PPTAgent im Praxistest: Open-Source-KI-Tool für die automatische Erstellung professioneller Präsentationen

Die drei größten Schmerzpunkte bei der Präsentationserstellung – jeder kennt sie

Das wöchentliche Meeting am Montag, das OKR-Review am Quartalsende, die Kundenpräsentation vor der Projektübergabe – all diese Situationen haben einen gemeinsamen Albtraum: Präsentationen erstellen.

Laut dem Microsoft Work Trend Index 2026 verbringen Wissensarbeiter durchschnittlich 3,2 Stunden pro Woche mit der Erstellung von Präsentationen, wobei 60 % dieser Zeit für Layout-Anpassungen statt für die Inhaltserstellung aufgewendet werden. Die noch ernüchterndere Realität:

1. Zeitaufwändige Inhaltsverdichtung: Aus einem 50-seitigen technischen Dokument die 15 wichtigsten Seiten herauszuarbeiten, erfordert wiederholtes Lesen, Zusammenfassen und Umstrukturieren
2. Hohe Hürden beim Layout-Design: Farbabstimmung, Ausrichtung, Text-Bild-Verhältnis – für Nicht-Designer ist es schwer, „ansehnliche" Folien zu erstellen
3. Massive repetitive Arbeit: Bei jedem Vortrag derselbe Zyklus: „Vorlage suchen → Inhalte einfüllen → Format anpassen"

Es mangelt nicht an Präsentations­tools, aber erst PPTAgent füllt die Lücke einer echten Open-Source-Lösung, die Dokumenten­inhalte versteht und daraus strukturierte Präsentationen generiert.

Was ist PPTAgent: Mehr als nur „Dokument zu Folien"

PPTAgent ist ein Open-Source-KI-Framework zur Präsentations­erstellung, entwickelt vom Institut für Computer­technologie der Chinesischen Akademie der Wissenschaften (ICIP-CAS). Auf GitHub hat das Projekt bereits 4.900+ Stars gesammelt. Es ist kein simples Vorlagen-Ausfülltool, sondern ein Multi-Agenten-System (Agentic Framework), das Folgendes kann:

• Dokumente tiefgreifend verstehen: PDF, Word, Excel und andere Formate werden analysiert, um automatisch Kernaussagen und Daten zu extrahieren
• Reflektierende Generierung: Durch den iterativen Zyklus Research → Design → Reflect wird die Ausgabe­qualität kontinuierlich verbessert
• Text-Bild-Kombination: Automatische Generierung von Bildern durch Text-zu-Bild-Modelle oder Extraktion von Diagrammen aus dem Dokument
• Multi-Format-Export: Unterstützung für native PPTX- und HTML-Folien

Dokumenteneingabe → Research Agent (Inhalts­recherche) → Design Agent (Visuelle Gestaltung) → Reflexionsoptimierung → PPTX-Ausgabe

Im August 2025 wurde die PPTAgent-Facharbeit von EMNLP 2025 angenommen; im April 2026 wurde das Fine-Tuning-Modell DeepPresenter von ACL 2026 angenommen – eine doppelte Anerkennung dieser Methodik durch die akademische Welt.

Funktionsmatrix im Überblick: Was PPTAgent kann

Drei Betriebsmodi

1. CLI-Modus (empfohlen für persönliche Nutzung)

# Installation
uv tool install pptagent

# Interaktiver Einrichtungsassistent
pptagent onboard

# Präsentation mit einem Befehl generieren
pptagent generate "Q4-Quartalsbericht" -o report.pptx

# Mit Anhängen generieren
pptagent generate "Technische Bewertung" \
  -f architecture.pdf \
  -f benchmark.xlsx \
  -p "10-15" \
  -o tech-review.pptx

2. Docker Compose (Serverbereitstellung)

docker pull forceless/deeppresenter-sandbox
docker pull forceless/deeppresenter-host
docker tag forceless/deeppresenter-sandbox deeppresenter-sandbox
docker tag forceless/deeppresenter-host deeppresenter-host

docker compose up -d
# Zugriff unter http://localhost:7861

3. Aus dem Quellcode erstellen (Entwicklermodus)

git clone https://github.com/icip-cas/PPTAgent.git
cd PPTAgent
uv pip install -e .
playwright install-deps && playwright install chromium
npm install --prefix deeppresenter/html2pptx
python webui.py

Technische Architektur im Detail

Das zentrale Designprinzip von PPTAgent ist die „reflektierende Generierung" (Reflective Generation) – keine einmalige Ausgabe, sondern eine Annäherung an das optimale Ergebnis durch mehrere Iterationen.

