Wie man Google Maps für ein ganzes Land scrapt: Vollständiger Leitfaden

Google Maps enthält Millionen von Einträgen lokaler Unternehmen – Adressen, Telefonnummern, E-Mails, Bewertungen, Öffnungszeiten. Es ist eine kostenlose Geschäftsdatenbank, die für alle zugänglich ist. Aber wie scrapt man Google Maps für ein ganzes Land ohne tagelanges Programmieren? Dieser Leitfaden vergleicht zwei Ansätze: die technische Methode (Python, Octoparse, pandas) und die No-Code-Methode über eine vorindexierte Datenbank. Ergebnis: dasselbe Ziel, aber erhebliche Unterschiede in Zeit und Volumen.

---

Warum Google Maps eine Goldmine für B2B-Akquise ist

Google Maps listet Hunderte Millionen von Einrichtungen weltweit. Jeder Eintrag enthält strukturierte Daten: Name, Kategorie, Adresse, Telefon, Bewertung, Anzahl der Bewertungen, Website, Öffnungszeiten.

Für einen Vertriebsmitarbeiter, einen Growth Marketer oder eine Agentur ist es ein sofort einsatzbereitetes Verzeichnis lokaler Unternehmen. Die Zielgruppenansprache ist präzise: Man sucht nach "Klempner" in Frankreich und erhält alle gelisteten Klempner.

Das Problem? Manuell einige Hundert Einträge zu extrahieren, ist machbar. 50.000, 100.000 oder 140.000 Einträge aus einem ganzen Land zu extrahieren, ist eine andere Geschichte.

---

Die Grenze von 120 Ergebnissen auf Google Maps

Bevor wir über die Methode sprechen, müssen wir eine grundlegende technische Einschränkung verstehen: Google Maps zeigt maximal 120 Ergebnisse pro Suche an.

Wenn Sie nach "Restaurant Paris" auf Google Maps suchen, erhalten Sie 120 Einträge, nicht mehr. Auch wenn Paris Tausende von Restaurants hat.

Um ein ganzes Land zu scrapen, müssen Sie die Suche also in geografische Unterbereiche aufteilen. In Frankreich bedeutet das, eine Suche nach Gemeinden zu starten – also etwa 36.000 Gemeinden, die einzeln bearbeitet werden müssen.

Hier wird die technische Methode komplex.

---

Methode 1: Google Maps mit technischen Tools scrapen

Dieser Ansatz eignet sich für technische Profile, die alles kontrollieren möchten. Er erfolgt in mehreren Schritten.

Schritt 1: Liste der Gemeinden abrufen

Es ist unmöglich, 36.000 Suchen manuell zu starten. Zuerst muss die Liste aller französischen Gemeinden erstellt werden.

Eine Website wie communes.fr listet alle Gemeinden nach Departement. Dort kann man einen Scraper erstellen – zum Beispiel mit Octoparse – um automatisch die Namen und Postleitzahlen zu extrahieren.

Die Konfiguration des Scrapers erfordert die Erstellung von zwei verschachtelten Schleifen:

• Eine Schleife über die 101 Departements
• Eine Schleife über die Gemeinden jedes Departements

XPath-Ausdrücke ermöglichen es, die Auswahl der HTML-Elemente zu verfeinern. Die Datenbereinigung (Entfernung des Wortes "Gemeinde" vor jedem Namen, Formatierung der Postleitzahlen) erfolgt anschließend mit Python und der pandas-Bibliothek.

Ausführungszeit für diesen Schritt: 48 Minuten in der Cloud, 1h05 lokal. Ergebnis: etwa 36.000 Zeilen verteilt auf zwei CSV-Dateien (Excel überschreitet nicht 20.000 Zeilen pro Datei).

Schritt 2: Suchkeywords erstellen

Die Liste der Gemeinden reicht nicht aus. Jede Gemeinde muss in eine Google Maps-Anfrage umgewandelt werden.

