Jobbörsen scrapen und neue Stellenanzeigen tracken

Um Jobbörsen mit Datablist zu scrapen, öffnest Du Job Postings Search, wählst Deine Keywords und Länder aus und importierst die passenden Stellenanzeigen in eine Collection. Du kannst auch gezielt nach offenen Stellen bei Unternehmen aus Deinem CRM suchen. Behalte Job-ID, Unternehmenswebsite und Veröffentlichungsdatum bei, damit Du die Ergebnisse bei wiederholten Suchen vergleichen kannst.

Ich empfehle, zwei Ziele voneinander zu trennen: neue Unternehmen zu finden, die gerade einstellen, und neue Stellen bei bereits bekannten Unternehmen zu beobachten. Für das erste Ziel kann es sinnvoll sein, bereits gefundene Unternehmen auszuschließen. Beim zweiten würdest Du dadurch jedoch neue Jobs übersehen.

Dieser Guide erklärt die Suche anhand von Filtern und Unternehmenslisten, zeigt Dir die verfügbaren Datenfelder und beschreibt einen Workflow für wiederkehrende Suchen, mit dem Du neue Stellenanzeigen trackst, ohne denselben Job doppelt zu zählen.

📺 Für alle, die lieber Videos schauen

Wenn Du wie ich lieber zuschaust als liest, sieh Dir mein Video darüber an, wie Du Stellenanzeigen aus 19 Jobbörsen gleichzeitig scrapest 👈🏽

Darum geht es in diesem Artikel

• So funktioniert das gleichzeitige Scraping von 19 Jobbörsen
• Diese Jobbörsen scrapet Datablist für Dich
• Mehrere Jobbörsen gleichzeitig scrapen: Schritt für Schritt
• Stellenanzeigen von Unternehmen aus Deinem CRM scrapen: Schritt für Schritt
• Warum Du mehrere Jobbörsen statt nur einer scrapen solltest
• So nutzt Du Jobdaten mit Datablist für Sales und Marketing

Methode zum gleichzeitigen Scrapen von 19 Jobbörsen

Wenn Du 19 Jobbörsen gleichzeitig scrapen möchtest, hast Du zwei Möglichkeiten:

• Du entwickelst selbst einen Scraper für jede einzelne Jobbörse und schlägst Dich mit komplexem Code herum
• Du nutzt den Jobbörsen-Scraper von Datablist, der 19 Jobbörsen weltweit bündelt

Datablist durchsucht über seinen Datenanbieter eine aggregierte Jobdatenbank. Deine Suche liefert passende, bereits indexierte Stellenanzeigen – die aufgeführten Jobbörsen werden also nicht bei jeder Anfrage komplett neu gecrawlt. Abdeckung und verfügbare Felder können je nach Stellenanzeige variieren. Prüfe deshalb die Quell-URLs der Jobs, die Du verwenden möchtest.

💡 Was Datablist ist

Datablist ist eine Plattform zum Aufbau von Lead-Generation-Workflows. Damit kannst Du Daten mit mehr als 60 verschiedenen Tools finden, anreichern und bereinigen – von AI Agents und Email Finders über AI processors bis hin zu Technology enrichments und vielem mehr.

Darüber hinaus kannst Du mit Datablist automatisierte Workflows einrichten, die nach Zeitplan oder bei Bedarf ausgeführt werden. Diese praktischen Anwendungsfälle sind bei Datablist-Nutzern besonders beliebt:

1. Lead-Listen erstellen
2. E-Mails mit AI personalisieren
3. CRMs bereinigen und deduplizieren
4. Stellenanzeigen aus 19 Jobbörsen gleichzeitig scrapen
5. LinkedIn-Sales-Navigator-Suchen scrapen, ohne Deinen Account zu riskieren

Der Punkt dürfte klar sein: Wenn Du Daten beschaffen oder bereinigen beziehungsweise datenbasierte Workflows automatisieren möchtest und das Ganze einfach, schnell und zuverlässig sein soll, bist Du bei Datablist richtig.

