paperless-ngx — Mein Newsfeed

➡️ paperless-ngx

Paperless-ngx ist community-betriebenes OSS-DMS. Aktueller Stable-Branch 2.20.x — deployed **2.20.15 (27.04.2026)** ist auch das **letzte geplante 2.x-Release**: Team bestätigt keine weiteren 2.x-Releases. Fokus auf **v3.0.0-beta.rc1 (06.05.2026)** — größtes Release der Projektgeschichte mit eigener AI-Integration ('Paperless AI'), Remote-OCR via Azure AI, tantivy-Search-Backend statt Whoosh, Document Versioning, Plugin-Framework, Sharelink-Bundles. **HOCH relevant**: v3.0 bringt LLM-basierte Vorschläge und Document-Chat mit OpenAI- oder Ollama-Backend nativ ins Produkt — passt perfekt zur razzfazz.ai Box-Story. Aktuell aber noch Pre-Release/Beta mit 10+ Breaking Changes.

Paperless-ngx ist dominanter Self-Hosted-DMS-Fork. Im razzfazz.ai Stack als Search/RAG/Docs-Komponente (compatibility: patch). Bisher musste man für LLM-Integration auf externe Projekte (Paperless-AI, paperless-gpt) zurückgreifen — mit v3.0 wird das nativ.

1 News · Letzte: 2026-05-06 📡 RSS

Paperless-ngx v3.0.0-beta.rc1 — größtes Release der Projektgeschichte mit nativer AI-Integration

Erste Beta des v3.0-Major-Releases als Pre-Release (NICHT stable). **AI & OCR**: 'Paperless AI' native LLM-Integration für Document-Suggestions und Document-Chat. OpenAI-API UND lokales Ollama als Backend. Optional RAG via FAISS Vector Index. Remote OCR via Azure AI. Document-level AI Suggestions Endpoint. **Search**: Tantivy Search Backend ersetzt Whoosh — deutlich schneller, Rust-basiert. Unified Text Search via tantivy. **Document Mgmt**: File Versioning, Share Link Bundles, Parser Plugin Framework. **Security**: Celery Task Signing, Frontend Prototype Pollution Prevention, Logo Upload Validation. **⚠️ 10+ Breaking Changes**: Document & Thumbnail Encryption entfernt, API v1 Compatibility entfernt, **Python 3.10 Support gedroppt** (min. 3.11), pyzbar entfernt, OCR Control entkoppelt. Team kündigte an: **keine weiteren v2.x-Releases mehr** — Bug-Fixes/Security fließen direkt in v3.0.

**HOCH** für razzfazz.ai Box. Native LLM-Integration mit Ollama-Backend = direkter Use Case für die Box (lokale AI + lokale Dokumente, GDPR-konform). Tantivy-Search-Backend = Performance-Gewinn. ABER: Pre-Release-Status, viele Breaking Changes — produktiver Einsatz erst nach Stable sinnvoll. Empfehlung: Beta auf Staging einrichten, Paperless-AI-Integration als Buddy-Template-Kandidat für razzfazz.ai evaluieren.