Python Backend: Markt
Stand 19. November 2026: offene Stellen Python Backend — 3.371, 34% remote unter den Stellen mit Angabe des Arbeitsmodells; Mediangehalt in Stellenanzeigen $6.775/Monat (aus 550 Anzeigen mit Gehaltsangabe). Quelle: Zorky, täglich aktualisiert.
Python Backend — server-side development in Python: REST/GraphQL APIs, business logic, integrations, task queues, background jobs. Role family: Django Developer (full-stack-leaning, ORM-heavy, large product monoliths), FastAPI Developer (async-first, microservices, ML APIs), Flask Developer (lightweight services, prototyping), Python Backend Engineer (general — Django/FastAPI/plain stack), Async Python Developer (aiohttp/Sanic/Starlette for high-throughput). Stack: Python 3.11+ (must), Django/FastAPI/Flask (must — one of), SQLAlchemy/Django ORM, PostgreSQL/MySQL, Redis, Celery/Arq/RQ for queues, Kafka/RabbitMQ for messaging, Docker+Kubernetes, pytest+alembic+poetry, asyncio, observability via Prometheus/Grafana/OpenTelemetry. The most in-demand tech — python, fastapi, django, cloud, ci/cd. Among jobs with a stated work format, 34% are remote. This is the most senior-heavy segment of the backend market: the market rarely hires Python Junior, expecting Middle+ with practical experience.
Datenstand:
Die wichtigsten Zahlen des Python Backend-Markts: offene Jobs, Mediangehalt, beobachteter Fachkräftepool und Remote-Anteil.
Der Markt für Python Backend hat derzeit 3.371 offene Rollen, davon 2.778 frisch beobachtet. Median salary $6.775/mo.
Unter den Stellen mit angegebenem Arbeitsmodell sind 34% vollständig remote. Der Stack eignet sich gut für Remote-Arbeit — keine spezielle Ausrüstung, alles in Docker/k8s/Git. Russische Banken — wegen Compliance häufiger im Büro.
⚠ Gehalt bekannt bei 550 von 3371 Stellen; Remote-Anteil aus 2852 mit angegebenem Arbeitsformat; 2778 als frische Beobachtungen gezählt; Trend und Besetzungsschwierigkeit werden nicht gezeigt
Zeitachse: Ausschreibungen und Quellen
Wie viele Python Backend-Ausschreibungen jede Woche seit 1. Juni erschienen sind und aus wie vielen Quellen. Das untere Diagramm trennt Marktwachstum von Abdeckungswachstum: Ein Sprung in der Woche, in der neue Quellen angebunden wurden, bedeutet, dass wir mehr sehen — nicht, dass der Markt gewachsen ist.
Neue Ausschreibungen pro Woche
Diagrammdaten
| Zeitraum | Neue Ausschreibungen pro Woche |
|---|---|
| 2026-06-01 | 377 |
| 2026-06-08 | 348 |
| 2026-06-15 | 364 |
| 2026-06-22 | 716 |
| 2026-06-29 | 715 |
| 2026-07-06 | 550 |
| 2026-07-13 | 922 |
| 2026-07-20 | 834 |
| 2026-07-27 | 472 |
| 2026-08-03 | 507 |
| 2026-08-10 | 356 |
| 2026-08-17 | 360 |
| 2026-08-24 | 411 |
| 2026-08-31 | 444 |
| 2026-09-07 | 418 |
| 2026-09-14 | 443 |
| 2026-09-21 | 742 |
| 2026-09-28 | 1.005 |
| 2026-10-05 | 852 |
| 2026-10-12 | 1.462 |
| 2026-10-19 | 1.028 |
| 2026-10-26 | 1.005 |
| 2026-11-02 | 830 |
| 2026-11-09 | 882 |
Aktive Quellen pro Woche
Quellen im Zeitraum: 349. ▲ — Woche, in der viele neue Quellen angebunden wurden.