Diese Jobbörsen scrapet Datablist

Datablist bietet gegenüber anderen Jobdaten-Scrapern einige besondere Vorteile. Die Plattform aggregiert Daten aus 19 Jobbörsen gleichzeitig. So sparst Du viele Stunden für Einrichtung und Wartung, die Du sonst in einzelne Scraper investieren müsstest.

Diese Jobbörsen werden gescrapet:

Globale Jobbörsen:

• Indeed: Weltweit führend und in den meisten Ländern und Branchen stark vertreten.
• Glassdoor: International präsent, mit einem starken Fokus auf Unternehmensbewertungen neben Stellenanzeigen

Regionale Jobbörsen:

• Asien und Ozeanien
  • Seek: Marktführer in Australien und Neuseeland
  • Naukri: Marktführer in Indien mit Millionen von Stellenanzeigen
  • Naukri Gulf: Spezialisiert auf die Arbeitsmärkte im Nahen Osten
  • JobsDB: Besonders stark in südostasiatischen Ländern vertreten
  • Jobstreet: Beliebt in Malaysia, auf den Philippinen, in Singapur und weiteren asiatischen Märkten
• Europa
  • Infojobs: Führend in Spanien und Teilen Lateinamerikas
  • Tecnoempleo: Auf Spanien und insbesondere auf Tech-Stellen spezialisiert
  • Welcome to The Jungle: Große Plattform in Frankreich, die in weitere europäische Märkte expandiert

Nischen-Jobbörsen und ATS-Systeme:

• Startup-Ökosystem
  • AngelList (heute Wellfound): Konzentriert sich vor allem auf Startup-Jobs in der US-Tech-Szene
  • Startup Jobs: Spezialisiert auf Positionen bei jungen Unternehmen in Nordamerika
• ATS-Systeme (Application Tracking Systems)
  • Workable, Greenhouse, Lever, Ashby, Join, BambooHR, SimplyHired: Auch diese Systeme werden von Datablist gescrapet, damit Du einen noch größeren Teil des Arbeitsmarkts abdeckst

Mehrere Jobbörsen gleichzeitig scrapen: Schritt für Schritt

Bei Datablist möchten wir Nutzern möglichst viel Kontrolle darüber geben, welche Daten sie erhalten und wie sie diese beschaffen.

Deshalb bieten wir Dir zwei Möglichkeiten, Stellenanzeigen zu scrapen:

1. Mit den Suchfiltern von Datablist
2. Anhand einer Unternehmensliste nach Stellenanzeigen suchen

Mehrere Jobbörsen mit Filtern scrapen

In diesem Abschnitt zeige ich Dir, wie Du die Filter des Jobbörsen-Aggregators von Datablist nutzt, um Stellenanzeigen nach Keywords, Senioritätsstufen, Standorten und weiteren Kriterien zu finden.

Los geht’s!

Registriere Dich zuerst bei Datablist.

Erstelle eine Collection.

Klicke auf Job Postings Search.

Konfiguriere die Filter für die gewünschten Jobs. Die aktuellen Einstellungen unten können von den älteren Screenshots abweichen.

Job- und Unternehmensfilter

Beginne mit einer gezielten Suche. Wenn Du beispielsweise Python-Jobs im Vereinigten Königreich finden möchtest, trägst Du unter Job Description Keywords den Begriff python ein, wählst bei Countries das Vereinigte Königreich aus, belässt Job Status auf Only Open Jobs (default), wählst unter Max Age die Option Last 7 days und setzt Limit beim ersten Durchlauf auf 100.

Prüfe zunächst die ersten Ergebnisse, bevor Du die Suche erweiterst. Nur weil Python in einer Stellenbeschreibung erwähnt wird, heißt das nicht automatisch, dass die Hauptaufgabe der Position in der Python-Entwicklung besteht.

