Parsing vs Scraping - Ihre Rechnung war nie auf einer Webseite

Wichtigste Erkenntnisse

• Scraping ruft ab, Parsing strukturiert. Scraping holt Daten, die auf einer Webseite liegen. Parsing verwandelt ein Dokument in Felder, die Sie nutzen können.
• Parsing erfordert kein Scraping. Wenn sich die Datei bereits in Ihrem Posteingang befindet, gibt es nichts mehr abzurufen.
• Die Quelle bestimmt das Tool. Dateien, die Sie besitzen oder erhalten haben, gehen an eine Dokumenten-Parsing-API. Öffentliche Seiten, die Sie überwachen möchten, gehen an eine Web-Scraping-API.
• Hybride Setups sind normal, kein Kompromiss. Melden Sie sich im Portal an, laden Sie das PDF herunter und übergeben Sie es dem Parser. Zwei Tools, eine Pipeline.
• Der wahre Kostenunterschied liegt in der Wartung. Ein Parser berechnet Dokumente, die Sie im Voraus zählen können. Ein Scraper berechnet diese plus die Arbeitswoche eines Entwicklers bei jeder Layout-Änderung einer Website.

Parsing vs Scraping in einem Satz

Parsing und Scraping sind nicht zwei Möglichkeiten, dieselbe Aufgabe zu erledigen. Scraping ist die Methode, um Daten zu erhalten, die auf einer Webseite liegen. Parsing ist die Methode, um Inhalte in strukturierte Felder zu verwandeln. Beide treffen in Web-Scraping-Projekten aufeinander, wo ein Scraper das HTML herunterlädt und ein Parser es liest, weshalb viele Erklärungen sie als Schritt eins und Schritt zwei darstellen. Sie verlaufen jedoch nicht immer sequenziell. Wenn ein Lieferant Ihnen eine Rechnung per E-Mail sendet, ist der Abruf bereits in dem Moment erfolgt, als er auf Senden geklickt hat. Es gibt keine Seite zu scrapen und nichts zu crawlen. Es bleibt nur das Parsing.

Diese einzige Unterscheidung entscheidet darüber, was Sie kaufen, und es ist auf langsame Weise teuer, dies zu verwechseln. Ein Team sucht nach einer Scraping-API, um ein Dokumentenproblem zu lösen, und verbringt dann zwei Sprints damit, herauszufinden, dass Scraper um die HTML-Struktur herum aufgebaut sind und absolut nichts mit einem gescannten Lieferschein anfangen können.

Eines liest Webseiten, das andere liest Ihre Dokumente

Eine Dokumenten-Parsing-API verwandelt Dateien in strukturiertes JSON. PDFs, Scans, Tabellenkalkulationen, E-Mails mit Anhängen. Sie liest das Layout und den Text, extrahiert Schlüssel-Wert-Paare und Positionstabellen und gibt etwas zurück, womit Ihre Systeme arbeiten können. Das ist der Schritt, der die Automatisierung von Prozessen wie der Rechnungsverarbeitung, der Bestellverfolgung und E-Mail-zu-Datenbank-Workflows überhaupt erst sinnvoll macht.

Eine Web-Scraping-API sammelt Daten von Websites, indem sie Seiten anfordert und das HTML oder das gerenderte DOM liest. Sie existiert für den Fall, dass eine Website etwas Nützliches veröffentlicht und keinen offiziellen Zugang bietet: Produktlisten, Preisänderungen, Nachrichten, öffentliche Datensätze, die jemand mühsam per Hand zusammentragen muss.

