Offizieller API, fertiger Datensatz oder eigener Parser: Was 2026 wählen?

```html

Daten zur Preisüberwachung, zum Training von Modellen oder zur B2B-Analyse können auf drei Arten erhalten werden: indem man der Plattform für eine offizielle API bezahlt, einen fertigen Datensatz von einem Anbieter kauft oder selbst mit einem Parser über Proxys sammelt. Im Jahr 2026 hörte die Wahl auf, eine Frage des Geschmacks zu sein: Die Preise für offizielle APIs sind um ein Vielfaches gestiegen, einige davon haben sich für neue Kunden geschlossen, und die Gerichte haben zum ersten Mal über den Zugang von KI-Agenten entschieden. Wir analysieren drei Kanäle anhand von sieben Kriterien und bieten eine Auswahlmatrix für spezifische Szenarien an.

Nach welchen Kriterien überhaupt vergleichen

„API gegen Parsing“ nur nach dem Preis zu vergleichen, ist der größte Fehler. Die tatsächlichen Kosten eines Kanals setzen sich aus sieben Parametern zusammen, und jedes Szenario hat sein eigenes Gewicht:

• Preis pro Dateneinheit – pro Anfrage, pro Datensatz oder pro Gigabyte Traffic.
• Abdeckung – ob der Kanal genau die Felder und Objekte enthält, die Sie benötigen.
• Aktualität – Daten in Echtzeit oder ein Snapshot von vor einer Woche.
• Rechtlicher Status – Vertrag mit der Plattform, Lizenz des Anbieters oder Sammlung öffentlicher Daten auf eigenes Risiko.
• Zeit bis zu den ersten Daten – von wenigen Minuten bis zu mehreren Wochen manueller Genehmigung.
• Stabilität – wie oft der Kanal ausfällt und was passiert, wenn sich die Regeln ändern.
• Formatkontrolle – ob man beliebige Felder erhalten kann oder ob man das nimmt, was angeboten wird.

Kanal 1. Offizielle API der Plattform

Der rechtlich vorhersehbarste und preislich unvorhersehbarste Kanal. Was bis August 2026 mit großen APIs passiert ist:

• X (Twitter) – seit dem 6. Februar 2026 ist das Modell „pay-per-use“ für neue Entwickler standardmäßig: Es gibt keinen kostenlosen Tarif, und neue Kunden können sich nicht für Basic oder Pro anmelden. Die Preise liegen bei $0,005 pro Lesen eines Posts und $0,015 pro Veröffentlichung ($0,20, wenn im Post ein Link enthalten ist), mit einer Obergrenze von 2 Millionen Lesungen pro Monat. Danach gibt es nur noch Enterprise, das bei etwa $42.000 pro Monat beginnt. Die alten Festpreise ($200 Basic, $5.000 Pro) gelten nur für bestehende Abonnenten.
• Reddit – der kommerzielle Zugang kostet etwa $12.000 pro Monat für 50 Millionen Aufrufe, über dem Limit etwa $0,24 pro 1.000 Anfragen. Die kostenlosen 100 Anfragen pro Minute für OAuth-Clients sind nicht für kommerzielle Nutzung lizenziert, und die kommerzielle Genehmigung erfolgt durch eine manuelle Überprüfung von 2–4 Wochen ohne Garantie für das Ergebnis.
• Amazon – das Product Advertising API 5.0 nimmt keine neuen Kunden mehr an und wird eingestellt: Der 30. April 2026 wurde als Datum für das Ende des Supports angekündigt, der 15. Mai als Datum für die Abschaltung, mit Migration auf die Creators API. Der Zugang hängt von den Verkäufen ab: Es sind mindestens 10 qualifizierte Referral-Verkäufe in den letzten 30 Tagen erforderlich, und zwar für jedes Schaufenster separat, andernfalls erhält das Konto einen 429-Fehler und verliert den Zugang.
• Instagram – die Basic Display API ist am 4. Dezember 2024 endgültig eingestellt worden, persönliche Kontodaten sind über die Graph API nicht mehr verfügbar, es werden nur Business- und Creator-Konten unterstützt. Für die Produktion sind App-Überprüfungen und die Verifizierung des Unternehmens erforderlich, und eine App, die die Überprüfung nicht besteht, verliert die Endpunkte, die sie in der Entwicklungsphase verwendet hat.

Wann die offizielle API gewinnt: Sie benötigen Daten von ihren Konten und Kunden, das Volumen ist klein und stabil, und rechtliche Sauberkeit ist wichtiger als der Preis – zum Beispiel für die Integration in ein SaaS, das Sie an Unternehmenskunden verkaufen. Wann sie verliert: Sie benötigen einen breiten Marktüberblick, fremde öffentliche Daten oder Felder, die in der API einfach nicht vorhanden sind.