Lege fest, wie Keywords abgeglichen werden:

• Job Title Keywords akzeptiert durch Kommas getrennte Wortgruppen. Ein Titel gilt als Treffer, wenn alle Wörter einer Wortgruppe darin vorkommen – unabhängig von Groß- und Kleinschreibung sowie der Reihenfolge. data engineer kann somit auch Senior Data Platform Engineer finden.
• Exclude Job Title Keywords entfernt passende Jobtitel, etwa Positionen mit dem Begriff intern.
• Job Description Keywords sucht standardmäßig im Klartext nach vollständigen Wörtern. sales findet sales manager, aber nicht Salesforce.
• Use Regex for Description Matching aktiviert reguläre Ausdrücke. In diesem Modus kannst Du mit Require All Description Patterns festlegen, dass alle angegebenen Muster statt nur eines davon vorkommen müssen. Für eine einfache Keyword-Suche lässt Du Regex deaktiviert.
• Exclude Job Description Keywords verwendet den von Dir ausgewählten Abgleichmodus für die Stellenbeschreibung.

Wähle Arbeitsort und Jobstatus:

• Job Locations filtert nach Städten oder Regionen, Countries nach dem Land der Stelle. Der Unternehmenssitz ist ein separater Filter.
• Workplace Types bietet die Optionen On-site, Hybrid und Remote. Mit Employment Types filterst Du nach Vollzeit, Teilzeit, Vertragsarbeit und weiteren Beschäftigungsarten.
• Job Seniority filtert nach Erfahrungsstufen.
• Job Status kann offene, geschlossene oder alle Stellen liefern. Für eine aktuelle Recruiting-Liste solltest Du offene Stellen wählen.
• Only with Recruiter Info beschränkt die Ergebnisse auf Stellenanzeigen mit Recruiter-Informationen. Bei manchen Jobs sind diese Angaben nur teilweise vorhanden. Prüfe daher die zurückgegebenen Felder.

Wähle Unternehmen und Zeitraum:

• Filter Job Postings for a specific list of Companies sucht nach Unternehmen aus einer Collection. Weitere Informationen findest Du im Workflow für Unternehmenslisten.
• Exclude Job Postings posted by a specific list of Companies schließt sämtliche Anzeigen der ausgewählten Unternehmensdomains aus. Nutze diese Option für Unternehmen, die bewusst nicht in Deinen Ergebnissen erscheinen sollen.
• Zu den Unternehmensfiltern gehören Company Type, Company Industries, Company Funding Stage sowie Standort oder Land des Unternehmenssitzes.
• Max Age begrenzt das Alter einer Stellenanzeige. Posted On or After und Posted On or Before definieren einen exakten Zeitraum und überschreiben Max Age, sobald sie gesetzt sind.
• Limit begrenzt die Anzahl der zurückgegebenen Stellenanzeigen. Der Standardwert liegt bei 1.000, möglich sind bis zu 2.000 Ergebnisse pro Suche. Wenn Du dieses Limit erreichst, solltest Du enger gefasste Suchen prüfen, statt davon auszugehen, dass Du jeden passenden Job erfasst hast.

Unternehmen ausschließen, die Du nicht beobachten möchtest

Der Ausschluss von Unternehmen ist praktisch, um aktive Kunden oder Firmen außerhalb Deiner Zielgruppe zu entfernen. Er ist jedoch keine Deduplizierung auf Jobebene. Wenn Du ein gestern gefundenes Unternehmen ausschließt, wird auch eine andere Stelle ausgeblendet, die dieses Unternehmen morgen veröffentlicht.

So richtest Du eine Ausschlussliste für Unternehmen ein:

1. Aktiviere Exclude Job Postings posted by a specific list of Companies.
2. Wähle unter Datablist Collection die Ausschlussliste aus.
3. Ordne Datablist Collection Property der Spalte mit der Unternehmenswebsite oder Domain zu.

Suche nach Stellenanzeigen starten

Wenn Du alle Filter eingerichtet hast, klickst Du auf Continue.

Datablist liefert Dir folgende Datenpunkte:

Scrolle ans Ende der Seite und klicke auf Run import now.

