Alte Webseiten finden: Vorstellung der Wayback Machine und zweier Alternativen

Das Internet ist unvergänglich, glauben viele. Aber das gilt keineswegs für einzelne Websites: Warum stürzt gerade Ihre Website ab, sodass alle Ihre Inhalte verlorengehen? Oder wollten Sie Ihre Lieblingswebseite aufrufen und diese fiel gerade heute aus? So manch einer sucht auch nach einem Post, den er noch vor wenigen Tagen gelesen hatte, der nun aber unauffindbar scheint. Es gibt also viele denkbare Gründe, warum man alte Webseiten finden möchte. Aber gelöscht ist für immer gelöscht! Oder etwa doch nicht?

Auch wenn die Originalseite gelöscht wurde, gibt es eine Chance, deren Inhalte wiederzufinden. Denn einige Organisationen erstellen Abbilder alter Internetseiten. Mithilfe moderner Technologie sammeln sie kontinuierlich Snapshots. Diese stellen entsprechende Organisationen kostenlos im Internet zur Verfügung. Das wohl bekannteste Projekt dieser Art ist die Wayback Machine. Dieser Dienst des Internet-Archive-Projekts archiviert große Teile des öffentlich zugänglichen World Wide Web – und das immerhin seit 1996. Wir erläutern im Folgenden das Funktionsprinzip der Wayback-Maschine und stellen Ihnen außerdem zwei Alternativen vor, mit denen Sie ebenfalls alten Webcontent einsehen können.

Das Projekt Internet-Archive hatte – wie der Name bereits andeutet – seinen Ursprung als Webarchiv. Als Brewster Kahle das Archiv 1996 erstmals anlegte, nutzte er die Daten seines Projekts Alexa Internet, das Website-Aufrufe von Domains im ganzen World Wide Web sammelt. Inzwischen wird Alexa von Amazon als Marketing-Analyse-Dienst angeboten. Anfangs sollten für das Internet Archive priorisiert beliebte Websites gespeichert werden. Laut einer Untersuchung des Forbes-Magazins aus dem Jahr 2015 korreliert die Zahl der Snapshots einer Website auf archive.org (der Webpräsenz des Projekts) jedoch nicht immer mit dem Alexa-Rank oder der Update-Frequenz einer Domain. Es bleibt also vorerst im Dunkeln, welche Auswahlmethoden das Projekt genau nutzt, wenn es Webseiten aufspürt und speichert.

Das Internet Archive hat in seiner über zwanzigjährigen Geschichte einiges erreicht. Aus dem reinen Internetseiten-Archiv ist eine riesige virtuelle Bibliothek geworden. Laut eigenen Angaben nutzte archive.org im Jahr 2015 gewaltige 18,5 Petabyte Speicherplatz für Einzelinhalte (insgesamt sogar 50 Petabyte, also 50 Billiarden Bytes) und wuchs seitdem jede Woche um einige Terabytes. Laut den aktuellsten Erhebungen können Sie über die Wayback Machine rund 327 Milliarden alte Webseiten aufrufen. Darüber hinaus sammelt das Projekt:

• Texte und Bücher (etwa 16 Millionen)
• Audioaufzeichnungen (etwa 4,4 Millionen, darunter 189.000 Live-Aufzeichnungen von Konzerten)
• Videos und TV-Produktionen (etwa 5,8 Millionen, davon rund 1,6 Millionen Nachrichtenaufzeichnungen)
• Bilder (etwa 3,1 Million)
• Software-Programme (etwa 209.000)

(Stand: April 2018)

Die Medien sind entweder Gemeingut oder die Rechteinhaber spenden sie, um sie für die Nachwelt zu erhalten. So stammen viele der Inhalte von Universitäten, Regierungsorganisationen wie der NASA, von Text-Digitalisierungsprojekten wie Project Gutenberg oder Arvix und auch von Film- und Audiosammlungen wie der Prelinger Collection oder LibriVox.