Kanal 2. Fertiger Datensatz vom Anbieter

Der Markt für lizenzierte Webdaten hat sich in den letzten zwei Jahren zu einer eigenen Industrie entwickelt. Preisrichtwerte: Bei Bright Data kosten fertige Datensätze ab $2,50 pro 1.000 Datensätzen, also $250 für 100.000, mit Rabatten von bis zu 80 % je nach Aktualisierungsfrequenz; der verwaltete Datensammlung für spezielle Aufgaben beginnt bei $1.500 pro Monat, Branchenabonnements wie Retail-Analytik beginnen bei $250 pro Monat.

Die Stärken sind offensichtlich: Die Daten sind bereits bereinigt, dedupliziert und auf ein Schema gebracht, Sie haben einen Vertrag und eine Rechnung, und die ersten Zeilen können am Tag der Zahlung erhalten werden. Ingenieurkosten – null.

Die Schwächen zeigen sich später. Erstens, Frischeverzögerung: Sie nehmen einen Ausschnitt mit der Aktualisierungsfrequenz, die der Anbieter festgelegt hat, und für die Preisüberwachung in Echtzeit ist das oft nicht ausreichend. Zweitens, fremde Abdeckung: Wenn der benötigte Marktplatz, die Region oder die Sprache nicht im Katalog vorhanden ist, kann man ihn nur über eine maßgeschneiderte Bestellung und einen anderen Preis hinzufügen. Drittens, festes Schema: Ein Feld, das im Datensatz nicht vorhanden ist, können Sie auf keine Weise erhalten.

Wann der Datensatz gewinnt: einmalige Forschung, Training eines Modells auf einem historischen Ausschnitt, schnelle Hypothesenprüfung, wenn die Zeit bis zum Ergebnis teurer ist als die Kosten pro Datensatz. Wann er verliert: Frische in Stunden benötigt wird, nicht standardisierte Felder oder enge geografische Abdeckung.

Kanal 3. Eigener Parser über Proxys

Hier zahlen Sie nicht für Daten, sondern für die Infrastruktur des Zugangs: Proxy-Traffic, Rendering und Ingenieurzeit. Der Markt für Residential Proxys hat sich 2026 in drei Ebenen aufgeteilt – Enterprise (Bright Data, Oxylabs) im Bereich von $8,5–12 pro Gigabyte, mittleres Segment (Decodo, SOAX, NetNut) bei $3–6, Budget (IPRoyal, Webshare) – ab $1,75 pro Gigabyte auf Pay-as-you-go.

Aber der Preis pro Gigabyte ist eine irreführende Kennzahl. Man muss die Kosten pro erfolgreicher Anfrage berechnen: Datacenter-Proxys zu $1 pro Gigabyte sind nutzlos, wenn die Zielseite 90 % der Anfragen blockiert – Sie zahlen für ein zehnfaches Volumen an Retries. Bei Residential IPs liegt der Anteil erfolgreicher Antworten auf geschützten Plattformen bei etwa 90–99 %, bei Datacenter-IPs sinkt er auf denselben Zielen auf 40–60 %, und bei starker Sicherheit auf 20–30 %. Eine detaillierte Aufschlüsselung nach Seitengewicht, Retries und versteckten Kosten haben wir im Artikel wie viel es wirklich kostet, eine Million Seiten zu scrapen behandelt.

Eine separate Frage ist, wo genau die Grenze zwischen rohen Proxys und einem fertigen Scraping-API verläuft: Sie liegt im Gewicht der Antwort, und das ist das Thema unseres Vergleichs von Proxys, Unblockern und Scraping-APIs.

Wann der eigene Parser gewinnt: Sie benötigen beliebige Felder, Frische in Minuten, breite Abdeckung von Plattformen und vorhersehbare Preise bei hohem Volumen. Wann er verliert: Sie haben keinen Ingenieur, der die Pipeline repariert, und das Volumen wird in Tausenden von Seiten pro Monat gemessen – hier ist es günstiger, einen Datensatz zu kaufen.

Rechtliche Schicht: Was sich 2026 geändert hat

Am 4. August 2026 hob der neunte Berufungsgerichtshof der USA das vorläufige Verbot auf, das dem KI-Agenten Perplexity den Zugang zu Amazon im Auftrag von Nutzern verwehrte. Das Gericht entschied, dass, wenn ein Nutzer dem Agenten eine Handlung auf Amazon anweist, der „Zugang“ zu den Systemen von Amazon tatsächlich vom Nutzer und nicht von Perplexity erfolgt: Das Gesetz CFAA spricht von „demjenigen, der“ Zugang erhält, also von einer Person und nicht von einem Softwarewerkzeug. Dies ist die erste Entscheidung auf Ebene des Berufungsgerichts an der Schnittstelle zwischen Agenten-KI und dem Bundesgesetz über Computerbetrug – die Einzelheiten haben wir in einem separaten Artikel über die Entscheidung im Fall Amazon gegen Perplexity behandelt.

