# Wie ein Price-Intelligence-Anbieter täglich 10.000 SKUs trackt

> URL: https://foura.ai/de/blog/how-a-price-intelligence-firm-tracks-10000-skus-daily
> Updated: 2026-05-09
> Index: https://foura.ai/llms.txt

Price Intelligence ist das Rückgrat des wettbewerbsorientierten E-Commerce. Unternehmen, die Konkurrenzpreise in Echtzeit erfassen, können ihre eigene Preisgestaltung dynamisch anpassen, Margen sichern und Marktanteile gewinnen. Ein System zu bauen, das täglich 10.000 Produktseiten zuverlässig überwacht, ist jedoch eine handfeste technische Herausforderung.

Dieser Beitrag zeigt, wie ein typisches Price-Intelligence-Setup funktioniert, welche technischen Hürden auftreten und wie Datenerfassungs-APIs wie FourA den Infrastructure-Layer vereinfachen.

## Die Dimension des Problems

Ein mittelgroßes Price-Intelligence-Unternehmen trackt typischerweise:

- 10.000 SKUs auf 50 Websites von Wettbewerbern
- 3 Preisprüfungen pro SKU pro Tag (morgens, mittags, abends)
- Das ergibt 30.000 Seitenabrufe täglich, verteilt auf Websites mit unterschiedlichen Layouts, Schutzsystemen und Rendering-Anforderungen

In dieser Größenordnung kannst du dir keine manuelle Wartung leisten. Jeder fehlerhafte Selektor, jede blockierte IP oder jedes Website-Redesign kostet dich Stunden an Entwicklungszeit und erzeugt Datenlücken.

## Architektur

### 1. Produktkatalog

Das System basiert auf einem strukturierten Katalog: SKU-IDs gemappt auf Konkurrenz-URLs und CSS-Selektoren für die jeweiligen Preiselemente.

```json
{
  "sku": "LAPTOP-X1-16GB",
  "targets": [
    {"site": "competitor-a.com", "url": "https://competitor-a.com/laptop-x1", "selector": ".price-current", "type": "single"},
    {"site": "competitor-b.com", "url": "https://competitor-b.com/products/12345", "selector": "[data-price]", "type": "browser"},
    {"site": "competitor-c.com", "url": "https://competitor-c.com/item/laptop-x1", "selector": ".product-price", "type": "proxy"}
  ]
}
```

Beachte die verschiedenen Task-Typen pro Ziel. Jede Site hat andere Eigenschaften.

### 2. Collection-Pipeline

Ein Scheduler verteilt Collection-Jobs in Batches. Jeder Job ruft die FourA-API auf:

```python
import requests
import time

def collect_price(target):
    resp = requests.post("https://eu.api.foura.ai/api/v1/tasks", headers={
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json"
    }, json={
        "url": target["url"],
        "type": target["type"],
        "options": {"waitFor": target["selector"]} if target["type"] == "browser" else {}
    })
    return resp.json()
```

Die zentrale Erkenntnis: FourA übernimmt Proxy-Rotation, TLS-Fingerprinting, Browser-Rendering und Retry-Logik. Die Collection-Pipeline muss lediglich URLs senden und Responses parsen.

### 3. Preisextraktion und Normalisierung

Rohes HTML durchläuft einen Parser, der den Preis extrahiert, Währungen normalisiert und Sonderfälle behandelt (Aktionspreise, "Ab"-Spannen, Out-of-Stock-Hinweise).

### 4. Änderungserkennung und Alerts

Jeder neue Preis wird mit dem vorherigen Wert verglichen. Signifikante Änderungen (typischerweise ab einem Schwellenwert von 2-5%) lösen Alerts an Analysten oder automatisierte Repricing-Systeme aus.

## Zentrale Herausforderungen

**Site-spezifische Komplexität:** Jede Konkurrenz-Website hat ein eigenes Layout, ein individuelles Schutzniveau und eigenes Rendering-Verhalten. Ein One-Size-Fits-All-Ansatz scheitert schnell.

**Datenaktualität:** Veraltete Preise sind schlechter als gar keine Preise. Das System muss die tägliche Erfassung innerhalb des Zeitfensters abschließen. Das erfordert ein effizientes Handling von Fehlern und Retries.

**Kostenmanagement:** Bei 30.000 Requests pro Tag summieren sich Infrastrukturkosten. Die Wahl des richtigen Task-Typs pro Ziel (Single, wenn möglich; Browser nur bei Bedarf) senkt die Kosten deutlich.

## Warum APIs besser sind als Eigenbau

Ein Unternehmen, das dies intern baut, müsste Proxy-Pools, Browser-Farmen und Anti-Detection-Code für jedes Zielsystem warten. Dieser Infrastruktur-Overhead ist der eigentliche Kostenfaktor. Es geht nicht um den Entwicklungsaufwand für den ersten Scraper, sondern um die kontinuierliche Wartung, damit er weiter funktioniert.

Datenerfassungs-APIs wie FourA fangen diese Komplexität ab. Das Unternehmen konzentriert sich auf die echten Unterscheidungsmerkmale (Produktkatalog, Preisalgorithmen, Kundenbeziehungen), statt Chrome aktuell zu halten.

---

Die Unternehmen, die bei Price Intelligence vorn liegen, haben nicht die größten Scraping-Teams. Es sind diejenigen, die aufgehört haben, Infrastruktur zu bauen, und stattdessen bessere Preismodelle entwickeln. Genau dort liegt der echte Wettbewerbsvorteil.

Erfahre mehr im [How-To-Guide](https://foura.ai/docs/how-to/monitor-competitor-prices) und in der [API-Referenz](https://foura.ai/docs/api/endpoints).
