Auf GitHub findest du rund 2.000 Repositories, die zu „google maps scraper“ passen. Die meisten davon sind kaputt.
Klingt nach Übertreibung, aber wer schon einmal Repos geklont, sich mit Playwright-Abhängigkeiten herumgeschlagen und um 2 Uhr morgens eine leere CSV vom Scraper zurückbekommen hat, kennt das Gefühl. Google Maps führt weltweit über 200 Millionen Unternehmenseinträge — eine der umfangreichsten Datenbanken lokaler Unternehmen überhaupt. Entsprechend wollen alle an diese Daten heran, von Vertriebsmitarbeitern bis zu Agenturinhabern. Der Haken: Google passt die Maps-Oberfläche im Rhythmus von Wochen bis Monaten an, und jede Änderung kann den Scraper, den du gerade eine Stunde lang eingerichtet hast, klammheimlich lahmlegen. Ein GitHub-Nutzer brachte es in einem Issue im März 2026 auf den Punkt: Das Tool „could not find search box on google maps.“ Das ist kein exotischer Sonderfall, sondern der Ausfall des Kernablaufs. Ich habe diese Repos dieses Jahr genau im Blick gehabt, und die Lücke zwischen „sieht auf GitHub aktiv aus“ und „liefert heute tatsächlich Daten“ fällt größer aus, als die meisten vermuten. Dieser Leitfaden ist mein ehrlicher Versuch, das Wesentliche vom Rauschen zu trennen — also welche Repos laufen, welche brechen, wann du GitHub komplett überspringen solltest und was nach dem Scraping mit deinen Daten passiert.
Was ist ein Google-Maps-Scraper auf GitHub – und warum nutzen ihn Leute?
Ein Google-Maps-Scraper auf GitHub ist meist ein Python- oder Go-Skript, manchmal in Docker verpackt, das Google Maps in einem Headless-Browser öffnet, eine Suchanfrage wie „Zahnärzte in Chicago“ absetzt und die angezeigten Einträge extrahiert — Namen, Adressen, Telefonnummern, Websites, Bewertungen, Anzahl der Rezensionen, Kategorien, Öffnungszeiten und manchmal auch Breiten-/Längengrade.
GitHub ist die naheliegende Heimat für solche Tools, weil der Code kostenlos, Open Source und theoretisch anpassbar ist. Du kannst ein Repo forken, Suchparameter anpassen, eigene Proxy-Logik ergänzen und in jedes gewünschte Format exportieren.
Die typischen Datenfelder, die sich Leute ziehen wollen, sehen so aus:
| Feld | Häufigkeit über Repos hinweg |
|---|---|
| Unternehmensname | Nahezu universell |
| Adresse | Nahezu universell |
| Telefonnummer | Nahezu universell |
| Website-URL | Nahezu universell |
| Sternebewertung | Nahezu universell |
| Anzahl der Rezensionen | Sehr häufig |
| Kategorie / Typ | Häufig |
| Öffnungszeiten | Häufig |
| Breite / Länge | Häufig in stärkeren Repos |
| E-Mail / Social Links | Nur wenn der Scraper auch die Unternehmenswebsite besucht |
| Vollständiger Rezensionstext | Häufig in spezialisierten Review-Scrapern, im Massenscraping weniger zuverlässig |
Und wer setzt das ein? Vertriebsteams, die Outbound-Leadlisten aufbauen. Immobilienprofis, die lokale Märkte kartieren. E-Commerce-Teams, die Wettbewerber analysieren. Marketingteams, die Local-SEO-Audits fahren. Der gemeinsame Nenner: Sie alle brauchen strukturierte lokale Unternehmensdaten und wollen sie nicht Eintrag für Eintrag von Hand aus dem Browser kopieren.
Warum Vertriebs- und Ops-Teams nach Google-Maps-Scraper-Repos auf GitHub suchen
Google Maps zieht aus einem schlichten Grund an: Dort liegen die lokalen Unternehmensinformationen tatsächlich. Nicht in einem Nischenverzeichnis. Nicht hinter einer Paywall. Direkt in den Suchergebnissen.
Der geschäftliche Nutzen fällt in drei große Bereiche.
Lead-Generierung und Prospecting
Das ist der zentrale Anwendungsfall. Ein Gründer, der einen Google-Maps-Scraper für Freelancer und Agenturen entwickelt, beschrieb den Workflow recht direkt: Leads in bestimmten Städten und Nischen finden, Kontaktdaten für Cold Outreach sammeln und CSVs mit Name, Adresse, Telefonnummer, Website, Bewertungen, Rezensionen, Kategorie, Öffnungszeiten, E-Mails und Social Handles erzeugen. Eines der aktivsten Repos (gosom/google-maps-scraper) sagt Nutzern sogar wörtlich, sie könnten seinen Agenten bitten: „Find me all dentists in Berlin with their emails.“ Das ist kein Hobby-Anwendungsfall — das ist eine Vertriebspipeline.
