4 Fragen zu Scraping

Facebook (heute Meta Platforms) musste im Zusammenhang mit dem sogenannten Scraping-Vorfall immateriellen Schadensersatz leisten, weil durch das massenhafte automatisierte Auslesen (Scraping) öffentlich zugänglicher Profildaten von Millionen Nutzern personenbezogene Daten ohne deren Einwilligung abgegriffen und veröffentlicht wurden. Dies stellt einen Verstoß gegen die Datenschutz-Grundverordnung (DSGVO) der Europäischen Union dar. **Begründung und rechtliche Basis:** 1. **Verstoß gegen die DSGVO:** Nach Art. 32 DSGVO ist Facebook als Verantwortlicher verpflichtet, geeignete technische und organisatorische Maßnahmen zu treffen, um personenbezogene Daten vor unbefugtem Zugriff zu schützen. Das Scraping hätte durch stärkere Schutzmaßnahmen (z.B. Captchas, Rate-Limiting) verhindert oder zumindest erschwert werden müssen. 2. **Recht auf immateriellen Schadensersatz (Art. 82 DSGVO):** Die DSGVO sieht in Art. 82 ausdrücklich vor, dass betroffene Personen bei einem Verstoß gegen die Verordnung Anspruch auf Schadensersatz haben – und zwar nicht nur für materielle, sondern auch für immaterielle Schäden (z.B. Kontrollverlust über eigene Daten, Angst vor Missbrauch, Reputationsschäden). 3. **Gerichtliche und behördliche Entscheidungen:** Europäische Datenschutzbehörden und Gerichte haben in mehreren Fällen entschieden, dass bereits die unbefugte Veröffentlichung personenbezogener Daten einen immateriellen Schaden darstellen kann, auch wenn kein konkreter finanzieller Nachteil entstanden ist. **Zusammengefasst:** Facebook musste immateriellen Schadensersatz leisten, weil das Unternehmen gegen die DSGVO verstoßen hat, indem es nicht ausreichend gegen das Scraping der Nutzerdaten geschützt hat. Die rechtliche Grundlage ist Art. 82 DSGVO, der auch für immaterielle Schäden einen Anspruch auf Schadensersatz vorsieht. Weitere Informationen zur DSGVO findest du hier: [https://eur-lex.europa.eu/legal-content/DE/TXT/?uri=CELEX%3A32016R0679](https://eur-lex.europa.eu/legal-content/DE/TXT/?uri=CELEX%3A32016R0679) Mehr zu Meta Platforms: [https://about.meta.com/](https://about.meta.com/)

Der Bundesgerichtshof (BGH) hat sich bislang nicht explizit mit einem Urteil zum Thema „Facebook Scraping“ befasst. Allerdings gibt es relevante Entscheidungen zu Themen wie Datenschutz, automatisierte Datenerhebung und die Verantwortlichkeit von Plattformen. Ein häufig zitierter Fall ist das Urteil des Landgerichts (LG) Hamburg vom 13.09.2019 (Az. 308 O 392/16), in dem es um das massenhafte Auslesen von Facebook-Profilen („Scraping“) ging. Das LG Hamburg entschied, dass das automatisierte Auslesen von öffentlich zugänglichen Facebook-Profilen gegen die Nutzungsbedingungen und das Urheberrecht von Facebook verstößt. Der BGH selbst hat sich bislang vor allem mit Fragen des Datenschutzes und der Verantwortlichkeit von Plattformen beschäftigt, etwa im Zusammenhang mit dem „Recht auf Vergessenwerden“ (BGH, Urteil vom 27.07.2020, VI ZR 405/18), aber nicht spezifisch mit Scraping bei Facebook. **Fazit:** Ein spezielles BGH-Urteil zu „Facebook Scraping“ existiert derzeit nicht. Die rechtliche Bewertung erfolgt bislang auf Grundlage allgemeiner Datenschutz- und Urheberrechtsgrundsätze sowie der Nutzungsbedingungen von Facebook. Entscheidungen dazu stammen bisher vor allem von unteren Instanzen wie dem LG Hamburg. Weitere Informationen zu Facebook findest du hier: [https://www.facebook.com/](https://www.facebook.com/)

Um eine Webseite in Python zu scrapen, kannst du die Bibliotheken `requests` und `BeautifulSoup` verwenden. Hier ist ein einfaches Beispiel, wie du das machen kannst: 1. Installiere die benötigten Bibliotheken: ```bash pip install requests beautifulsoup4 ``` 2. Erstelle ein Python-Skript, um die Webseite zu scrapen: ```python import requests from bs4 import BeautifulSoup # URL der Webseite, die du scrapen möchtest url = 'https://example.com' # Sende eine HTTP-Anfrage an die Webseite response = requests.get(url) # Überprüfe, ob die Anfrage erfolgreich war if response.status_code == 200: # Inhalt der Webseite parsen soup = BeautifulSoup(response.content, 'html.parser') # Beispiel: Alle Überschriften (h1) auf der Seite finden headlines = soup.find_all('h1') for headline in headlines: print(headline.text) else: print(f"Fehler beim Abrufen der Seite: {response.status_code}") ``` In diesem Beispiel wird die Webseite `https://example.com` abgerufen und alle `<h1>`-Überschriften werden extrahiert und ausgegeben. Du kannst die `find_all`-Methode anpassen, um andere HTML-Elemente zu finden, die dich interessieren. Weitere Informationen zu `BeautifulSoup` findest du in der [Dokumentation](https://www.crummy.com/software/BeautifulSoup/bs4/doc/).

Webstaping ist ein Begriff, der sich auf das automatisierte Extrahieren von Daten von Webseiten bezieht. Dabei werden Programme oder Skripte eingesetzt, um Informationen von einer Website zu sammeln, die dann für verschiedene Zwecke genutzt werden können, wie z.B. Datenanalyse, Marktforschung oder das Erstellen von Inhalten. Webstaping kann sowohl legal als auch illegal sein, abhängig von den Nutzungsbedingungen der jeweiligen Website und den geltenden Gesetzen. Es ist wichtig, beim Webstaping die rechtlichen Rahmenbedingungen und die ethischen Aspekte zu beachten.