E-Commerce Scraper: 6 Anbieter im Benchmark-Test

Wir haben sechs Webdaten-Anbieter über 100 E-Commerce-Domains getestet und 65.000 Produkt- und Suchseiten jeweils mit 5 bis 5.000 gleichzeitigen Anfragen abgerufen.

Antwortzeit und Erfolgsquote

Im Durchschnitt über alle Parallelitätsstufen verzeichnete Decodo die schnellste mediane Antwortzeit von etwa 7 Sekunden bei einer Erfolgsquote von 59%, während Bright Data die höchste Erfolgsquote (76%) bei einem Median von 16 Sekunden erreichte. Apify verzeichnete die höchste mediane Antwortzeit mit 46 Sekunden.

Die Antwortzeit wird als Median (P50), die typische Anfrage, und als Tail (P90), die langsamsten 10% der Anfragen, angegeben.

Siehe unsere E-Commerce-Benchmark-Methodik für Details zu unseren Tests.

Erfolgsquote des E-Commerce Scrapers nach Parallelität

Bright Data verzeichnete die höchste Gesamterfolgsquote. Bei 5.000 parallelen Anfragen hielt Bright Data 71% und Nimble 56%.

Parallelität ist die Anzahl der gleichzeitig gesendeten Anfragen. Die Stufe mit 5.000 Anfragen testet die Ratenlimits und die Infrastruktur eines Anbieters.

Erfolgsquote auf Produkt- und Suchseiten

Jeder Anbieter erzielte höhere Werte auf Produktseiten (Detailseiten) als auf Suchseiten (Listingseiten), mit Unterschieden von 5 Punkten (Zyte) bis 15 Punkten (Decodo).

• Suchseiten (Listingseiten) geben viele Artikel aus einer Suchanfrage oder Kategorie zurück, sind oft paginiert und dynamisch gerendert, was eine konsistente Extraktion erschwert.

• Produktseiten (Detailseiten) zeigen einen einzelnen Artikel mit strukturierten Feldern wie Titel, Preis, SKU und Bildern an.

Bewertung der E-Commerce Scraper

Bright Data bietet eine Web Scraper API in Kombination mit einer No-Code-Oberfläche sowie einen dedizierten E-Commerce Scraper und über 1.000 fertige Scraper für Marktplätze wie Amazon, eBay, AliExpress, Walmart und Target. Die Kombination aus API-Zugang und No-Code-Dashboard macht es sowohl für technische als auch nicht-technische Teams nutzbar. In unserem Benchmark verzeichnete Bright Data die höchste Gesamterfolgsquote und war einer der wenigen Anbieter, der seine Quote unter starker gleichzeitiger Belastung halten konnte.

Leistung:

• Höchste Gesamterfolgsquote: 78% über 100 Domains.
• Hielt seine Quote unter Last: einer von zwei Anbietern, der die Erfolgsquote bei 5.000 gleichzeitigen Anfragen aufrechterhielt (71%).

Oxylabs extrahiert Echtzeit-Produkt-, Such- und Preisdaten von E-Commerce-Marktplätzen wie Amazon und eBay und gibt rohes HTML oder strukturiertes JSON zurück, mit einem Custom Parser für standortspezifische Extraktionsregeln und OxyCopilot zur automatischen Analyse der zurückgegebenen Daten. In unserem Benchmark schnitt es auf Produktdetailseiten zuverlässiger ab als auf Suchlistingseiten.

Leistung:

• Stark auf Produktseiten: 76% auf Produkt- (Detail-)Seiten und 93% auf Walmart.
• Suchseiten: 58%, eine Lücke von 18 Punkten zur Produktseiten-Quote.
• KI-Analyse: OxyCopilot analysiert zurückgegebene Daten automatisch, ohne manuelle Codierung.

Decodo bietet eine universelle Web Scraping API mit über 100 vorgefertigten Vorlagen, einschließlich eines Amazon-Scrapers, der strukturierte Produktdaten wie Preise, ASINs und Angebote über regionale Amazon-Marktplätze zurückgibt. In unserem Benchmark verzeichnete es die schnellste mediane Antwortzeit unter den getesteten Anbietern.

Leistung:

• Schnellste Antworten: etwa 5 Sekunden mediane Antwortzeit.
• Einstiegspreis: $0,88 pro 1.000 Anfragen.
• Abdeckung variierte je nach Website: 96% auf Amazon, 20% auf Target.

