decimaalteken (412.37), dus niet zoals je ze in een Nederlandse Excel ziet.
PDF: tekst ja, structuur nee
Alle tekst van de factuur kwam eruit, maar de twee kolommen vielen uit elkaar. Eerst stonden alle omschrijvingen onder elkaar ("Dakgoot vervangen", "Voorrijkosten"), en pas helemaal onderaan, na het totaal, de losse bedragen "EUR 640,00" en "EUR 35,00". Welk bedrag bij welke klus hoort, moet een chatbot (of jij) dan raden.
Pluspunten en minpunten
- Plus: gratis, open-source en draait volledig op je eigen computer, dus je bestanden gaan nergens heen.
- Plus: Word en PowerPoint worden keurig omgezet, met kopjes, opmaak, tabellen en notities.
- Plus: snel en met één opdracht klaar.
- Min: tabellen in PDF's raken hun samenhang kwijt.
- Min: alleen via de opdrachtregel en met Python; er is geen app met knoppen.
- Min: Excel-bedragen krijgen een punt als decimaalteken en formules zonder opgeslagen uitkomst worden NaN.
Voor wie is dit?
Voor iedereen die regelmatig Word- of PowerPoint-bestanden aan een AI-assistent voert en wil zien (en bijschaven) wat er precies gedeeld wordt, en die niet bang is voor een terminalvenster. Werk je vooral met PDF's vol tabellen, zoals facturen of bankafschriften, controleer de uitkomst dan altijd zelf voordat je hem in een chatbot plakt. Wil je helemaal geen technische stappen, dan is dit (nog) niets voor jou.
Bron: MarkItDown (Microsoft, open-source) (AIweekblad Lab). Met AI geschreven; zie ons redactiebeleid.