Brewster Kahle ist ein Netzaktivist, der sich nicht nur für ein freies Internet einsetzt, sondern generell für frei zugängliches Wissen. So war er einer der populärsten Gegner des sogenannten „Micky-Maus-Schutzgesetzes“ (eigentlich: Copyright Term Extension Act), dessen Beschluss unter anderem durch Disney unterstützt wurde. Dieses Gesetz führte zu einer Verlängerung des amerikanischen Urheberrechts: Fortan sind Werke bis zu 70 Jahre (und nicht – wie zuvor – 50 Jahre) nach dem Tod eines Autors oder Zeichners urheberrechtlich geschützt. Kritikern wie Kahle zufolge würden solche langen Schutzrechte lediglich den Verwertungsunternehmen nutzen, während die Werke dadurch nicht durch die Allgemeinheit nutzbar wären.

Im Jahr 2007 erkannte der Bundesstaat Kalifornien das von Kahle gegründete Internet Archive offiziell als Bibliothek an. Eines der vielen Rechenzentren, die Sicherungskopien des Archivs lagern, befindet sich übrigens in der 2002 unter Schirmherrschaft der UNESCO neu eröffneten Bibliotheca Alexandria.

Die Tochter-Website archive-it.org arbeitet mit zahlreichen wissenschaftlichen Organisationen zusammen, die ihre Sammlungen digital archivieren wollen.

Das Internet ist ständig im Wandel: Schnellere Datenübertragung ermöglicht neue Services, andere werden dafür obsolet und geraten in Vergessenheit. Neue Informationen ersetzen häufig alte bzw. veraltete – insbesondere bei News-Portalen und anderen dynamischen Webseiten. Die früheren Artikel und Webpages sind dann oft nicht mehr direkt einsehbar. Dennoch wünschen sich immer wieder User, vergangene Versionen einer Website einsehen zu können. Dieser Wunsch, eine alte Webseite wiederzufinden, kann reiner Nostalgie entspringen. Beispielsweise, wenn man sich fragt, was man damals alles in sein Myspace-Profil geschrieben hat. Es gibt aber durchaus wirtschaftliche oder juristische Gründe, alte Versionen von Webseiten aufspüren zu wollen:

• Ihre Seite ist unerwartet offline: Vielleicht hat der Hosting-Service technische Probleme oder das Geld für die monatlichen Gebühren wurde nicht übermittelt. Die verlorenen Inhalte finden Sie wahrscheinlich in einem Webseiten-Archiv.
• Sie sind Journalist, Blogger oder Wissenschaftler und arbeiten an einem Fachartikel: Immer häufiger findet man wichtige Quellen am schnellsten im Netz. Ändert sich aber die verlinkte Quellseite, fehlen Ihren Lesern Informationen oder die Zitate stimmen nicht mehr mit dem Content der verlinkten Seite überein. Zitieren Sie die Quelle mit einem Snapshot und Timestamp, können Ihre Leser die Quelle immer nachvollziehen.
• Sie betreiben SEO und nutzen die Link-Power älterer Domains. Zudem können Sie mit Archiv-Tools fehlerhafte Links entfernen oder Seitenveränderungen abgleichen. Einige SEO-Experten verbessern ihr Ranking mit archivierten Inhalten in Private-Blog-Networks.
• Sie benötigen rechtliche Beweismittel: Geht es um Beleidigungen oder Bedrohung im Netz, helfen Screenshots, persönliche Angriffe zu dokumentieren. Wurden die Texte bereits vom Verursacher gelöscht, nutzen Sie einfach eine frühere Version der Website, um Ihre Beweise zu sammeln. Zudem kann einem die Dokumentation von Arbeitsprozessen über ein Archiv auch bei Patenstreits von Nutzen sein.

Betreiben Sie eine Website und Ihnen fehlt eine Sicherungskopie? Retten Sie verlorene Inhalte, indem Sie über archive.org Screenshots Ihrer alten Homepage finden. In nur drei Schritten lassen sich alte Webseiten aufspüren.

Innerhalb der archivierten Website navigieren Sie wie gewohnt über Links, um auf Unterseiten zu gelangen. Texte lassen sich einfach kopieren. Wollen Sie auch Layout und Design abspeichern, sind auch Screenshots möglich.

Die Optionen „Summary of…“ und “Site Map of…“ (im oberen Bild direkt über der Timeline) eröffnen Ihnen weitere Möglichkeiten. Das Summary offenbart, wie viele Code-Dateien, Bilder und Flash-Dateien die Crawler gefunden haben. Die Sitemap stellt hingegen die gesamte Domain als Ring dar. Ein Ringabschnitt steht dabei für eine Webpage, die Sie direkt mit einem Klick ansteuern können.