"Belley" wird zu "Restaurant in der Nähe von Belley". Ein Präfix wird zu jeder Zeile hinzugefügt. Mit pandas genügen einige Zeilen Code – aber zuerst müssen die beiden CSV-Dateien zusammengeführt, Duplikate entfernt und dann die Transformation angewendet werden.

import pandas as pd

df1 = pd.read_csv("communes_part1.csv")
df2 = pd.read_csv("communes_part2.csv")
df = pd.concat([df1, df2]).drop_duplicates(subset=["commune"])
df["keyword"] = "Restaurant in der Nähe von " + df["commune"]
df.to_csv("keywords.csv", index=False)

Schritt 3: Google Maps scrapen

Mit der fertigen Liste von Keywords verwenden wir eine Octoparse-Vorlage, um Google Maps zu scrapen. Wir fügen die Keywords ein, definieren eine Seitenanzahl (Anzahl der Ergebnisse pro Suche) und starten.

Einschränkung: Octoparse ist auf 10.000 Keywords pro Aufgabe beschränkt. Für 36.000 Gemeinden müssen 4 separate Aufgaben erstellt werden.

Gesamtlaufzeit: 2 Tage und 15 Stunden.

Schritt 4: Ergebnisse bereinigen und zusammenführen

Vier Aufgaben erzeugen vier Dateien. Diese müssen zusammengeführt und dann Duplikate entfernt werden – nicht über alle Spalten, sondern über den Namen der Einrichtung und ihren Standort (ein und dasselbe Restaurant kann in mehreren Suchen nach benachbarten Gemeinden erscheinen).

Ergebnisse der technischen Methode

Für die Restaurants in ganz Frankreich:

Indikator	Ergebnis
Rohzeilen	68.389
Nach Duplikatbereinigung	52.658
Spalten	7
Gesamtzeit	~3 Tage

Die 7 erhaltenen Spalten: Kategorie, Titel, Bewertung, Anzahl der Bewertungen, Standort, Öffnungszeiten (nur der erste Zeitrahmen), Telefon.

Keine E-Mail. Keine Website. Keine sozialen Medien. Die Öffnungszeiten sind unvollständig – wir erhalten nur den ersten angezeigten Zeitrahmen, nicht den vollständigen Wochenzeitplan.

---

Die tatsächlichen Grenzen der technischen Methode

Seien wir direkt, was diese Methode nicht leistet.

Keine Anreicherung. Die Rohdaten von Google Maps enthalten keine E-Mails. Um diese zu erhalten, müsste jede Website einzeln besucht werden – ein zusätzlicher Schritt, der die Bearbeitungszeit vervielfacht.

Unvollständige Daten. Öffnungszeiten, Fotos, detaillierte Bewertungen, soziale Medien: Nichts davon wird sauber mit einem generischen Scraper extrahiert.

Ständige Wartung. Google ändert regelmäßig die Struktur seiner Seiten. Ein Scraper, der heute funktioniert, kann in 3 Wochen kaputt sein. Man muss überwachen, korrigieren und neu starten.

Erforderliche Fähigkeiten. Python, pandas, XPath, Verwaltung virtueller Umgebungen, Verarbeitung großer CSV-Dateien. Das ist nicht für jedermann zugänglich.

Blockierungsrisiko. Google erkennt automatisierte Verhaltensweisen. Ohne Proxy-Rotation und Zeitmanagement wird der Scraper blockiert.

---

Methode 2: Eine vorindexierte Datenbank für den Export in wenigen Minuten

Die Alternative zur technischen Methode ist die Verwendung einer bereits erstellten Datenbank. Das ist das Prinzip von IBLead.

IBLead hat bereits über 50 Millionen Google Maps-Unternehmen in 37 Ländern gescrapt und indexiert. Alles ist vorverarbeitet, angereichert und wird wöchentlich aktualisiert. Der Benutzer scrapt nicht – er filtert und exportiert.

Wie es konkret funktioniert

1. Kategorie auswählen (z.B. "Restaurant")
2. Geografisches Gebiet auswählen – Stadt, Departement, Region oder das ganze Land
3. Filter anwenden
4. In CSV exportieren

Kein Code. Keine mehrtägige Wartezeit. Der Export ist sofort.