Beide fallen unter den Begriff „Datenextraktion“, und diese gemeinsame Bezeichnung ist die Hauptursache für die Verwirrung. Wenn Sie nach Parsing vs. Scraping oder Scraping vs. Parsing suchen, werden Sie viele Definitionen finden. Was nun folgt, ist der Teil, den die Definitionen überspringen: woran Sie erkennen, auf welcher Seite Ihr Problem liegt, was es kostet, jede Lösung am Laufen zu halten, und bei welchen hybriden Setups reale Teams letztendlich landen. Für das Gesamtbild der Automatisierung von Datenströmen siehe unseren Data Extraction API Guide. Und sobald Sie wissen, dass Ihr Problem ein Parsing-Problem ist, erfahren Sie in unserem Leitfaden zur Auswahl einer Dokumenten-Extraktions-API, wie Sie die Anbieter testen.

Was jede Lösung tatsächlich tut

Beide enden mit strukturierten Daten. Alles davor ist unterschiedlich: die Eingabe, der Fehlermodus und wem die Quelle gehört.

Eine Studie von Scrapingdog zeigt, dass heute 34,8 % der Entwickler Web-Scraping-APIs nutzen, anstatt eigene Scraping-Skripte zu warten.

Die Dokumenten-Parsing-API

Die Eingabe ist eine Datei, die Sie bereits besitzen. Ein PDF, ein Scan, ein mit dem Handy aufgenommenes Foto einer Quittung, eine E-Mail mit drei Anhängen, eine Tabellenkalkulation, die jemand aus einem System exportiert hat, das keine API hat. Die Ausgabe ist JSON mit den gewünschten Feldern, einschließlich Positionstabellen, geliefert per Webhook oder direkt über die API abgerufen.

Die Engine übernimmt die Arbeit, die früher eine Vorlage erledigt hat. Textdokumente und E-Mails durchlaufen eine Text-KI-Engine. PDFs, Scans und Bilder durchlaufen eine Vision-KI-Engine, die das Layout liest. Ein noch nie dagewesenes Lieferantenformat bedeutet also keine neue Konfiguration.

Was Anwender damit verarbeiten: Rechnungen und Quittungen für die Kreditorenbuchhaltung, Posten aus Bestellungen, Finanzberichte, große Mengen an Kundenformularen sowie operative E-Mails, die in strukturierte Daten umgewandelt werden und einen Workflow in Zapier, Make oder n8n auslösen.

Die Web-Scraping-API

Die Eingabe ist eine URL. Dazwischen lädt die API die Seite, liest den DOM und wendet Regeln wie CSS-Selektoren oder XPath an, um einen Produktnamen, einen Preis oder eine Schlagzeile zu erfassen. Die Ausgabe sind diese Felder als JSON oder CSV. Die meisten Scraping-APIs verwalten auch Proxys, Rendering und Anti-Bot-Maßnahmen, damit die Anfragen weiterhin ankommen.

Sie existiert für eine bestimmte Situation: Eine Seite veröffentlicht etwas Nützliches und bietet keinen offiziellen Weg dorthin, also geht man hin und nimmt es sich: Preisüberwachung, Produktkataloge, Nachrichtenaggregation, Jobbörsen, öffentliche Datensätze, die niemand sonst mühsam zusammengestellt hat.

Konzeptionell eignen sich Dokumenten-Parsing-APIs für Dateien, die Sie besitzen oder erhalten, und Web-Scraping-APIs für öffentliche Webseiten.

Welche Lösung benötigen Sie?

Beginnen Sie mit einer Frage: Wo befinden sich die Daten im Moment? Fast jeder Anwendungsfall ergibt sich aus der Antwort.

Es ist eine Datei, die Sie rechtmäßig besitzen. Ein PDF, ein Scan, ein E-Mail-Anhang, ein Kontoauszug, den jemand in einen freigegebenen Ordner heruntergeladen hat. Nutzen Sie eine Dokumenten-Parsing-API. Nichts muss abgerufen werden, daher wäre alles, was Daten abruft, eine Mechanik, die Sie ohne Grund warten würden.

Es ist eine öffentliche Webseite. Preise, Einträge, Schlagzeilen, ein Datensatz, der nur als Website existiert. Verwenden Sie eine Web-Scraping-API und seien Sie sich bewusst, dass Sie damit sowohl das Tool als auch dessen Instandhaltung akzeptiert haben.