Nach Abschluss des Scraping-Vorgangs sehen die Ergebnisse so aus:

Stellenanzeigen anhand einer Unternehmensliste suchen

Wie bereits erwähnt, kannst Du mit dieser Option Stellenanzeigen von Unternehmen scrapen, die sich schon in Deinem Datablist-Workspace, CRM oder einer anderen Datenbank befinden.

Dafür benötigst Du in einer Datablist-Collection den Unternehmensnamen, die LinkedIn-URL des Unternehmens oder die Website-URL.

Registriere Dich zuerst bei Datablist.

Importiere eine Unternehmensliste.

Erstelle eine separate Collection.

Öffne Job Postings Search.

Gehe jetzt wie folgt vor:

1. Aktiviere Filter Job Postings for a specific list of Companies.
2. Wähle unter Datablist Collection Deine hochgeladene Liste aus.
3. Ordne Datablist Collection Property der Spalte mit der Unternehmenswebsite, dem Namen oder der LinkedIn-Unternehmens-URL zu. Wenn Websites verfügbar sind, empfehle ich diese, da Unternehmensnamen mehrdeutig sein können.
4. Lege mithilfe unserer Filter fest, welche Stellenanzeigen Du scrapen möchtest. Klicke hier, um alle Filter zu sehen.

Nach demselben Prinzip kannst Du auch eine Collection mit Unternehmenswebsites oder Domains erstellen, die von der Stellensuche ausgeschlossen werden sollen.

💡 3 praktische Tipps zum Scrapen von Jobbörsen

Tipp 1: Schließe aktive Kunden aus Deiner Stellensuche aus, um peinliche Situationen zu vermeiden.

Tipp 2: Nimm ehemalige Kunden in Deine Stellensuche auf, um die Geschäftsbeziehung wiederzubeleben.

Tipp 3: Du kannst Unternehmen nicht nur über Domains, sondern auch über Website-URLs und Unternehmensnamen ein- oder ausschließen.

Wenn alles eingerichtet ist, klickst Du auf Continue.

Scrolle jetzt ans Ende der Seite und klicke auf Run import now.

Prüfe nach Abschluss des Imports die passenden Stellenanzeigen und ihre Quell-URLs. Welche Jobs Du erhältst, hängt von den Suchfiltern, dem Ergebnislimit und der indexierten Abdeckung ab.

📘 Credits für die Jobsuche

Jede zurückgegebene Stellenanzeige kostet 10 Credits. 100 Ergebnisse kosten beispielsweise 1.000 Credits. Prüfe vor einer umfangreichen oder wiederkehrenden Suche Dein Credit-Guthaben und die aktuellen Tarifoptionen.

Neue Stellenanzeigen bei wiederholten Suchen tracken

Für eine wiederkehrende Jobsuche brauchst Du einen stabilen Vergleichsschlüssel und ein Zeitfenster – ein täglicher Durchlauf allein reicht nicht aus. Ich würde mit einer täglichen Suche für die vergangenen sieben Tage beginnen und die Überschneidung anschließend an Deinen Markt anpassen. Durch diese Überschneidung haben verspätet erfasste Anzeigen eine weitere Chance, in den Ergebnissen aufzutauchen. Gleichzeitig kann derselbe Job dadurch mehrfach zurückgegeben werden.

1. Behalte Job Posting Id, Job Posting URL, Company Website und Date Posted in Deinen Ergebnissen.
2. Vergleiche jeden neuen Batch anhand von Job Posting Id mit den vorherigen Batches. Nutze die Einstellungen für eindeutige Properties, um doppelte Werte zu verhindern, oder prüfe Duplikate, bevor Du Exporte zusammenführst.
3. Lass ein Unternehmen in Deiner Monitoring-Liste. Eine andere Job-ID desselben Unternehmens ist eine neue, prüfenswerte Stellenanzeige und kein Unternehmensduplikat, das Du verwerfen solltest.
4. Erfasse in Deiner eigenen Tracking-Datei, wann Du eine Anzeige zum ersten Mal gesehen hast, falls Du diese Information benötigst. Date Posted bezeichnet das Veröffentlichungsdatum und nicht den Zeitpunkt, zu dem Dein Workflow die Anzeige entdeckt hat.
5. Prüfe fehlende IDs und vermeintliche Reposts anhand von Titel, Unternehmen, Standort und URL. Unterschiedliche IDs können dennoch ähnliche Stellen beschreiben. Führe sie deshalb nicht automatisch zusammen, nur weil der Titel übereinstimmt.

