Scraping

Automatiske programmer høster hvert sekund enorme mængder indhold fra nettets websites. Nogle gør det for at bygge nyttige tjenester, andre for at stjæle indhold, og AI-selskaberne gør det for at træne deres modeller. Fænomenet hedder scraping, og i 2026 er det rykket helt ind i centrum af en af nettets største kampe.

Hvad er scraping?

Scraping (på dansk skrabning eller høstning) er automatiseret indsamling af indhold fra websites ved hjælp af programmer, der henter og udtrækker data i stor skala. En scraper besøger sider, kopierer teksten, priserne, billederne eller andre data og gemmer dem til brug et andet sted. Scraping er ikke i sig selv ulovligt eller uetisk, det afhænger fuldstændigt af, hvem der gør det, hvordan og til hvad. Det spænder fra legitime tjenester som prissammenligning over regulær indholdstyveri til den massive høstning, der træner AI-modeller. Netop den sidste brug har gjort scraping til et af de mest omstridte emner i digital markedsføring.

Scraping mod crawling: hvad er forskellen?

De to begreber forveksles ofte, men de er ikke det samme. Forskellen ligger i formålet.

En crawler som Googlebot gennemsøger nettet for at forstå og indeksere sider, så de kan vises i søgeresultaterne. En scraper udtrækker derimod selve indholdet for at bruge det andetsteds. Grænsen kan være flydende, og mange AI-crawlere gør i praksis begge dele, men skellet er nyttigt: crawling handler om at finde, scraping om at hente hjem.

Scrapingens tre ansigter

Scraping optræder i tre meget forskellige roller, som er værd at holde adskilt:

Det legitime. Prissammenligningstjenester, researchværktøjer og analyseplatforme scraper offentligt tilgængelige data for at bygge noget nyttigt. Så længe der er tale om offentlige data, respekt for websitets regler og et rimeligt tempo, er det en helt normal del af, hvordan nettet fungerer.

Det ondsindede. Her bliver scraping til indholdstyveri. En aktør høster andres artikler og genudgiver dem som sine egne, ofte i stor skala. Det er en klassisk black hat-teknik, og Google betragter scraped, genudgivet indhold som spam. Den, der stjæler indhold på den måde, risikerer sanktioner, og den, hvis indhold bliver stjålet, kan opleve, at kopierne skaber forvirring om, hvem der er den oprindelige kilde.

Det altomfattende. AI-selskabernes høstning af nettet til at træne sprogmodeller. Det er scraping i en helt anden skala end nogensinde før, og det er her, hele debatten er brudt ud.

Den store kamp: scraping i AI-alderen

Her ligger 2026’s mest betændte emne, og det er værd at forstå, fordi det påvirker enhver, der udgiver indhold. Praktisk talt alle de store sprogmodeller er bygget på datasæt, der er samlet ved at scrape milliarder af websider. Scraping er ikke bare beslægtet med AI-revolutionen, det er selve fundamentet, den står på.

Det fundament er under kraftigt juridisk pres. En række retssager kører verden over mellem AI-selskaber og indholdsudgivere, og de rejser et grundlæggende spørgsmål: må man scrape andres indhold til at træne en model, der kan producere lignende indhold? I EU strammes reglerne markant. Fra august 2026 skal udbydere af generelle AI-modeller oplyse deres datakilder og respektere ophavsretlige fravalg, med mærkbare bøder for overtrædelser. Europæiske databeskyttelsesmyndigheder har desuden fastslået, at persondatareglerne også gælder for AI-træningsdata.

En pointe fortjener særlig opmærksomhed, fordi den viser, hvor kompliceret feltet er. I december 2025 lagde Google sag an mod en tjeneste, der scrapede Googles søgeresultater, med henvisning til omgåelse af tekniske beskyttelser. Ironien blev bemærket bredt: Google er selv en af nettets største scrapere og høster milliarder af sider til både søgning og AI-træning. Sagen illustrerer den uafklarede kerne i hele striden, nemlig hvornår automatisk adgang til offentligt synlige data er legitim, og hvornår den ikke er. Det er et spørgsmål, domstolene stadig er ved at besvare, og udfaldet kan få stor betydning for, hvordan det åbne internet fungerer fremover.

En vigtig juridisk nuance er, at robots.txt ikke er juridisk bindende i sig selv. Den er en anvisning, robotterne kan vælge at følge, ikke en lov. Men at ignorere den kan svække en aktørs sag, hvis det kombineres med brud på et websites betingelser. For dig som udgiver betyder det, at robots.txt er dit tydeligste signal om, hvad du tillader, selvom den ikke er en mur.

Hvad betyder det for dig?

For langt de fleste virksomheder er scraping relevant fra to vinkler. Den ene er at beskytte sit eget indhold. Bliver dine tekster scrapet og genudgivet, kan det skabe dubletter og forvirring om kilden. Her hjælper det at udgive konsekvent, at være den tydelige oprindelige kilde og at holde øje med, om ens indhold dukker op andetsteds. Google er som regel god til at genkende originalen, men ikke ufejlbarlig.

Den anden vinkel er AI-høstningen. Her står du med et valg, du styrer via din robots.txt: vil du lade AI-crawlerne bruge dit indhold, eller vil du holde dem ude? For de fleste opvejer synlighedsgevinsten ved at optræde i AI-svar den teoretiske omkostning ved at bidrage til træning, men det er dit valg, og det er værd at træffe bevidst frem for ved et uheld.

Hos Concept Interest rådgiver vi om scraping fra begge sider: hvordan man beskytter sit eget indhold, og hvordan man forholder sig fornuftigt til AI-høstningen. Det er et område i hastig forandring, hvor både lovgivning og retspraksis stadig er ved at forme sig, og hvor der ikke findes enkle svar. Det klogeste er at holde sig orienteret, træffe bevidste valg om sin robots.txt og bygge et website, der er så tydeligt den oprindelige, autoritative kilde, at det er svært at forveksle med en kopi. Den, der ejer originalen og fremstår som den ægte vare, står stærkest, uanset hvordan striden om scraping ender.