So habe ich mit Claude Skills jede Website in eine Leadliste verwandelt (Schritt für Schritt)

Ich habe Sales-Teams dabei zugesehen, wie sie stundenlang Namen aus LinkedIn-Tabs und Konferenzverzeichnissen in Spreadsheets kopiert haben. Ein SDR, mit dem ich gesprochen habe, hat es getrackt: 11 Stunden pro Woche, nur für manuelle Recherche. Das ist mehr als ein ganzer Arbeitstag, einfach weg.

In diesem Beitrag zeige ich Ihnen Schritt für Schritt, wie Sie jede beliebige Webseite in eine saubere, importierbare Leadliste verwandeln, mit dem lemlist Website Scraper Claude Skill. Wir gehen durch, wie Scraping funktioniert, welches Tool zu welchem Einsatzzweck passt und wie Sie von einer URL zu einer laufenden Outbound-Kampagne kommen. lemlist hat den gesamten Prozess im eigenen MCP-Benchmark in unter zwei Minuten abgeschlossen (Die besten Sales-Intelligence-Plattformen 2026 im Vergleich), die Zeitersparnis ist also real.

Sie wollen direkt loslegen? Holen Sie sich den Website Scraper Claude Skill auf GitHub → und springen Sie direkt zum Schritt-für-Schritt-Abschnitt weiter unten.

Was ein Website Scraper macht und warum Sales-Teams einen brauchen

Ein Website Scraper extrahiert automatisch Daten von einer Webseite und wandelt sie in eine strukturierte Datei um, z. B. ein Spreadsheet. Er liest den zugrundeliegenden Code der Seite, zieht die von Ihnen definierten Felder heraus (Namen, Titel, E-Mail-Adressen, Unternehmensdaten) und exportiert sie in Zeilen und Spalten, mit denen Sie direkt arbeiten können.

Für Sales-Teams ist genau das der Mehrwert. Sie haben vermutlich schon Stunden damit verbracht, Namen und Jobtitel aus LinkedIn-Tabs per Hand in ein Spreadsheet zu kopieren. Ein Scraper komprimiert das in einen einzigen automatisierten Schritt, meistens als CSV, das Sie direkt in Ihr CRM oder Outreach-Tool importieren können.

So sieht das in der Praxis aus:

• •

  Der Scraper erkennt und extrahiert die von Ihnen definierten Felder, z. B. Jobtitel oder E-Mail-Adressen

• •

  Aus rohem Seiteninhalt wird etwas, das Sie sortieren, filtern und durchsuchen können

• •

  Einmal eingerichtet, läuft derselbe Scrape über Hunderte Seiten, ohne dass Sie jede einzelne anfassen müssen

• •

  Er bringt unstrukturiertes HTML in einheitliche Spalten, sodass Sie weniger Zeit mit Datenbereinigung verbringen

Klar, ein Scraper löst kein schlechtes Targeting. Schlechte URLs rein, schlechte Daten raus. Aber wenn Sie die richtigen Quellen ansteuern, ist der Geschwindigkeitsunterschied enorm. Die lemlist-Datenbank umfasst über 600 Mio. Kontakte (Die einzige Plattform, die Sie für Outbound brauchen | lemlist), und die Plattform hat eine Bewertung von 4,6 / 5 auf G2 (lemlist im Test 2026: Meine ehrliche Meinung nach der Nutzung der Plattform). Wenn wir also über skalierbares Prospecting sprechen, haben wir unsere Hausaufgaben gemacht.

Wie Website Scraping funktioniert

Scraping besteht aus zwei Schritten: die Seite abrufen und dann die gewünschten Daten extrahieren. Wer beide versteht, kann Probleme besser lösen, wenn ein Scrape nicht das liefert, was erwartet wurde.

