Firecrawl

Kurzfazit

Firecrawl ist die derzeit beliebteste Wahl, wenn du öffentliche Webseiten als sauberen Input für KI-Workflows brauchst. Eine URL rein, fertiges Markdown oder strukturiertes JSON raus — kein HTML-Parsing, kein Proxy-Setup, kein Rendering-Stress. Für RAG-Pipelines, KI-Agenten und Wettbewerber-Monitoring ist das ein echter Produktivitätshebel. Die Schattenseiten: US-Hosting in der Cloud, englischsprachige Dokumentation und das übliche Scraping-Kleingedruckte (DSGVO, Urheberrecht, AGB der Quellen) liegt komplett bei dir. Wer das ernst meint, hostet Firecrawl per Docker selbst.

Für wen ist Firecrawl?

Entwickler & KI-Agenten-Teams: Wer Retrieval-augmented Generation (RAG) oder agentische Workflows baut, bekommt mit Firecrawl die Datenakquise-Schicht praktisch geschenkt. Eine API-Zeile ersetzt eine eigene Scraping-Infrastruktur mit Headless-Browser, Proxy-Pool und Rate-Limiter.

Daten- und Marktforschungs-Teams: Wettbewerbs-Pricing, Produkt-Updates, Stellenanzeigen, Bewertungen — alles, was öffentlich im Web steht, wird in einem standardisierten Format verfügbar. Die Anbindung an Make.com oder n8n macht regelmäßige Snapshots ohne Code-Skripte möglich.

Agenturen & Freelancer: Für Kundenprojekte ist Firecrawl die schnelle Lösung, ohne eine eigene Crawler-Infrastruktur aufzubauen. Hobby- oder Standard-Plan reicht für die meisten Briefings.

Open-Source-Enthusiasten & Datenschutz-bewusste Unternehmen: Der Self-Hosted-Branch auf GitHub läuft per Docker auf eigener Hardware oder in der Hetzner-Cloud — damit bleiben sowohl die Anfragen als auch die gescrapeten Inhalte komplett in der eigenen Hand.

Weniger geeignet für: Klassische Marketing-Teams ohne Entwickler im Haus (No-Code-Tools wie Make.com oder n8n mit eigenem HTTP-Modul reichen für einfache Fälle), Anwälte und Steuerberater (rechtliche Risiken beim Scraping fremder Webseiten), und alle, die eine Klicki-Bunti-Oberfläche zum Konfigurieren erwarten.

Preise im Detail

Plan	Preis	Credits	Concurrency	Was du bekommst
Free	0 USD	500 (einmalig)	2	Erste Tests, Prototyping, kleine Nebenprojekte
Hobby	16 USD/Monat	3.000/Monat	5	Solo-Entwickler, gelegentliche Crawls
Standard	83 USD/Monat	100.000/Monat	50	Team-Workflows, regelmäßige Pipelines
Growth	333 USD/Monat	500.000/Monat	100	Hochfrequentes Monitoring vieler Quellen
Scale	599 USD/Monat	1.000.000/Monat	150	Produktive Daten-Pipelines, Daten-Produkte
Enterprise	Auf Anfrage	Custom	Custom	SLA, Priority Support, dediziertes Hosting
Self-Hosted	0 USD	unbegrenzt	abhängig von Hardware	Docker-Image aus dem GitHub-Repo, volle Datenkontrolle

Einordnung: Die 500 Free-Credits reichen für ernsthafte Tests, nicht für Produktion. Für die meisten KMU-Anwendungen ist Hobby ($16) genug — 3.000 Seiten pro Monat decken wöchentliche Wettbewerbs-Snapshots oder eine kleine RAG-Pipeline ab. Standard lohnt sich, sobald du tägliche Crawls mehrerer Quellen oder eine produktive Pipeline betreibst. Achtung beim /extract-Endpunkt: Die LLM-Extraktion verbraucht spürbar mehr Credits (1 Credit ≈ 15 Tokens), Kosten sollten vor jeder Skalierung mit einem Test-Run kalibriert werden. Wer Datenkontrolle ernst nimmt und einen Server administrieren kann, nutzt Self-Hosted — das ist nicht nur kostenlos, sondern auch DSGVO-freundlicher.