Verfügbare Filter

IBLead ermöglicht das Filtern nach:

• Google-Bewertung: nur Einrichtungen mit 4+ Sternen anvisieren oder im Gegenteil schlecht bewertete (Geschäftsmöglichkeit)
• Anzahl der Bewertungen: etablierte Einrichtungen von neuen Einsteigern unterscheiden
• Vorhandensein einer Website: unerlässlich für die Bereitstellung digitaler Dienstleistungen
• Vorhandensein einer E-Mail: für Direkt-E-Mail-Kampagnen
• Erkannte Technologien: 160+ analysierte Technologien – CMS (WordPress, Shopify, Wix), Werbe-Pixel (Facebook Pixel, Google Ads), E-Mail-Tools (Mailchimp, HubSpot), Zahlungs-Lösungen (Stripe, PayPal)
• Telefonnummer: mobil oder fest
• Beanspruchter oder nicht beanspruchter Eintrag auf Google Maps

Dieser letzte Filter ist besonders nützlich für Agenturen: Ein nicht beanspruchter Eintrag signalisiert einen Eigentümer, der seine Online-Präsenz nicht aktiv verwaltet – eine Gelegenheit, Dienstleistungen anzubieten.

Die im Export enthaltenen Daten

Während die technische Methode 7 Spalten produziert, exportiert IBLead über 50 Felder pro Eintrag:

• Name, vollständige Adresse, Telefon (mobil/fest unterschieden), E-Mail angereichert von der Website
• Website, Google Maps-Kategorien, Durchschnittsbewertung, Anzahl der Bewertungen
• Google-Bewertungen: vollständiger Text, Bewertung, Datum, Autor – bis zu 500 Bewertungen pro Eintrag
• Soziale Medien (Facebook, Instagram, YouTube, LinkedIn, Twitter)
• Vollständige Öffnungszeiten (7 Tage), Fotos, GPS-Koordinaten
• Erkannte Technologien (160+ Technologien)
• Google Place ID, CID
• SIRET, SIREN, APE-Code, Name des Geschäftsführers (nur Frankreich)

Vergleich der Ergebnisse

Für die Restaurants in ganz Frankreich:

Indikator	Technische Methode	IBLead
Zeilen	52.658	~140.000
Spalten	7	50+
E-Mails	Nein	Ja
Technologien	Nein	Ja (160+)
Detaillierte Bewertungen	Nein	Ja (bis zu 500)
Zeit	~3 Tage	Einige Minuten
Erforderliche Fähigkeiten	Python, XPath, pandas	Keine

Was es kostet

44€ für 10.000 Leads – also 0,004€ pro angereichertem Kontakt mit E-Mail, Technologien, Bewertungen und SIRET-Daten.

Um es auszuprobieren, bietet IBLead einen kostenlosen Plan mit 200 Credits an (keine Kreditkarte erforderlich).

---

Anwendungsfälle: Wer braucht es, ein ganzes Land zu scrapen?

Digitale Agenturen

Eine Agentur, die Restaurants ohne Website oder mit schlechter Sichtbarkeit akquiriert, benötigt ein hohes Volumen. Das Filtern nach "keine Website" oder "veraltete Technologien" in ganz Frankreich erzeugt Listen mit mehreren Tausend qualifizierten Kontakten.

SaaS-Softwareanbieter

Ein SaaS, das sich an Friseure, Klempner oder Anwälte richtet, kann den gesamten adressierbaren Markt in Frankreich in wenigen Minuten extrahieren. Das Filtern nach Technologie ermöglicht es sogar, Kontakte zu identifizieren, die bereits einen Konkurrenten nutzen.

Außendienstmitarbeiter

Ein Vertriebsmitarbeiter, der eine Region abdeckt, kann alle Kontakte eines Departements extrahieren, nach Bewertung und Anzahl der Bewertungen filtern und in 5 Minuten eine priorisierte Liste erhalten.

Growth Marketer

Eine Liste von 50.000 angereicherten Kontakten mit E-Mails für eine Cold Email-Kampagne zu erstellen, ist der zentrale Anwendungsfall. Die CSV wird direkt in Lemlist, Instantly oder jedes andere E-Mail-Tool importiert.