Mithilfe der Wayback Machine können Sie alte Webseiten aufrufen, die sie über deren frühere URL nicht mehr erreichen können. So können Sie zumindest den Text-Content der entsprechenden Seite finden und abspeichern. Doch manchmal braucht man mehr als nur einen alten Artikel-Text. Manchmal sitzt das Problem tiefer. Vielleicht existiert die Seite nicht mehr und auch das Back-up hilft nicht. Vielleicht wollen Sie die gesamte Internetseite herunterladen, um auch den Quellcode bearbeiten oder speichern zu können, defekte Links herauszufiltern oder Ihre alte Website auf deren SEO-Optimierung zu testen? Das ist möglich mit einem Wayback-Machine-Downloader.

Zur Nutzung des Open-Source-Angebots Wayback-Machine-Downloader auf GitHub sollten Sie vorher Ruby installieren. Sie müssen aber kein Ruby-Profi sein, um das Programm zu nutzen. Denn die Entwickler listen die wichtigsten Code-Befehle direkt auf der Download-Seite auf. Geben Sie die gewünschte URL ein, lädt das Programm die entsprechenden Dateien auf Ihren Computer. Es erstellt automatisch index.html-Seiten, die mit Apache und NGINX kompatibel sind. Fortgeschrittene User können beispielsweise die Einstellungen zu Timestamps, URL-Filtern und Snapshots näher definieren.

Das webbasierte Tool Archivarix mit seiner klar strukturierten Nutzeroberfläche eignet sich für kleine Webseiten oder Blogs. Denn der normalerweise kostenpflichtige Dienst ist kostenfrei, wenn er für Websites mit weniger als 200 Dateien genutzt wird. Die Einarbeitungszeit ist vergleichsweise kurz. Allerdings müssen Sie sich zur Nutzung von Archivarix registrieren. Dann geben Sie einfach die gewünschte Domain ein und legen mit wenigen Klicks die Optimierungsoptionen und Linkstrukturen fest. Anschließend hinterlegen Sie Ihre E-Mail-Adresse. Ist der Download aus dem Internetseiten-Archiv komplett, sendet Archivarix eine Zip-Datei an diese Adresse.

Ein weiteres Web-Tool ist der Wayback Machine Downloader (Viele dieser Tools haben sehr ähnliche, teilweise sogar identische Namen). Auch dieses Tool sendet Ihnen die Kopien der alten Internetseiten per E-Mail. Die kostenlose Demo umfasst die ersten vier Seiten aus der Wayback Machine. Eine vollständige HTML-Webseite kostet etwa 15 €, die Konvertierung in WordPress nochmals rund 45 € (Stand Mai 2018). Das Abonnement (aktuell 80 €) lohnt sich, wenn Sie monatlich eine größere Zahl an Domains herunterladen.

Archive.org selbst bietet keinen Website-Downloader. Als Bibliotheksmitglied, also eingeloggter User, stehen Ihnen aber Millionen von Texten, Bildern und Audio-Dateien zum Download zur Verfügung. Besitzen Sie die Rechte an einem Werk, können Sie es für die gemeinfreie nichtkommerzielle Nutzung hochladen, so wie die NASA es mit einem großen Teil ihres Ton- und Bildmaterials macht.

Das Team vom Projekt Open Library will möglichst umfassend Bücher kategorisieren. Zudem ermöglicht es Usern, viele Bücher – die teilweise bei Dritten gehostet werden – zwei Wochen lang auszuleihen. In einer gesonderten Kategorie finden Sie dort E-Books und Texte des Internet Archives. Diese können Sie meist kostenlos herunterladen.

Manchmal kommt es vor, dass die aktuelle Version einer Seite nicht in der Google-Ergebnisliste aufgelistet wird. Das kann passieren, wenn die Seiten-Betreiber die Domain auf „noindex“ gestellt haben. Damit geben sie an, dass die Suchmaschine die Seite nicht in ihre Sammlung aufnehmen soll. Eventuell ist aber noch eine alte Version der Webseite im Cache zu finden. Wenn Sie eine alte Internetseite aufrufen wollen, aber diese nicht in den Suchergebnissen finden, geben Sie folgenden Google-Befehl in Ihre Adresszeile ein: