Warum der PortaSplit-Hype ein Lehrbeispiel ist
Wer in diesem Sommer die sozialen Medien geöffnet hat, kam an einem Thema kaum vorbei: der Midea PortaSplit. Die mobile Split-Klimaanlage wurde zum Objekt der Begierde, und zum Auslöser einer erstaunlich vielschichtigen öffentlichen Debatte. Was auf X (ehemals Twitter) passierte, war mehr als ein Produkthype. Es war ein Lehrstück darüber, wie sich ein Trend in Echtzeit entfaltet.
Innerhalb weniger Tage entstanden Tausende von Posts – und sie erzählten völlig unterschiedliche Geschichten.
Da war der Begeisterungshype: Ein Dachgeschoss-Bewohner empfahl das Gerät schlicht als „beste Investition eures Lebens” – der Post erreichte über 2 Millionen Impressionen.
Dann auch echte Nutzererfahrung: Ein Nutzer teilte seine ersten Eindrücke nach dem ersten Anfassen des Geräts: ziemlich groß, leise, leichtes Außengerät. Über 31.000 Impressionen, 34 Kommentare, echte Diskussion.
Gleichzeitig die Frustration: Andere berichteten von Sekundenbruchteilen – die PortaSplit war für einen Moment bei einem großen Elektronikhändler online und sofort wieder weg.
Und dann der politische Unterton, der den Diskurs von Anfang an begleitete: Während Klimaanlagen ausverkauft waren, wurde gleichzeitig hitzig darüber gestritten, ob sie überhaupt vertretbar sind – obwohl sie technisch identisch mit der politisch geförderten Wärmepumpe funktionieren.
Vier völlig verschiedene Gesprächsstränge, alle unter demselben Hashtag. Für ein Kommunikationsteam, das eine Kampagne plant, ist das eine Goldgrube – aber nur, wenn man die Signale auseinanderhalten kann. Für eine Marktforschungsagentur, die das Kaufverhalten analysiert, sind die Frustrations-Posts über Ausverkauf wertvoller als tausend Produktrezensionen. Und für ein Unternehmen wie Midea selbst lohnt ein genauerer Blick auf die Randgespräche – dort entstehen oft die Narrative, die das Image eines Produkts langfristig prägen.
Die Fragen, die sich dabei stellen, sind dieselben: Wie trennt man echtes Kaufinteresse von allgemeinem Gesprächslärm? Wer sind die Stimmen mit tatsächlicher Reichweite? Wann war der Peak – und ist die Konversation schon am Abflauen?
Genau hier stoßen klassische Social Media Monitoring Tools an ihre Grenzen.
Der blinde Fleck der Monitoring-Branche
Tools wie Brandwatch, Meltwater, Talkwalker sind leistungsstark. Aber Unternehmenslizenzen beginnen schnell bei mehreren Hundert Euro im Monat, Enterprise-Pakete deutlich darüber. Für große Kommunikationsabteilungen ist das kalkulierbar. Für mittelständische Unternehmen, Agenturen oder Forschungsprojekte oft nicht.
Die kostenlosen Alternativen – Google Alerts, Talkwalker Alerts oder die plattformeigenen Insights – lösen das Kostenproblem, schaffen aber ein neues. Sie zeigen, dass über ein Thema gesprochen wird. Nicht aber, was genau gesagt wird, von wem, in welchem Ton und mit welcher tatsächlichen Reichweite. Wer tiefer graben will, stößt schnell an Grenzen.
Was beide Ansätze eint: Sie liefern vordefinierte Dashboards und damit immer nur die Antworten, die das Tool für Sie vorgesehen hat. Und sie bieten keine Möglichkeit, die gesammelten Daten direkt in eine KI-Analyse zu überführen.
Genau das ist der Ansatz, den wir hier vorstellen.
Schritt 1: Twitter-Daten scrapen mit Octoparse
Octoparse ist ein No-Code Web Scraping Tool, das direkt auf öffentliche Twitter-Daten zugreift – ohne API-Schlüssel, ohne monatliche Tweet-Limits, ohne Programmierkenntnisse. Während Twitters eigene API mittlerweile 100 US-Dollar pro Monat für nur 10.000 Tweets kostet, lässt sich mit Octoparse deutlich mehr Daten zu einem Bruchteil der Kosten erheben.