Extraktion und Parsing

Zuerst sendet der Scraper eine Anfrage an die Zielseite, ähnlich wie wenn Sie eine URL in Ihren Browser eingeben. Der Server antwortet mit dem HTML der Seite, dem Rohcode, der den gesamten sichtbaren Text, Bilder und die Struktur enthält.

Anschließend parst der Scraper dieses HTML in eine navigierbare Struktur, manchmal als DOM-Baum bezeichnet. Parsing bedeutet einfach, die Seite zu kartieren (Überschriften, Tabellen, Links), damit das Tool genau weiß, wo es nach den gewünschten Daten suchen muss. Ohne diesen Schritt bleibt eine Wand aus Code, in der Sie nichts Brauchbares finden.

Allerdings rendern sehr viele moderne Websites Inhalte erst per JavaScript, nachdem das ursprüngliche HTML geladen ist. Wenn der Scraper nur die statische HTML-Antwort liest, entgeht ihm alles, was dynamisch von React, Angular oder ähnlichen Frameworks aufgebaut wird. Hinzu kommt, dass viele Seiten Anti-Bot-Erkennung einsetzen (CAPTCHAs, Fingerprinting, IP-Rate-Limits), die wiederholte automatisierte Anfragen blockieren. Einfache Scraper scheitern an beiden Hürden. Deshalb hat sich die Tool-Kategorie hin zu Lösungen entwickelt, die Rendering und Erkennung direkt mitbringen.

Ausgabeformate und Datenstrukturierung

Sobald der Scraper die Daten extrahiert hat, bereinigt er sie: HTML-Tags entfernen, Textformatierung korrigieren und alles in eine nutzbare Datei organisieren. Welches Format sinnvoll ist, hängt davon ab, was Sie als Nächstes mit den Daten vorhaben.

Für die meisten Sales-Prozesse greifen Sie zu CSV. Es ist das Format, das Ihr CRM erwartet, und die Standard-Ausgabe des lemlist Website Scraper Claude Skill (dazu gleich mehr).

Arten von Website-Scraper-Tools

Nicht jeder Scraper passt zu jedem Einsatzzweck. Die richtige Wahl hängt davon ab, wie technisch versiert Sie sind, wie viele Daten Sie brauchen und wie oft Sie die Aufgabe ausführen.

Browser-Erweiterungen und No-Code-Scraper

Tools wie Web Scraper (Chrome), Octoparse oder Browse AI laufen direkt in Ihrem Browser. Sie klicken auf die gewünschten Elemente, und die Erweiterung baut den Scraper für Sie.

Für schnelle, kleine Aufgaben sind sie ideal. Aber sobald Sie über ein paar Hundert Datensätze hinauskommen oder die Seite viel JavaScript nutzt, stoßen Sie wahrscheinlich an Grenzen, die ein kostenpflichtiges Upgrade oder manuelle Workarounds erfordern.

Scraping-APIs und Entwickler-Frameworks

Frameworks wie Pythons BeautifulSoup und Scrapy oder JavaScripts Puppeteer geben Entwickelnden die volle Kontrolle darüber, wie eine Seite abgerufen und geparst wird. Sie handhaben Proxy-Rotation und JavaScript-lastige Seiten zuverlässig.

Der Haken: Jemand muss den Code schreiben und pflegen. Ohne Engineering-Support erzeugt dieser Weg oft mehr Arbeit, als er einspart.

Managed-Scraping-APIs

Eine neuere Kategorie liegt zwischen reinen Frameworks und No-Code-Tools. Dienste wie Firecrawl und ScrapingBee bieten verwaltete Infrastruktur, die JavaScript-Rendering, Proxy-Rotation und Anti-Bot-Umgehung über einen einzigen API-Aufruf abdeckt. Sie senden eine URL und bekommen strukturierte Daten zurück. Kein Browser zu verwalten, keine Proxys zu konfigurieren.

Für Teams, die zuverlässige Extraktion skalierbar brauchen, aber keine eigene Scraping-Codebasis pflegen wollen, füllt diese Kategorie die Lücke. Der Tradeoff sind die Kosten: Managed APIs berechnen pro Anfrage, und das summiert sich bei hohem Volumen.