Marktanalyse und Wettbewerbsanalyse
Ops- und Strategieteams nutzen gescrapte Maps-Daten, um Wettbewerber nach Stadtteil zu zählen, die Stimmung in Rezensionen auszuwerten und Lücken aufzuspüren. Ein Local-SEO-Praktiker berichtete, 76.228 lokale Unternehmen geprüft zu haben — in einer einzigen Nische, durch das Extrahieren öffentlicher Google-Maps-Daten. Solche Analysen sind manuell in großem Maßstab praktisch unmöglich.
Local-SEO-Audits und Verzeichnisaufbau
Marketer scrapen Google Maps, um die lokale Sichtbarkeit zu prüfen, die NAP-Konsistenz zu kontrollieren und Verzeichnis-Websites aufzubauen. Ein Nutzer beschrieb, wie er gescrapte Google-Maps-Daten per Spreadsheet in WordPress mit WP All Import einpflegte.
Die Arbeitszeitrechnung, die Scraping verlockend macht
Manuelles Sammeln ist nicht kostenlos, nur weil ein Browserfenster im Spiel ist. Upwork beziffert administrative VA-Arbeit für Datenerfassung auf $12–20+ pro Stunde. Braucht ein Mensch pro Unternehmen 1 Minute für die Basics, kosten 1.000 Unternehmen rund 16,7 Stunden — grob $200–$334 Lohnkosten vor der Qualitätssicherung. Bei 2 Minuten pro Unternehmen sind es für dieselbe Liste $400–$668. Das ist die echte Benchmark, gegen die jeder „kostenlose GitHub-Scraper“ antritt.
Google-Maps-Daten mit KI scrapen Get Started Free
Google Places API vs. GitHub-Scraper-Repos vs. No-Code-Tools: Entscheidungsbaum für 2026
Leg deinen Weg fest, bevor du irgendetwas klonst. Datenmenge, Budget, technisches Know-how und Wartungsbereitschaft spielen hier alle zusammen.
| Kriterium | Google Places API | GitHub-Scraper | No-Code-Tool (z. B. Thunderbit) |
|---|---|---|---|
| Kosten pro 1.000 Abfragen | $7–32 (gängige Pro-Aufrufe) | Kostenlose Software + Proxy-Kosten + Zeit | Freemium, danach kreditbasiert |
| Datenfelder | Strukturiert, auf API-Schema begrenzt | Flexibel, abhängig vom Repo | KI-konfiguriert pro Website |
| Rezensionen-Zugriff | Max. 5 Rezensionen pro Ort | Vollständig (wenn der Scraper das unterstützt) | Hängt vom Tool ab |
| Rate Limits | Kostenfreie Caps pro SKU, danach kostenpflichtig | Selbst verwaltet (proxy-abhängig) | Vom Anbieter gemanagt |
| Rechtliche Klarheit | Explizite Lizenz | Graubereich (ToS-Risiko) | Anbieter übernimmt die operative Compliance |
| Wartung | Von Google gewartet | Du wartest selbst | Vom Anbieter gewartet |
| Einrichtungsaufwand | API-Schlüssel + Code | Python + Abhängigkeiten + Proxies | Erweiterung installieren, Scrape klicken |
Wann die Google Places API sinnvoll ist
Für kleine bis mittlere Abfragen, bei denen du eine offizielle Lizenz und planbare Kosten brauchst, ist die API die naheliegende Wahl. Googles Preisänderung im März 2025 ersetzte das universelle Monatsguthaben durch kostenlose Caps pro SKU: 10.000 kostenlose Aufrufe für viele Essentials-SKUs, 5.000 für Pro und 1.000 für Enterprise. Danach kostet Text Search Pro $32 pro 1.000 Aufrufe, und Place Details Enterprise + Atmosphere kostet $5 pro 1.000.
Die größte Einschränkung: Rezensionen. Die API liefert maximal 5 Rezensionen pro Ort. Wer die vollständigen Rezensionen braucht, kommt mit der API nicht weit.
Wann ein GitHub-Scraper sinnvoll ist
Bulk-Discovery nach Keyword plus Geografie, browserseitig sichtbare Daten außerhalb der API-Felder, vollständiger Rezensionstext, eigene Parsing-Logik — wer all das braucht und die Python-/Docker-Skills hat, um einen Scraper zu warten, ist mit GitHub-Repos richtig. Die Kehrseite: „kostenlos“ verlagert die Rechnung auf Zeit, Proxies, Retries und Ausfälle. Schon die Proxy-Kosten können sich summieren: Decodo Residential Proxies ab $1/GB, Bright Data Datacenter PAYG ab $0.6/GB und Oxylabs Residential ab $6/GB.
Wann ein No-Code-Tool wie Thunderbit sinnvoll ist
Kein technisches Team? Die Daten sollen so schnell wie möglich in Sheets, Airtable, Notion oder CSV landen? Ein No-Code-Tool erspart dir den kompletten Python-/Docker-/Proxy-Aufbau. Mit Thunderbit installierst du die Chrome-Erweiterung, öffnest Google Maps, klickst auf „AI Suggest Fields“ und dann auf „Scrape“ — und exportierst nach Google Sheets, Excel, Airtable oder Notion. Der Cloud-Scraping-Modus übernimmt den Anti-Bot-Schutz automatisch und scrapt bis zu 50 Seiten gleichzeitig, ganz ohne Proxy-Konfiguration.