Multi-Agenten-Kooperationsablauf

┌─────────────────────────────────────────────────┐
│                  AgentLoop.run()                 │
├─────────────────────────────────────────────────┤
│                                                 │
│  ┌──────────┐    ┌──────────┐    ┌──────────┐  │
│  │ Research │───▶│  Design  │───▶│ Reflect  │  │
│  │  Agent   │    │  Agent   │    │  Loop    │  │
│  └──────────┘    └──────────┘    └──────────┘  │
│       │               │               │        │
│       ▼               ▼               ▼        │
│  ┌──────────┐    ┌──────────┐    ┌──────────┐  │
│  │  Web     │    │  HTML    │    │ Qualitäts│  │
│  │  Suche   │    │ Rendering│    │ bewertung│  │
│  │  arXiv   │    │  PPTX    │    │ Korrektur│  │
│  └──────────┘    └──────────┘    └──────────┘  │
│                                                 │
└─────────────────────────────────────────────────┘

Der Research Agent ist für die Inhaltsebene zuständig: Er analysiert die Eingabedokumente, sucht bei Bedarf online nach ergänzendem Hintergrundwissen und erstellt einen strukturierten „Research-Bericht" (Manuskript). Er unterstützt Kontext­verwaltung und klappt bei zu langen Dokumenten automatisch frühere Inhalte zusammen (context_folding: true), um das Kontextfenster des Modells nicht zu überschreiten.

Der Design Agent ist für die visuelle Ebene zuständig: Je nach Inhaltstyp (Technischer Bericht / Produktvorstellung / Lehrmaterial) wählt er das passende Layout, generiert HTML-Foliencode und rendert diesen dann über Playwright zu Bildern oder konvertiert ihn direkt in PPTX.

Die Reflection Loop ist der Schlüssel zur Qualitätssicherung: Das System bewertet die Vollständigkeit, Logik und visuelle Konsistenz der generierten Inhalte und löst bei Problemen automatisch Korrekturdurchläufe aus – maximal 10 Iterationen (MAX_SUBAGENT_TURNS).

Sandbox-Isolierung

PPTAgent verwendet Docker-Sandboxen zur Ausführung von Code-Generierungs­aufgaben (Diagramme, Datenverarbeitung), um zu verhindern, dass bösartiger Code die Host-Umgebung beeinflusst. Kernkonfiguration:

# Sandbox-Timeout-Steuerung
MCP_CONNECT_TIMEOUT: 120  # Verbindungs-Timeout (Sekunden)
MCP_CALL_TIMEOUT: 1800    # Aufruf-Timeout (Sekunden)

# Tool-Aufruf-Limits
MAX_TOOLCALL_PER_TURN: 7  # Max. 7 Tool-Aufrufe pro Runde
TOOL_CUTOFF_LEN: 4096     # Tool-Ausgabe-Abschneide­schwelle (Zeichen)

Flexible Modellkonfiguration

PPTAgent ist an keinen bestimmten LLM-Anbieter gebunden und unterstützt über OpenRouter oder LiteLLM mehr als 100 Modelle:

# config.yaml Beispiel
research_agent:
  base_url: "https://openrouter.ai/api/v1"
  model: "anthropic/claude-sonnet-4.5"
  api_key: "your_key"

design_agent:
  base_url: "https://openrouter.ai/api/v1"
  model: "google/gemini-3-pro-preview"
  api_key: "your_key"

# Auch LiteLLM-Routing wird unterstützt
# research_agent:
#   provider: "litellm"
#   model: "anthropic/claude-sonnet-4-6"
#   api_key: "your_anthropic_key"

Offiziell wird dringend das Fine-Tuning-Modell DeepPresenter-9B empfohlen (auf HuggingFace verfügbar), das bei der Präsentations­erstellung deutlich besser abschneidet als allgemeine Open-Source-Modelle.