Für einen automatisierten Import im Growth-Tarif wählst Du im Source Scheduler eine tägliche Frequenz, eine Uhrzeit und eine Zeitzone aus und klickst anschließend auf Schedule Import. Konfiguriere die Duplikatbehandlung, bevor Du den Zeitplan aktivierst. Du kannst die Suche auch manuell wiederholen. Durch das Deduplizieren gespeicherter Zeilen werden erneut zurückgegebene Ergebnisse des Datenanbieters nicht kostenlos. Berücksichtige die Überschneidung daher in Deinem Credit-Budget.

Schließe nicht daraus, dass eine Stelle geschlossen wurde, nur weil sie bei einer Suche nicht mehr erscheint. Möglicherweise liegt sie außerhalb Deines Zeitfensters, Deiner Filter oder des Ergebnislimits. Nutze Job Status und das zurückgegebene Feld Closed At, wenn Du geschlossene Stellen prüfst, und verifiziere wichtige Jobs auf ihren Quellseiten.

Warum Du 19 Jobbörsen scrapen solltest

Hast Du schon einmal jemanden sagen hören: „Ich habe zu viele Daten“? Ich auch nicht, denn Daten sind Gold wert. In einem Punkt sind wir uns aber wohl alle einig: Nicht alle Daten sind gleich viel wert – manche sind relevant, andere nicht.

Warum mehr Datenquellen wichtig sind

Wenn Du mehr Jobbörsen scrapest, erhältst Du mehr Stellenanzeigen und erhöhst damit Deine Chance, nützliche Daten zu finden. Durch diese breitere Suche entgehen Dir keine wertvollen Chancen, die sich auf verschiedenen Plattformen verbergen.

Vorteile des Job-Scrapings über mehrere Plattformen

• Größeres Datenvolumen
  • Stellenanzeigen aus mehreren Quellen vergleichen
  • Mehr Chancen bei Zielunternehmen entdecken
• Strategische Business Intelligence
  • Unternehmen mit akutem Bedarf erkennen, auf den ihre Stellenanzeigen hindeuten
  • Ziel-Accounts anhand ihrer aktuellen Prioritäten ansprechen
  • Die Daten als Qualifizierungsmerkmale in Cold-Email-Kampagnen nutzen
• Wettbewerbsvorteile
  • Als Recruiter effizienter Deals gewinnen
  • Jobsuchenden umfassendere Einblicke bieten
  • Recruiting-Trends vor dem Wettbewerb erkennen
  • Den Markt besser abdecken als mit der Suche auf nur einer Jobbörse
  • Potenzielle Kunden genau dann erreichen, wenn sie in Wachstum investieren

Jetzt weißt Du, warum diese Daten so wertvoll sind. Sehen wir uns als Nächstes an, was Du damit machen kannst.

So nutzt Du Jobdaten

Ja, Datablist eignet sich hervorragend zum Scrapen von Jobbörsen, doch das ist nicht einmal 1 % von dem, was die Plattform für Dich tun kann. Hier sind einige Ideen, wie Du die Daten aus Stellenanzeigen jetzt nutzen kannst:

1. Unternehmen mit zusätzlichen Daten anreichern
2. Mit dem AI Agent nach Informationen suchen, die in keiner Datenbank zu finden sind
3. Entscheidungsträger in Ziel-Accounts finden
4. Mit Waterfall Enrichment E-Mail-Adressen und Telefonnummern finden
5. Mit AI personalisierte E-Mails verfassen
6. Den Tech-Stack eines Unternehmens analysieren

Diese Liste ließe sich beliebig fortsetzen. Entscheidend ist: Datablist ist nicht nur ein Scraping-Tool. Mit nur einem bezahlbaren Abo erhältst Du Zugang zu einem kompletten Lead-Generation-Ökosystem.

