Immobilien-Listings scrapen in 2026 (API & Python)

Der schnellste Weg, 2026 Immobilien-Listings zu scrapen, ist eine strukturierte API aufzurufen, die normalisiertes JSON zurückgibt — Suchergebnisse und Objektdetails wie Preis, Zimmer, Bäder und Adresse — statt JavaScript-lastige Portalseiten zu parsen und gegen Anti-Bot-Abwehr zu kämpfen. Du kannst einen DIY-Scraper bauen, aber die großen Portale blockieren Automatisierung aktiv, und Immobilien bringen Urheberrechtsrisiken mit sich, die die meisten Guides überspringen. Dieser Guide behandelt alle drei Ansätze, die vier großen US-Portale und die rechtlichen Grundlagen. Für die portalspezifischen Endpoints und Felder siehe die Zillow-API-Docs.

Ist es legal, Immobilien-Listings zu scrapen?

Das Scrapen öffentlicher Listing-Fakten (Preis, Adresse, Zimmer/Bäder, Status) ist in der Regel weniger riskantes Public-Web-Scraping — in den USA stellte hiQ v. LinkedIn fest, dass der Zugriff auf öffentliche Daten kein CFAA-Verstoß ist, und Fakten wie Preise sind nicht urheberrechtlich schützbar. Aber Immobilien haben ihren eigenen Twist, den man ernst nehmen sollte:

• Listing-Fotos und -Beschreibungen sind urheberrechtlich geschützt — und werden durchgesetzt. CoStar — Eigentümer von LoopNet, Apartments.com und Homes.com — ist der prozessfreudigste Akteur der Branche. Es hat Zillow wegen Zehntausenden angeblich kopierten Listing-Fotos verklagt und gegen CREXi gewonnen, nachdem dieses Unternehmen auf passwortgeschützte Daten von CoStar zugegriffen und Fotos sowie Listings kopiert hatte. Die Lehre: Bleib bei öffentlichen, faktischen Feldern; kopiere niemals Listing-Fotos oder Makler-Beschreibungen.
• Umgehe niemals einen Login oder eine Zugriffssperre. Im CREXi-Fall ging es um den Zugriff auf passwortgeschützte Inhalte und das Ignorieren von Sperrhinweisen — genau dort steigt die Haftung, unabhängig vom Lesen einer öffentlichen Seite.
• Fair-Housing-Regeln gelten für die Art, wie du die Daten nutzt (z. B. Lead-Targeting), nicht nur dafür, wie du sie erhebst.

Nutze öffentliche, faktische Daten, respektiere die Bedingungen jedes Portals und siehe ist Web Scraping legal. Keine Rechtsberatung.

Die vier großen US-Portale auf einen Blick

Keines bietet eine offene, öffentliche Listings-API — deshalb scrapen Teams, und deshalb ist eine strukturierte oder gemanagte API meist der Weg des geringsten Widerstands.

Option 1: DIY in Python (und warum es kaputtgeht)

Immobilien-Portale rendern mit viel JavaScript und verteidigen sich aggressiv, also greifst du zum Headless-Browser:

from playwright.sync_api import sync_playwright

with sync_playwright() as p:
    page = p.chromium.launch().new_page()
    page.goto("https://www.zillow.com/austin-tx/")
    # then parse the embedded JSON blob, page by map region, and clear the CAPTCHA...

Es funktioniert in der Demo und geht dann kaputt. Zillow fährt Imperva (Incapsula) mit JavaScript-Challenges, Fingerprinting und Verhaltensanalyse; Realtor.com fügt Akamai-Sensor-Checks hinzu; Redfin legt Cloudflare und Rate-Limiting darüber. Ein naives requests.get() wird sofort blockiert, und selbst ein Stealth-Browser braucht ständige Pflege, während sich diese Abwehrmechanismen aktualisieren. (Warum das Abrufen, nicht das Parsen, der eigentliche Flaschenhals ist: siehe AI vs. traditionelles Web Scraping.)

Option 2: No-Code-Tools

Visuelle Extraktoren (Point-and-Click) exportieren CSV/JSON und eignen sich für einmalige Abzüge, werden aber bei geschützten Portalen teuer und fragil und sind nicht ideal für In-Product-Pipelines mit vorhersehbaren Feldern.