KI-gestützte Scraper und Claude Skills

Diese Kategorie überspringt sowohl das Klicken als auch das Coden. Stattdessen beschreiben Sie in einfacher Sprache, was Sie wollen, und ein KI-Agent erledigt den Rest.

Ein Claude Skill ist eine Klartext-Anweisungsdatei namens SKILL.md, die Claude mitteilt, wie eine bestimmte Aufgabe auszuführen ist, in diesem Fall Scraping. Der lemlist Website Scraper Claude Skill ermöglicht Eingaben wie „Scrape alle Kontakte von dieser URL in eine CSV mit Name, Titel, Unternehmen und E-Mail." Claude liest die Seite, identifiziert die Felder und erstellt die Datei.

Für Teams ohne Entwickler:in in Bereitschaft ist das der direkteste Weg von einer URL zu einer nutzbaren Leadliste.

So wählen Sie den richtigen Scraper für Ihren Prozess

Wenn Sie eine einmalige, kleine Liste brauchen, reicht eine Browser-Erweiterung, kostenlos und schnell. Für wiederkehrende, großvolumige Extraktion ist eine Scraping-API, ein Managed Service oder ein Framework sinnvoll, vorausgesetzt, Sie haben Dev-Support oder Budget. Wenn Sie ohne Code prospekten, beseitigt ein KI-gestützter Scraper oder Claude Skill die technische Hürde komplett. Und für die volle Outbound-Automatisierung deckt ein Claude Skill zusammen mit lemlist Scraping, Enrichment und Kampagnenstart in einem Durchlauf ab.

So scrapen Sie eine Website und exportieren die Daten als CSV

Hier ist der Prozess mit dem lemlist Website Scraper Claude Skill, Schritt für Schritt.

1. Ziel-URL wählen und Felder definieren. Wählen Sie Ihre Quelle, ein Verzeichnis, eine Teamseite, eine Branchenliste, und legen Sie vorab fest, welche Spalten Sie brauchen (Name, Titel, E-Mail, Unternehmen, Standort). Wer diesen Schritt überspringt, bekommt unstrukturierten Output mit irrelevanten Daten.

2. Den Skill installieren. Gehen Sie zum GitHub-Repo, klonen Sie es und verweisen Sie Claude Desktop über Ihre MCP-Config auf die SKILL.md-Datei. Das Setup dauert in der Regel unter fünf Minuten.

3. Scrape starten und CSV prüfen. Geben Sie einen Prompt mit der URL und den definierten Spalten ein. Claude liest die Seite, extrahiert die Daten und formatiert eine CSV, eine Zeile pro Datensatz. Prüfen Sie stichprobenartig einige Einträge gegen die Originalseite, bevor Sie den Daten voll vertrauen.

4. Paginierung bearbeiten. Viele Verzeichnisse verteilen Ergebnisse über Dutzende Seiten. Der Skill folgt „Nächste Seite"-Links automatisch, und bei größeren Seiten sind Sessions fortsetzbar, ein Timeout bedeutet also nicht, dass Sie von vorne anfangen müssen.

Website Scraper für die Sales-Lead-Generierung nutzen

Scraping verdient seinen Platz in Ihrem Prozess erst, wenn es an eine konkrete Suche geknüpft ist. Einige Anwendungsfälle, die sich lohnen:

• •

  Konferenz-Sprecherlisten, Verbandsseiten und Award-Bekanntgaben enthalten oft Prospects, die Sie nach Rolle oder Region filtern können

• •

  Über-uns-Seiten und Führungskräfte-Bios liefern Ihnen Namen, Titel und Kontext darüber, was das Unternehmen macht. Genau das sorgt dafür, dass Ihre erste Nachricht wie Recherche wirkt und nicht wie eine Vorlage

