Jobbörsen scrapen und neue Stellenanzeigen überwachen

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, damit Du die Ergebnisse bei wiederholten Suchen vergleichen kannst.

Ich empfehle, zwischen zwei Zielen zu unterscheiden: neue Unternehmen mit offenen Stellen finden und neue Positionen bei bereits bekannten Unternehmen überwachen. Für das erste Ziel kann es sinnvoll sein, bereits gefundene Unternehmen auszuschließen. Beim zweiten würdest Du dadurch jedoch neue Stellenanzeigen verpassen.

Dieser Guide zeigt Dir filterbasierte und unternehmensbasierte Suchen, die verfügbaren Datenfelder und einen Workflow für wiederkehrende Suchen, mit dem Du neue Anzeigen verfolgen kannst, 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 👈🏽

Das erwartet Dich in diesem Artikel

• Mit welcher Methode ich 19 Jobbörsen gleichzeitig scrape
• Welche Jobbörsen Datablist für Dich scrapet
• Stellenanzeigen Schritt für Schritt aus mehreren Jobbörsen scrapen
• Stellenanzeigen von Unternehmen aus Deinem CRM scrapen
• Warum Du mehrere Jobbörsen statt nur einer scrapen solltest
• Wie Du Jobdaten mit Datablist für Sales und Marketing nutzt

Methode zum gleichzeitigen Scrapen von 19 Jobbörsen

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

• Für jede Jobbörse selbst einen Scraper erstellen und Dich mit kompliziertem Code herumschlagen
• Den Jobbörsen-Scraper von Datablist verwenden, der 19 Jobbörsen weltweit aggregiert

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

💡 Was ist Datablist?

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

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

1. Lead-Listen erstellen
2. E-Mails mit AI personalisieren
3. CRM-Daten 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 die Lösung 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: Global 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 Arbeitsmärkte im Nahen Osten
  • JobsDB: 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 Tech-Positionen 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 Stellen bei Early-Stage-Unternehmen in Nordamerika
• ATS-Systeme (Applicant 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: Anleitung

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 zunächst 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.

Filter für Jobs und Unternehmen

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

Prüfe die ersten Ergebnisse, bevor Du die Suche erweiterst. Nur weil Python in einer Beschreibung erwähnt wird, bedeutet 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 Phrasen. Ein Titel gilt als Treffer, wenn alle Wörter einer Phrase enthalten sind – unabhängig von Groß- und Kleinschreibung sowie Reihenfolge. data engineer kann beispielsweise mit Senior Data Platform Engineer übereinstimmen.
• Exclude Job Title Keywords entfernt passende Titel, etwa Positionen mit dem Begriff intern.
• Job Description Keywords gleicht standardmäßig vollständige Wörter als Klartext ab. 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 eingeschlossenen Muster statt nur eines davon vorkommen müssen. Für eine einfache Keyword-Suche solltest Du Regex deaktiviert lassen.
• Exclude Job Description Keywords verwendet den von Dir ausgewählten Abgleichmodus für Beschreibungen.

Wähle Arbeitsort und Jobstatus:

• Job Locations filtert nach Städten oder Regionen, Countries nach dem Land der Stelle. Für den Unternehmenshauptsitz gibt es einen separaten 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 zurückgeben. Für eine aktuelle Recruiting-Liste solltest Du offene Stellen wählen.
• Only with Recruiter Info beschränkt die Ergebnisse auf Anzeigen 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 durchsucht Unternehmen aus einer Collection. Mehr dazu findest Du im Workflow für Unternehmenslisten.
• Exclude Job Postings posted by a specific list of Companies schließt alle Anzeigen der ausgewählten Unternehmensdomains aus. Nutze diese Option für Unternehmen, die Du bewusst nicht in den Ergebnissen sehen möchtest.
• Zu den Unternehmensfiltern gehören Company Type, Company Industries, Company Funding Stage sowie Standort oder Land des Hauptsitzes.
• Max Age begrenzt das Alter einer Stellenanzeige. Posted On or After und Posted On or Before definieren einen exakten Zeitraum und überschreiben Max Age, wenn sie gesetzt sind.
• Limit begrenzt die Zahl der zurückgegebenen Stellenanzeigen. Der Standardwert liegt bei 1.000, maximal sind 2.000 pro Suche möglich. Wenn Du dieses Limit erreichst, solltest Du engere Suchen prüfen und nicht davon ausgehen, dass Du alle passenden Jobs erfasst hast.