Für die PortaSplit-Fallstudie stehen drei spezialisierte Twitter Scraper Templates zur Verfügung. Je nach Fragestellung empfiehlt sich ein anderes.
Die drei Twitter-Templates im Überblick
https://www.octoparse.de/template/twitter-scraper-by-hashtag
Twitter Scraper by Hashtag — Der direkteste Einstieg für diese Fallstudie. Hashtag eingeben, starten – das Template extrahiert Tweets inklusive Antworten, Reposts, Likes und Aufrufe. Zusätzlich werden Medienlinks erfasst: Bilder, Videos und GIFs, die in den Posts eingebettet sind. Ideal, um den PortaSplit-Diskurs auf einen Blick zu erfassen.
https://www.octoparse.de/template/twitter-scraper-by-keywords
Twitter Scraper by Keywords — Wer nicht nur einen Hashtag, sondern mehrere Suchbegriffe gleichzeitig überwachen möchte, greift zu diesem Template. Es unterstützt Datumsfilter, um die Analyse auf einen bestimmten Zeitraum einzugrenzen – etwa die Hitzewelle im Juni und Juli 2026.
⚠️ Hinweis: Keywords und Hashtags nicht gleichzeitig eingeben, da der Datumsfilter sonst deaktiviert wird.
https://www.octoparse.de/template/tweets-comments-scraper-by-search-result-url
Tweets & Comments Scraper by Search Result URL — Das flexibelste der drei Templates. Suche auf Twitter durchführen, die URL der Suchergebnisseite kopieren, einfügen – fertig. Der besondere Vorteil: Es werden nicht nur Tweets, sondern auch Kommentare erfasst, inklusive Verfasser und Zeitstempel. Für eine Tiefenanalyse der Konversationen rund um den PortaSplit-Hype ist das die stärkste Option.
So richten Sie den Scraper ein (am Beispiel: by Hashtag)
- Template öffnen: Wählen Sie den Twitter Scraper by Hashtag in der Octoparse Template-Bibliothek
- Hashtag eingeben: Geben Sie „#PortaSplit” oder „#MideaPortaSplit” ein
- Aufgabe starten: Führen Sie den Scraper lokal oder in der Cloud aus (Cloud-Läufe ermöglichen automatische, regelmäßige Datenerhebung)
- Daten exportieren: Die Ergebnisse lassen sich direkt als CSV, Excel oder JSON herunterladen
Das Ergebnis ist ein strukturierter Datensatz, der direkt weiterverarbeitet werden kann. Die tatsächlich erfassten Felder aus dem Testlauf:
| Feld | Inhalt |
|---|---|
| Category | TopPost oder LatestPost – zeigt, ob es sich um einen Top- oder aktuellen Tweet handelt |
| Keyword | Eingegebener Suchbegriff oder Hashtag |
| Author_Name | Name des Tweet-Verfassers |
| Author_Web_Page_URL | Direkt-Link zum Profil |
| Tweet_Timestamp | Datum und Uhrzeit des Posts |
| Tweet_Content | Vollständiger Text des Tweets |
| Tweet_Image_URL | Links zu eingebetteten Bildern – automatisch erfasst |
| Tweet_Video_URL | Links zu eingebetteten Videos |
| Tweet_AD | Kennzeichnung, ob es sich um einen Werbe-Tweet handelt |
| Tweet_Number_of_Reviews | Anzahl der Antworten |
| Tweet_Number_of_Retweets | Anzahl der Weiterleitungen |
| Tweet_Number_of_Likes | Anzahl der Likes |
| Tweet_Number_of_Looks | Anzahl der Aufrufe – wichtig für Reichweitenanalyse |
[Screenshot: Octoparse Datenliste – 27 Tweets zum Hashtag #PortaSplit, exportbereit]
Das Ergebnis eines ersten Testlaufs: 27 strukturierte Datensätze, bereit zum Export. Auffällig: Die Konversation rund um #PortaSplit ist mehrsprachig – neben deutschen Tweets finden sich französische und englische Beiträge, was die internationale Reichweite des Hypes unterstreicht. Alle Felder werden automatisch erfasst, ohne manuelle Nacharbeit.