Thunderbit für Google-Maps-Scraping testen
Der einfache Entscheidungsweg: Unter 500 Unternehmen und Budget vorhanden → API. Tausende Datensätze und Python-Know-how → GitHub-Repo. Schnelle Daten ohne technische Einrichtung → No-Code-Tool.
Der Frische-Check 2026: Welche Google-Maps-Scraper-GitHub-Repos heute wirklich funktionieren
Das ist der Abschnitt, den ich mir am Anfang meiner Recherche gewünscht hätte. Die meisten Artikel zu „best Google Maps scraper“ reihen nur Repos mit Kurzbeschreibung und Sternezahl aneinander. Kein einziger verrät dir, ob das Ding diesen Monat tatsächlich Daten liefert.
Woran du erkennst, ob ein Google-Maps-Scraper-GitHub-Repo noch lebt
Bevor du irgendetwas klonst, geh diese Checkliste durch:
- Jüngster Code-Push: Such nach einem echten Commit aus den letzten 3–6 Monaten, nicht nur nach Issue-Kommentaren.
- Issue-Gesundheit: Lies die drei zuletzt aktualisierten Issues. Geht es um Kernfehler (leere Felder, Selector-Fehler, Browser-Abstürze) oder um Feature-Wünsche?
- README-Qualität: Dokumentiert es den aktuellen Browser-Stack, das Docker-Setup und die Proxy-Konfiguration?
- Warnsignale in Issues: Such nach „search box“, „reviews_count = 0“, „driver“, „Target page“, „selector“, „empty“.
- Fork- und PR-Aktivität: Aktive Forks und gemergte PRs sprechen für eine lebendige Community.
Keine aktuelle Code-Aktivität, ungelöste Kernfehler beim Scraping und keine Hinweise zu Proxies oder Browser-Wartung? Dann ist dieses Repo für den Business-Einsatz wahrscheinlich nicht lebendig genug — egal, wie beeindruckend die Sternezahl wirkt.
Die wichtigsten Google-Maps-Scraper-GitHub-Repos im Check
Ich habe die meistgestarten Repos nach der oben beschriebenen Methodik bewertet. Hier die Zusammenfassung, danach folgen Einzelnotizen.
| Repo | Stars | Letzter Push | Funktioniert es 2026? | Kommt es mit UI-Änderungen klar? | Proxy-Unterstützung | Stack |
|---|---|---|---|---|---|---|
| gosom/google-maps-scraper | 3,7k | 2026-04-19 | ⚠️ Kernextraktion lebt; Review-Felder fehleranfällig | Aktive Wartung | Ja, explizit | Go + Playwright |
| omkarcloud/google-maps-scraper | 2,6k | 2026-04-10 | ⚠️ Aktive App, aber Absturz-/Support-Probleme | Vom Anbieter gewartet | Nicht klar dokumentiert | Desktop-App / Binary |
| gaspa93/googlemaps-scraper | 498 | 2026-03-26 | ⚠️ Enger Nischen-Fokus auf Review-Scraping | Begrenzte Anzeichen | Keine starke Proxy-Strategie | Python |
| conor-is-my-name/google-maps-scraper | 284 | 2026-04-14 | ⚠️ Vielversprechender Docker-Flow, aber im März Selector-Bruch | Einige Hinweise auf Fixes | Dockerisiert, Proxy unklar | Python + Docker |
| Zubdata/Google-Maps-Scraper | 120 | 2025-01-19 | ❌ Zu viele veraltete/Nullfeld-Probleme | Kaum Belege | Nicht hervorgehoben | Python-GUI |
| patxijuaristi/google_maps_scraper | 113 | 2025-02-24 | ❌ Geringes Signal, altes Chrome-Driver-Problem | Kaum Belege | Keine starken Belege | Python |
gosom/google-maps-scraper
Derzeit die stärkste Open-Source-Allround-Option. Das README ist ungewöhnlich ausgereift: CLI, Web-UI, REST API, Docker-Anleitungen, Proxy-Konfiguration, Grid-/Bounding-Box-Modus, E-Mail-Extraktion und mehrere Exportziele. Es wirbt mit 33+ Datenpunkten und dokumentiert Proxies ausdrücklich, weil sie „bei größeren Scraping-Jobs helfen, Rate Limits zu vermeiden“.