Option 3: Eine strukturierte Real-Estate-API

Für wiederholbare Workflows gibt eine Real-Estate-Data-API normalisiertes JSON zurück, ohne dass ein Browser läuft. Crawloras heute unterstütztes Portal ist Zillow. Löse einen Standort auf, dann suche:

curl -s "https://api.crawlora.net/api/v1/zillow/search?location=Austin,%20TX" \
  -H "x-api-key: $CRAWLORA_API_KEY"

Hol dir ein einzelnes Listing per ZPID in Python:

import requests

prop = requests.get(
    "https://api.crawlora.net/api/v1/zillow/property/12345678",
    headers={"x-api-key": "YOUR_API_KEY"},
).json()["data"]
print(prop.get("address"), prop.get("price"), prop.get("bedrooms"))

Eine Response ist normalisiertes JSON, das du direkt speichern kannst (die Felder sind exemplarisch — prüfe die Docs):

{
  "code": 200,
  "msg": "OK",
  "data": [
    {
      "zpid": "12345678",
      "address": "123 Example St, Austin, TX",
      "price": 625000,
      "bedrooms": 3,
      "bathrooms": 2,
      "status": "FOR_SALE"
    }
  ]
}

Was du sammeln kannst

Wo das öffentliche Listing sie preisgibt: ZPID, Adresse, Preis, Zimmer, Bäder, Wohnfläche, Grundstücksgröße, Objekttyp, Status und Makler, plus der Such- oder ZPID-Kontext, den du angefragt hast. Löse Standorte zuerst mit dem Autocomplete-Endpoint auf, um die stabilste Request-Form zu erhalten.

Portal für Portal: was da ist und wie schwer

• Zillow ist am datenreichsten (Zestimate, voller Preisverlauf, Steuerbewertung, Schulen) und am stärksten geschützt. Etwa 40 % der nützlichen Daten stecken im JSON-LD der Seite; der Rest liegt in einem eingebetteten __NEXT_DATA__-artigen Blob, der seine Form ändert. Das ist das Portal, das Crawlora heute unterstützt — siehe die Zillow-Endpoints in den Docs.
• Redfin ist am freundlichsten: Es veröffentlicht herunterladbare Daten für Suchergebnisse und hat leichtere Bot-Erkennung, sodass verkaufte Preise, HOA, Grundstücksgröße, Baujahr und der Redfin Estimate am zugänglichsten sind.
• Realtor.com zieht direkt aus dem MLS, was es am genauesten für aktive Listings macht (MLS-Nummern, Listing-Office, Open Houses) — aber Akamai macht es zu einem der am schwersten in großem Maßstab zu erfassenden Portale.
• Trulia (Zillow-Eigentum) teilt sich dieselben Daten und denselben Stack; sein Alleinstellungsmerkmal sind Nachbarschaftsdaten — Kriminalität, Pendelzeiten, Lärm und lokale Bewertungen.
• LoopNet / CoStar (Gewerbeimmobilien) ist ein Sonderfall: reiche Daten, aber die aggressivste rechtliche Durchsetzung der Branche. Behandle es mit besonderer Vorsicht.

Für Portale, die Crawlora noch nicht dokumentiert, nutzt du ein allgemeines Scraping-Setup oder ein anderes Tool — und dieselben rechtlichen Grundlagen gelten. Sag uns, welche Portale du brauchst, und wir priorisieren die Abdeckung.

Anti-Bot-Realität im großen Maßstab

Immobilien-Scraping in Produktion zu betreiben bedeutet, ein paar Realitäten zu akzeptieren, die die Demos überspringen:

• Residential-Proxys sind Pflicht. Datacenter-IPs sind innerhalb von Stunden verbrannt; du brauchst US-Residential-IPs mit Sticky Sessions für Zillow (das je nach Standort unterschiedliche Daten ausliefert).
• Halte dich zurück. Verteile Requests mit Jitter mehrere Sekunden auseinander; unproxied deckeln Praktiker um die 20–50 Detailseiten pro Tag und IP, bevor Blocks kommen.
• Bypasses verfallen. Imperva, Akamai, Cloudflare und PerimeterX aktualisieren sich laufend, sodass Open-Source-Workarounds Wochen halten, nicht Monate.
• Listings ändern sich täglich. Preise, Status und Fotos verschieben sich ständig, also scrapst du regelmäßig neu — was jede der obigen Kosten vervielfacht.

Genau diese Last aus Anti-Bot, Proxy und Re-Scraping nimmt dir eine strukturierte oder gemanagte API hinter einem einzigen Key ab — sodass du Zeit für die Daten aufwendest, nicht für die Abwehr.

Wo das eingesetzt wird

• Investor-Deal-Finding — verfolge Listings, Preise und Bestand nach Markt und bewerte Deals.
• Comparables & Marktforschung — hol vergleichbare Listings für ein Gebiet. Siehe Property Market Intelligence.
• Lead- und Territorium-Mapping — kombiniere Listing-Kontext mit lokalen Daten für Real-Estate-Workflows.

Quellen

Fang an zu sammeln

Probier es zuerst kostenlos aus: Lass eine beliebige öffentliche URL durch den Free Web Scraper laufen oder prüfe mit dem Anti-Bot-Checker, ob eine Seite Bots blockiert — ohne Anmeldung.

Teste den Search-Endpoint im Playground, prüfe das Schema in den API-Docs und sieh dir die Real-Estate-Data-API an. Siehe auch Property Market Intelligence und ist Web Scraping legal.