Die Zyte API ist eine Web Scraping API, die Ban-Handling, Headless Rendering und KI-Extraktionsfähigkeiten kombiniert, um rohes HTML in typisierte Daten wie Produktnamen, Preise und Bewertungen von Einzelhandels-Produktseiten zu strukturieren. Sie ist über REST zugänglich und integriert sich mit dem Open-Source-Framework Scrapy, das von Zyte gepflegt wird, sowie mit Scrapy Cloud Hosting. In unserem Benchmark verzeichnete sie die zweithöchste Gesamterfolgsquote und blieb konsistent auf großen Marktplätzen und unter erhöhter Parallelität.

Leistung:

• Zweithöchste Gesamterfolgsquote: 73% über 100 Domains.
• Konsistent auf großen Marktplätzen: Amazon 95%, Walmart 97%, Target 96%, eBay 98%.
• Geringste Produkt-Suche-Lücke: 74% auf Produktseiten und 70% auf Suchseiten, die geringste Lücke zwischen beiden von allen Anbietern.

Apify führt Web Scraping über seinen Store von community-entwickelten Actors aus, einschließlich eines Amazon Product Scraper, der Daten von einer bereitgestellten Amazon-URL extrahiert und Bewertungen, Preise, Beschreibungen und ASINs abdeckt, mit konfigurierbaren Eingabeoptionen und strukturierten Exportformaten. Benutzerdefinierte Actors können große Ergebnismengen zurückgeben; der Amazon Scraper kann laut Dokumentation je nach Eingabe über 100.000 Ergebnisse zurückgeben. In unserem Benchmark zeigte es die stärkste Leistung auf großen Marktplätzen wie Amazon und Best Buy bei Standard-Parallelität.

Leistung:

• Erfolg bei Standardlast: 72% insgesamt, 96% auf Amazon und 92% auf Best Buy.
• Flexibilität: benutzerdefinierte „Actors“ können über 100.000 Ergebnisse zurückgeben, unterstützt durch eine große Community-Bibliothek.
• Antwortzeit und Last: 46 Sekunden mediane Antwortzeit.

Nimble bietet eine universelle Web Scraping API sowie eine dedizierte E-Commerce-API, die KI- und NLP-strukturiertes JSON zurückgibt und große Marktplätze unterstützt, darunter Amazon, Walmart und Google Shopping. Die API umfasst integrierte Residential Proxies und Geo-Targeting bis hinunter auf Länder-, Bundesland-, Stadt- und Postleitzahlebene. In unserem Benchmark hielt Nimble seine Erfolgsquote unter starker gleichzeitiger Belastung besser als jeder Anbieter außer Bright Data.

Leistung:

• Zweitwiderstandsfähigste unter Last: hielt 56% Erfolgsquote bei 5.000 gleichzeitigen Anfragen, hinter Bright Data.
• Schnell: etwa 9 Sekunden mediane Antwortzeit.
• Domänenspezifische Stärke: 100% auf AliExpress und 90% auf Best Buy, 25% auf Amazon.

Abdeckung dedizierter Scraper nach Anbieter

Anbieter unterscheiden sich darin, wie sie Daten extrahieren. Einige liefern einen dedizierten, vorgefertigten Scraper für jeden Marktplatz, der die strukturierten Felder der Website zurückgibt; andere verwenden eine universelle Engine für jede Website. Bright Data bot die breiteste dedizierte Abdeckung über die 100 Domains, gefolgt von Oxylabs. Zyte und Apify verwenden eine einzige universelle Extraktions-Engine anstelle einer marktplatzspezifischen Bibliothek.

Für jeden Anbieter zählt die Spalte Metadatenfelder die unterschiedlichen Datenattribute in einem geparsten JSON-Produktdatensatz, wie Preis, Marke, Bewertung, SKU oder Bild. Der Wert ist der Durchschnitt über die Produktseiten, die einen geparsten Produktdatensatz zurückgaben, und schließt HTTP-Header, Anfragemetadaten und jedes Feld, das den rohen HTML-Code der Seite enthält, aus.

Die dedizierten Scraper von Bright Data geben Produktseitendaten zurück; Oxylabs und Decodo bieten dedizierte Scraper für Such- und Listingseiten anstatt für Produktseiten. Die Abdeckung spiegelt den Katalog jedes Anbieters zum Zeitpunkt des Benchmarks wider.

Preise für E-Commerce Scraper

*Die Preisgestaltung von Bright Data erfolgt pro Datensatz (ein extrahierter Artikel, z. B. ein Produkt oder eine Bewertung), nicht pro Anfrage. Auf Suchseiten kann eine einzelne Anfrage mehrere Datensätze zurückgeben.

Verpassen Sie nicht unsere Benchmarks und datengestützten Erkenntnisse. Die Schaltfläche öffnet Google; die Auswahl von AIMultiple bestätigt, dass Sie AIMultiple häufiger in den Google-Suchergebnissen sehen möchten.