PPTAgent vs Gamma vs Beautiful.ai vs ChatBA: Horizontaler Vergleich

Es gibt zahlreiche KI-Präsentations­tools auf dem Markt, aber die Positionierungen unterscheiden sich stark. Hier ein Vergleich der führenden Lösungen 2026:

Zusammenfassung der Kernunterschiede:

• PPTAgent ist die einzige Open-Source-Lösung – Daten bleiben vollständig lokal, ideal für Unternehmen mit Datenschutz­anforderungen
• PPTAgents Reflexions­mechanismus ist ein einzigartiger Vorteil – andere Tools generieren nur einmal, PPTAgent prüft sich selbst und korrigiert
• Gamma/Beautiful.ai punkten bei der Benutzer­freundlichkeit – Browser auf, loslegen, keine Umgebungskonfiguration nötig
• PPTAgent hat die stärkste Dokumenten­verständnis-Fähigkeit – einfach eine 50-seitige PDF hochladen und automatisch die Kernpunkte extrahieren lassen

Praxis: Vom technischen Dokument zur Präsentations-Folie – der komplette Workflow

Im Folgenden wird der vollständige Arbeitsablauf von PPTAgent anhand eines echten technischen Whitepapers demonstriert.

Schritt 1: Umgebung vorbereiten

# uv installieren (Python-Paketmanager)
curl -LsSf https://astral.sh/uv/install.sh | sh

# PPTAgent installieren
uv tool install pptagent

# Erstkonfiguration (interaktiver Assistent, LLM-API-Key konfigurieren)
pptagent onboard

pptagent onboard führt Sie durch folgende Schritte: 1. LLM-Anbieter auswählen (OpenRouter/OpenAI/Custom) 2. API-Key eingeben 3. Optionale Konfiguration: Tavily (erweiterte Suche), MinerU (erweiterte PDF-Analyse), T2I-Modelle (erweiterte Bildgenerierung)

Schritt 2: Präsentation generieren

# Grundlegende Verwendung: Generierung mit einem Befehl
pptagent generate "Erkläre die Kernprinzipien der Transformer-Architektur" -o transformer.pptx

# Fortgeschrittene Verwendung: Generierung basierend auf Dokumenten
pptagent generate "Bitte erstelle eine technische Präsentations-Folie basierend auf dem beigefügten Dokument" \
  -f ~/docs/annual-report-2026.pdf \
  -f ~/data/metrics.xlsx \
  -p "12-18" \
  -o annual-review.pptx

Parameter-Beschreibung: - -f: Dateipfad, unterstützt PDF/Word/Excel/Markdown - -p: Ziel-Seitenanzahl-Bereich (z.B. „12-18" für 12 bis 18 Seiten) - -o: Ausgabedateipfad

Schritt 3: Überprüfen und anpassen

Die generierte PPTX-Datei kann direkt in PowerPoint, WPS oder Google Slides geöffnet und bearbeitet werden. Die Merkmale der PPTAgent-Ausgabe:

• Klare Struktur: Jede Folie hat ein eindeutiges Thema mit logischem Aufbau
• Passende Bildinhalte: Schlüsselkonzepte werden mit automatisch generierten Diagrammen oder Datenvisualisierungen versehen
• Einheitlicher Stil: Farbpalette und Schriftarten sind global konsistent

Falls Anpassungen nötig sind, kann der Prompt geändert und neu generiert werden, oder die PPTX-Datei wird direkt manuell bearbeitet.

Web-UI verwenden

# Web-UI im Quellcode-Modus starten
python webui.py

# Oder im Docker-Modus
docker compose up -d
# Zugriff unter http://localhost:7861

Die Web-UI bietet visuelle Funktionen für Dokumenten-Upload, Prompt-Bearbeitung und Ergebnisanzeige – ideal für Benutzer, die mit der Befehlszeile nicht vertraut sind.

