So analysieren Sie Google Ads der Konkurrenzvon SERP-Anzeigen zu Anzeigen-Intelligenz

Google Ads ist ein wettbewerbsintensiver Bereich, in dem Sie für Sichtbarkeit bezahlen, und die bezahlten Ergebnisse oben auf einer Suchseite verraten Ihnen genau, welche Mitbewerber bereit sind, für jede Anfrage zu bieten. Diese Anzeigenplätze sind öffentlich: Jeder kann eine Suche durchführen und die Überschriften, Display-URLs und Texte lesen, die Ihre Konkurrenten demselben Publikum präsentieren, das Sie ansprechen. In großem Maßstab über Ihre Ziel-Keywords erfasst, wird das zu Anzeigen-Intelligenz, auf der Sie handeln können.

Diese Anleitung zeigt Ihnen, wie Sie Google Ads der Konkurrenz analysieren, indem Sie die bezahlten Ergebnisse einer Google-SERP über die Crawling API für eine Liste von Keywords erfassen, Titel, Display-URL und Text jeder Anzeige parsen und dann herausfinden, welche Mitbewerber auf welche Begriffe bieten. Die gesamte Anleitung beschränkt sich auf öffentliche Anzeigendaten, die jeder Suchende sehen kann, und der Abschnitt zur Rechtslage am Ende ist kein Standardtext, also lesen Sie ihn, bevor Sie das auf echte Mengen anwenden.

Was Sie bauen werden

Ein Python-Skript, das eine Liste von Ziel-Keywords entgegennimmt, jedes als öffentliche Google-Suche über die Crawling API ausführt und für jede bezahlte Anzeige auf der Seite einen strukturierten Datensatz extrahiert. Der integrierte Google-SERP-Scraper der Crawling API gibt die Anzeigen bereits geparst zurück, sodass Sie für jede Anzeige diese Felder erhalten:

• Position der Rang der Anzeige unter den Bezahlergebnissen, von oben gezählt.
• Titel die Anzeigenüberschrift, der fett gedruckte, anklickbare Text, den der Werbetreibende geschrieben hat.
• Display-URL das sichtbare Ziel unterhalb der Überschrift, das die Marke des Mitbewerbers zeigt.
• Beschreibung der Anzeigentext, die ein oder zwei Zeilen Botschaft und Handlungsaufforderung.
• Site-Links die zusätzlichen Deeplinks, die manche Werbetreibende unterhalb der Hauptanzeige einfügen.

Anschließend aggregieren Sie die Ergebnisse pro Keyword zu einer einfachen Mitbewerberansicht: Welche Marken schalten Anzeigen bei welchen Keywords, und wie oft.

Warum eine einfache Anfrage bei Google scheitert

Wenn Sie eine rohe HTTP-Anfrage an eine Google-Such-URL von einem Skript aus senden, erhalten Sie selten die Seite, die Sie in Ihrem eigenen Browser sehen. Google rendert einen Großteil der SERP mit JavaScript und beobachtet automatisierten Traffic genau. Eine Anfrage, die nicht wie ein echter Browser aussieht, bekommt eine Einwilligungsseite, ein CAPTCHA oder eine vollständige Blockierung, lange bevor sie das Anzeigen-Markup erreicht, und die Anzeigenplätze im Besonderen sind personalisiert und spät gerendert, sodass ein roher Abruf oft eine Seite ohne Anzeigen zurückgibt.

Ein funktionierender Google-Ads-Scraper braucht also zwei Dinge in einer einzigen Anfrage: eine IP, die die Plattform als echten Besucher einordnet, und einen Browser, der die Seite rendert. Sie können das selbst mit einem Headless-Browser plus einem Pool rotierender Wohnproxies zusammenbauen, aber das Instandhalten ist der Großteil der Arbeit. Die Crawling API bündelt beides in einem einzigen Aufruf: Sie senden ihr die Such-URL, sie ruft von einer vertrauenswürdigen Wohn-IP ab und rendert die Seite, und ihr Google-SERP-Scraper gibt die Anzeigen bereits in strukturiertes JSON geparst zurück.

Wichtige Datenpunkte zum Extrahieren

Vor dem Code lohnt es sich, klarzumachen, was jedes Feld Ihnen sagt, weil die Analyse nur so gut ist wie die gesammelten Felder.