Unternehmen ausschließen, die Du nicht überwachen möchtest

Unternehmen auszuschließen ist sinnvoll, wenn Du aktive Kunden oder Firmen außerhalb Deiner Zielgruppe entfernen möchtest. Es handelt sich dabei nicht um eine 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 festgelegt hast, klicke auf Continue.

Datablist gibt die folgenden Datenpunkte zurück:

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

Wenn der Scraper fertig ist, sehen die Ergebnisse so aus:

Stellenanzeigen anhand einer Unternehmensliste suchen

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

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

Registriere Dich zunächst 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 Deine hochgeladene Liste unter Datablist Collection aus.
3. Ordne Datablist Collection Property der Spalte mit der Unternehmenswebsite, dem Unternehmensnamen oder der LinkedIn-Unternehmens-URL zu. Wenn möglich, empfehle ich Websites, um Verwechslungen bei ähnlichen Unternehmensnamen zu vermeiden.
4. Lege mithilfe unserer Filter fest, welche Stellenanzeigen Du scrapen möchtest. Klicke hier, um alle Filter anzusehen.

Nach demselben Prinzip kannst Du auch eine Collection mit Unternehmenswebsites oder Domains anlegen, die aus der Suche ausgeschlossen werden sollen.

💡 3 nützliche Tipps zum Scrapen von Jobbörsen

Tipp 1: Schließe aktive Kunden aus Deiner Suche nach Stellenanzeigen aus, um peinliche Situationen zu vermeiden.

Tipp 2: Nimm frühere Kunden in die Suche auf, um sie gezielt zu reaktivieren.

Tipp 3: Du kannst Unternehmen nicht nur anhand ihrer Domains, sondern auch mit Website-URLs und Unternehmensnamen filtern oder ausschließen.

Wenn alles eingerichtet ist, klicke auf Continue.

Scrolle nun 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. Für 100 zurückgegebene Anzeigen fallen also 1.000 Credits an. Prüfe vor einer großen oder wiederkehrenden Suche Dein Credit-Guthaben und die aktuellen Tarifoptionen.

Neue Stellenanzeigen mit wiederholten Suchen überwachen

Für eine wiederkehrende Jobsuche brauchst Du einen stabilen Vergleichsschlüssel und ein Zeitfenster – ein täglicher Durchlauf allein reicht nicht. Ich würde mit einer täglichen Suche über die vergangenen sieben Tage beginnen und die Überschneidung anschließend an Deinen Markt anpassen. Durch diese Überschneidung können verspätet indexierte Anzeigen noch erfasst werden. Allerdings 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. Behalte dasselbe Unternehmen in Deiner Monitoring-Liste. Eine andere Job-ID dieses Unternehmens ist eine neue, relevante Stellenanzeige und kein Unternehmensduplikat, das Du verwerfen solltest.
4. Halte in Deiner eigenen Tracking-Datei fest, wann Du eine Anzeige erstmals gefunden hast, falls Du diese Information benötigst. Date Posted bezeichnet das Veröffentlichungsdatum, 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 trotzdem ähnliche Stellen beschreiben. Führe sie nicht automatisch zusammen, nur weil ihre Titel übereinstimmen.

Für einen automatisierten Import im Growth-Tarif wählst Du im Source Scheduler eine tägliche Frequenz sowie Uhrzeit und Zeitzone aus und klickst anschließend auf Schedule Import. Konfiguriere die Behandlung von Duplikaten, bevor Du den Zeitplan aktivierst. Alternativ kannst Du die Suche manuell wiederholen. Die Deduplizierung gespeicherter Zeilen macht die vom Datenanbieter zurückgegebenen Ergebnisse nicht kostenlos. Berücksichtige die zeitliche Überschneidung daher in Deinem Credit-Budget.

Wenn beispielsweise jede von 30 täglichen Suchen 100 Stellenanzeigen zurückgibt, bezahlst Du für insgesamt 3.000 Ergebnisse: 30 × 100 × 10 = 30.000 Credits. Selbst wenn nach der Deduplizierung nur 400 unterschiedliche Job-IDs übrig bleiben, betragen die Suchkosten weiterhin 30.000 Credits. Diese Zahlen dienen nur als Beispiel. Plane Dein Budget für den nächsten Monat anhand der tatsächlich zurückgegebenen Jobs.