Für die PortaSplit-Analyse lieferte ein einzelner Scraping-Lauf 27 strukturierte Datensätze – für eine erste Trendanalyse bereits aussagekräftig. Mit längeren Laufzeiten oder mehreren Suchbegriffen lässt sich der Datensatz beliebig erweitern.
Schritt 2: Daten mit dem Octoparse MCP an Claude übergeben
Hier beginnt der Teil, den kein klassisches Social Media Monitoring Tool bietet: die direkte Verbindung zwischen Ihren Scraping-Daten und einer KI – ohne manuellen Export, ohne Copy-Paste, ohne Umwege.
Was ist MCP?
MCP (Model Context Protocol) ist ein offener Standard von Anthropic, der KI-Assistenten wie Claude oder ChatGPT mit externen Tools verbindet. Für Sie als Nutzer bedeutet das: Claude kann direkt auf Ihre Octoparse-Aufgaben zugreifen: Templates suchen, Tasks starten, Daten abrufen usw., und Sie steuern alles per natürlicher Sprache.
Verbindung einrichten (am Beispiel von Claude, in 3 Schritten)
- Anpassen öffnen: Klicken Sie in der Claude-Seitenleiste auf Anpassen und wählen Sie Konnektoren
- Konnektor suchen: Geben Sie im Suchfeld „Octoparse” ein und wählen Sie Benutzerdefinierten Connector hinzufügen
- Server-URL eingeben: Vergeben Sie einen Namen (z. B. „Octoparse”) und tragen Sie
https://mcp.octoparse.comals Server-URL ein
- Autorisieren: Klicken Sie auf Verbinden – ein Browser-Fenster öffnet sich, melden Sie sich mit Ihrem Octoparse-Konto an und bestätigen Sie mit Authorize Octoparse
- Berechtigungen festlegen: Nach erfolgreicher Verbindung können Sie unter Tool-Berechtigungen festlegen, welche Aktionen Claude eigenständig ausführen darf. Für Schreib-/Lösch-Tools wie Start Or Stop Task oder Export Data empfiehlt sich Genehmigung erforderlich – so behalten Sie die Kontrolle über aktive Eingriffe in Ihre Aufgaben
Die Einrichtung dauert etwa drei Minuten. Eine detaillierte Schritt-für-Schritt-Anleitung für weitere kompatible Clients wie ChatGPT, Cursor, VS Code usw. finden Sie hier.
Hinweis zu Kosten:
Jeder Octoparse-Account – auch der kostenlose – erhält 2.000 gratis Records pro Woche über MCP. Für unsere PortaSplit-Fallstudie mit 27 Tweets ist das mehr als ausreichend.
So funktioniert die Zusammenarbeit Octoparse MCP x KI in der Praxis
Sobald die Verbindung steht, können Sie Claude in natürlicher Sprache ansprechen, als wären Sie im Gespräch mit einem Analysten, der direkten Zugriff auf Ihre Daten hat:
Claude ruft die Daten direkt aus Octoparse ab, verarbeitet sie und liefert strukturierte Antworten – alles in einem einzigen Gesprächsfenster. Was früher drei separate Tools erforderte, läuft jetzt in einem Workflow.
Schritt 3: KI-Analyse – Was steckt hinter dem Hype?
Sentiment-Analyse
Claude klassifiziert jeden Tweet nach Stimmung: positiv, negativ, neutral oder gemischt. Bei unserem Testdatensatz mit 27 Tweets könnte eine solche Analyse zum Beispiel zeigen, wie sich Produktbegeisterung, Ausverkauf-Frustration und allgemeine Diskussionen verteilen – und welche Stimmung in welchem Zeitraum dominiert. Eine Nuance, die ein einfaches Sentiment-Score nicht abbilden kann.