• Anzeigenüberschriften und -beschreibungen. Der Anzeigentext der Mitbewerber zeigt, welche Botschaft ihrer Meinung nach funktioniert. Suchen Sie nach wiederholter Sprache, emotionalen Auslösern und den Handlungsaufforderungen, die Klicks verdienen.
• Ziel-Keywords. Wenn eine Anzeige eines Mitbewerbers für ein Keyword erscheint, bieten sie darauf, was ein starkes Signal ist, dass der Begriff für sie konvertiert.
• Anzeigenplatzierung und -ranking. Ein Werbetreibender, der konsequent den obersten Bezahlplatz hält, bietet aggressiv oder schaltet qualitativ hochwertige Anzeigen, beides lohnt sich zu verstehen.
• Display- und Ziel-URLs. Die Display-URL identifiziert den Mitbewerber; das Ziel zeigt, wie er Traffic konvertiert, von Seitengestaltung bis Angebot.
• Anzeigenerweiterungen. Site-Links, Callouts und strukturierte Snippets machen eine Anzeige größer und überzeugender. Notieren Sie, wer sie verwendet und wie.

Voraussetzungen

Sie brauchen ein paar Dinge, bevor Sie Code schreiben. Keines davon dauert lange.

Python-Grundkenntnisse. Sie sollten in der Lage sein, ein Python-Skript zu schreiben und auszuführen sowie Pakete mit pip zu installieren. Wenn das Parsen von JSON-Ausgaben für Sie neu ist, behandelt unser Leitfaden zum Scrapen von Websites mit Python die Grundlagen, die dieses Tutorial voraussetzt.

Python 3.8 oder höher. Bestätigen Sie Ihre Version mit python --version. Falls Sie es nicht haben, installieren Sie es von python.org oder über eine Distribution wie Anaconda.

Ein Crawlbase-Konto und Token. Melden Sie sich an, öffnen Sie Ihr Dashboard und kopieren Sie Ihr Anfrage-Token. Sie erhalten bis zu 20.000 kostenlose Anfragen. Der SERP-Scraper rendert die Seite, also verwenden Sie Ihr normales (JavaScript) Anfrage-Token. Behandeln Sie das Token wie ein Passwort: Es authentifiziert Ihre Anfragen, halten Sie es also aus der Versionskontrolle heraus.

Projekt einrichten

Installieren Sie die offizielle Crawlbase-Python-Bibliothek, die die Crawling API und ihren SERP-Scraper in einem kleinen Client kapselt.

python --version

python -m venv ads_env
source ads_env/bin/activate

pip install crawlbase

Unter Windows aktivieren Sie die Umgebung mit ads_env\Scripts\activate statt der source-Zeile. Das crawlbase-Paket gibt Ihnen einen CrawlingAPI-Client, der die Anfrage sendet, den Google-SERP-Scraper anwendet und die geparste Antwort zurückgibt, sodass Sie selbst kein HTML-Parsing für die Anzeigen schreiben.

Schritt 1: Eine SERP abrufen und die Anzeigen extrahieren

Beginnen Sie damit, die Anzeigen für ein einzelnes Keyword zu holen. Schreiben Sie eine Funktion scrape_google_ads(), die die Such-URL aufbaut, sie über die Crawling API mit dem google-serp-Scraper sendet, den Status prüft und das geparste ads-Array zurückgibt.

import json
from urllib.parse import quote
from crawlbase import CrawlingAPI

API_TOKEN = "YOUR_CRAWLBASE_TOKEN"  # replace with your token
crawling_api = CrawlingAPI({"token": API_TOKEN})

def scrape_google_ads(query):
    url = f"https://www.google.com/search?q={quote(query)}"
    options = {"scraper": "google-serp"}
    response = crawling_api.get(url, options)

    if response["headers"]["cb_status"] != "200":
        print(f"Failed to fetch '{query}'")
        return []

    parsed = json.loads(response["body"].decode("latin1"))
    return parsed.get("body", {}).get("ads", [])

if __name__ == "__main__":
    ads = scrape_google_ads("project management software")
    print(f"Found {len(ads)} ads")
    print(json.dumps(ads[:1], indent=2, ensure_ascii=False))