Diagrammdaten
| Zeitraum | Aktive Quellen |
|---|---|
| 2026-06-01 | 40 |
| 2026-06-08 | 32 |
| 2026-06-15 | 39 |
| 2026-06-22 | 57 |
| 2026-06-29 | 96 |
| 2026-07-06 | 89 |
| 2026-07-13 | 105 |
| 2026-07-20 | 113 |
| 2026-07-27 | 105 |
| 2026-08-03 | 108 |
| 2026-08-10 | 64 |
| 2026-08-17 | 79 |
| 2026-08-24 | 76 |
| 2026-08-31 | 73 |
| 2026-09-07 | 78 |
| 2026-09-14 | 73 |
| 2026-09-21 | 95 |
| 2026-09-28 | 94 |
| 2026-10-05 | 95 |
| 2026-10-12 | 90 |
| 2026-10-19 | 117 |
| 2026-10-26 | 100 |
| 2026-11-02 | 98 |
| 2026-11-09 | 105 |
Neue Quellen angebunden: 22. Juni +27 · 29. Juni +47 · 6. Juli +29 · 13. Juli +28 · 20. Juli +22 · 19. Okt. +17 · alle Wochen (23) in der Tabelle
| Woche | Neue Quellen | Neue Ausschreibungen |
|---|---|---|
| 8. Juni | +6 | 348 |
| 15. Juni | +8 | 364 |
| 22. Juni | +27 | 716 |
| 29. Juni | +47 | 715 |
| 6. Juli | +29 | 550 |
| 13. Juli | +28 | 922 |
| 20. Juli | +22 | 834 |
| 27. Juli | +14 | 472 |
| 3. Aug. | +15 | 507 |
| 10. Aug. | +3 | 356 |
| 17. Aug. | +9 | 360 |
| 24. Aug. | +8 | 411 |
| 31. Aug. | +6 | 444 |
| 7. Sept. | +6 | 418 |
| 14. Sept. | +6 | 443 |
| 21. Sept. | +12 | 742 |
| 28. Sept. | +6 | 1.005 |
| 5. Okt. | +8 | 852 |
| 12. Okt. | +9 | 1.462 |
| 19. Okt. | +17 | 1.028 |
| 26. Okt. | +8 | 1.005 |
| 2. Nov. | +7 | 830 |
| 9. Nov. | +8 | 882 |
Die aktuelle Woche ist noch nicht vorbei und wird nicht gezeigt: Eine unvollständige Woche sähe wie ein Rückgang aus.
Woche = Datum der ersten Erfassung der Ausschreibung, alle Status; Ausschreibungen werden nach derselben Regel ausgewählt wie der Zähler dieser Seite. Quellen sind unterschiedliche Erfassungskanäle; ihre Namen werden nicht veröffentlicht.
Diagrammdaten
| Woche | Neue Ausschreibungen pro Woche | Aktive Quellen |
|---|---|---|
| 2026-06-01 | 377 | 40 |
| 2026-06-08 | 348 | 32 |
| 2026-06-15 | 364 | 39 |
| 2026-06-22 | 716 | 57 |
| 2026-06-29 | 715 | 96 |
| 2026-07-06 | 550 | 89 |
| 2026-07-13 | 922 | 105 |
| 2026-07-20 | 834 | 113 |
| 2026-07-27 | 472 | 105 |
| 2026-08-03 | 507 | 108 |
| 2026-08-10 | 356 | 64 |
| 2026-08-17 | 360 | 79 |
| 2026-08-24 | 411 | 76 |
| 2026-08-31 | 444 | 73 |
| 2026-09-07 | 418 | 78 |
| 2026-09-14 | 443 | 73 |
| 2026-09-21 | 742 | 95 |
| 2026-09-28 | 1.005 | 94 |
| 2026-10-05 | 852 | 95 |
| 2026-10-12 | 1.462 | 90 |
| 2026-10-19 | 1.028 | 117 |
| 2026-10-26 | 1.005 | 100 |
| 2026-11-02 | 830 | 98 |
| 2026-11-09 | 882 | 105 |
Gehälter im Zeitverlauf
Mediangehalt Python Backend pro Woche, USD pro Monat.
Mediangehalt, USD pro Monat
Diagrammdaten
| Zeitraum | Median | Stellen mit Gehalt pro Woche (n) |
|---|---|---|
| 2026-08-31 | 6.514 | 14 |
| 2026-09-07 | 8.511 | 15 |
| 2026-09-14 | — | 5 |
| 2026-09-21 | 5.039 | 18 |
| 2026-09-28 | 5.858 | 121 |
| 2026-10-05 | 4.266 | 130 |
| 2026-10-12 | 5.500 | 151 |
| 2026-10-19 | 6.275 | 220 |
| 2026-10-26 | 6.746 | 210 |
| 2026-11-02 | 7.020 | 169 |
| 2026-11-09 | 5.807 | 165 |
Die Reihe beginnt am 31. Aug.: davor gibt es keine Daten.
Nur Ausschreibungen mit Gehalt in USD und bekanntem Zeitraum (Monat oder Jahr), 500–50.000 $ pro Monat. Wochen mit weniger als 10 solchen Ausschreibungen bleiben leer — das heißt keine Daten, nicht null.
Diagrammdaten
| Woche | Median |
|---|---|
| 2026-06-01 | — |
| 2026-06-08 | — |
| 2026-06-15 | — |
| 2026-06-22 | — |
| 2026-06-29 | — |
| 2026-07-06 | — |
| 2026-07-13 | — |
| 2026-07-20 | — |
| 2026-07-27 | — |
| 2026-08-03 | — |
| 2026-08-10 | — |
| 2026-08-17 | — |
| 2026-08-24 | — |
| 2026-08-31 | 6.514 |
| 2026-09-07 | 8.511 |
| 2026-09-14 | — |
| 2026-09-21 | 5.039 |
| 2026-09-28 | 5.858 |
| 2026-10-05 | 4.266 |
| 2026-10-12 | 5.500 |
| 2026-10-19 | 6.275 |
| 2026-10-26 | 6.746 |
| 2026-11-02 | 7.020 |
| 2026-11-09 | 5.807 |
Remote-Arbeit im Zeitverlauf
Anteil der Python Backend-Ausschreibungen mit vollständig remoter Arbeit, pro Woche.