Fortgeschrittene Nutzung: Eigene Vorlagen, Batch-Verarbeitung und API-Integration

Eigene Vorlagen

PPTAgent unterstützt den Import benutzerdefinierter PPTX-Vorlagen, sodass die generierten Präsentationen den Corporate-Design-Richtlinien entsprechen:

# Vorlage ins Arbeitsverzeichnis kopieren
cp company-template.pptx ~/.cache/deeppresenter/templates/

# Beim Generieren die Vorlage angeben
pptagent generate "Produktvorstellung" \
  --template company-template.pptx \
  -o product-intro.pptx

Master-Layouts, Farbschemata und Schriftarteinstellungen der Vorlage werden beibehalten – PPTAgent füllt nur die Inhaltsbereiche.

Batch-Verarbeitung

Für Szenarien, in denen Präsentationen massenhaft erstellt werden müssen (z.B. automatische Generierung von Präsentationsfolien für jedes Paper), kann ein Skript verwendet werden:

import subprocess
import glob

papers = glob.glob("papers/*.pdf")
for paper in papers:
    output = paper.replace(".pdf", ".pptx").replace("papers/", "presentations/")
    subprocess.run([
        "pptagent", "generate",
        "Bitte erstelle eine 15-minütige akademische Präsentations-Folie basierend auf diesem Paper",
        "-f", paper,
        "-p", "15-20",
        "-o", output
    ])
    print(f"Generiert: {output}")

MCP-Integration: PPTAgent von anderen KI-Agenten nutzen lassen

PPTAgent bietet einen MCP-Server-Modus und kann als Tool von anderen Agenten (z.B. OpenClaw, Hermes) aufgerufen werden:

// mcp.json Konfiguration
{
  "mcpServers": {
    "pptagent": {
      "command": "pptagent-mcp",
      "args": [],
      "env": {
        "DEEPPRESENTER_WORKSPACE_BASE": "~/.cache/deeppresenter"
      }
    }
  }
}

Nach der Konfiguration können andere Agenten die Präsentations­erstellung von PPTAgent über das MCP-Protokoll nutzen und so „konversations­basierte Präsentations­erstellung" realisieren.

Vollständig offline-Modus

Für datenschutz­sensible Szenarien unterstützt PPTAgent den vollständig offline-Betrieb:

# config.yaml
offline_mode: true

# Lokale PDF-Analyse bereitstellen (MinerU)
# Lokales LLM bereitstellen (z.B. DeepPresenter-9B GGUF)
# Lokales T2I-Modell einrichten

Im Offline-Modus wird die gesamte Verarbeitung lokal durchgeführt, ohne Daten an externe Dienste zu senden.

Einschränkungen und Hinweise

PPTAgent ist nicht allmächtig – hier sind die bekannten Einschränkungen der aktuellen Version:

1. Keine native Windows-Unterstützung: Windows-Nutzer benötigen WSL (Windows Subsystem for Linux)
2. LLM-API-Kosten: Die Generierung einer 15-seitigen Präsentation verbraucht ca. 50K–100K Tokens; bei GPT-4-Modellen ca. $0,5–1,5 pro Vorgang
3. Erster Start ist langsamer: Docker-Images müssen heruntergeladen werden (Sandbox + Host ca. 3 GB), danach starten sie schnell
4. Gelegentliche Layout-Probleme bei CJK-Zeichen: Einige CJK-Schriftarten können beim HTML-Rendering Ausrichtungs­probleme verursachen – Feinabstimmung in PowerPoint wird empfohlen
5. Begrenzte Unterstützung für komplexe Diagramme: Hochgradig individualisierte Datenvisualisierungen (z.B. interaktive Diagramme) erfordern weiterhin manuelle Bearbeitung
6. Externe Dienste sind optional, aber empfohlen: Tavily-Suche und MinerU-PDF-Analyse verbessern die Qualität erheblich, benötigen aber zusätzliche API-Keys

Leistungs-Benchmarks

Testdaten auf einem M2 MacBook Pro (16 GB RAM):

Fazit und Bewertung

PPTAgent ist derzeit das leistungsfähigste Open-Source-KI-Präsentations­framework, ohne Wenn und Aber. Die Kernvorteile:

• Methodik auf akademischem Niveau: Doppelte Anerkennung durch EMNLP 2025 + ACL 2026 Top-Konferenzen
• Reflektierende Generierung: Keine einmalige Ausgabe, sondern iterative Optimierung in mehreren Durchläufen
• Vollständig Open Source: MIT-Lizenz, Daten bleiben lokal, frei anpassbar
• Reiches Ökosystem: CLI/Web-UI/MCP-Server – drei Modi für Einzelpersonen bis Teams

Empfohlen für: - Entwickler/Forscher, die häufig technische Präsentationen erstellen müssen - Unternehmen mit Datenschutz­anforderungen - Agent-Entwickler, die Präsentations­erstellung in KI-Workflows integrieren möchten - Teams, die auf Open-Source-Lösungen aufbauen und weiterentwickeln wollen

Nicht empfohlen für: - Gelegenheitsnutzer, die selten Präsentationen erstellen (Gamma ist einfacher) - Markenpräsentationen mit höchsten Design­ansprüchen (hier sind professionelle Designer nötig) - Nutzer ohne LLM-API-Key, die keine Konfiguration vornehmen möchten

PPTAgent repräsentiert ein neues Paradigma in der KI-gestützten Präsentations­erstellung: Nicht der Ersatz menschlicher Präsentations­erstellung, sondern das Verständnis menschlicher Bedürfnisse, um automatisch hochwertige Entwürfe zu generieren. Überprüfung und Anpassung sind weiterhin nötig, aber die repetitive Arbeit „von 0 auf 0,8" kann endlich an die KI delegiert werden.

Häufig gestellte Fragen (FAQ)

1. Ist PPTAgent kostenlos?

PPTAgent selbst ist vollständig kostenlos und Open Source (MIT-Lizenz), für den Betrieb wird jedoch eine LLM-API benötigt. Die Nutzung von Modellen über Dienste wie OpenRouter verursacht API-Kosten – für eine 15-seitige Präsentation ca. $0,5–1,5. Bei lokaler Bereitstellung des DeepPresenter-9B-Modells kann der Betrieb jedoch komplett kostenlos erfolgen (ausreichend GPU-Speicher vorausgesetzt).

2. Welche Sprachen unterstützt PPTAgent?

PPTAgent unterstützt die Dokumenten­analyse und Präsentations­erstellung in Chinesisch und Englisch. Für andere Sprachen (Japanisch, Koreanisch usw.) ist die Inhalts­generierung grundsätzlich verwendbar, das Layout muss jedoch möglicherweise manuell angepasst werden. Die Web-UI-Oberfläche unterstützt 21 Sprachen.

3. Wie ist die Qualität der generierten Präsentationen? Müssen sie manuell bearbeitet werden?

Die Struktur- und Inhalts­qualität der von PPTAgent generierten Präsentationen ist hoch genug für interne technische Vorträge oder Entwürfe. Für offizielle Kundenpräsentationen oder Markenauftritte wird jedoch eine Feinabstimmung in PowerPoint empfohlen (Schriftarten anpassen, Bilder ersetzen, Animationen optimieren). Der Reflexions­mechanismus verbessert die Qualität der ersten Generierung erheblich.

4. Wie wird PPTAgent im Firmen-Intranet bereitgestellt?

PPTAgent unterstützt den vollständig offline-Betrieb. Schritte: 1) Docker-Images in einer Online-Umgebung herunterladen; 2) DeepPresenter-9B GGUF-Modell lokal herunterladen; 3) MinerU-PDF-Analysedienst lokal bereitstellen; 4) In der config.yaml den Parameter offline_mode: true setzen. Die gesamte Verarbeitung erfolgt lokal, ohne Daten nach außen zu senden.

5. Was unterscheidet PPTAgent von den Präsentations­funktionen von Manus/ChatGPT?

Die Präsentations­funktionen von Manus und ChatGPT basieren im Wesentlichen auf „Text → Präsentation" – sie verstehen Ihre Textbeschreibung und füllen Vorlagen aus. Der Kernunterschied von PPTAgent liegt in: 1) Tiefgreifendes Dokumenten­verständnis – komplexe Dokumente wie PDF/Excel können direkt analysiert werden; 2) Reflexions­mechanismus – Selbstüberprüfung und Korrektur nach der Generierung; 3) Open Source und kontrollierbar – Daten verlassen nicht den lokalen Rechner, Modelle sind austauschbar.