Der SERP-Scraper gibt einen JSON-Umschlag zurück. Sie lesen zwei Dinge: response["headers"]["cb_status"] ist der Status des zugrunde liegenden Google-Abrufs, und response["body"] ist die geparste Nutzlast, die Sie mit json.loads dekodieren und laden. Die Überprüfung von cb_status (legacy pc_status) bedeutet, dass ein Block oder eine Einwilligungsseite als klarer Fehler auftaucht, statt eine leere Seite in Ihre Analyse einzuspeisen. Die Anzeigen liegen unter body.ads, bereits in einzelne Datensätze aufgeteilt, sodass ein einzelnes Keyword wie "project management software" als Liste zurückkommt, die Sie untersuchen können. Führen Sie das Skript aus, und Sie sollten eine Anzahl und die erste Anzeige ausgegeben sehen, was bestätigt, dass Abruf und Parsing funktionieren, bevor Sie skalieren.

Schritt 2: Die Anzeigenfelder normalisieren

Die geparsten Anzeigen geben Ihnen alles, was Sie brauchen, aber es lohnt sich, jede in einen konsistenten Datensatz zu glätten, damit der Analyseschritt nicht in verschachtelte Schlüssel greifen muss. Schreiben Sie eine kleine Funktion parse_ads(), die Titel, Display-URL, Beschreibung, Ziel und eventuelle Site-Links aus jeder Anzeige zieht und das Keyword stempelt, das sie erzeugt hat.

def parse_ads(query, ads):
    records = []
    for ad in ads:
        site_links = [
            {
                "title": link.get("title"),
                "url": link.get("url"),
            }
            for link in ad.get("siteLinks", [])
        ]
        records.append({
            "keyword": query,
            "position": ad.get("position"),
            "title": ad.get("title"),
            "displayUrl": ad.get("displayUrl") or ad.get("url"),
            "description": ad.get("description"),
            "destination": ad.get("url"),
            "siteLinks": site_links,
        })
    return records

Jeder Datensatz trägt nun das keyword, aus dem er stammt, die position der Anzeige, die title-Überschrift, die displayUrl (die sichtbare Marke, die auf das Ziel zurückfällt, wenn das Display-Feld fehlt), den description-Text, die echte destination-URL und eine geglättete Liste eventueller siteLinks. Das Stempeln des Keywords auf jede Anzeige ist das, was die spätere Analyse möglich macht: Es ermöglicht Ihnen, Anzeigen nach Mitbewerber über viele Keywords hinweg zu gruppieren, ohne den Überblick zu verlieren, bei welchem Begriff jede erschienen ist.

Schritt 3: Eine Keyword-Liste ausführen und Mitbewerber analysieren

Jetzt verbinden Sie alles. Schleifen Sie über Ihre Ziel-Keywords, scrapen und parsen Sie die Anzeigen für jedes, sammeln Sie alle Datensätze und aggregieren Sie sie dann zu einer Mitbewerberansicht. Takten Sie die Schleife mit einem kurzen Sleep, damit Sie keine Anfragen Schlag auf Schlag senden.

import json
import time
from urllib.parse import quote, urlparse
from collections import defaultdict
from crawlbase import CrawlingAPI

API_TOKEN = "YOUR_CRAWLBASE_TOKEN"
crawling_api = CrawlingAPI({"token": API_TOKEN})

KEYWORDS = [
    "project management software",
    "crm for small business",
    "time tracking app",
]

def scrape_google_ads(query):
    url = f"https://www.google.com/search?q={quote(query)}"
    response = crawling_api.get(url, {"scraper": "google-serp"})
    if response["headers"]["cb_status"] != "200":
        print(f"Failed to fetch '{query}'")
        return []
    parsed = json.loads(response["body"].decode("latin1"))
    return parsed.get("body", {}).get("ads", [])

def parse_ads(query, ads):
    return [
        {
            "keyword": query,
            "position": ad.get("position"),
            "title": ad.get("title"),
            "displayUrl": ad.get("displayUrl") or ad.get("url"),
            "description": ad.get("description"),
            "destination": ad.get("url"),
        }
        for ad in ads
    ]

def domain_of(record):
    target = record["destination"] or record["displayUrl"] or ""
    return urlparse(target).netloc or target

def main():
    all_ads = []
    for keyword in KEYWORDS:
        ads = scrape_google_ads(keyword)
        all_ads.extend(parse_ads(keyword, ads))
        print(f"{keyword}: {len(ads)} ads")
        time.sleep(2)