Es ist beides, was die übliche Antwort in jedem echten Unternehmen ist. Etwas ruft die Datei ab, etwas anderes versteht sie. Das weiter unten beschriebene hybride Muster ist der Ansatz, der langfristig funktioniert.

Zwei Entscheidungshilfen für die Fälle, die immer noch uneindeutig erscheinen:

• Benötigen Sie Einzelposten und Tabellen aus Rechnungen, Quittungen oder Bestellungen? Parsing. Schemakonsistenz über Finanzdaten hinweg ist nichts, wofür Selektoren jemals entwickelt wurden.
• Müssen Sie bemerken, wenn sich eine Quelle ändert, ohne dass es Ihnen jemand sagt? Scraping. Das wiederholte Überprüfen einer Seite nach einem Zeitplan ist genau das, was es wirklich gut kann.

Suchen Sie nach spezifischen Anbietern anstatt nach allgemeinen Ansätzen? Unsere Übersicht der besten APIs für die PDF-Datenextraktion behandelt die Dokumentenseite im Detail.

Dokumenten-Parsing und Web Scraping im Vergleich

Niemand wechselt Tools aufgrund einer Feature-Liste. Man wechselt wegen der Wartung, der rechtlichen Risiken und dessen, was passiert, wenn sich die Struktur der Quelle ändert.

Wann Scraping das richtige Werkzeug ist und wie man es einsetzt, ohne sich Feinde zu machen

Scraping hat seine Daseinsberechtigung, wenn die Informationen nur auf einer Website existieren und Ihnen niemand diese jemals als Datei senden wird. Es sammelt Daten im großen Maßstab, ohne auf einen Partner, einen Lieferanten oder einen Kunden zu warten, weshalb sich Marktforschung, Preisüberwachung und Wissensaggregation so stark darauf stützen.

Branchenzahlen von Browsercat beziffern den globalen Web-Scraping-Markt im Jahr 2024 auf etwa 1,01 Milliarden USD, mit einer prognostizierten Entwicklung auf 2,49 Milliarden USD bis 2032 – was einer jährlichen Wachstumsrate von 11,9 % entspricht.

Scraping ist die richtige Entscheidung, wenn Sie Preise über mehrere E-Commerce-Websites hinweg überwachen, Ankündigungen von Quellen aggregieren, die Ihnen niemals einen Feed senden werden, oder einen Datensatz mit Stellenangeboten, Verzeichniseinträgen oder Veranstaltungslisten aufbauen, für die keine offizielle API existiert.

Bevor Sie all das tun, prüfen Sie, ob Sie überhaupt scrapen müssen. Die eigentliche Weichenstellung lautet oft: Web Scraping vs. API-Zugriff, und der Unterschied zwischen Web Scraping und API-Zugriff läuft auf Zustimmung hinaus. Eine API bedeutet, dass die Website Ihnen mitteilt, wie Sie die Daten nehmen sollen. Ein Scraper bedeutet, dass Sie das selbst entscheiden. Nehmen Sie die API, wann immer sie angeboten wird.

Wenn sie nicht angeboten wird, sammeln Sie höflich:

• Lesen Sie die robots.txt und die Nutzungsbedingungen, bevor Sie eine Codezeile schreiben.
• Begrenzen Sie die Anfrageraten Ihrer Crawler, damit Sie nicht der Grund dafür sind, dass der Server von jemandem abstürzt.
• Nutzen Sie aggressives Caching, anstatt dieselbe Seite erneut anzufordern.
• Identifizieren Sie Ihren Scraper ehrlich, anstatt ihn als Browser zu tarnen.
• Wechseln Sie zur offiziellen API, sobald eine verfügbar ist.