Stärken im Detail

Markdown statt HTML-Müll. Der Kern-Wert von Firecrawl: Du bekommst eine Webseite als sauber aufbereitetes Markdown zurück, ohne Skripte, Werbung, Cookie-Banner oder Navigations-Schrott. Das ist exakt das Format, das LLMs am liebsten verarbeiten — keine Token-Verschwendung mehr für <div class="…">-Salat.

JavaScript-Rendering ist kein Thema mehr. Moderne Single-Page-Apps (React, Vue, Angular) rendern Inhalte erst im Browser — klassische Scraper sehen leere Hüllen. Firecrawl betreibt im Hintergrund einen Headless-Browser, wartet auf das vollständige Rendern und liefert dir den finalen DOM-Inhalt. Für Shop-Seiten, App-Stores oder Bewertungsportale ist das essenziell.

Strukturierte Extraktion per LLM-Schema. Der /extract-Endpunkt nimmt eine URL plus ein JSON-Schema (oder einen Prompt) und gibt direkt strukturiertes JSON zurück — etwa Produktname, Preis, Verfügbarkeit, Bewertungen. Das spart einen kompletten Verarbeitungsschritt: Statt erst Markdown zu scrapen und dann ein zweites LLM für die Strukturierung zu bemühen, erledigt Firecrawl beides in einem Call.

Bulk-Crawl statt Einzel-URLs. Mit dem /crawl-Endpunkt fütterst du eine Domain und bekommst sie als komplette Markdown-Sammlung. Mit /map holst du nur die URL-Struktur einer Seite, ohne Inhalte zu laden — praktisch, um vorab zu sehen, was eine Crawl-Aktion kosten würde.

MCP-Server und Workflow-Integrationen. Firecrawl stellt einen Model-Context-Protocol-Server bereit, mit dem KI-Agenten in Claude Desktop, Cursor oder LangChain direkt scrapen können. Plus offizielle SDKs für Python, Node.js, Go und Rust sowie Module in Make.com, n8n und Zapier — die Integration in bestehende Workflows ist trivial.

Open Source und Self-Hosting. Der Kern liegt unter AGPL auf GitHub. Wer EU-Hosting, eigene Proxies oder vollständige Datenkontrolle braucht, klont das Repo, startet docker compose up und ist in unter einer Stunde live. Diese Option fehlt bei den meisten kommerziellen Konkurrenten.

Schwächen ehrlich betrachtet

Credit-System ist schwer zu kalkulieren. Ein einfacher /scrape-Call kostet 1 Credit, ein /crawl deutlich mehr (abhängig von Tiefe und Seitenanzahl), und /extract verbraucht je nach Antwortlänge variabel — 1 Credit entspricht etwa 15 Tokens. Wer das Pricing nicht vor der Skalierung mit einem Test-Run misst, wundert sich am Monatsende. Workaround: Erst auf Hobby starten, /map zur Vorab-Schätzung nutzen, dann sauber budgetieren.

US-Datenhosting in der Cloud, ohne EU-Option. Die kommerzielle Cloud läuft auf US-Infrastruktur. Für Unternehmen unter strikter DSGVO oder Berufsgeheimnis (Anwälte, Ärzte, Banken) ist das ein Hindernis. Die ehrliche Antwort heißt Self-Hosting — den Workaround liefert Firecrawl selbst, aber er kostet eigene DevOps-Zeit.

Kein Zugang zu geschützten Inhalten. Login-pflichtige Bereiche, Paywalls, Captcha-geschützte Seiten — alles, was nicht öffentlich erreichbar ist, bleibt für Firecrawl unsichtbar. Das ist technisch und rechtlich korrekt, schränkt aber Anwendungsfälle ein, in denen man hinter Logins müsste (z. B. eigene SaaS-Daten exportieren).

Englischsprachig durchgängig. Dokumentation, Dashboard, Support, Statusseite — alles auf Englisch. Für Entwickler kein Problem, für Marketing- oder Fachkollegen, die mitlesen sollen, schon.

Die rechtliche Verantwortung liegt komplett bei dir. Firecrawl liefert das Werkzeug, nicht das juristische Gutachten. Was du scrapen darfst, hängt von Urheberrecht, Datenbankrecht (§ 87b UrhG), den AGB der Quelle, dem BGH-Urteil zu „Screen Scraping” von 2014 (I ZR 224/12) und der DSGVO ab. Bei personenbezogenen Daten gilt zusätzlich Art. 5 und Art. 14 DSGVO — Betroffene müssten informiert werden. Wer Firecrawl produktiv einsetzt, sollte die rechtliche Lage pro Quelle prüfen oder eine fachkundige Einschätzung einholen.

