# Black-Friday-Preistracking nach der 30-Tage-Regel

> URL: https://foura.ai/de/blog/black-friday-price-tracking-30-day-rule
> Updated: 2026-11-03
> Index: https://foura.ai/llms.txt

Im März 2026 veröffentlichten Verbraucherschutzbehörden aus 23 EU-Ländern sowie Island und Norwegen ihre Prüfung der Verkäufe am Black Friday und Cyber Monday: 30 % der 314 geprüften Online-Shops [gaben Rabatte fehlerhaft an](https://www.ccpc.ie/news-and-media/news/article/2026/03/26/investigation-by-ec--ccpc-and-european-consumer-authorities-finds-1-in-3-traders-incorrectly-display-discounts-online-during-black-friday-sales). Die Regel, gegen die diese Shops verstießen, passt in einen Satz. Um sie zu überprüfen, brauchst du Daten, deren Erfassung du einen Monat vor dem Sale hättest starten müssen.

## Die Herausforderung

Nach der EU-Preisangabenrichtlinie muss ein Shop, der eine Preissenkung ankündigt, als Referenz den niedrigsten Preis angeben, den er in den vorangegangenen 30 Tagen angewendet hat. Die Omnibus-Richtlinie hat diese Regel 2019 eingeführt, und Shops müssen sie seit 2022 befolgen. Der Black Friday fällt dieses Jahr auf den 27. November. Das Zeitfenster, das darüber entscheidet, ob ein früherer Black-Friday-Preis ehrlich ist, begann also am 28. Oktober. Ein Tracker, der erst startet, wenn die Banner online gehen, ist einen Monat zu spät.

Das eigene Monitoring der Kommission, entwickelt mit Apify, umfasste für den Black-Friday-Sweep 2022 16.000 Produkte in 176 Shops und [half bis Oktober 2025 bei der Überprüfung von 136.931 Produkten von 1.556 Händlern](https://blog.apify.com/how-web-scraping-ai-and-the-eu-have-come-together-to-sweep-away-fake-discounts-in-europe/). Es erfasste Preise während des Sales sowie in den 30 Tagen davor und sicherte einen Screenshot jeder Seite als Beweis. Oxylabs führte 2024 eine US-Version durch: Das System [trackte ab dem 13. August stündlich 61.172 Produkte](https://oxylabs.io/blog/oxylabs-research-on-fake-discounts-are-shopping-events-worth-the-deal), und nur 4.529 davon waren sowohl am Black Friday im Angebot als auch über die für die Methodik erforderlichen 90 Tage gelistet. Produktlisten ändern sich schneller, als die meisten planen.

Der schwierige Teil ist jedoch nicht die Skalierung. Es ist die Statistik.

Ein Referenzpreis ist ein Minimum, und ein Minimum wird durch eine einzige Beobachtung bestimmt. Ein Durchschnitt ignoriert einen Ausreißer-Tag; ein Minimum *ist* dieser Tag. Deshalb kippt das Ergebnis bei beiden Fehlern, die einem Scraper passieren können:

- **Ein verpasster Tag verbirgt den Tiefstpreis.** Die Seite antwortet genau an dem Tag, an dem der Preis sank, mit einer Challenge-Seite, einem Consent-Screen oder einem Timeout. Dein Minimum fällt höher aus als die Realität, und ein Scheinrabatt gilt als echt.
- **Ein falsch gelesener Preis erfindet einen Tiefstpreis.** Dein Parser erfasst einen "Ab"-Preis, einen Mitgliederpreis, eine andere Variante oder Zubehör aus einem Karussell. Dein Minimum fällt niedriger aus als die Realität, und ein ehrlicher Rabatt wird fälschlicherweise als Betrug markiert.

Preissenkungen können kurz sein. In seiner [Black-Friday-Studie 2025](https://www.which.co.uk/policy-and-insight/article/dont-believe-the-hype-most-black-friday-deals-the-same-price-or-cheaper-at-other-times-of-the-year-which-finds-a3TbD5x5KADs) verfolgte Which? 175 Produkte bei acht britischen Händlern über ein Jahr hinweg: 83% waren außerhalb des vierwöchigen Sales mindestens einmal genauso teuer oder günstiger, und ein beobachteter Fernseher fiel am Tag nach dem Black Friday kurz von 1.039 £ auf 999 £. (Großbritannien hat eigene Regeln, aber ein eintägiger Einbruch sieht für einen Scraper gleich aus.)

Für ein Schnäppchenportal kostet der erste Fehler Glaubwürdigkeit. Für eine Regulierungsbehörde, eine Verbraucherorganisation oder eine Redaktion bedeutet der zweite Fehler, einen Händler für etwas zu beschuldigen, das er nicht getan hat.

## Der Ansatz: Eine Lücke bleibt eine Lücke

Du brauchst eine Erfassungsebene, die einen fehlgeschlagenen Fetch niemals in eine Zahl verwandelt, und eine Berechnung, die sich weigert, ein Urteil über ein Zeitfenster mit Lücken abzugeben. Wie ein fehlerhafter Fetch zu einem falschen Signal wird, haben wir in [Alternative Data: When a Block Looks Like a Data Point](https://foura.ai/blog/alternative-data-silent-collection-gaps) beschrieben; ein 30-Tage-Minimum ist die unnachgiebigste Variante dieses Problems.