Und gehen Sie davon aus, dass sich die Website ändern wird. Eine kleine HTML-Bearbeitung kann Ihre Selektoren brechen und fehlende oder falsche Daten produzieren, ohne irgendwo einen Fehler auszulösen. Das ist genau die Art von Ausfall, die erst in einer Vorstandspräsentation entdeckt wird. Monitoring und Benachrichtigungen sind keine optionalen Extras.

Scraping ist einfach zu starten und mühsam zu warten

Ein Wochenendprojekt liefert Ihnen Daten. Diesen Datenfluss zwei Jahre lang aufrechtzuerhalten, ist eine andere Liga, und die Schwierigkeit liegt selten in technischer Brillanz. Es ist schiere Zermürbung.

Eine Analyse von Octoparse zeigt, dass nur etwa 50 % der Websites einfach zu scrapen sind, während 30 % mäßig schwierig und die verbleibenden 20 % besonders herausfordernd sind, bedingt durch komplexe Strukturen oder Anti-Scraping-Maßnahmen.

Die Seite wird sich ändern und niemand wird es Ihnen sagen

Niemand hat jemals eine Website mit Blick auf Ihren Scraper neu gestaltet. Das Umbenennen einer CSS-Klasse reicht aus, um die Pipeline lahmzulegen, und die Warnung, die Sie erhalten, ist normalerweise ein Kollege, der fragt, warum die gestrigen Zahlen seltsam aussehen.

Anti-Bot-Maßnahmen sind mittlerweile Standard

CAPTCHAs, IP-Drosselung, Sitzungsvalidierung und Bot-Erkennung werden standardmäßig eingesetzt. Sie zu umgehen, erfordert rotierende Proxys, das Verwalten von User-Agent-Strings und das Drosseln von Anfragen. Das ist technischer Aufwand, der für den Zugang aufgewendet wird, anstatt für die Daten, wegen derer Sie gekommen sind. Wenn Sie es zu weit treiben, indem Sie eine Paywall umgehen oder die Nutzungsbedingungen ignorieren, ist das Problem nicht mehr technischer, sondern rechtlicher Natur.

Websites werden für Menschen geschrieben, nicht für Sie

Gesammelte Daten erfordern in der Regel Bereinigung und Validierung. Inkonsistentes HTML, JavaScript-gerenderte Inhalte und doppelte Datensätze gehören dazu, weil niemand, der eine Seite veröffentlicht, an Ihr Datenschema gedacht hat.

Skalierung kostet mehr als nur Anfragen

Scraping in großem Volumen bedeutet nicht einfach nur mehr Anfragen. Es erfordert das Management von Parallelität, Wiederholungslogik, Fehlerbehandlung und verteilten Workloads, zusätzlich zu einer steigenden Rechnung für Proxys, Server und Monitoring.

Nichts davon ist jemals abgeschlossen. Eine Scraping-Pipeline erfordert kontinuierliche Anpassungen in einer Weise, wie es bei offiziellen APIs und Dokumenteingaben nicht der Fall ist. Wenn also ein Geschäftsprozess davon abhängt, ist jemand auf unbestimmte Zeit dafür verantwortlich. Finden Sie heraus, wer das ist, bevor Sie sie bauen.

Wann eine Dokumenten-Parsing-API die offensichtliche Antwort ist

Nutzen Sie sie, wenn die Informationen bereits als Dokument zu Ihnen kommen, anstatt auf einer Website veröffentlicht zu werden. Sie kommen als PDF, Scan oder E-Mail-Anhang an, und die Alternative zum Parsen besteht darin, dass eine Person sie manuell in ein ERP-System abtippt – ein Job, auf den sich niemand beworben hat.

Laut Sphereco sind 80 % der Unternehmensdaten unstrukturiert und befinden sich in E-Mails, PDFs und gescannten Dokumenten – eine Menge Informationen, die niemand abfragen kann.