    competitors = defaultdict(list)
    for record in all_ads:
        competitors[domain_of(record)].append(record["keyword"])

    report = {
        domain: {
            "adCount": len(keywords),
            "keywords": sorted(set(keywords)),
        }
        for domain, keywords in competitors.items()
    }

    with open("competitor_ads.json", "w", encoding="utf-8") as f:
        json.dump({"ads": all_ads, "competitors": report},
                  f, ensure_ascii=False, indent=2)
    print(f"Saved {len(all_ads)} ads from {len(report)} competitors")

if __name__ == "__main__":
    main()

Führen Sie das vollständige Skript mit python competitor_ads.py aus. Es scraped die Anzeigen für jedes Keyword in KEYWORDS, glättet sie in Datensätze und gruppiert dann jeden Datensatz nach seiner Mitbewerber-Domain mit defaultdict, um einen Bericht darüber zu erstellen, wie viele Anzeigen jede Marke geschaltet hat und bei welchen Keywords. Die Ausgabe geht in competitor_ads.json mit sowohl den rohen Anzeigen-Datensätzen als auch der aggregierten Mitbewerberansicht. Fügen Sie mehr Begriffe zu KEYWORDS hinzu, und dieselben zwei Funktionen verarbeiten den Rest; die Analyse wächst mit Ihrer Liste.

Wie die Ausgabe aussieht

Sie erhalten ein strukturiertes Objekt mit den geparsten Anzeigen und einer Mitbewerber-Zusammenfassung, bereit zum Laden in eine Tabellenkalkulation, ein Notebook oder eine Datenbank für tiefere Analyse.

{
  "ads": [
    {
      "keyword": "project management software",
      "position": 1,
      "title": "Project Management Tool | Plan, Track and Ship Faster",
      "displayUrl": "https://www.example-pm.com/",
      "description": "Run every project in one place. Free 14-day trial, no card required.",
      "destination": "https://www.example-pm.com/trial"
    }
  ],
  "competitors": {
    "www.example-pm.com": {
      "adCount": 2,
      "keywords": ["crm for small business", "project management software"]
    }
  }
}

Der competitors-Block ist der Ort, wo die Intelligenz steckt: Er verrät Ihnen auf einen Blick, welche Marken bei welchen Ihrer Begriffe bieten und wie viele Ihrer verfolgten Keywords jede erscheint. Ein Mitbewerber, der bei mehreren Keywords auftaucht, investiert breit; einer, der den obersten Platz bei Ihrem wertvollsten Begriff hält, lohnt einen näheren Blick auf seinen Text und seine Zielseite.

Skalierung über Keywords und Standorte

Eine kleine Keyword-Liste ist eine Demo; ein echter Auftrag verfolgt Dutzende von Begriffen, oft über Regionen hinweg, und wiederholt ihn nach einem Zeitplan, um neue Teilnehmer zu erfassen. Die Form bleibt dieselbe: Bauen Sie jede Such-URL, rufen Sie sie über die Crawling API mit dem SERP-Scraper ab und parsen Sie die Anzeigen. Einige Ergänzungen machen es produktionsreif.

• Die SERP lokalisieren. Anzeigenauktionen unterscheiden sich je nach Land, also fügen Sie &gl=us und &hl=en (oder ein anderes Land und eine andere Sprache) zur Such-URL hinzu, um die Anzeigen zu erfassen, die ein Suchender in diesem Markt sehen würde.
• Die Schleife takten. Halten Sie den kurzen Sleep zwischen Anfragen aufrecht statt sie Schlag auf Schlag zu senden. Spreizen Sie eine große Keyword-Liste statt Google in einem engen Loop zu bombardieren.
• Wiederholungen planen. Anzeigentexte und Bieter ändern sich von Woche zu Woche, also macht ein wöchentlicher Lauf aus einer einmaligen Momentaufnahme einen Trend, den Sie im Zeitverlauf verfolgen können.