Fazit

Das Scrapen mehrerer Jobbörsen verschafft Dir einen Wettbewerbsvorteil, den Du so lange wie möglich nutzen solltest. Datablist macht den Zugang zu Jobdaten einfacher als andere Tools und ermöglicht Dir sogar, gezielt nach Stellenanzeigen bei Unternehmen zu suchen, die bereits in Deinem CRM stehen.

FAQ

Wie funktioniert Job-Scraping in diesem Workflow?

Datablist fragt die aggregierte Jobdatenbank eines Anbieters mit Deinen Filtern ab und importiert passende Stellenanzeigen anschließend als Zeilen. Das eignet sich für strukturierte Joblisten aus verschiedenen Quellen. Es gibt jedoch keine Garantie, dass jede freie Stelle aus jeder Jobbörse erfasst wird. Bewahre deshalb die Quell-URLs auf und prüfe relevante Stellen, bevor Du darauf reagierst.

Was bedeutet das Scrapen von Stellenanzeigen?

Beim Scrapen von Stellenanzeigen werden automatisierte Tools eingesetzt, um Informationen aus Jobangeboten auf verschiedenen Websites zu extrahieren. Dabei werden Daten wie Jobtitel, Stellenbeschreibung, Unternehmensdetails, Standort und Gehaltsspanne gesammelt.

Welches ist das beste Job-Scraping-Tool?

Datablist ist ein leistungsstarkes Job-Scraping-Tool, das Stellenanzeigen aus 19 verschiedenen Jobbörsen gleichzeitig aggregiert. Es bietet umfangreiche Filteroptionen für Jobdetails, Unternehmensinformationen und Daten zu Hiring Managern. Über das Scraping hinaus stehen Dir Datenanreicherung, AI-gestützte Suche und Automatisierungsfunktionen zur Verfügung.

Kann ich Stellenanzeigen mit AI analysieren?

Ja. Nach dem Import kannst Du ein AI Enrichment verwenden, um Stellenbeschreibungen zu klassifizieren, relevante Anforderungen zu erkennen oder eine kurze Zusammenfassung für Deine Account-Recherche zu erstellen. Lass die ursprüngliche Stellenanzeige und ihre Quell-URL neben dem Ergebnis stehen, damit Du nachvollziehen kannst, welche Informationen das Modell verwendet hat. Regeln für Labels und Reviews findest Du im Guide zur AI-Klassifizierung.

Wie nutze ich gescrapte Jobdaten für Outreach-Kampagnen?

Gescrapte Jobdaten liefern wertvolle Insights für gezielte Outreach-Kampagnen. Du kannst aktiv einstellende Unternehmen und damit Wachstumssignale erkennen, Entscheidungsträger finden, Kontaktdaten anreichern und mithilfe von AI personalisierte Nachrichten zu konkreten Anforderungen erstellen. Verifiziere das Recruiting-Signal, bevor Du es im Outreach verwendest, und verknüpfe es mit einem passenden Workflow zum Scrapen von Leads.

Welche Daten liefert das Scraping von Jobbörsen?

Job-Scraping-Tools wie Datablist können umfangreiche Daten extrahieren: Jobdetails wie Titel, Beschreibung, Beschäftigungsart, Standort und Gehalt, Unternehmensdaten wie Name, Website, LinkedIn, Größe und Branche, Angaben zum Hiring Manager wie Name, Position und LinkedIn-Profil sowie Metadaten wie das Veröffentlichungsdatum. Dieser umfassende Datensatz liefert wertvolle Business Intelligence.

Wie viele Jobbörsen sollte ich scrapen?

Das Scrapen mehrerer Jobbörsen liefert deutlich bessere Ergebnisse als die Beschränkung auf eine einzige Quelle. Tools wie Datablist können 19 Jobbörsen gleichzeitig scrapen. So erhältst Du eine breite Marktabdeckung, entdeckst mehr potenzielle Kunden und erkennst Recruiting-Trends früher als Deine Wettbewerber.