Typische Anwendungsfälle:

• Rechnungs- und Quittungsverarbeitung, bei der Lieferantennamen, Daten, Summen und Positionstabellen direkt in die Kreditorenbuchhaltung fließen.
• Bestellungen und Kontoauszüge, bei denen Bestellnummern, Beträge und Zahlungsbedingungen die Abstimmung beschleunigen.
• Formulare und Verträge, bei denen dieselbe Handvoll Felder aus hundert verschiedenen Layouts extrahiert werden muss.
• Operative E-Mails, bei denen Bestellbestätigungen, Versandbenachrichtigungen und Buchungsanfragen zu JSON für nachgelagerte Systeme werden.

Parsing überzeugt durch Genauigkeit und Konsistenz. Ein guter Parser tut mehr als nur Text zu lesen. Er normalisiert Formate, validiert Felder und liefert Ergebnisse per Webhook direkt in Ihre Anwendung oder Datenbank, sodass niemand den Freitag mit einer Bereinigungsrunde verbringen muss.

Aus einem wenig spektakulären Grund ist es auch die stabilere der beiden Optionen: Ein Lieferant gestaltet seine Rechnung so gut wie nie neu, während sich eine Website ständig ändert. Wenn sich ein Layout doch einmal ändert, liest die KI-Extraktion das neue Layout, anstatt darauf zu warten, dass jemand etwas neu konfiguriert. Wenn Ihr Unternehmen auf Lieferantendokumenten, Kundenauszügen oder E-Mails basiert, ist Parsing fast immer die schnellere und nachhaltigere Antwort. Unser Leitfaden zu PDF-Scrapern behandelt das Terminologie der Dateiseite noch ausführlicher.

Das hybride Muster: Scrapen zum Abrufen und Parsen zum Strukturieren

Die meisten realen Workflows sind keine Wahl zwischen den beiden. Sie sind eine Sequenz: Etwas ruft die Datei ab, etwas anderes versteht sie. Sobald Sie die Aufteilung so betrachten, stehen die Tools nicht mehr in Konkurrenz zueinander.

Das am häufigsten auftretende Muster sieht so aus:

1. Ein Lieferant veröffentlicht Kontoauszüge in einem Portal, anstatt sie per E-Mail zu senden.
2. Ein Headless-Browser oder RPA-Tool meldet sich nach einem Zeitplan an und lädt die PDF herunter. Das ist Browser-Automatisierung, kein klassisches Scraping, da das Ziel eine Datei hinter einem Login und keine öffentliche Seite ist.
3. Die heruntergeladene Datei geht an dieselbe Dokumenten-Parsing-API wie alles, was per E-Mail ankommt.
4. Strukturiertes JSON landet über einen Webhook im ERP oder in der Datenbank, ohne dass der Workflow unterscheidet, woher das Dokument stammt.

Weitere in der Praxis vorkommende Kombinationen:

• Zuerst parsen, dann mit gescraptem Kontext anreichern. Nach dem Parsen von Rechnungen benötigen Sie möglicherweise Lieferantenkategorien oder Branchen-Benchmarks, die nur auf öffentlichen Seiten existieren. Scrapen Sie den Kontext, behalten Sie die Finanzfelder vom Parser.
• E-Mail-Parsing mit einem Live-Check. Bestellbestätigungen und Versandbenachrichtigungen kommen per E-Mail an und lassen sich sauber parsen. Danach verifiziert ein Scraper den aktuellen Lagerbestand oder die Preise auf der Website des Lieferanten.
• Eine strukturierte Ebene, mehrere Quellen. Wenn Dokumente bereits in JSON vorliegen, können gescrapte Webdaten mit ihnen verknüpft werden, um Lieferantennamen zu normalisieren, Anomalien zu erkennen oder Produkte systemübergreifend abzugleichen.