Das Problem ist nicht, dass das Projekt aufgegeben wäre — sondern dass die Genauigkeit bei Randfeldern wegdriftet. Aktuelle Issues aus 2026 zeigen „reviews_count“ = 0, leere user_reviews-Arrays und opening_hours, die nur Mittwoch schreiben. Für das Extrahieren von Unternehmenseinträgen ist das glaubwürdig, für reichhaltige Review- und Öffnungszeiten-Daten aber wackelig, bis Fixes landen.
omkarcloud/google-maps-scraper
Dank Sternezahl und langer Präsenz sehr sichtbar, liest sich aber weniger wie transparentes Open Source und mehr wie ein verpacktes Extraktionsprodukt — Support-Kanäle, Desktop-Installer, Upsells fürs Enrichment. Ein Nutzer schrieb im April 2026, die App starte und spucke dann im Terminal „Target page, context or browser has been closed“ aus, bis sie hänge. Ein weiteres offenes Issue beklagt, das Tool sei „Very slow and inefficient.“ Nicht tot, aber auch nicht die sauberste Lösung für Leser, die inspectable OSS wollen, das sie selbst zuverlässig patchen können.
gaspa93/googlemaps-scraper
Kein allgemeiner Bulk-Search-Lead-Gen-Scraper. Es ist ein fokussierter Review-Scraper, der bei einer konkreten Google-Maps-POI-Review-URL startet und aktuelle Rezensionen abruft, mit Optionen fürs Metadaten-Scraping und für die Sortierung der Reviews. Dieser engere Fokus ist für bestimmte Workflows durchaus ein Vorteil — löst aber nicht das eigentliche Problem der Such- und Entdeckungsschicht, das die meisten Business-Nutzer umtreibt.
conor-is-my-name/google-maps-scraper
Gute Instinkte für moderne Ops-Teams: Docker-first-Installation, JSON-API, geschäftstaugliche Felder und Community-Sichtbarkeit in r/n8n. Doch das Issue aus März 2026 ist das Paradebeispiel dafür, warum diese Kategorie fragil ist: Ein Nutzer aktualisierte den Container, und die Ausgabe meldete, der Scraper „could not find search box on google maps.“ Das ist ein Kernfehler, kein kosmetischer Randfall.
Zubdata/Google-Maps-Scraper
Auf dem Papier ist das Feldset breit: E-Mail, Rezensionen, Bewertungen, Adresse, Website, Telefon, Kategorie, Öffnungszeiten. In der Praxis erzählt die öffentliche Issue-Lage eine andere Geschichte: Nutzer berichten über fehlende Assets im App-Bundle, Nullwerte bei Telefon/Adresse/Website und Scraping-Limits. Zusammen mit der älteren Commit-Historie ist das für den Einsatz 2026 schwer zu empfehlen.
patxijuaristi/google_maps_scraper
In der GitHub-Suche leicht zu finden, doch das stärkste öffentliche Signal ist ein altes Chrome-Driver-Fehler-Issue statt aktiver Wartung. In diesem Artikel dient es vor allem als Beispiel dafür, was „sieht in der Suche lebendig aus, ist in der Praxis aber riskant“ bedeutet.
Schritt für Schritt: Einen Google-Maps-Scraper von GitHub einrichten
Du hast dich für ein GitHub-Repo entschieden? So sieht das Setup tatsächlich aus. Ich halte es bewusst allgemein statt repo-spezifisch — über die aktiven Optionen hinweg ähneln sich die Schritte erstaunlich stark.
Schritt 1: Repository klonen und Abhängigkeiten installieren
Der übliche Ablauf:
git clonedes Repos- Python-virtuelle Umgebung anlegen oder ein Docker-Image ziehen
- Abhängigkeiten per
pip install -r requirements.txtoderdocker-compose upinstallieren - Manchmal zusätzlich eine Browser-Runtime installieren (Chromium für Playwright, ChromeDriver für Selenium)
Docker-first-Repos wie gosom/google-maps-scraper und conor-is-my-name/google-maps-scraper verringern Abhängigkeitsprobleme, beseitigen sie aber nicht — Docker muss trotzdem laufen, und du brauchst genug Speicherplatz für die Browser-Images.
Schritt 2: Suchparameter konfigurieren
Die meisten Generalisten-Scraper wollen:
- Keyword + Ort (z. B. „plumbers in Austin TX“)
- Ergebnislimit (wie viele Einträge extrahiert werden sollen)
- Ausgabeformat (CSV, JSON, Datenbank)
- Manchmal geografische Bounding Boxes oder einen Radius für die Grid-basierte Suche
Stärkere Repos bieten das über CLI-Flags oder JSON-Request-Bodies. Ältere Repos verlangen manchmal, dass du direkt eine Python-Datei bearbeitest.
Schritt 3: Proxies einrichten, falls nötig
Alles jenseits eines kleinen Testlaufs? Dann brauchst du Proxies. gosom/google-maps-scraper dokumentiert HTTP-/HTTPS-/SOCKS5-Proxy-Rotation und benennt Proxies ausdrücklich als Standardlösung für größere Jobs. Ohne sie musst du nach einigen Dutzend Requests mit CAPTCHAs oder IP-Blocks rechnen.
Schritt 4: Scraper ausführen und Daten exportieren
Skript starten, dem Browser beim Navigieren durch die Ergebnis-Karten zusehen und auf die CSV- oder JSON-Ausgabe warten. Der Happy Path dauert Minuten. Der weniger glückliche Pfad — und der kommt häufiger vor, als viele zugeben — sieht so aus:
- Browser schließt sich unerwartet
- Chrome-Driver-Version passt nicht
- Selector-/Search-Box-Fehler
- Rezensionen oder Öffnungszeiten kommen leer zurück
Alle vier Muster tauchen in aktuellen Issue- Threads auf.