Crawlbase bedient standardmäßig bis zu 20 Anfragen pro Sekunde, was für einen getakteten Keyword-Tracker reichlich ist, und jede 5XX-Antwort von der API ist kostenlos, sodass das Wiederholen einer blockierten URL nichts kostet. Wenn Sie Ihren eigenen Traffic lieber durch einen rotierenden Pool leiten möchten, gibt Ihnen der Smart AI Proxy dieselbe Wohnrotation als Drop-in-Endpunkt. Das Parsing-und-Blocking-Playbook speziell für Google finden Sie in wie man Proxies für das Scrapen von Google-Suchergebnissen rotiert und wie man CAPTCHA beim Scrapen von Google umgeht.

Scraping mit der offiziellen Transparenzquelle kombinieren

Das Scrapen der Live-SERP verrät Ihnen, was gerade für Ihre genauen Keywords läuft, was die Daten sind, die Sie auf keine andere Weise erhalten können. Um das Bild zu vervollständigen, kombinieren Sie es mit Googles eigenem kostenlosen Tool, dem Google Ads Transparency Center. Es ermöglicht Ihnen, einen Werbetreibenden nachzuschlagen und die Anzeigen zu sehen, die er im gesamten Google-Netzwerk schaltet, die verwendeten Formate und die Zielregionen. Es ist eine offizielle Quelle, also ist es der richtige Ort, um die Kreativleistung eines bekannten Mitbewerbers in der Tiefe zu studieren.

Die beiden Ansätze ergänzen sich: Scrapen Sie Ihre Keyword-Liste, um zu erfahren, wer bei welchem Begriff konkurriert und wie sein Text im Kontext liest, und öffnen Sie dann das Transparency Center für die Marken, die wichtig sind, um ihren breiteren Kampagnen-Fußabdruck zu sehen. Jenseits von Googles eigenem Tool schätzen kostenpflichtige Plattformen wie SEMrush, SpyFu und Ahrefs Anzeigenausgaben und historische Keyword-Abdeckung, was für Trendarbeit nützlich ist, aber weniger präzise als das Live-SERP selbst zu lesen.

Ist es legal, Google-Ads-Daten zu scrapen?

Ob das Scrapen von Google-Ads-Daten erlaubt ist, hängt von Googles Nutzungsbedingungen, Ihrer Rechtsordnung und dem ab, was Sie mit den Daten machen. Googles Bedingungen setzen Grenzen für den automatisierten Zugriff auf seinen Suchdienst, sodass Scraping gegen diese Bedingungen verstoßen kann, egal wie sorgfältig Ihr Werkzeug ist. Die Anzeigenplätze selbst sind öffentlich, jeder kann sie durch dieselbe Suche sehen, aber "öffentlich" ist nicht dasselbe wie "uneingeschränkt." Keiner der hier verwendete Code ändert Googles Bedingungen; er macht lediglich den technischen Teil zum Funktionieren. Lesen Sie Googles Bedingungen und seine robots.txt, und behandeln Sie beides als Grenze dessen, was Sie sammeln.

Ein paar Grundsätze, an denen es sich lohnt festzuhalten. Sammeln Sie nur öffentliche Anzeigendaten: die Titel, Display-URLs, Beschreibungen, Positionen und Site-Links, die jeder Suchende auf einer Ergebnisseite ohne Konto sehen kann. Halten Sie Ihr Anfragevolumen so niedrig, dass Sie Googles Server nicht belasten, und takten Sie Ihren Crawl statt ihn auf Hochtouren laufen zu lassen. Scrapen Sie nichts hinter einem Login, sammeln Sie keine personenbezogenen Daten und veröffentlichen Sie den urheberrechtlich geschützten Anzeigentext eines Mitbewerbers nicht als Ihren eigenen. Sie sammeln Wettbewerbsintelligenz zur Information Ihrer Strategie, bauen keine Kopie der Kampagnen jemand anderen.

Wo eine offizielle Quelle existiert, bevorzugen Sie diese. Googles Ads Transparency Center ist ein sanktionierter Weg, die laufenden Anzeigen eines bestimmten Werbetreibenden zu studieren, und es ist der richtige Weg, wenn Sie Tiefe zu einem bestimmten Mitbewerber wollen statt einer Live-Ablesung Ihrer eigenen Keyword-Liste. Diese Anleitung beschränkt sich bewusst auf öffentliche, sichtbare Anzeigenergebnisse, weil das die Grenze ist, die die Arbeit verteidigbar macht. Wenn Ihr Projekt mehr als das erfordert, sind eine offizielle Datenvereinbarung oder eine der lizenzierten Anzeigen-Intelligenz-Plattformen der richtige Weg, kein cleverer Scraper.

