Case Study · Bots & Integrationen
FlatScout: Marktbeobachter für Immobilien
Eine Pipeline aus 7 Containern, die einen Immobilienmarktplatz rund um die Uhr beobachtet, neue Inserate triagiert und per Telegram-Bot pingt, bevor andere Käufer aufwachen.
- Branche
- Immobilien
- Zeitraum
- 2 Wochen
- Jahr
- 2026
- Leistungen
- Automatisierung, Bots, Scraping-Infrastruktur
Das Problem
In einem heißen Miet- und Immobilienmarkt überleben gute Inserate Stunden, manchmal Minuten. Die Benachrichtigungen der Marktplätze sind langsam, grob und ignorieren die Hälfte der Kriterien, die wirklich zählen: Preis pro Quadratmeter, konkrete Stadtteile, Etage, von privat oder vom Makler. Wer die Seite am obsessivsten aktualisiert, gewinnt. Das ist ein Job für eine Maschine, nicht für einen Menschen.
Was wir gebaut haben
Ein Always-on-Marktbeobachter: eine Scraping-Pipeline, die den Marktplatz in randomisierten Intervallen abfragt, Inserate normalisiert und dedupliziert, einen auf die echten Kriterien des Käufers abgestimmten Scoring-Filter anwendet und die Überlebenden direkt nach Telegram liefert, mit Fotos, Kennzahlen und One-Tap-Triage-Buttons. Eine begleitende Web-UI zeigt das komplette Triage-Board: neu, Shortlist, abgelehnt, besichtigt.
- Höflich by Design. Randomisierte Request-Delays von 3 bis 10 Sekunden, vernünftige Poll-Intervalle und Caching machen den Scraper zum guten Bürger statt zum Lastproblem.
- Dedup, das Reposts übersteht. Inserate bekommen inhaltsbasierte Fingerprints: Dieselbe Wohnung, unter neuer ID neu eingestellt, pingt nicht zweimal.
- LLM-gestützte Triage. Mehrdeutige Inserate (wirklich von privat? Ist “gemütlich” Code für 12 m²?) bekommen vor dem Scoring einen günstigen LLM-Durchlauf über unser Gateway.
- Human-in-the-Loop. Der Bot nimmt Entscheidungen entgegen: Shortlist, ablehnen, Notiz. Diese Entscheidungen fließen ins Scoring zurück, der Filter wird mit jeder Nutzung schärfer.
Architektur
Sieben Container unter einem Compose-File: API, Scraper-Worker, Scheduler, Telegram-Bot, PostgreSQL, Redis und eine React-Triage-UI, alles hinter einem Reverse Proxy, die UI durch 2FA geschützt. Ausrollen und Aktualisieren: git pull plus ein Compose-Befehl.
Ergebnis
Die Verzögerung von Inserat bis Benachrichtigung fiel auf Minuten, und Besichtigungstermine landeten im Kalender, bevor Inserate ihre ersten hundert Aufrufe hatten. Das Muster (pollen, normalisieren, scoren, benachrichtigen, aus Feedback lernen) wurde seither für Preis-Monitoring und Ausschreibungsbeobachtung angefragt; es überträgt sich auf jeden Marktplatz, auf dem Geschwindigkeit gewinnt.