Der Designansatz, den man sich abschauen sollte, ist, dass es dem Parser egal sein sollte, woher die Datei stammt. Bauen Sie die Extraktions-Pipeline um das Dokument herum auf und behandeln Sie E-Mail, API-Upload und Portal-Download als drei Möglichkeiten, sie zu füttern. An dem Tag, an dem ein Lieferant endlich eine API bereitstellt, löschen Sie einen Abrufschritt und sonst ändert sich nichts.

Ist Parseur eine Dokumenten-Parsing-API oder eine Web-Scraping-API?

Parseur ist eine Dokumenten- und E-Mail-Parsing-API. Es verwandelt unstrukturierte Dokumente in strukturiertes JSON und crawlt oder lädt keine Webseiten herunter. Während eine Scraping-API Websites liest, die Ihnen nicht gehören, verarbeitet Parseur die Dokumente und E-Mails, die Ihnen oder Ihren Benutzern bereits vorliegen. Das macht es zu einer verlässlichen Basis für die Rechnungsautomatisierung, Belegverfolgung, Bestellabwicklung und die Verarbeitung von Kundenformularen.

Funktioniert es mit meinen Dokumenten?

Das ist die einzige Frage, die es wert ist, mit Ihren eigenen Dateien statt mit dem Demo-Set eines Anbieters beantwortet zu werden. Die Sorgen sind meist dieselben: achtzig Lieferanten mit achtzig Rechnungslayouts, Scans, die irgendwann einmal gefaxt wurden, Tabellen, die sich über drei Seiten erstrecken, und der eine Lieferant, der die Unterlagen mit dem Handy abfotografiert.

Parseur liest Dokumente mit KI anstatt mit Vorlagen, sodass ein Layout, für das niemand eine Konfiguration erstellt hat, die Pipeline nicht stoppt. Dennoch wird es manchmal falsch liegen. Kein Parser liegt bei jedem Dokument richtig, und wer Ihnen etwas anderes erzählt, verkauft Ihnen eine Überraschung für später. Entscheidend ist, was danach passiert. Die Ergebnisse landen in einer Webanwendung, in der das Buchhaltungsteam die Extraktion einsehen, ein Feld korrigieren und weitermachen kann, ohne ein Ticket für die Entwickler zu eröffnen.

Wenn Sie es testen, senden Sie zuerst Ihre schlimmsten Lieferanten. Ein Parser, der mit Ihren sauberen Rechnungen umgehen kann, hat noch gar nichts bewiesen.

Was der Betrieb kostet

Es handelt sich um zwei verschiedene Arten von Rechnungen. Parsing-Kosten richten sich nach den von Ihnen verarbeiteten Dokumenten, die Sie aus dem Buchhaltungsvolumen des Vorjahres prognostizieren können, bevor Sie mit jemandem sprechen. Scraping-Kosten umfassen Proxys und Infrastruktur und dann Entwicklerstunden jedes Mal, wenn eine Quelle ihre Struktur ändert. Die zweite Zahl ist diejenige, die Business Cases zunichte macht, weil sie zu Beginn niemand aufschreibt.

Der Vergleich, den Ihr CFO tatsächlich fordern wird, ist einfacher als beides. Zählen Sie die Dokumente, die Ihr Team im Monat manuell abtippt, und zählen Sie die Stunden, die dafür aufgewendet werden. Das ist die Zahl, die die Automatisierung übertreffen muss.

Wie die Einrichtung abläuft

Sie leiten eine Quelle an Parseur weiter: Leiten Sie die Lieferanten-E-Mails weiter, laden Sie die Dateien hoch oder senden Sie sie an die API. Sie geben in der App an, welche Felder Sie wünschen, ohne einen Selektor zu schreiben oder eine Vorlage zu erstellen. Sie leiten einen Webhook an Ihr ERP oder Ihre Datenbank weiter. Danach besteht die laufende Arbeit darin, Ausnahmen zu überprüfen, wofür eine Person nur wenige Minuten am Tag aufwendet anstatt ein ganzes Team mehrere Tage pro Woche.