Keine eingebaute Datenpersistenz. Firecrawl liefert dir die Daten — speichern, deduplizieren, versionieren musst du selbst. Für ernsthaftes Monitoring brauchst du dahinter eine Datenbank, ein Sheet oder eine Vektor-DB.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
Eine reine No-Code-Oberfläche willst, in der du Workflows zusammenklickst	Make.com oder n8n mit eigenem HTTP-Modul
Komplexe Workflows mit eigenem JavaScript bauen willst	n8n self-hosted in der EU
Nur gelegentlich Web-Inhalte in eine KI füttern willst	ChatGPT mit Web-Browsing oder Gemini
Lange Dokumente analysieren willst, statt das Web zu scrapen	NotebookLM für PDFs und Berichte
Inhalte tief auswerten und transformieren willst, nachdem du sie gescraped hast	Claude für die Verarbeitung des Markdown-Outputs

Direkte Scraping-Konkurrenten wie Apify (sehr feature-reich, Marktplatz für Crawler), Bright Data (riesiger Proxy-Pool, Enterprise-fokussiert), ScrapingBee, ScraperAPI oder Octoparse (No-Code, Desktop-Tool) führen wir aktuell nicht als eigene Reviews. Im direkten Vergleich punktet Firecrawl mit dem KI-nahen Markdown-/JSON-Output und der Self-Hosting-Option — die Klassiker liefern dafür mehr Proxy-Reichweite, fertige Spider-Templates oder reifere No-Code-UIs.

So steigst du ein

Schritt 1: Registriere dich auf firecrawl.dev und hole deinen API-Key. Die 500 Free-Credits reichen für ernsthafte Tests — etwa 50–500 Seiten je nach Endpunkt. Mit /map https://wettbewerber.de siehst du erst, wie viele URLs eine Domain hat, bevor du einen vollen Crawl startest.

Schritt 2: Teste /scrape direkt: Ein einfacher API-Call mit einer URL liefert die Seite als sauberes Markdown zurück. Du kannst das per curl, im Make.com-HTTP-Modul oder im n8n-Firecrawl-Node ohne Programmierkenntnisse aufrufen. Wenn du strukturierte Daten brauchst (Preis, Titel, Beschreibung), wechsle direkt auf /extract mit einem JSON-Schema — spart eine Verarbeitungsstufe.

Schritt 3: Baue den produktiven Workflow: URL → Firecrawl (Markdown oder JSON) → Claude oder ChatGPT (Analyse, Klassifizierung, Zusammenfassung) → Ziel-System (Slack, Google Sheets, Notion, Datenbank). Für regelmäßige Läufe: Trigger per Make.com- oder n8n-Scheduler. Wenn du DSGVO-Anforderungen hast, switch auf das Self-Hosted-Setup per Docker, bevor du echte Daten verarbeitest.

Ein konkretes Beispiel

Ein B2B-Softwareunternehmen aus Stuttgart überwacht wöchentlich die Pricing-Seiten von fünf direkten Wettbewerbern. Make.com triggert montags um 7 Uhr morgens: Firecrawl scraped alle fünf URLs per /extract mit einem festen Schema (Plan-Name, Preis pro Monat, Credit-Limit, neue Features). Claude vergleicht die Ergebnisse mit dem Snapshot der Vorwoche und markiert alle Veränderungen. Bei Preisänderungen oder neuen Tarifmodellen landet ein strukturierter Slack-Alert direkt im Kanal des Produktteams, eine Kopie geht ins interne Wettbewerbs-Wiki in Notion. Aufwand pro Woche: 5 Minuten Review statt vorher 90 Minuten manuelle Recherche. Monatliche Kosten: Firecrawl Hobby $16 + Make.com Core $9 + Claude API ca. $5–15 = ca. 30–45 € insgesamt.