• •

  Ein Unternehmen, das eine:n „Head of Revenue Operations" einstellt, signalisiert, dass es ein Team aufbaut, das Ihr Produkt unterstützen könnte

• •

  Neue Kundenlogos oder Preisänderungen auf der Website eines Prospects bedeuten oft, dass die Bereitschaft zur Antwort gerade besonders hoch ist

Der letzte Punkt verdient besondere Aufmerksamkeit. Timing ist genauso wichtig wie Targeting, und manuell Wettbewerber-Websites auf Änderungen zu prüfen, ist nicht skalierbar. Die Intent-Signal-Agents von lemlist können dieses Monitoring automatisieren, relevante Momente aufdecken und Leads mit passendem Messaging direkt in Kampagnen einfügen.

So bereinigen und anreichern Sie gescrapte Daten vor dem Outreach

Eine gescrapte CSV ist ein Ausgangspunkt, nichts, woraus Sie direkt versenden. Rohe Scrapes enthalten typischerweise Duplikate, inkonsistente Formatierung und Kontaktdaten, die niemand verifiziert hat.

Entfernen Sie zuerst doppelte Einträge von sich überlappenden Seiten. Dann normalisieren Sie Jobtitel („VP Sales" vs. „Vice President of Sales") und Telefonnummernformate, damit Ihre Segmentierung tatsächlich funktioniert. Danach prüfen Sie E-Mail-Adressen auf SMTP-Ebene, denn reine Syntaxprüfungen übersehen die echten Probleme. Verknüpfen Sie abschließend Kontakte mit dem richtigen CRM-Datensatz, damit nichts im falschen Account landet.

Die Data-Enrichment-Agents von lemlist erledigen das automatisch: verifizierte E-Mail-Adressen und LinkedIn-Kontext von mehreren Anbietern abrufen und Kontakte mit Unternehmensdatensätzen abgleichen.

Tipp: Wenn Sie gescrapte Leads in lemlist importieren, markiert die Plattform unverifizierte E-Mail-Adressen vor dem Versand und schützt so Ihre Absender-Reputation. Fehlende Felder können Sie direkt im Campaign Builder anreichern.

Rechtliche und ethische Richtlinien für Web Scraping

Die Frage nach der Rechtslage kommt fast sofort auf, und die ehrliche Antwort ist nicht ganz eindeutig.

Was das Gesetz über das Scraping öffentlicher Daten sagt

Das Urteil des Ninth Circuit in hiQ Labs v. LinkedIn stellte fest, dass die „without authorization"-Klausel des Computer Fraud and Abuse Act nicht auf öffentlich zugängliche Daten zutrifft, da es keine Zugangsberechtigung gibt, die verletzt werden könnte (California Lawyers Association). Allerdings ist es ein ganz anderer Fall, wenn Sie ein Konto erstellen und den Nutzungsbedingungen einer Website zustimmen. Scraping entgegen dieser Bedingungen ist ein Vertragsproblem, losgelöst von der CFAA-Frage (LegalClarity).

Der Gesamtkontext ist hier wichtig. Der Rechtsstreit zwischen hiQ Labs und LinkedIn endete im Dezember 2022 mit einem privaten Vergleich. hiQ stimmte einer dauerhaften Unterlassungserklärung zu: Einstellung des Web Scraping, Löschung sämtlichen Quellcodes und aller Daten sowie Zahlung von 500.000 $ Schadenersatz an LinkedIn (hiQ v. LinkedIn Wrapped Up: Web Scraping Lessons Learned) (ZwillGen). Die verschiedenen Entscheidungen im Vorfeld zeigen, dass unter bestimmten Umständen das Scraping öffentlich zugänglicher Websites nach dem CFAA zwar legal sein kann, aber dennoch Haftungsrisiken durch Vertragsverletzung oder Common-Law-Ansprüche bestehen (LinkedIn v. hiQ: Landmark Data Scraping Suit Provides Guidance to Data Scrapers and Web Operators – Tech & Sourcing @ Morgan Lewis) (Morgan Lewis). Mit anderen Worten: Die CFAA-Frage wurde in eine Richtung entschieden, die Vertragsfrage in die andere.