Schritt 5: Fehler und Brüche beheben
Wenn der Scraper leere Ergebnisse oder Fehler liefert:
- Im GitHub-Issue-Bereich des Repos nach ähnlichen Meldungen suchen
- Auf Google-Maps-UI-Änderungen achten (neue Selektoren, andere Seitenstruktur)
- Das Repo auf den neuesten Commit aktualisieren
- Hat der Maintainer es nicht gefixt, Forks nach Community-Patches durchsehen
- Abwägen, ob die Debug-Zeit den Wechsel des Tools überhaupt rechtfertigt
Realistische Einrichtungszeit beim ersten Mal: Für jemanden, der mit Terminals umgehen kann, aber noch kein funktionierendes Playwright-/Docker-/Proxy-Setup hat, sind 30–90 Minuten bis zum ersten erfolgreichen Scrape realistisch. Nicht fünf Minuten.
So vermeidest du Bans und Rate Limits beim Scrapen von Google Maps
Es gibt keinen öffentlich dokumentierten Google-Maps-Web-Schwellwert nach dem Motto „Bei X Requests wirst du blockiert.“ Google hält das bewusst vage. Manche Nutzer berichten von CAPTCHAs nach etwa 50 automatisierten Requests in serverbasierten Playwright-Setups. Ein anderer Nutzer gab 10.000 Abfragen pro Tag von einer einzelnen IP für einen firmeneigenen Maps-Scraper an. Die Schwellenwerte sind weder durchweg hoch noch niedrig. Sie sind instabil und kontextabhängig.
Hier eine praktische Strategietabelle:
| Strategie | Schwierigkeit | Wirksamkeit | Kosten |
|---|---|---|---|
| Zufällige Verzögerungen (2–5 s zwischen Requests) | Einfach | Mittel | Kostenlos |
| Geringere Parallelität (weniger gleichzeitige Sessions) | Einfach | Mittel | Kostenlos |
| Rotation von Residential Proxies | Mittel | Hoch | $1–6/GB |
| Datacenter-Proxies (für einfache Ziele) | Mittel | Mittel | $0.02–0.6/GB |
| Randomisierung des Headless-Browser-Fingerprints | Schwer | Hoch | Kostenlos |
| Browser-Persistenz / aufgebaute Sessions | Mittel | Mittel | Kostenlos |
| Cloud-basiertes Scraping (das Problem auslagern) | Einfach | Hoch | Variiert |
Zufällige Verzögerungen zwischen Requests einbauen
Feste 1-Sekunden-Intervalle sind ein Warnsignal. Setz auf zufälligen Jitter — 2 bis 5 Sekunden zwischen Aktionen, mit gelegentlich längeren Pausen. Das ist das Einfachste, was du tun kannst, und es kostet nichts.
Proxies rotieren (Residential vs. Datacenter)
Residential Proxies wirken besser, weil sie wie echte Nutzer aussehen, sind dafür aber teurer. Aktuelle Preise: Decodo Residential ab $1/GB, Oxylabs Residential ab $6/GB, Oxylabs Datacenter ab $0.59/GB. Datacenter-Proxies taugen für leichteres Scraping, werden bei Google-Angeboten aber schneller erkannt.
Browser-Fingerprints randomisieren
Bei Headless-Browser-Scrapern: User Agents, Viewport-Größen und andere Fingerprint-Signale rotieren. Standardkonfigurationen von Playwright/Puppeteer sind trivial erkennbar. Das ist aufwendiger umzusetzen, aber kostenlos und sehr wirksam.
Cloud-basiertes Scraping nutzen, um das Problem auszulagern
Tools wie Thunderbit übernehmen Anti-Bot-Schutz, IP-Rotation und Rate-Limits automatisch über ihre Cloud-Scraping-Infrastruktur. Thunderbit scrapt im Cloud-Modus bis zu 50 Seiten gleichzeitig — ohne Proxy-Setup oder Verzögerungskonfiguration. Für Teams, die nicht nebenbei Anti-Bot-Ingenieure werden wollen, ist das der praktischste Weg.
Wie Googles Rate-Limit-Schwellen tatsächlich aussehen
Anzeichen dafür, dass du gedrosselt wirst:
- CAPTCHAs erscheinen mitten im Scrape
- Leere Ergebnismengen nach zuvor erfolgreichen Abfragen
- Temporäre IP-Blocks (meist 1–24 Stunden)
- Verschlechterte Seitenladezeiten (langsamer, Inhalte nur teilweise geladen)
Erholung: Scraping stoppen, IPs wechseln, 15–60 Minuten warten und dann mit geringerer Parallelität fortfahren. Wer regelmäßig an Grenzen stößt, braucht im Setup Proxies oder grundsätzlich einen anderen Ansatz.