Gehe nicht davon aus, dass eine Stelle geschlossen wurde, nur weil sie in einer Suche nicht mehr auftaucht. Möglicherweise liegt sie außerhalb Deines Zeitfensters, Deiner Filter oder des Ergebnislimits. Nutze Job Status und das zurückgegebene Feld Closed At, um geschlossene Stellen zu prüfen, 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 wertvoll – manche sind relevant, andere nicht.

Warum mehr Datenquellen entscheidend sind

Wenn Du mehr Jobbörsen scrapest, erhältst Du mehr Stellenanzeigen und erhöhst damit Deine Chance, relevante Daten zu finden. Durch die breitere Abdeckung verpasst Du keine wertvollen Chancen, die sich auf unterschiedlichen Plattformen verbergen.

Vorteile des Scrapens mehrerer Jobbörsen

• Größeres Datenvolumen
  • Stellenanzeigen aus mehreren Quellen vergleichen
  • Mehr Chancen bei Zielunternehmen entdecken
• Strategische Business Intelligence
  • Unternehmen mit akutem Bedarf identifizieren, der sich in Stellenanzeigen zeigt
  • Target Accounts anhand ihrer aktuellen Prioritäten auswählen
  • Hiring-Signale als Qualifizierungsvariablen in Cold-Email-Kampagnen einsetzen
• Wettbewerbsvorteile
  • Als Recruiter effizienter Deals gewinnen
  • Jobsuchenden umfassendere Insights bieten
  • Recruiting-Trends vor der Konkurrenz erkennen
  • Den Markt besser abdecken als mit nur einer Jobbörse
  • Potenzielle Kunden genau dann ansprechen, wenn sie in Wachstum investieren

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

Was Du mit Jobdaten machen kannst

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

1. Unternehmen mit zusätzlichen Daten anreichern
2. Mit dem AI Agent nach Informationen suchen, die in keiner Datenbank stehen
3. Entscheidungsträger finden in Deinen Target Accounts
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 einem einzigen erschwinglichen Abonnement erhältst Du Zugang zu einem kompletten Lead-Generation-Ökosystem.

Fazit

Mehrere Jobbörsen zu scrapen verschafft Dir einen Wettbewerbsvorteil, den Du nutzen solltest, solange Du kannst. 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 gespeichert sind.

FAQ

Wie funktioniert Job Scraping in diesem Workflow?

Datablist fragt die aggregierte Jobdatenbank eines Datenanbieters mit Deinen Filtern ab und importiert die passenden Anzeigen anschließend als Zeilen. Das ist ideal für strukturierte Joblisten aus mehreren Quellen. Allerdings wird nicht garantiert, dass jede offene Stelle aus jeder Jobbörse enthalten ist. Bewahre deshalb die Quell-URLs auf und prüfe relevante Stellen, bevor Du weitere Schritte einleitest.

Was bedeutet Stellenanzeigen scrapen?

Stellenanzeigen zu scrapen bedeutet, mit automatisierten Tools Informationen aus Jobangeboten auf verschiedenen Websites zu extrahieren. Dabei werden Daten wie Jobtitel, Beschreibungen, Unternehmensdetails, Standort, Gehaltsspannen und weitere Angaben gesammelt.

Welches ist das beste Job-Scraping-Tool?

Datablist ist ein leistungsstarkes Job-Scraping-Tool, das gleichzeitig Stellenanzeigen aus 19 verschiedenen Jobbörsen aggregiert. Es bietet umfangreiche Filteroptionen für Jobdetails, Unternehmensinformationen und Hiring-Manager-Daten. Zusätzlich zum Scraping 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 Beschreibungen zu klassifizieren, relevante Anforderungen zu erkennen oder eine kurze Zusammenfassung für Deine Account-Recherche zu erstellen. Bewahre die Originalanzeige und die Quell-URL neben dem Ergebnis auf, damit Du nachvollziehen kannst, welche Informationen das Modell verwendet hat. Im Guide zur AI-Klassifizierung findest Du Regeln für Labels und Reviews.

Wie nutze ich gescrapte Jobdaten für Outreach?

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

Welche Daten liefert das Scrapen von Jobbörsen?

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

Wie viele Jobbörsen sollte ich scrapen?

Mehrere Jobbörsen zu scrapen liefert deutlich bessere Ergebnisse, als sich auf eine einzige Quelle zu verlassen. Tools wie Datablist können 19 Jobbörsen gleichzeitig scrapen. Dadurch erhältst Du eine umfassendere Marktabdeckung, findest mehr potenzielle Kunden und erkennst Recruiting-Trends früher als Deine Konkurrenz.