Robots.txt und Rate Limits

Robots.txt ist eine Datei, die automatisierten Tools mitteilt, welche Seiten eine Website erlaubt und welche nicht. Sie vor dem Scraping zu prüfen, ist Grundvoraussetzung. Auch die Drosselung Ihrer Anfragerate ist wichtig, denn ein Server, der mit Anfragen bombardiert wird, kann die Seite für echte Besucher:innen beeinträchtigen.

DSGVO-Aspekte

Beim Scraping personenbezogener Daten von Personen in der EU kommt die DSGVO ins Spiel. Für B2B-Prospecting bietet die Rechtsgrundlage des berechtigten Interesses nach Art. 6 Abs. 1 lit. f, gestützt durch Erwägungsgrund 47 mit ausdrücklicher Erwähnung von Direktwerbung, eine rechtliche Grundlage für B2B-Cold-Outreach in der EU, solange Sie einen echten geschäftlichen Grund nachweisen und das Widerspruchsrecht respektieren (Ist Cold Email unter der DSGVO legal? Ja, für B2B — so geht's | Is Cold Email Legal?) (Is Cold Email Legal). Berechtigtes Interesse ist allerdings kein Freifahrtschein. Organisationen müssen eine Interessenabwägung durchführen und ihre Argumentation dokumentieren (GDPR Compliance for B2B Sales: Guide | Cleanlist).

lemlist ist auf der Outreach-Seite DSGVO-konform, aber den Schritt der Datenerhebung sollten Sie mit Ihrer Rechtsabteilung besprechen, wenn Sie die EU als Zielmarkt haben.

Gescrapte Prospect-Daten in Outbound-Kampagnen verwandeln

Eine saubere CSV zählt erst, wenn daraus echte Gespräche werden. Das ist die letzte Meile: Leads vom Spreadsheet in die Sequenz bringen.

Mit lemlist laden Sie Ihre CSV hoch und starten Multichannel-Sequenzen über E-Mail, LinkedIn, Anrufe, SMS und WhatsApp aus einem einzigen Prozess. Die Plattform synchronisiert sich mit HubSpot und Salesforce, damit Datensätze aktuell bleiben, und eine Unified Inbox ermöglicht Ihnen die Verwaltung aller Antworten, egal über welchen Kanal oder welches Postfach sie eingehen. lemwarm, in jedem Tarif enthalten, hält Ihre Deliverability stabil, auch wenn Sie in großem Volumen versenden.

Der gesamte Ablauf sieht so aus: Scrapen mit dem Claude Skill, anreichern in lemlist, Kampagne starten, Antworten in einer Inbox verwalten. Was früher 45 Minuten Tab-Hopping gekostet hat, dauert jetzt unter zwei Minuten (Die besten Sales-Intelligence-Plattformen 2026 im Vergleich).

Jetzt sind Sie dran

Die Kurzversion: URL auswählen, Claude Skill installieren, Scraping starten, Daten in lemlist bereinigen und loslegen. Der gesamte Prozess - von einer Webseite bis zur fertigen Multichannel-Kampagne - läuft jetzt in einem einzigen Workflow.

Starten Sie mit einer einzelnen Verzeichnisseite, von der Sie wissen, dass dort gute Prospects zu finden sind. Lassen Sie den Skill laufen, prüfen Sie die CSV stichprobenartig und importieren Sie sie in lemlist, um Enrichment und Verifizierung live zu erleben. Nach einem Testlauf wissen Sie, ob das Ihren bisherigen Prozess ersetzt.

14 Tage kostenlos testen, keine Kreditkarte erforderlich, jederzeit kündbar.

Website Scraper Claude Skill auf GitHub ansehen →