Mit einer Plattform wie FourA sind die beweglichen Teile überschaubar:

- **Validiere die Seite, bevor du sie ausliest.** `validate` akzeptiert einen String, den nur die richtige Produktseite enthält, etwa die Artikelnummer des Produkts selbst. Eine Challenge-Seite, eine "Produkt nicht gefunden"-Seite oder ein Consent-Screen führt zu einem fehlgeschlagenen Call, der [nicht abgerechnet wird](https://foura.ai/docs/api/outcomes), da [deine Regel bestimmt, was als Erfolg gilt](https://foura.ai/blog/validate-decides-success). Dein Datensatz erhält eine Lücke, keinen Preis.
- **Behalte den Nachweis.** Responses enthalten ein `X-FourA-Request-Id`. Speichere es zusammen mit dem Preis, dem Zeitstempel und dem rohen HTML. Unser Activity-Log speichert Request-Vorschauen nur 24 Stunden lang, daher muss das Beweisarchiv auf deiner Seite liegen.
- **Wähle den Endpoint pro Shop.** Single verarbeitet serverseitig gerenderte Produktseiten. Browser ist für Shops gedacht, die den Preis via JavaScript aufbauen. Proxy Finder mit `exitCountries` (sofern dein Plan Länder-Targeting enthält) deckt Shops ab, deren Preis vom Land des Besuchers abhängt, eine Variante des Problems, das wir bei den [Lebensmittelpreisen auf Filialebene](https://foura.ai/blog/grocery-price-scraping-store-shopper) gesehen haben.

```python
import datetime as dt
import requests

API = "https://eu.api.foura.ai/api/single/"
HEADERS = {"X-API-Key": "pk_live_..."}

def observe(product, parse_price):
    """One observation. A failed fetch is a gap, never a price."""
    r = requests.post(API, headers=HEADERS, json={
        "method": "GET",
        "url": product["url"],
        "validate": {
            "status": {"accept": [200]},
            "data": {"accept": [product["article_no"]]},
        },
    })
    body = r.json()
    row = {"day": dt.date.today(), "url": product["url"], "price": None,
           "request_id": r.headers.get("X-FourA-Request-Id")}
    if r.status_code == 200 and not body.get("error"):
        row["price"] = parse_price(body["data"])  # None when it isn't sure
        row["html"] = body["data"]                # the evidence
    return row

def prior_price(rows, sale_day, days=30):
    start = sale_day - dt.timedelta(days=days)
    priced = [x for x in rows
              if start <= x["day"] < sale_day and x["price"] is not None]
    if len({x["day"] for x in priced}) < days:
        return None  # a missing day can hide the lowest price
    return min(x["price"] for x in priced)
```

`prior_price` mit Rückgabe von `None` ist die nützlichste Zeile in der Datei. Ein Rabatt, den du nicht verifizieren kannst, landet auf einer Liste für Fälle ohne Urteil ("no verdict"), inklusive der fehlenden Tage. Wir liefern lieber einen Bericht mit dieser Liste aus als einen, der mit voller Überzeugung falsch liegt.

Zwei weitere Entscheidungen gehören vor den Sale, nicht mitten hinein. Erstens: Erfasse Kategorien mit hoher Dynamik öfter als einmal täglich; Oxylabs hat nicht ohne Grund stündlich geprüft. Zweitens: Sammle Daten weiter als 30 Tage zurück. Die Regel blickt genau so weit zurück. Ein Preis, der kurz vor Beginn dieses Zeitfensters angehoben und bis zum Sale gehalten wird, bleibt für sie unsichtbar. Ob das irreführend ist, ist eine Frage für die Richtlinie über unlautere Geschäftspraktiken und Anwälte. Ob du nachweisen kannst, dass es passiert ist, ist eine Datenfrage, und nur ein längerer Verlauf liefert die Antwort.

## Ergebnisse

Ein anschauliches Szenario basierend auf dem obigen Setup: Eine Verbraucherzentrale prüft 2.000 Produkte in 40 Shops aus drei Ländern, zweimal täglich, vom 1. Oktober bis zum Cyber Monday.

- **244.000 Beobachtungen,** jeweils gespeichert mit Request-ID und nativer Seite.
- **Null Challenge-Seiten in der Preisspalte.** Jede Zeile hat entweder die Produktprüfung bestanden oder ist eine explizite Lücke.
- **Drei Urteile statt zwei.** Ein Rabatt ist ein Verstoß, konform oder ohne Urteil ("no verdict"), wobei Letzteres die fehlenden Tage auflistet.
- **Beweise angehängt.** Jeder markierte Deal wird mit Zeitstempeln und Seiten hinter seinem 30-Tage-Minimum ausgeliefert.
- **Preiserhöhungen vor dem Zeitfenster im Blick.** Ein Verlauf über acht Wochen zeigt einen Preis, der kurz vor dem 28. Oktober stieg und am 27. November "fiel".
- **Kostenlose Lücken.** Ein abgelehnter Fetch wird nicht berechnet, sodass ein Retry am selben Tag nur den erfolgreichen Aufruf kostet.

## Wichtigste Erkenntnis

Die meisten Scraping-Pipelines sind darauf ausgelegt, im Schnitt richtig zu liegen, und Durchschnitte verzeihen Fehler. Die 30-Tage-Regel verlangt jedoch genau die Zahl, die Pipelines am schlechtesten erfassen: den Extremwert. Ein erfundener Tiefstpreis oder ein verpasster Einbruch, und das Urteil kippt.

Der Anspruch an einen Rabatt-Checker lautet daher nicht "überwiegend richtig". Er lautet: "Erfinde nie einen Tiefstwert, verpasse keinen und melde es, wenn du es nicht weißt". Das Zeitfenster für den Winterschlussverkauf im Januar öffnet sich vor Weihnachten. Die Uhr für das nächste Urteil läuft also bereits.