Als bevorzugte Quelle hinzufügen

E-Commerce-Benchmark-Methodik

Domain-Auswahl

Wir wählten die führenden 15 Länder nach BIP aus und schlossen Russland und China aus. Für jedes Land nahmen wir die Top-5-Domains der letzten drei Monate aus der E-Commerce-Kategorie von SimilarWeb. Wir fügten die Top-5-globalen Websites in Unterhaltungselektronik und Lebensmittel hinzu. Für die Vereinigten Staaten, die an erster Stelle standen, nahmen wir zusätzlich die Top-20 Einzelhandels-Domains von Semrush, da öffentliche Semrush-Listen 20 Websites anzeigen, während SimilarWeb 5 anzeigt.

Dann nahmen wir die globalen Top-20 der Einzelhandelskategorie und Top-20 der Bekleidungs-/Modekategorie für Januar 2026 auf. Wir schlossen Domains aus, die Länder außerhalb des ausgewählten Satzes bedienen, Websites, die eine Authentifizierung zum Stöbern erforderten, und Websites, die vor dem Stöbern eine Länderauswahl auf der Landingpage verlangten. Wir schlossen regionale Pfade globaler Domains aus (z. B. etsy.com/fr), behielten aber regionale Websites, die eine separate Domain hatten. Wenn ein Ausschluss eine Lücke in den Top 5 eines Landes hinterließ, füllten wir sie aus der Top-20 E-Commerce-Liste von Semrush für dieses Land. Um 100 Domains zu erreichen, fügten wir 10 Auswahlen aus führenden E-Commerce-Marktplätzen hinzu.

Zwei Einzelmarken-Domains, apple.com und consumer.huawei.com, lieferten selbst nach dem Crawlen aller Kategorien nur wenige hundert unterschiedliche Produkte, unter dem Zielwert pro Domain. Wir ersetzten sie durch zwei Domains mit hohem Traffic laut SimilarWeb, bol.com und argos.co.uk.

URL-Sammlung

Für jede Domain sammelten wir sowohl Produkt- als auch Listing-URLs und behielten genügend Reserve-URLs, sodass jeder Durchlauf und Lasttest aus einem frischen Satz schöpft. Wir entdeckten jede URL, ohne die Zielseite über einen getesteten Anbieter abzurufen, sodass diese Seiten vor dem Benchmark selbst ungenutzt bleiben.

Für Produkt-URLs verwendeten wir drei Quellen nacheinander und hörten auf, wenn eine Domain ihr Ziel erreichte:

• Die eigene Produkt-Sitemap der Website.
• Ein Crawl der eigenen Kategorieseiten der Website (von der Homepage über Kategorie- und Unterkategorieseiten), wenn die Sitemap fehlte oder zu klein war, wobei Produktlinks gesammelt wurden, während Kategorieseiten, aber nie die Produktseite selbst abgerufen wurden.
• Google Site-eingeschränkte Suche, wenn eine Domain immer noch zu wenige hatte.

Jede URL wurde mit einem domainspezifischen Produktmuster abgeglichen, um Nicht-Produktseiten auszusortieren, und jede Domain, die immer noch unter dem Ziel lag, wurde zur manuellen Überprüfung markiert oder durch eine Ersatzdomain ersetzt.

Für Such-URLs generierten wir Suchanfragen aus dem eigenen Katalog jeder Domain und nicht aus einer externen Wortliste. Die Keywords stammten aus den Kategorienamen und Produkt-Slugs der Website, waren also in der Sprache der Website (eine japanische oder koreanische Website wird in ihrer eigenen Sprache abgefragt, ohne separaten Übersetzungsschritt) und wurden optional auf einfache Kategoriebegriffe wie „Laufschuhe“ verallgemeinert. Wir führten die Suchanfragen gegen den Such-Endpoint der Website oder deren Kategorieseiten aus, wo keine Keyword-Suche existiert, und behielten die Suchanfragen, die mehrere unterschiedliche Produkte zurückgaben. Alle URLs wurden dann auf eine Locale pro Domain normalisiert, von Tracking-Parametern befreit und dedupliziert.

URL-Validierung

Da der Benchmark jede URL bei jedem Anbieter abruft, würde die Validierung des gesamten Satzes die ungenutzten URLs verbrauchen. Daher validierten wir eine Stichprobe von etwa einem Dutzend jedes Seitentyps pro Domain, ungefähr 2.500 URLs. Wir bestätigten, dass Produktseiten live waren und einen Preis zeigten und dass Listing-Seiten live waren und mehrere unterschiedliche Produkte statt einer leeren Seite oder eines einzelnen Produkts zurückgaben. Wir entfernten Staging- und QA-Subdomains sowie gemischte Locales und schlossen jede beprobte URL aus dem gelieferten Satz aus.

