zotero-AI-Butler: ein Zotero-Plugin, das PDFs per API-Key in Markdown-Notizen verwandelt

Das Problem hinter dem Plugin: ungelesene PDFs und vergessene Inhalte

Das README benennt die Ausgangslage in drei Punkten. Erstens: zu viele Artikel, und wer sie einzeln an ein Sprachmodell schickt, verliert die Zeit, die er sparen wollte. Zweitens: nach zwei Tagen ist der Inhalt weg, und die Lektüre beginnt von vorn. Drittens: Übersetzungswerkzeuge helfen bei der Sprache, nicht beim Erfassen der Argumentationsstruktur. Adressiert ist damit eine bestimmte Person: jemand, der Zotero ohnehin als Ablage benutzt und dort bereits eine Sammlung angelegt hat, die er nicht mehr überblickt. Die Zielgruppe sind nicht Gelegenheitsleser, sondern Menschen mit einem Ablauf, in dem das Ablegen einer PDF der letzte Schritt ist, den sie noch selbst tun. Der Nutzen entsteht aus der Menge: Das Plugin arbeitet die Bibliothek ab, während der Nutzer etwas anderes tut. Wer drei Paper im Monat liest, hat dieses Problem nicht.

Produzent, Konsument und Warteschlange: der sichtbare Aufbau

Das README beschreibt die Aufgabenverwaltung als Produzent-Konsument-Modell. Jede Analyse läuft als Aufgabe durch eine Warteschlange, deren Zustände in einem eigenen Reiter sichtbar sind: wartend, laufend, abgeschlossen, fehlgeschlagen. Das ist der wichtigste architektonische Punkt des Plugins, weil er erklärt, warum es überhaupt brauchbar ist. Ohne diese Zwischenschicht würde jeder neue PDF-Import sofort eine Anfrage auslösen, und bei einer Sammlung von mehreren hundert Einträgen wäre das Anbieterlimit in Minuten erreicht. Stattdessen steuert eine Einstellung die Zahl der pro Minute verarbeiteten Paper. Die drei Auslöser sind unterschiedlich anspruchsvoll: Der Kontextmenüeintrag verarbeitet ein einzelnes Paper sofort, der automatische Modus beobachtet neue Importe und wartet laut Dokumentation, bis Zotero die Metadaten abgerufen hat, und die Massenverarbeitung sammelt zunächst alle Einträge ohne Butler-Notiz ein und stellt sie nach Ordnerstruktur dar. Erst danach wird ausgewählt und in die Warteschlange geschoben. Die Notiz landet als Markdown am jeweiligen Zotero-Eintrag und verhält sich dort wie eine native Notiz, lässt sich also parallel zur PDF öffnen.

Base64 oder Textextraktion: die zwei Wege durch die PDF

Der Reiter für Schnelleinstellungen enthält eine Entscheidung, die den Rest bestimmt. Im multimodalen Modus wird die PDF als Base64 kodiert und vollständig an das Modell geschickt. Das kostet mehr Token und setzt ein Modell mit Bildverständnis voraus, liefert aber laut README auch Formeln, Diagramme und komplexe Satzstrukturen mit, und selbst reine Bild-PDFs sollen lesbar bleiben. Die Alternative ist die Textextraktion, die zu Modellen ohne Bildverständnis passt und schlanker ist. Für Ollama nennt das README ausdrücklich die Textextraktion oder die Verarbeitung über MinerU. Diese Wahl ist keine Kleinigkeit: Sie entscheidet über die Kosten pro Paper und über die Frage, ob ein Modell mit Tabellen und Formeln überhaupt sinnvoll arbeitet. Wer ein günstiges Textmodell wählt und dann Abbildungen zusammengefasst haben will, hat am falschen Ende gespart. Umgekehrt ist der multimodale Weg bei einem reinen Fließtextpaper ohne Grafiken reine Verschwendung.

Einrichtung: API-Key, Verbindungstest und die erste Aufgabe

Das Plugin bringt keinen Proxy und keinen eigenen Zugang mit. Der Nutzer braucht einen eigenen Schlüssel. Die Oberfläche öffnet sich über das Zotero-Menü unter Einstellungen, Reiter AI管家, oder per Rechtsklick auf einen Eintrag über den Eintrag zum Dashboard. Im Bereich für die API-Konfiguration stehen vier Plattformtypen zur Auswahl: OpenAI, Gemini, Anthropic sowie ein OpenAI-kompatibler Eintrag im Format der Chat-Completions-Schnittstelle, über den Drittanbieter wie SiliconFlow angebunden werden. Zusätzlich nennt die README-Tabelle 火山方舟 mit dem Modell doubao-seed-1-8-251228 und Ollama mit llama3.2 für lokale oder im LAN betriebene Dienste. Nach dem Eintragen des Schlüssels gibt es einen Knopf zum Testen der Verbindung. Der Ablauf danach ist unspektakulär: Rechtsklick auf einen Eintrag, Analyse starten, über den Punkt für Details die Antwort des Modells mitlesen. Für eine bereits zusammengefasste Arbeit lässt sich über ein Mehrrunden-Menü erneut zusammenfassen, wahlweise im Modus des Verkettens oder des Zusammenfassens, wobei die vorhandene Notiz überschrieben wird. Wer das nicht will, sollte vorher eine Kopie anlegen.