---

Rechtmäßigkeit des Scraping von Google Maps

Diese Frage taucht häufig auf. Hier ist, was Sie wissen sollten.

Die Daten auf Google Maps sind öffentlich. Jeder kann sie manuell einsehen. Das automatisierte Scraping öffentlicher Daten wird in den meisten europäischen Rechtsordnungen allgemein als legal angesehen.

Die Nutzungsbedingungen von Google verbieten jedoch das automatisierte Scraping ihrer Dienste. Das ist eine wichtige Unterscheidung: rechtlich legal, aber potenziell gegen die AGB von Google.

Für vorindexierte Datenbanken wie IBLead stellt sich die Frage des Echtzeit-Scrapings nicht – die Daten sind bereits gesammelt und gespeichert.

Zum Thema DSGVO: Die Kontaktdaten von Unternehmen (geschäftliche E-Mail, geschäftliche Telefonnummer) gelten als B2B-Daten, die sich von personenbezogenen Daten im engeren Sinne unterscheiden. B2B-Prospektion per E-Mail bleibt unter bestimmten Bedingungen erlaubt (Opt-out verfügbar, Relevanz der Nachricht).

---

FAQ: Google Maps für ein ganzes Land scrapen

Wie lange dauert es, Google Maps für ein ganzes Land mit Python zu scrapen?

Mit Octoparse und pandas rechnen Sie mit etwa 3 Tagen Bearbeitungszeit, um ~52.000 Restaurants in Frankreich zu extrahieren. Dies umfasst das Abrufen der Gemeinden (1h), das Erstellen der Keywords, 4 Scraping-Aufgaben (jeweils 2 Tage 15h parallel) und die Datenbereinigung.

Warum begrenzt Google Maps die Ergebnisse auf 120 pro Suche?

Es ist eine technische Grenze, die Google auferlegt, um eine Überlastung ihrer Server zu vermeiden und massives Scraping abzuschrecken. Um diese Grenze zu umgehen, müssen geografische Suchen multipliziert werden – eine pro Gemeinde, zum Beispiel.

Kann man Google Maps ohne Programmierung scrapen?

Ja. Vorindexierte Datenbanken wie IBLead ermöglichen es, Tausende von Einträgen zu exportieren, ohne eine Zeile Code zu schreiben. Man filtert nach Kategorie, geografischem Gebiet und Qualitätskriterien und exportiert dann in CSV.

Welche Daten können von Google Maps extrahiert werden?

Mit einem technischen Scraper: Name, Bewertung, Anzahl der Bewertungen, Standort, Telefon, erster Zeitrahmen. Mit einer angereicherten Datenbank: Name, Adresse, Telefon, E-Mail, Website, soziale Medien, vollständige Öffnungszeiten, detaillierte Bewertungen, Technologien der Website, rechtliche Daten (SIRET, Geschäftsführer für Frankreich).

Was kostet die Extraktion von 10.000 Google Maps-Leads?

Mit IBLead: 44€ für 10.000 angereicherte Leads. Mit der technischen Methode: theoretisch kostenlos, aber mehrere Tage Arbeit und weniger vollständige Daten (keine E-Mails, keine Technologien).

---

Fazit

Google Maps für ein ganzes Land zu scrapen, ist technisch möglich mit Python, Octoparse und pandas. Aber die tatsächlichen Kosten – in Zeit, Fähigkeiten und Datenqualität – sind hoch. Drei Tage Bearbeitungszeit für 52.000 Zeilen und 7 Spalten, ohne E-Mails oder Technologien.

Eine vorindexierte Datenbank produziert 140.000 Zeilen und 50+ Spalten in wenigen Minuten, mit enthaltenem Anreicherungsprozess.

Die Wahl hängt von Ihren Ressourcen ab. Wenn Sie einen verfügbaren Entwickler haben und einen sehr spezifischen, einmaligen Bedarf haben, kann die technische Methode funktionieren. Wenn Sie Volumen, Regelmäßigkeit und angereicherte Daten benötigen, ist eine vorindexierte Datenbank effizienter.

Um IBLead in Ihrem Sektor und Ihrem Zielmarkt zu testen: Kostenloser Test – 200 credits inklusive