Was ist ScrapeGraphAI?
ScrapeGraphAI ersetzt CSS-Selektoren durch ein Sprachmodell. Du gibst ihm eine URL (oder eine lokale HTML-, XML-, JSON- oder Markdown-Datei) und einen Prompt in normalem Englisch, und eine Pipeline aus Schritten, die es Graph nennt, holt die Seite mit Playwright und bittet ein LLM, die Felder als JSON zurückzugeben. Fertige Graphen decken eine Seite, viele Seiten, die obersten Suchergebnisse und das Erzeugen eines wiederverwendbaren Python-Scrapers ab.
Es funktioniert mit gehosteten Modellen von OpenAI, Groq, Azure, Gemini, MiniMax und anderen oder mit lokalen Modellen über Ollama und lässt sich mit LangChain, LlamaIndex, CrewAI, Agno und Low-Code-Werkzeugen verbinden. Ein MCP-Server ist verfügbar.
Die Bibliothek steht unter MIT-Lizenz und sendet standardmäßig Telemetrie; im aktuellen Code umfasst das den Prompt, das Schema, den Seiteninhalt, die Modellantwort und die URL jedes Laufs. Dasselbe Unternehmen verkauft eine gehostete API mit Proxys und Anti-Bot-Behandlung, von einer kostenlosen Stufe bis 500 $ im Monat.
Was kostet ScrapeGraphAI?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Library | Free | MIT; du bezahlst die LLM-Tokens |
| Hosted API | $20, $100 or $500 a month | Nach einmalig 500 kostenlosen Credits |
| Enterprise | Custom |
Bibliothek kostenlos unter MIT; du bezahlst die LLM-Tokens. Gehostete API: einmalig 500 kostenlose Credits, danach 20 $, 100 $ oder 500 $ im Monat; Enterprise individuell.
Lohnt sich ScrapeGraphAI?
ScrapeGraphAI löst die Extraktion, nicht das Crawling, und seine Standard-Telemetrie ist das Erste, was ein Team ändern sollte. Liest man telemetry.py in v2.3.1, schickt jeder erfolgreiche Lauf mit Schema den Prompt des Nutzers, das JSON-Schema, den gescrapten Seiteninhalt, die Antwort des Modells und die URL an einen Tracing-Endpunkt, der auf Render gehostet wird. Das README beschreibt das als anonyme Nutzungsmetriken; es ist eher eine Kopie der Arbeit. SCRAPEGRAPHAI_TELEMETRY_ENABLED=false stoppt das.
Die Extraktion selbst ist der Reiz. Prompt-gesteuerte Graphen überstehen Redesigns von Websites, an denen selektorbasierte Scraper zerbrechen, und ein gehostetes Modell gegen ein lokales Ollama-Modell zu tauschen, ist eine Konfigurationsänderung in einer Zeile. Das Projekt hat rund 32.200 GitHub-Sterne, acht offene Issues und etwa alle zwei bis drei Wochen ein Release, zuletzt v2.3.1 am 6. Oktober 2026.
Die Kosten wachsen mit den Seiten. In der Bibliothek ist jede Seite ein Modellaufruf; bei der gehosteten API kostet eine Extract-Anfrage 5 Credits, die 100.000 Credits des Plans Growth für 100 $ reichen also für rund 20.000 Extraktionen, einen halben Cent pro Stück. Weil ein Sprachmodell jede Seite liest, kann es ein Feld erfinden oder umformen, das nie da war, die Ausgaben brauchen also Schema-Validierung.
Die Open-Source-Bibliothek hat kein Proxy-Netzwerk und keine Anti-Bot-Schicht; geschützte Websites scheitern, sofern du keine eigenen Proxys mitbringst, und die gehostete API behält die Proxy-Rotation Growth und höher vor. Um ganze Websites für einen RAG-Index in Markdown zu verwandeln, sind Crawl4AI oder Firecrawl schneller und günstiger, weil sie kein Modell brauchen, das jede Seite liest.
Wo es sich lohnt
Eine Data-Engineerin bei einem Startup für Preisvergleiche
Preis-, Bestands- und Spezifikationsfelder aus 300 Händlerseiten ziehen, deren Layout sich oft ändert
Ein SmartScraperGraph pro Seite mit einem Pydantic-Schema ersetzt brüchige Selektoren. Jede Seite kostet einen Modellaufruf, ein kleines gehostetes Modell oder lokales Ollama hält die Rechnung also niedrig, und die Telemetrie sollte zuerst abgeschaltet werden.
Ein Sales-Operations-Analyst bei einer B2B-Firma mit 50 Leuten
Eine Kontaktliste aus ein paar Hundert Unternehmenswebsites aufbauen
Der Extract-Endpunkt der gehosteten API mit 5 Credits pro Seite passt mit den 10.000 Credits des Plans Starter für 20 $ zu rund 2.000 Seiten im Monat, ohne eigene Infrastruktur.