Hochfrequente Begriffe und Themen-Cluster
Claude identifiziert, welche Begriffe und Themen besonders häufig vorkommen und wie sie zusammenhängen. Im PortaSplit-Datensatz kristallisierten sich drei Cluster heraus: Kaufabsicht und Verfügbarkeit, politische Debatte (Klimaanlage vs. Wärmepumpe), und Humor und Memes rund um den Hype.
Zeitliche Verlaufsanalyse
Anhand der Zeitstempel lässt sich rekonstruieren, wann der Diskurs seine Peaks hatte, welche Ereignisse (Hitzewellen, Medienberichte) zu Spitzen geführt haben, und ob die Diskussion abflaut oder weiter wächst. Für Kommunikationsteams ist das entscheidend: Wann ist der richtige Moment, um in eine laufende Konversation einzusteigen?
Identifikation einflussreicher Accounts
Wer hat die Konversation angestoßen? Welche Accounts haben die meisten Retweets generiert? Claude filtert aus dem Datensatz die einflussreichsten Stimmen heraus – sowohl nach Follower-Zahl als auch nach tatsächlicher Interaktionsrate.
Das Ergebnis ist kein vordefiniertes Dashboard, sondern eine maßgeschneiderte Analyse, die genau die Fragen beantwortet, die für die eigene Fragestellung relevant sind.
Was Marken und Forscher aus diesem Workflow mitnehmen
Der PortaSplit-Hype ist ein Einzelfall, aber die Struktur dahinter ist universell. Jede Produkteinführung, jede Krise, jeder Trending Topic folgt demselben Muster: Daten entstehen in Echtzeit auf sozialen Plattformen, und wer sie zuerst versteht, hat einen Vorteil.
Der hier beschriebene Workflow lässt sich auf jede öffentliche Diskussion anwenden. Statt „PortaSplit” geben Sie einen anderen Suchbegriff ein, sei es Markenname, Produktkategorie, Branchenthema. Der Rest des Prozesses bleibt gleich.
Ein wichtiger Hinweis zur Compliance: Beim Scraping öffentlicher Social-Media-Daten gelten die Nutzungsbedingungen der jeweiligen Plattform sowie die DSGVO. Octoparse erhebt ausschließlich öffentlich zugängliche Daten. Für kommerzielle Nutzung empfiehlt sich eine rechtliche Prüfung im Einzelfall.
Ein Wort zur Compliance:
Web Scraping öffentlich zugänglicher Social-Media-Daten ist in Deutschland legal, solange die DSGVO eingehalten wird. Octoparse erhebt ausschließlich öffentlich verfügbare Daten und belastet dabei die Server der abgefragten Websites nicht – beides sind zentrale Anforderungen für rechtskonformes Scraping. Für eine ausführliche rechtliche Einordnung empfehlen wir unseren Artikel: Ist das Web Scraping legal in Deutschland?
Fazit: Vom Datenpunkt zur Entscheidung – in einem Workflow
Für Teams mit kleinem Budget oder spezifischen Fragestellungen, die kein vordefiniertes Dashboard abdeckt, ist der Octoparse-plus-KI-Ansatz eine ernsthafte Alternative zu klassischen Monitoring-Lösungen.
Drei Schritte, ein Workflow: Twitter-Daten scrapen, per MCP an Claude übergeben, KI-Analyse abrufen. Was früher ein teures Abo und ein Analyst-Team erforderte, lässt sich heute in unter einer Stunde aufsetzen.
Wer den PortaSplit-Artikel gelesen hat und wissen möchte, wie man auch Lagerbestände und Preise automatisch überwacht, findet hier die passende Anleitung: [→ Midea PortaSplit kaufen: Lagerbestand automatisch überwachen & als Erster zuschlagen]
→ Jetzt Octoparse kostenlos testen
Konvertiere Website-Daten direkt in Excel, CSV, Google Sheets und Ihre Datenbank.
Scrape Daten einfach mit Auto-Dedektion, ganz ohne Coding.
Scraping-Vorlagen für beliebte Websites, um Daten mit wenigen Klicks zu erhalten.
Mit IP-Proxys und fortschrittlicher API wird nie blockiert.
Cloud-Dienst zur Planung von Datenabfragen zu jedem gewünschten Zeitpunkt.
