# Echtzeit-Preistracker mit FourA bauen

> URL: https://foura.ai/de/blog/building-a-real-time-price-tracker-with-foura
> Updated: 2026-09-27
> Index: https://foura.ai/llms.txt

Preisentscheidungen im E-Commerce fallen schnell. Ein Konkurrent senkt seinen Preis um 5 % und innerhalb weniger Stunden bemerken es die Kunden. Die Unternehmen gewinnen, die es zuerst bemerken.

Der Aufbau eines Preisüberwachungssystems erforderte früher die Wartung einer Proxy-Infrastruktur, den Umgang mit Bot-Erkennung und das Schreiben benutzerdefinierter Scraper für jede Zielseite. FourA reduziert diese Komplexität auf einen einzigen API-Aufruf.

## Das Problem

Manuelle Preisprüfungen skalieren nicht. Selbst ein kleiner E-Commerce-Händler mit 50 Konkurrenten muss Hunderte von Produktseiten tracken. Bei drei Prüfungen pro Tag sind das über 1.000 Requests täglich, von denen jeder potenziell blockiert, ratenlimitiert oder durch ein Website-Redesign unbrauchbar wird.

## Der Ansatz

So sieht eine produktionsreife Preisüberwachungs-Pipeline mit FourA aus:

### 1. Definiere deinen Produktkatalog

Beginne mit einer strukturierten Liste von Konkurrenz-URLs und den CSS-Selektoren, an denen Preise erscheinen:

```python
products = [
    {"sku": "WDG-001", "competitor": "Store A", "url": "https://store-a.com/widget", "selector": ".price-current"},
    {"sku": "WDG-001", "competitor": "Store B", "url": "https://store-b.com/products/widget", "selector": "[data-price]"},
]
```

### 2. Abrufen und Parsen

FourA übernimmt die schwierigen Aufgaben: TLS-Fingerprinting, Proxy-Rotation und JavaScript-Rendering. Dein Code sendet einfach eine URL und erhält HTML zurück:

```python
import requests
from bs4 import BeautifulSoup

def get_price(product):
    resp = requests.post("https://eu.api.foura.ai/api/v1/tasks", headers={
        "Authorization": "Bearer YOUR_API_KEY",
        "Content-Type": "application/json"
    }, json={"url": product["url"], "type": "proxy"})
    
    html = resp.json()["content"]
    soup = BeautifulSoup(html, "html.parser")
    el = soup.select_one(product["selector"])
    return float(el.text.strip().replace("$", "").replace(",", "")) if el else None
```

### 3. Änderungen im Zeitverlauf tracken

Speichere Ergebnisse in einer Datenbank oder CSV. Markiere signifikante Änderungen für Alerts:

```python
if abs(new_price - last_price) / last_price > 0.03:  # 3% threshold
    send_alert(f"{product['competitor']} changed {product['sku']} from ${last_price} to ${new_price}")
```

### 4. Mit Cron planen

Führe den Tracker stündlich oder alle paar Stunden aus, abhängig von der Preisvolatilität deines Marktes.

## Warum das funktioniert

- **Keine Infrastruktur zu warten.** Keine Proxy-Server, keine Browser-Farmen, keine IP-Rotationslogik.
- **Passt sich an Schutzänderungen an.** Der Proxy-Typ von FourA wiederholt Anfragen automatisch über andere Routen, sobald eine blockiert wird.
- **Skaliert linear.** 100 weitere Produkte hinzuzufügen bedeutet einfach 100 weitere API-Aufrufe, ohne dass Architekturänderungen nötig sind.

## Erste Schritte

Die gesamte Pipeline oben (abzüglich der Alert-Logik) läuft in unter 50 Zeilen Python. Und sobald sie für 50 Produkte funktioniert, ist die Skalierung auf 500 nur eine längere Liste. Der API-Aufruf bleibt gleich, das Parsing bleibt gleich und das Scheduling bleibt gleich. Das ist der Punkt.

Der vollständige Beispielcode ist im [How-To-Guide](https://foura.ai/docs/how-to/monitor-competitor-prices) verfügbar, und die [API-Dokumentation](https://foura.ai/docs/api/endpoints) deckt jeden Parameter ab, den du für Anpassungen brauchst.