Warum die Parseur-API herausragt

Die Parseur-API wird mit einer angeschlossenen Webanwendung ausgeliefert, was bei den meisten Alternativen nicht der Fall ist. Entwickler integrieren die API in das Produkt. Support- und Operations-Teams nutzen die App, um Parsing-Ergebnisse zu überwachen, zu überprüfen und zu korrigieren, ohne ein Ticket für die Entwicklung zu erstellen.

Das erspart Ihnen den eigenen Aufbau von Monitoring- und Management-Tools, was der Teil ist, den jede Roadmap unterschätzt. In der App definieren Sie mit wenigen Klicks Ihr JSON-Schema und Ihre Felder, passen die Extraktionsanweisungen spontan an und validieren die Ergebnisse. Technische und nicht-technische Mitarbeiter arbeiten an denselben Daten, ohne dass der eine auf den anderen warten muss.

Und da Parseur mit Dateien arbeitet, die Sie bereits besitzen, kann keine Neugestaltung einer Website Ihre Pipeline an einem Dienstagmorgen um 6 Uhr lahmlegen.

Wie Parseur mit Ihren Daten umgeht

Bei der Sicherheitsüberprüfung entscheidet sich, ob ein Dokumenten-Parser die Beschaffung übersteht oder nicht. Hier finden Sie die Details auf einen Blick.

Wo Ihre Daten liegen und wie sie geschützt werden

Alle Parseur-Daten werden in der Europäischen Union (Niederlande) gespeichert, in einem sicheren Rechenzentrum der Google Cloud Platform (GCP), die eine ISO 27001-Zertifizierung besitzt. Weitere Infos zur Compliance finden Sie hier. Daten werden im Ruhezustand mit AES-256 und bei der Übertragung mit TLS v1.2 oder höher verschlüsselt. Veraltete Transportlayer (SSLv2, SSLv3, TLS 1.0, TLS 1.1) sind deaktiviert. Der Datenverkehr zwischen Parseur-Servern, Drittanbieter-Apps und Ihrem Browser wird durch Let's Encrypt-Zertifikate abgesichert. Passwörter werden niemals unverschlüsselt gespeichert: Parseur nutzt PBKDF2 mit SHA-256-Hashing, einen 512-Bit-Salt und 600.000 Iterationen – weit über den NIST-Empfehlungen.

Die Aufbewahrungsdauer können Sie selbst festlegen, bis hin zu einem einzigen Tag. Die Option Verarbeiten und dann löschen (Process then Delete) entfernt Dokumente in dem Moment, in dem das Parsing abgeschlossen ist. Dies ist die richtige Einstellung, wenn die Dokumente personenbezogene Daten enthalten, für deren Speicherung Sie keinen Grund haben.

Was getestet wird und von wem

Unabhängige Dritte führen regelmäßig Penetrationstests anhand von Standards wie den OWASP Top 10 und SANS 25 durch. Im Jahr 2025 erhielt Parseur das offizielle Astra Pentest Certificate. Enterprise-Kunden können die vollständigen Berichte anfordern. Die Infrastruktur und Abhängigkeiten werden kontinuierlich überwacht und gepatcht, sobald Schwachstellen auftreten.

Verfügbarkeit und was bei Ausfällen passiert

Die angestrebte Verfügbarkeit liegt bei 99,9 % oder höher, mit Wiederholungs- und Backoff-Mechanismen, sodass bei einem Ausfall nichts verloren geht. Der E-Mail-Abruf wiederholt die Zustellung bis zu 24 Stunden lang und duale Sendewege bieten Redundanz, sodass eine schlechte Stunde nicht zu einer fehlenden Rechnung führt. Enterprise-Pläne erreichen 99,99 % Verfügbarkeit mit zusätzlichen Infrastrukturzusicherungen. Prüfen Sie die historische Verfügbarkeit hier. Im unwahrscheinlichen Fall einer Datenpanne benachrichtigt Parseur betroffene Kunden innerhalb von 48 Stunden. Die vollständige Sicherheits- und Datenschutzübersicht enthält alle weiteren Details.