Benchmark-Durchführung

Jeder Anbieter rief dieselben frischen URLs ab, mit einer gleichen Anzahl von Seiten von jeder Domain bei jedem Durchlauf. Wenn ein Anbieter einen dedizierten E-Commerce Scraper für eine Domain anbot, verwendeten wir diesen; andernfalls verwendeten wir den allgemeinen Web Unblocker des Anbieters. Alle Anbieter liefen vom selben Serverstandort, sodass der Standort keinem Anbieter einen Vorteil verschaffte.

Um das Verhalten unter Last statt des Best-Case-Verhaltens zu messen, führten wir den gesamten Satz auf drei Parallelitätsstufen von 5, 100 und 5.000 parallelen Anfragen aus. Ein HTTP-Status 200 zählte nicht allein als Erfolg. Für jede URL definierten wir die erwarteten Daten im Voraus und überprüften dann die zurückgegebene Seite darauf: Eine Antwort wurde nur dann als Erfolg gewertet, wenn ihr Inhalt dieser Ground Truth durch einen CSS-Selektor oder ein strukturiertes (JSON)-Feld entsprach, das die Zieldaten trug (ein Preis und Produktfelder auf einer Produktseite, mehrere unterschiedliche Produkte auf einer Listing-Seite).

Eine Blockseite, ein Captcha oder eine leere Hülle erhielt null Punkte, selbst bei einem 200-Status. Jedes Diagramm in diesem Artikel verwendet diese inhaltsgeprüfte Erfolgsquote. Wir protokollierten den HTTP-Status und die End-to-End-Antwortzeit daneben und geben die Antwortzeit als Median (P50) und Tail (P90) der erfolgreichen Anfragen an.

Nur Bright Data und Nimble hielten einen vollständigen Durchlauf auf der Stufe von 5.000 Anfragen durch; die anderen vier Anbieter waren durch kontoabhängige Parallelitäts- oder Kreditobergrenzen bei dieser Last eingeschränkt, nicht durch die Scraping-Fähigkeit, und werden daher auf dieser Parallelitätsstufe nicht gezeigt.

Ist E-Commerce Scraping legal?

Es ist legal, öffentliche Informationen wie Produktnamen, Preise und Lagerbestände zu sammeln, solange Sie keine Logins umgehen oder auf private Daten zugreifen.

Jedoch werden neue KI-Regeln für einige Plattformen gelten. Ab 2026 änderte eBay beispielsweise seine Nutzungsbedingungen, um „LLM-gesteuerte Bots“ und „Kauf-für-mich-Agenten“ zu verbieten, die Plattform ohne schriftliche Genehmigung zu nutzen. Diese Aktualisierung reagiert auf den Aufstieg des „agentischen Handels.“¹

Während allgemeines Scraping immer noch legal ist, unterliegt die Nutzung von KI-Agenten für die Interaktion mit Marktplätzen nun strengeren Regeln.

FAQs

Zitieren Sie diesen Benchmark

Wählen Sie das Format, das zu Ihrem Veröffentlichungsort passt. Wenn Sie die Link-Version in Ihr CMS einfügen, bleibt der Backlink erhalten.

@misc{dogan2026,
  author = {Dogan, Sedat and Sarı, Ekrem},
  title  = {{E-Commerce Scraper: 6 Anbieter im Benchmark-Test}},
  year   = {2026},
  month  = jul,
  howpublished    = {\url{https://aimultiple.com/ecommerce-scraper}},
  note   = {AIMultiple. Abgerufen am 13. Juli 2026}
}

Referenzlinks

1.

Security Measure | eBay

Sedat Dogan

CTO

Folgen auf

Sedat ist ein führender Experte für Technologie und Informationssicherheit mit Erfahrung in Softwareentwicklung, Web-Datenerfassung und Cybersicherheit. Sedat: – Verfügt über 20 Jahre Erfahrung als White-Hat-Hacker und Entwicklungsexperte mit umfassenden Kenntnissen in Programmiersprachen und Serverarchitekturen. – Berät Führungskräfte und Vorstandsmitglieder von Unternehmen mit hohem Datenverkehr und geschäftskritischen Technologieanwendungen wie Zahlungsinfrastruktur. – Besitzt neben seiner technischen Expertise auch ausgeprägtes betriebswirtschaftliches Verständnis.

Vollständiges Profil anzeigen

Technisch geprüft von

Ekrem Sarı

KI-Forscher

Folgen auf

Ekrem ist KI-Forscher bei AIMultiple und konzentriert sich auf intelligente Automatisierung, GPUs, KI-Agenten und RAG-Frameworks.

Vollständiges Profil anzeigen

Seien Sie der Erste, der kommentiert

Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.

Name

E-Mail-Adresse

Kommentar

0/450

Kommentar posten