Praktische Schlussfolgerung für die Wahl des Kanals: Die Entscheidung nimmt einen Teil des Risikos der Automatisierung im Auftrag eines bestimmten Nutzers ab, macht jedoch die massenhafte Sammlung fremder Daten nicht kostenlos und risikofrei. Die Nutzungsbedingungen der Plattform, Urheberrechte an Inhalten und der Schutz personenbezogener Daten sind nach wie vor gültig. Die offizielle API bleibt der einzige Kanal, bei dem Sie einen Vertrag haben; der Datensatz überträgt einen Teil der Verantwortung auf den Anbieter; das eigene Scraping öffentlicher Daten ist ein Bereich, in dem Sie selbst die Entscheidung treffen.

Auswahlmatrix für Szenarien

1. Überwachung der Preise von Wettbewerbern in Echtzeit. Die offizielle API ist fast immer nicht geeignet: Die benötigten Felder sind nicht vorhanden oder der Zugang ist an Verkäufe gebunden, wie bei Amazon. Der Datensatz hinkt in der Aktualität hinterher. Die Wahl fällt auf den eigenen Parser über Residential Proxys mit einer Crawling-Frequenz, die der Preisschwankung entspricht.
2. Training eines Modells auf einem historischen Korpus. Aktualität ist nicht kritisch, das Volumen ist riesig, das Schema ist standardisiert. Die Wahl fällt auf einen fertigen Datensatz; die eigene Sammlung eines solchen Volumens von Grund auf ist fast immer teurer.
3. B2B-Leads-Generierung und CRM-Anreicherung. Offizielle APIs für fremde Profile existieren praktisch nicht. Eine vernünftige Standardlösung ist ein lizenzierter Datensatz plus punktuelle Anreicherung mit dem eigenen Parser in engen Feldern.
4. SMM-Analyse für eigene Konten. Die offizielle API ist alternativlos: Instagram Graph für Business/Creator, X pay-per-use für kleine Lesevolumen. Die eigenen Daten zu scrapen ist sinnlos.
5. Einmalige Marktuntersuchung für zwei Wochen. Berücksichtigen Sie die Zeit: Wenn der Ingenieur mehr Zeit für die Pipeline benötigt, als der Datensatz kostet, kaufen Sie den Datensatz. Wenn die Daten nicht in den Katalogen vorhanden sind, starten Sie einen temporären Parser über Residential Proxys mit Zahlung für den Traffic und schalten Sie ihn nach dem Projekt ab.

Hybrid als Norm

In der Praxis wählen reife Teams im Jahr 2026 nicht einen Kanal, sondern verteilen die Aufgaben auf drei: offizielle API – dort, wo die Daten eigene sind und ein Vertrag erforderlich ist; Datensatz – für historische Grundlagen und schnellen Start; eigener Parser – für Frische, nicht standardisierte Felder und Volumen, bei dem die Gigabyte-Wirtschaft die Zahlung pro Datensatz übertrumpft. Datacenter-IPs werden dabei für leichte Ziele und interne Prüfungen verwendet, während Residential und mobile Proxys für Plattformen mit echtem Schutz eingesetzt werden.

Das Wichtigste, was man mitnehmen sollte: Berechnen Sie nicht die Preisliste, sondern die Kosten eines brauchbaren Datensatzes unter Berücksichtigung von Retries, Verzögerungen und Ingenieurzeit. Nach dieser Kennzahl erweist sich der „teure“ Kanal regelmäßig als günstig, und der „günstige“ als das Gegenteil.

Fazit

Offizielle APIs sind im Jahr 2026 zu einem Kanal für die Arbeit mit eigenen Daten und kleinen Volumen geworden: X hat neue Entwickler auf eine Stückzahlzahlung umgestellt, Reddit hält den kommerziellen Zugang bei $12.000 pro Monat, Amazon schließt das PA-API, Instagram hat persönliche Konten ausgeschlossen. Fertige Datensätze schließen die Geschichte und den schnellen Start ab $2,50 pro tausend Datensätzen ein, bieten jedoch keine Aktualität und beliebige Felder. Der eigene Parser über Proxys bleibt der einzige Kanal mit vollständiger Kontrolle über das Schema und die Aktualisierungsfrequenz – und gewinnt finanziell bei hohem Volumen, wenn man die Kosten pro erfolgreicher Anfrage und nicht pro Gigabyte betrachtet. Wenn Ihr Szenario frische Daten von geschützten Plattformen erfordert, beginnen Sie mit einem Test von Residential Proxys auf einem realen Ziel und messen Sie den Anteil erfolgreicher Antworten – diese Zahl wird den Streit zwischen den drei Kanälen schneller entscheiden als jede Tabelle.