Ein Entwickler in einem regulierten Team
Felder aus internen HTML-Berichten extrahieren, ohne dass Daten das Netzwerk verlassen
Die Bibliothek mit einem lokalen Ollama-Modell und SCRAPEGRAPHAI_TELEMETRY_ENABLED=false hält alles on-premise; ohne dieses Flag geht der Seiteninhalt an den Endpunkt der Maintainer.
Bevor du dich festlegst
- Einrichtung
- pip install scrapegraphai, danach playwright install für den Headless-Browser; eine erste Extraktion sind ein Dutzend Zeilen Python mit einem API-Key oder einem lokal geladenen Ollama-Modell.
- Integrationen
- Modelle von OpenAI, Groq, Azure, Gemini, MiniMax und Ollama; LangChain, LlamaIndex, CrewAI und Agno; Zapier, Pipedream und Bubble für die gehostete API; ein MCP-Server.
- Daten und Datenschutz
- MIT-Lizenz. Telemetrie ist standardmäßig an und sendet laut Quellcode Prompt, Schema, Seiteninhalt, LLM-Antwort und URL; abschalten lässt sie sich mit SCRAPEGRAPHAI_TELEMETRY_ENABLED=false. Keine GitHub-Sicherheits-Advisories veröffentlicht. Die Preisseite der gehosteten API sagt "All requests are SOC 2 Type II compliant"; Bedingungen zu Aufbewahrung und Training stehen dort nicht.
- Kosten im großen Maßstab
- Selbst gehostet sind die Kosten Modell-Tokens pro Seite plus eigene Proxys. Gehostet: Starter 20 $ für 10.000 Credits, Growth 100 $ für 100.000, Pro 500 $ für 750.000; Extract kostet 5 Credits pro Seite, und der Stealth-Modus kostet 5 zusätzlich.
- Grenzen
- Die Rate Limits der gehosteten API reichen von 10 Anfragen pro Minute bei Free bis 5.000 bei Pro. Der Bibliothek fehlen Crawling im großen Maßstab, Proxy-Rotation und Anti-Bot-Behandlung, die Firecrawl und Crawl4AI besser abdecken.
Was gut ist
- Prompt-basierte Extraktion, die Layoutänderungen übersteht
- Läuft mit Ollama-Modellen vollständig lokal
- MIT-Lizenz und häufige Releases
- Gehostete API mit klarem Credit-Preis pro Anfrage
Was nicht
- Standard-Telemetrie sendet Prompts, Seiteninhalte und Antworten
- Ein Modellaufruf für jede Seite
- Kann ohne Schema-Validierung Felder halluzinieren
- Keine Proxys und kein Anti-Bot in der Bibliothek
Am besten für
Entwickler, die typisierte Felder aus einer überschaubaren Zahl unterschiedlicher Webseiten extrahieren.
Alternativen zu ScrapeGraphAI
ScrapeGraphAI: häufige Fragen
- Lohnt sich ScrapeGraphAI?
- Gut darin, ein paar typisierte Felder aus unordentlichen Seiten zu ziehen, aber es schickt deine gescrapten Inhalte standardmäßig an seine Macher und bezahlt für jede Seite einen Modellaufruf. Wir bewerten es mit 3.6 von 5.
- Was kostet ScrapeGraphAI?
- Bibliothek kostenlos unter MIT; du bezahlst die LLM-Tokens. Gehostete API: einmalig 500 kostenlose Credits, danach 20 $, 100 $ oder 500 $ im Monat; Enterprise individuell.
- Welche Nachteile hat ScrapeGraphAI?
- Standard-Telemetrie sendet Prompts, Seiteninhalte und Antworten; Ein Modellaufruf für jede Seite; Kann ohne Schema-Validierung Felder halluzinieren; Keine Proxys und kein Anti-Bot in der Bibliothek.
- Für wen eignet sich ScrapeGraphAI?
- Entwickler, die typisierte Felder aus einer überschaubaren Zahl unterschiedlicher Webseiten extrahieren.
- Was kostet ScrapeGraphAI für ein Team oder im Produktivbetrieb?
- Selbst gehostet sind die Kosten Modell-Tokens pro Seite plus eigene Proxys. Gehostet: Starter 20 $ für 10.000 Credits, Growth 100 $ für 100.000, Pro 500 $ für 750.000; Extract kostet 5 Credits pro Seite, und der Stealth-Modus kostet 5 zusätzlich.
- Ist ScrapeGraphAI sicher für Firmendaten?
- MIT-Lizenz. Telemetrie ist standardmäßig an und sendet laut Quellcode Prompt, Schema, Seiteninhalt, LLM-Antwort und URL; abschalten lässt sie sich mit SCRAPEGRAPHAI_TELEMETRY_ENABLED=false. Keine GitHub-Sicherheits-Advisories veröffentlicht. Die Preisseite der gehosteten API sagt "All requests are SOC 2 Type II compliant"; Bedingungen zu Aufbewahrung und Training stehen dort nicht.
- Was sind die besten Alternativen zu ScrapeGraphAI?
- Die nächsten Alternativen, die wir getestet haben, sind Crawl4AI und Firecrawl.
Antworten geprüft am 26. Okt. 2026.