Was nicht geht und wo das Plugin schadet

Der automatische Modus ist standardmäßig aus, und das README begründet das mit der Leistung von Zotero. Das ist kein Detail, sondern eine Aussage über die Last: Ein dauerhaft laufender Beobachter über einer großen Bibliothek bleibt spürbar. Die zweite Grenze ist der Anbieter. Wer den Massenlauf über hunderte Paper startet, zahlt pro Paper, und die Zahl der Anfragen pro Minute ist die einzige Bremse. Ohne diesen Wert anzupassen, laufen Anfragen in das Limit, und die Warteschlange füllt sich mit fehlgeschlagenen Aufgaben. Drittens die Modellabhängigkeit: Die Qualität der Notiz ist die Qualität des gewählten Modells, das Plugin fügt keine eigene Prüfschicht hinzu. Viertens der Reifegrad. Die jüngsten Veröffentlichungen tragen Bezeichnungen wie v4.1.0-beta.2 und v4.0.3-beta.8. Ein Werkzeug, das eine Bibliothek in einem Durchlauf verändert und dabei vorhandene Notizen überschreiben kann, in dieser Phase auf die gesamte Sammlung loszulassen, ist eine Entscheidung, die man bewusst treffen sollte. Wer die Notizen später als eigene Arbeit weiterverwendet, sollte außerdem bedenken, dass er den Inhalt nicht selbst geschrieben hat.

Alternative: Zotero-Integration gegen manuelles Arbeiten mit dem Chatfenster

Der naheliegende Vergleich ist nicht ein anderes Plugin, sondern der Weg, den viele ohnehin gehen: PDF herunterladen, in ein Chatfenster ziehen, Antwort lesen, nichts davon aufbewahren. Der Unterschied liegt nicht in der Modellqualität, sondern im Ort des Ergebnisses. Beim manuellen Weg entsteht ein Text ohne Verbindung zum Literaturverweis; beim Plugin entsteht eine Markdown-Notiz am Eintrag, die sich neben der PDF öffnen lässt, durchsuchbar bleibt und mit der Bibliothek gesichert wird. Dazu kommen Funktionen, die sich manuell kaum nachbilden lassen: die Zusammenfassung mehrerer Paper eines Ordners zu einem eigenen Berichtseintrag, der mit den Original-PDFs verknüpft wird, eine aus dem Paper erzeugte Mindmap mit Export als PNG oder OPML, und in Version 3.0 die Erzeugung eines akademischen Posters über Nano Banana Pro. Der Preis für diesen Komfort ist die Kopplung an ein einzelnes Programm und dessen Versionsstand. Wer Zotero ohnehin nicht nutzt, für den ist der manuelle Weg weiterhin der günstigere, weil er keine Einrichtung und keinen Wartungsaufwand kennt.

Wartung, Lizenz und die Frage der Datenhoheit

Das Plugin selbst verursacht keine laufenden Kosten, die API-Aufrufe schon. Die Höhe hängt vom Anbieter, vom Modell und davon ab, ob PDFs als Base64 übertragen werden. Das ist der Posten, der bei einer großen Bibliothek ins Gewicht fällt und der sich vorab nur schwer schätzen lässt. Zur Pflege gehört auch, dass Anbieterschnittstellen sich ändern: Das README führt für OpenAI ausdrücklich die neue Schnittstelle und getrennt davon den OpenAI-kompatiblen Eintrag für die ältere Chat-Completions-Form, was zeigt, dass hier Anpassungen nötig werden können. Die Lizenz ist AGPL-3.0. Für den privaten Gebrauch hat das keine praktischen Folgen. Wer das Plugin jedoch verändert und die geänderte Fassung weitergibt oder als Netzdienst betreibt, muss den Quellcode unter derselben Lizenz offenlegen. Institutionen, die eine angepasste Version intern verteilen wollen, sollten das vorher klären. Zur Datenhoheit sagt das README, dass das Plugin selbst keine Daten sammelt, speichert oder hochlädt und dass alle Anfragen direkt vom lokalen Rechner an den konfigurierten Anbieter gehen. Das betrifft nur das Plugin: Was der Anbieter mit den übertragenen PDFs macht, ist eine Frage des jeweiligen Vertrags und nicht des Plugins.

Redaktionelles Fazit

Sinnvoll ist zotero-AI-Butler für Forschende mit großer, ständig wachsender PDF-Bibliothek, die bereits einen API-Key besitzen und bereit sind, ein Plugin im Beta-Stadium zu betreiben. Wer nur wenige Paper im Jahr liest, sollte stattdessen die PDFs einzeln in einen Chatbot laden, denn die Konfiguration und die laufenden Token-Kosten lohnen sich erst ab einem gewissen Durchsatz. Vor dem ersten Massenlauf gehört der Reiter mit der Aufgabengeschwindigkeit geprüft, damit die Anfragen pro Minute unter dem Limit des Anbieters bleiben, und die Lizenzfrage geklärt: AGPL-3.0 verpflichtet bei Weitergabe einer veränderten Fassung zur Offenlegung des Quellcodes, was für den privaten Gebrauch ohne Bedeutung ist, für eine institutionelle Weiterverteilung aber sehr wohl.

Offizielle Quellen

1. License: AGPL-3.0
2. Project website
3. README
4. Releases
5. steven-jianhao-li/zotero-AI-Butler on GitHub