Der No-Code-Ausweg: Wann sich ein Google-Maps-Scraper-GitHub-Repo nicht lohnt
Etwa 90 % der Artikel zum Scraping von Google Maps setzen Python-Know-how voraus. Ein großer Teil der Zielgruppe aber — Agenturinhaber, Vertriebsmitarbeiter, Local-SEO-Teams, Researcher — will einfach nur Zeilen in einer Tabelle. Kein Browser-Automatisierungsprojekt. Wenn du dich darin wiedererkennst, ist dieser Abschnitt ehrlich zu den Abwägungen.
Die echten Kosten von „kostenlosen“ GitHub-Scrapern
| Faktor | GitHub-Repo-Ansatz | No-Code-Alternative (z. B. Thunderbit) | |---|---|---|---| | Einrichtungszeit | 30–90 Min. (Python/Docker/Proxies) | ca. 2 Min. (Browser-Erweiterung) | | Wartung | Manuell (du behebst Brüche selbst) | Automatisch (Anbieter wartet) | | Anpassbarkeit | Hoch (voller Codezugriff) | Mittel (KI-konfigurierte Felder) | | Kosten | Kostenlose Software, aber Zeit + Proxies | Freemium verfügbar, dann kreditbasiert | | Skalierung | Hängt von deiner Infrastruktur ab | Cloud-basiert skalierbar |
„Kostenlose“ GitHub-Scraper verlagern die Rechnung auf die Zeit. Wenn du deine Zeit mit 50 $/Stunde ansetzt und 2 Stunden fürs Setup, 1 Stunde für die Fehlersuche und 30 Minuten für die Proxy-Konfiguration brauchst, sind das 175 $, bevor du auch nur einen einzigen Eintrag gescrapt hast. Mit Proxy-Kosten und laufender Wartung, sobald Google die UI ändert, wirkt die „kostenlose“ Option schnell teuer.
Wie Thunderbit das Google-Maps-Scraping vereinfacht
So sieht der tatsächliche Workflow mit Thunderbit aus:
- Thunderbit Chrome Extension installieren
- Zu Google Maps navigieren und deine Suche ausführen
- Auf „AI Suggest Fields“ klicken — die KI von Thunderbit liest die Seite und schlägt Spalten vor (Unternehmensname, Adresse, Telefonnummer, Bewertung, Website usw.)
- Auf „Scrape“ klicken und die Daten werden automatisch strukturiert
- Subpage Scraping verwenden, um von den gescrapten URLs aus die Website jedes Unternehmens zu besuchen und zusätzliche Kontaktdaten zu extrahieren (E-Mails, Telefonnummern) — also genau das zu automatisieren, was GitHub-Repo-Nutzer manuell machen
- Nach Google Sheets, Excel, Airtable oder Notion exportieren — ohne Paywall beim Export
Kein Python. Kein Docker. Keine Proxies. Keine Wartung. Für Vertriebs- und Marketing-Teams, die Leads generieren, entfällt damit der gesamte Einrichtungsaufwand, den GitHub-Repos verlangen.
Preiskontext: Thunderbit nutzt ein Kreditmodell, bei dem 1 Kredit = 1 Ausgabezeile. Der Free-Tarif umfasst 6 Seiten pro Monat, die Testphase 10 Seiten, und der Starter-Plan kostet $15 monatlich oder $9 jährlich für 500 Credits/Monat.
Nach dem Scrape: Bereinigen und Anreichern deiner Google-Maps-Daten
Die meisten Leitfäden hören beim Roh-Export auf. Rohdaten sind aber noch keine Leadliste. In Foren berichten Nutzer regelmäßig von „viele Formatierungsprobleme, die eine erhebliche Datenbereinigung erforderten“ und fragen: „Wie gehst du mit Duplikaten in diesem Setup um?“ Hier kommt der Teil nach dem Scrape.
Deine Ergebnisse deduplizieren
Duplikate entstehen durch Überschneidungen bei der Paginierung, wiederholte Suchen über überlappende Gebiete, Grid-/Bounding-Box-Strategien, die dieselben Unternehmen abdecken, und Unternehmen mit mehreren Einträgen.
Beste Reihenfolge fürs Deduping:
- Auf place_id matchen, wenn dein Scraper das ausgibt (am zuverlässigsten)
- Exakter Match auf normalisiertem Unternehmensnamen + Adresse
- Fuzzy-Matching auf Name + Adresse, bestätigt über Telefonnummer oder Website
Einfache Excel-/Sheets-Formeln (COUNTIF, Duplikate entfernen) decken die meisten Fälle ab. Bei größeren Datensätzen funktioniert ein kurzes Python-Dedup-Skript mit pandas gut.
Telefonnummern und Adressen normalisieren
Gescrapte Telefonnummern kommen in allen denkbaren Formaten: (555) 123-4567, 555-123-4567, +15551234567, 5551234567. Für den CRM-Import normalisierst du alles aufs E.164-Format — also +Ländervorwahl + nationale Nummer, z. B. +15551234567.
Thunderbit normalisiert Telefonnummern beim Scraping automatisch auf E.164 — ein Bereinigungsschritt weniger.
Bei Adressen lohnt es sich, auf ein einheitliches Format zu standardisieren: Straße, Stadt, Bundesland, PLZ. Entferne überflüssige Leerzeichen, korrigiere uneinheitliche Abkürzungen (St vs. Street) und validiere gegen einen Geocoding-Dienst, wenn Genauigkeit zählt.