Wer ist wofür verantwortlich?

Parseur ist DSGVO-konform und agiert streng als Auftragsverarbeiter nach Ihren Weisungen. Sie sind der Verantwortliche (Controller), Ihnen gehört jedes Dokument, das Sie senden, und Parseur verkauft oder teilt Ihre Daten niemals. Parseur unterstützt Auftragsverarbeitungsverträge und veröffentlicht seine Unterauftragsverarbeiter. Teammitglieder greifen nur dann auf Ihre Daten zu, wenn Sie um Support bitten, und alle Mitarbeiter absolvieren fortlaufend Schulungen zur DSGVO und zum Datenschutz. Lesen Sie mehr über Parseur und die DSGVO.

Recht und Compliance auf einen Blick

Die rechtliche Frage spaltet sich genauso wie die technische. Es hängt davon ab, ob Sie Eigentümer der Quelle.

Scraping ist die schwierigere Seite, wie die obigen Abschnitte zeigen. Jeder, der Scraper im großen Stil einsetzt, sollte rechtlich absichern lassen, dass die Praxis mit den jeweiligen Vorschriften und Verträgen vereinbar ist. Das Parsen von Dokumenten, die Sie bereits besitzen, wirft diese Frage gar nicht erst auf – ein oft wenig beachteter Grund, warum Teams es für geschäftskritische Daten bevorzugen.

Parsing bringt dennoch Pflichten mit sich, nur eben andere. Sie benötigen eine rechtmäßige Grundlage für die Verarbeitung der Dokumente, in der Regel durch Ihre Vereinbarung mit dem Absender. Sie müssen die Rollen als Verantwortlicher und Auftragsverarbeiter gemäß Datenschutzrecht definieren, einen Auftragsverarbeitungsvertrag (AVV) abschließen und Aufbewahrungsrichtlinien festlegen. Meldepflichten bei Datenschutzverletzungen und Datenminimierung gelten hier genauso wie überall sonst. Wenn personenbezogene Daten aus der Europäischen Union oder einer anderen regulierten Region den Workflow durchlaufen, benötigen grenzüberschreitende Transfers zusätzlich einen rechtskonformen Mechanismus. Für eine vertiefte Betrachtung der Dokumentenseite lesen Sie unseren Leitfaden zu Dokumenten-Extraktions-APIs und dem Recht.

Die Kurzfassung: Kaufen Sie passend zur Herkunft Ihrer Daten

Beide Ansätze automatisieren die Datenerfassung. Sie beantworten unterschiedliche Fragen dazu, wo die Daten ihren Ursprung haben.

Wenn Ihre Daten als PDFs, Scans oder E-Mails eintreffen, nimmt eine Dokumenten-Parsing-API jemandem das Abtippen ab. Untersuchungen von Experlogix beziffern den Gewinn auf bis zu 80 % weniger Zeit für die Dokumentenverarbeitung, was den Unterschied ausmacht zwischen einer Person, die das die ganze Woche lang tut, und einer Person, die am Freitagnachmittag Ausnahmen überprüft.

Wenn Ihre Daten auf öffentlichen Webseiten liegen, ist Scraping das richtige Instrument – inklusive Wartungskosten.

Und wenn Sie beides haben, hören Sie auf, es als eine Entweder-oder-Entscheidung zu behandeln. Bauen Sie zuerst die Parsing-Pipeline auf, denn dort befinden sich die Geschäftsdokumente. Setzen Sie dann den Abrufschritt für die wenigen Lieferanten, die auf ein Portal bestehen, davor. Die Regel gilt uneingeschränkt: Scraping sagt Ihnen, wie Sie an die Datei kommen, Parsing sagt Ihnen, was darin steht.

Zuletzt aktualisiert am 13. August 2026