Häufig gestellte Fragen

Warum gibt eine einfache Anfrage eine Google-Seite ohne Anzeigen zurück?

Google rendert einen Großteil der SERP, einschließlich der Anzeigenplätze, mit JavaScript und personalisiert sie pro Anfrage, und es blockiert Traffic, der nicht wie ein echter Browser aussieht. Ein einfacher HTTP-Aufruf bekommt oft eine Einwilligungsseite, ein CAPTCHA oder eine abgespeckte Seite ohne Anzeigen. Der Abruf über die Crawling API, die rotierende Wohn-IPs verwendet und die Seite rendert, lässt die Anfrage wie ein gewöhnlicher Besucher aussehen, sodass die Anzeigen tatsächlich vorhanden sind, und sein SERP-Scraper gibt sie bereits geparst zurück.

Welche Anzeigenfelder kann ich von einer Google-SERP extrahieren?

Der Google-SERP-Scraper gibt ein ads-Array zurück, bei dem jede Anzeige eine Position, einen Titel (die Überschrift), eine Display-URL, eine Beschreibung (den Text), eine Ziel-URL und eventuelle Site-Links enthält. Dieses Tutorial glättet diese in einen Datensatz pro Anzeige und stempelt das Keyword, das ihn erzeugt hat, was ausreicht, um Text, Platzierung und zu analysieren, welche Mitbewerber bei welchen Begriffen bieten.

Wie finde ich heraus, welche Mitbewerber auf ein Keyword bieten?

Führen Sie jedes Ziel-Keyword als Suche aus, sammeln Sie die Anzeigen und gruppieren Sie die Datensätze nach ihrer Mitbewerber-Domain (abgeleitet aus der Display- oder Ziel-URL). Eine Marke, die für ein Keyword erscheint, bietet darauf. Aggregieren Sie diese Gruppen über Ihre gesamte Keyword-Liste und erhalten Sie eine Pro-Mitbewerber-Ansicht der Abdeckung, was der Kern der Analyse in dieser Anleitung ist.

Sollte ich das Google Ads Transparency Center statt Scraping verwenden?

Verwenden Sie beides. Das Transparency Center ist Googles offizielles Tool zum Anzeigen der Anzeigen, die ein bestimmter Werbetreibender im Netzwerk schaltet, also ist es ideal, um die Kreativleistung eines bekannten Mitbewerbers in der Tiefe zu studieren. Das Scrapen der Live-SERP für Ihre eigene Keyword-Liste verrät Ihnen, wer gerade bei welchem Begriff konkurriert und wie sein Text im Kontext liest, was das Transparency Center Ihnen nicht direkt gibt. Sie beantworten verschiedene Fragen.

Wie kann ich eine Blockierung beim Scrapen von Google Ads vermeiden?

Setzen Sie auf rotierende Wohn-IPs, damit Anfragen von vielen echten Nutzeradressen kommen, rendern Sie die Seite, damit die Anzeigen laden, und takten Sie Ihre Anfragen statt sie in einem engen Loop abzufeuern. Die Crawling API erledigt Rotation und Rendering für Sie; wenn Sie Ihren eigenen Stack aufbauen, sind das die Teile, die Sie richtig machen müssen. Den Status bei jeder Antwort zu lesen ermöglicht es Ihnen auch, sofort zurückzufahren, wenn Google beginnt, Herausforderungen zurückzugeben.

Kann ich Anzeigenänderungen im Zeitverlauf verfolgen?

Ja. Da jeder Lauf einen strukturierten Snapshot schreibt, der auf Keyword und Mitbewerber-Domain verschlüsselt ist, zeigt das Planen eines wöchentlichen Laufs und das Vergleichen der Snapshots neue Teilnehmer, weggefallene Werbetreibende und Änderungen in Text oder Position. Für eine breitere Verwendung dieser Art von Wettbewerbsdaten lesen Sie unseren Leitfaden zur Verwendung von Web Scraping für Preisintelligenz.

HR

Hassan Rehan

Softwareentwickler · Crawlbase

Softwareentwickler bei Crawlbase, der praxisnahe Anleitungen zu rotierenden Proxys, Scraping und den praktischen Details schreibt, Proxys in echten Code einzubinden.