Mit E-Mails, Websites und Social Profiles anreichern
Google-Maps-Einträge enthalten fast immer eine Website-URL. Eine E-Mail-Adresse liefern sie direkt fast nie. Das Erfolgsrezept:
- Google Maps für die Unternehmensfindung scrapen (Name, Adresse, Telefonnummer, Website-URL)
- Die Website jedes Unternehmens besuchen, um E-Mail-Adressen, Social Links und andere Kontaktdaten zu extrahieren
Genau hier nähern sich die besten GitHub-Repos und No-Code-Tools an:
- gosom/google-maps-scraper bietet optionale E-Mail-Extraktion, indem es Unternehmenswebsites besucht
- Thunderbits Subpage-Scraping-Funktion kann von den gescrapten URLs aus die Website jedes Unternehmens besuchen und E-Mail-Adressen sowie Telefonnummern extrahieren — alles direkt an deine ursprüngliche Tabelle angehängt
Für GitHub-Repo-Nutzer ohne integriertes Enrichment heißt das: entweder einen zweiten Scraper schreiben oder jede Website von Hand besuchen. Thunderbit fasst beide Schritte in einem Workflow zusammen.
Export in CRM- oder Workflow-Tools
Die praktischsten Exportziele:
- Google Sheets fürs gemeinsame Bereinigen und Teilen
- Airtable für strukturierte Datenbanken mit Filtern und Ansichten
- Notion für leichte Ops-Datenbanken
- CSV/JSON für CRM-Import oder nachgelagerte Automatisierung
Thunderbit unterstützt direkten Export in all diese Ziele. Die meisten GitHub-Repos exportieren nur als CSV oder JSON — die CRM-Integration musst du separat lösen. Wenn du mehr Wege suchst, gescrapte Daten in Tabellen zu bekommen, lies unseren Leitfaden zum Scraping in Google Sheets.
Google-Maps-Scraper-GitHub-Repos: Der vollständige Vergleich Seite an Seite
Hier die übersichtliche Vergleichstabelle für alle Ansätze:
| Tool / Repo | Typ | Kostenmodell | Einrichtungszeit | Proxy-Management | Wartung | Exportoptionen | Funktioniert 2026? |
|---|---|---|---|---|---|---|---|
| Google Places API | Offizielle API | $7–32 / 1K Calls (Pro) | Niedrig | Nicht nötig | Niedrig | JSON / App-Integration | ✅ |
| gosom/google-maps-scraper | GitHub OSS | Kostenlos + Proxies + Zeit | Mittel | Ja, dokumentiert | Hoch | CSV, JSON, DB, API | ⚠️ |
| omkarcloud/google-maps-scraper | GitHub-Packaged | Quasi kostenlos, produktisiert | Mittel | Unklar | Mittel-hoch | App-Ausgabe | ⚠️ |
| gaspa93/googlemaps-scraper | GitHub-Review-Scraper | Kostenlos + Zeit | Mittel | Begrenzt | Mittel-hoch | CSV | ⚠️ (Nische) |
| conor-is-my-name/google-maps-scraper | GitHub-Docker-API | Kostenlos + Zeit | Mittel | Möglich | Hoch | JSON / Docker-Service | ⚠️ |
| Zubdata/Google-Maps-Scraper | GitHub-GUI-App | Kostenlos + Zeit | Mittel | Begrenzt | Hoch | App-Ausgabe | ❌ |
| Thunderbit | No-Code-Erweiterung | Credits / Zeilen | Niedrig | Abstrahiert (Cloud) | Niedrig-mittel | Sheets, Excel, Airtable, Notion, CSV, JSON | ✅ |
Mehr Kontext zur Wahl zwischen den Scraping-Ansätzen findest du vielleicht auch in unserem Überblick zu den besten automatisierten Web-Scraping-Tools oder im Vergleich Web Scraping vs. Data Mining.
Rechtliche Aspekte und AGB-Bedenken
Kurz, aber wichtig.
Googles aktuelle Maps-Platform-Bedingungen sind eindeutig: Kunden dürfen Google-Maps-Inhalte nicht „export, extract, or otherwise scrape Google Maps Content for use outside the Services,“ also Geschäftsnamen, Adressen oder Nutzerrezensionen nicht außerhalb der erlaubten Nutzung kopieren, speichern oder scrapen. Die dienstspezifischen Bedingungen erlauben für bestimmte APIs nur begrenztes Caching, typischerweise bis zu 30 aufeinanderfolgende Kalendertage.
Die rechtliche Hierarchie ist klar:
- API-Nutzung hat die klarste vertragliche Grundlage
- GitHub-Scraper bewegen sich in deutlich unsichererem Terrain
- No-Code-Tools senken den operativen Aufwand, nehmen dir deine eigenen Compliance-Pflichten aber nicht ab
Hol für deinen konkreten Anwendungsfall eine eigene Rechtsberatung ein. Einen tieferen Blick auf die Rechtslage findest du in unserem separaten Beitrag zu den rechtlichen Implikationen von Web Scraping.