DSGVO & Datenschutz

• Datenhosting: USA in der Cloud-Version (Firecrawl Inc., Delaware) — keine EU-Region verfügbar. Self-Hosted-Variante per Docker ermöglicht EU- oder On-Prem-Hosting.
• Datennutzung: Firecrawl loggt API-Anfragen für Abrechnung und Debugging. Inhalte gescrapeter Seiten werden laut Privacy Policy nicht für Modelltraining verwendet.
• AVV (Auftragsverarbeitungsvertrag): Auf Anfrage über den Enterprise-Plan möglich, in den Standardplänen nicht standardisiert verfügbar.
• Verantwortung beim Nutzer: Was du scrapst, liegt in deiner Verantwortung — Urheberrecht (§ 87b UrhG zum Datenbankrecht), DSGVO (Art. 5, Art. 14 bei personenbezogenen Daten), AGB der Quellen und das BGH-Urteil zu „Screen Scraping” von 2014. Vor produktivem Einsatz bei sensiblen Quellen oder personenbezogenen Daten: rechtliche Einschätzung einholen.
• Account-Löschung: Über das Dashboard möglich; gespeicherte Job-Ergebnisse werden nach 24 Stunden automatisch entfernt.
• Empfehlung für Unternehmen: Für DSGVO-sensible Umgebungen die Self-Hosted-Variante auf einem EU-Server (Hetzner, IONOS, AWS Frankfurt) betreiben. Damit bleiben sowohl Anfragen als auch Ergebnisse vollständig in der eigenen Infrastruktur.

Gut kombiniert mit

• Make.com — orchestriert den Trigger (Zeitplan, Webhook), ruft Firecrawl auf und reicht das Ergebnis weiter. Perfekt für No-Code-Teams ohne eigene Skripte.
• n8n — die EU-/Self-Hosted-Alternative zu Make. Hat einen offiziellen Firecrawl-Node und läuft komplett auf eigener Infrastruktur — passt damit zur Self-Hosted-Variante von Firecrawl.
• Claude — verarbeitet das Markdown-/JSON-Output weiter: Zusammenfassungen, Vergleiche zwischen Snapshots, Klassifizierung von Änderungen. Das große Kontextfenster passt gut zu längeren Crawl-Ergebnissen.

Unser Testurteil

Firecrawl bekommt 4 von 5 Sternen. Es ist die zurzeit angenehmste Web-Scraping-Lösung für KI-Workflows: Markdown-Output, JS-Rendering, /extract per LLM-Schema und ein offizieller MCP-Server — alles Funktionen, die andere Anbieter nicht in dieser Tiefe oder Reife bieten. Den fünften Stern verliert es durch das US-Cloud-Hosting (kein EU-Standort), das schwer kalkulierbare Credit-Modell beim /extract-Endpunkt und die Tatsache, dass es API-first ist — Marketing-Teams ohne Entwickler im Haus brauchen ein zweites Tool als Bedienoberfläche. Wer ernsthaft auf Datenkontrolle achtet, sollte direkt auf die Self-Hosted-Variante setzen — die ist kostenlos, DSGVO-freundlicher und funktional nahezu identisch zur Cloud.

Was wir bemerkt haben

• 2024 — Firecrawl wurde 2024 in San Francisco gegründet und ging durch das Y-Combinator-Programm. Innerhalb weniger Monate stieg das Tool zur De-facto-Standardwahl in der KI-Agenten-Community auf.
• 2025 — Einführung des /extract-Endpunkts mit LLM-Schema-Support und der FIRE-1-Agent-Funktion für mehrseitige Navigation. Damit verschiebt sich Firecrawl vom reinen Scraper zur strukturierten Datenextraktions-Plattform.
• 2025 — Offizieller MCP-Server (Model Context Protocol) veröffentlicht. Damit können KI-Agenten in Claude Desktop, Cursor und LangChain Firecrawl direkt als Werkzeug einbinden, ohne eigene Glue-Logik.
• 2026 — Pricing-Struktur überarbeitet: Neuer Growth-Plan ($333) eingeschoben, Scale auf 1 Mio. Credits ($599) erhöht. Gleichzeitig Umstellung der Abrechnung auf einheitliche Credit-Token-Konversion (1 Credit ≈ 15 Tokens) — macht /extract-Kosten transparenter, aber für unerfahrene Nutzer schwerer zu schätzen.
• 2026 — Neuer /parse-Endpunkt für PDFs, Word-Dokumente und Tabellen angekündigt — damit erweitert Firecrawl seinen Scope vom Web auf beliebige Dokumentformate und konkurriert in dem Punkt mit Tools wie Llamaparse oder Unstructured.