Wichtigste Erkenntnisse: Den richtigen Google-Maps-Scraper-Ansatz 2026 wählen
Nach dem Durchforsten von Repos, Issues, Foren und Preisseiten ist das der Stand:
-
Prüf immer die Aktualität eines Repos, bevor du Zeit ins Setup steckst. Die Sternezahl sagt nichts darüber aus, ob es heute funktioniert. Lies die drei neuesten Issues. Such nach Code-Commits aus den letzten 3–6 Monaten.
-
Die derzeit beste Open-Source-Option ist gosom/google-maps-scraper — doch selbst dort treten frische Feldregressionen aus 2026 auf. Behandle es wie ein lebendiges System, das überwacht werden muss, nicht wie ein einmal-einrichten-und-vergessen-Tool.
-
Die Google Places API ist die richtige Wahl für Stabilität und rechtliche Klarheit — aber sie ist eingeschränkt (maximal 5 Rezensionen, Preis pro Aufruf) und löst Bulk-Discovery nicht besonders gut.
-
Für nicht-technische Teams sind No-Code-Tools wie Thunderbit die praktische Alternative. Die Zeit bis zu den ersten Daten beträgt Minuten statt Stunden, und du meldest dich nicht an, um nebenbei Scraper-Maintainer zu werden.
-
Rohdaten sind nur die halbe Arbeit. Plan Zeit für Deduplizierung, Normalisierung von Telefonnummern, E-Mail-Enrichment und CRM-Export ein. Tools, die diese Schritte automatisch erledigen — wie Thunderbits Subpage-Scraping und E.164-Normalisierung — sparen mehr Zeit, als viele erwarten.
-
„Kostenloser Scraper“ heißt im besten Fall: Software mit unbezahlter Wartung. Das ist völlig in Ordnung, wenn du die Skills hast und die Arbeit magst. Es ist ein schlechtes Geschäft, wenn du ein Vertriebsmitarbeiter bist, der bis Freitag einfach nur 500 Zahnarzt-Leads in Phoenix braucht.
Wenn du weitere Optionen zum Extrahieren von Unternehmensdaten erkunden willst, schau dir unsere Leitfäden zu Google Maps mit Python scrapen, die besten Google-Maps-Review-Scraper und die besten Datenextraktions-Tools an. Außerdem findest du Tutorials auf dem Thunderbit YouTube-Kanal.
FAQs
Ist die Nutzung eines Google-Maps-Scrapers von GitHub kostenlos?
Die Software ist kostenlos. Die Arbeit nicht. Du investierst 30–90 Minuten ins Setup, danach Zeit in die Fehlersuche bei Brüchen und oft 10–100+ $ pro Monat an Proxy-Kosten, sobald das Volumen ernst wird. Wenn deine Zeit einen Wert hat, ist „kostenlos“ ein irreführender Begriff.
Brauche ich Python-Kenntnisse, um einen Google-Maps-Scraper von GitHub zu nutzen?
Die meisten beliebten Repos erfordern grundlegende Python- und Kommandozeilenkenntnisse. Docker-first-Repos verringern den Aufwand, beseitigen ihn aber nicht — du musst weiterhin Containerprobleme debuggen, Suchparameter konfigurieren und Proxies einrichten. Für nicht-technische Nutzer bieten No-Code-Tools wie Thunderbit eine 2-Klick-Alternative ohne Programmierung.
Wie oft brechen Google-Maps-Scraper-GitHub-Repos?
Es gibt keinen festen Zeitplan, doch die aktuelle GitHub-Issue-Historie zeigt, dass Kernfehler und Feldregressionen in einem Wochen- bis Monatsrhythmus auftreten. Google aktualisiert die Maps-Oberfläche regelmäßig, was Selektoren und Parsing-Logik über Nacht kaputt machen kann. Aktive Repos beheben das schnell; aufgegebene Repos bleiben dauerhaft defekt.
Kann ich Google-Maps-Rezensionen mit einem GitHub-Scraper auslesen?
Einige Repos unterstützen die vollständige Extraktion von Rezensionen (gaspa93/googlemaps-scraper ist genau dafür ausgelegt), während andere nur Zusammenfassungsdaten wie Bewertung und Anzahl der Rezensionen ziehen. Rezensionen gehören zudem zu den ersten Feldern, die bei Änderungen im Seitenverhalten wegdriften — selbst Repos mit Review-Unterstützung können also nach einem UI-Update unvollständige Daten liefern.
Was ist die beste Alternative, wenn ich keinen GitHub-Scraper nutzen will?
Zwei Hauptwege: die Google Places API für offiziellen, strukturierten Zugriff (mit Kosten- und Feldlimits) oder ein No-Code-Tool wie Thunderbit für schnelles, KI-gestütztes Extrahieren ohne Programmierung. Die API eignet sich am besten für Entwickler, die Compliance-Sicherheit brauchen. Thunderbit passt am besten für Business-Nutzer, die Daten schnell in einer Tabelle brauchen.
Mehr erfahren