Remote-Ausschreibungen, %
Diagrammdaten
| Zeitraum | Ortsunabhängig |
|---|---|
| 2026-06-01 | 37,5 |
| 2026-06-08 | 38,4 |
| 2026-06-15 | 39,8 |
| 2026-06-22 | 35,5 |
| 2026-06-29 | 40 |
| 2026-07-06 | 40,9 |
| 2026-07-13 | 38,5 |
| 2026-07-20 | 42,1 |
| 2026-07-27 | 45,3 |
| 2026-08-03 | 33,1 |
| 2026-08-10 | 32,1 |
| 2026-08-17 | 28,9 |
| 2026-08-24 | 28,1 |
| 2026-08-31 | 25 |
| 2026-09-07 | 22,2 |
| 2026-09-14 | 27,7 |
| 2026-09-21 | 41,1 |
| 2026-09-28 | 42,2 |
| 2026-10-05 | 36 |
| 2026-10-12 | 39,8 |
| 2026-10-19 | 37,4 |
| 2026-10-26 | 36,5 |
| 2026-11-02 | 35,1 |
| 2026-11-09 | 31 |
Der Anteil bezieht sich auf Ausschreibungen mit Angabe des Arbeitsmodells (remote, hybrid, Büro). Wochen mit weniger als 10 solchen Ausschreibungen bleiben leer.
Diagrammdaten
| Woche | Ortsunabhängig |
|---|---|
| 2026-06-01 | 37,5 |
| 2026-06-08 | 38,4 |
| 2026-06-15 | 39,8 |
| 2026-06-22 | 35,5 |
| 2026-06-29 | 40 |
| 2026-07-06 | 40,9 |
| 2026-07-13 | 38,5 |
| 2026-07-20 | 42,1 |
| 2026-07-27 | 45,3 |
| 2026-08-03 | 33,1 |
| 2026-08-10 | 32,1 |
| 2026-08-17 | 28,9 |
| 2026-08-24 | 28,1 |
| 2026-08-31 | 25 |
| 2026-09-07 | 22,2 |
| 2026-09-14 | 27,7 |
| 2026-09-21 | 41,1 |
| 2026-09-28 | 42,2 |
| 2026-10-05 | 36 |
| 2026-10-12 | 39,8 |
| 2026-10-19 | 37,4 |
| 2026-10-26 | 36,5 |
| 2026-11-02 | 35,1 |
| 2026-11-09 | 31 |
Technologien im Zeitverlauf
Wie sich der Anteil der Python Backend-Stellen verändert hat, die jede der Top-Technologien nennen.
Ausschreibungen mit der Technologie, %
Diagrammdaten
| Zeitraum | Python | cloud | AWS |
|---|---|---|---|
| 2026-08-10 | 98,6 | 12,7 | 7,9 |
| 2026-08-17 | 99,2 | 12 | 12 |
| 2026-08-24 | 99,3 | 11,5 | 11 |
| 2026-08-31 | 99,5 | 12,9 | 12,4 |
| 2026-09-07 | 99,5 | 14,9 | 12 |
| 2026-09-14 | 98,9 | 10,2 | 12,2 |
| 2026-09-21 | 97,3 | 15,8 | 11,9 |
| 2026-09-28 | 98,4 | 22 | 18,5 |
| 2026-10-05 | 98,1 | 22,2 | 19,2 |
| 2026-10-12 | 98 | 26,4 | 15,8 |
| 2026-10-19 | 97,6 | 26,2 | 20,9 |
| 2026-10-26 | 98 | 24,5 | 19,8 |
| 2026-11-02 | 96,6 | 21,2 | 16,6 |
| 2026-11-09 | 98,6 | 20,8 | 16,7 |
Anteil unter Ausschreibungen mit getaggtem Stack; die Reihe beginnt am 10. Aug.: davor wurden Stack-Tags anders vergeben. Wochen mit weniger als 20 getaggten Ausschreibungen bleiben leer.
Diagrammdaten
| Woche | Python | cloud | AWS | FastAPI | Docker |
|---|---|---|---|---|---|
| 2026-08-10 | 98,6 | 12,7 | 7,9 | 9,3 | 5,6 |
| 2026-08-17 | 99,2 | 12 | 12 | 9,8 | 4,7 |
| 2026-08-24 | 99,3 | 11,5 | 11 | 13,2 | 8,3 |
| 2026-08-31 | 99,5 | 12,9 | 12,4 | 11,5 | 9 |
| 2026-09-07 | 99,5 | 14,9 | 12 | 10,8 | 8,6 |
| 2026-09-14 | 98,9 | 10,2 | 12,2 | 10,6 | 7 |
| 2026-09-21 | 97,3 | 15,8 | 11,9 | 12 | 10,4 |
| 2026-09-28 | 98,4 | 22 | 18,5 | 19,9 | 17,6 |
| 2026-10-05 | 98,1 | 22,2 | 19,2 | 17,9 | 18,9 |
| 2026-10-12 | 98 | 26,4 | 15,8 | 18,5 | 17,6 |
| 2026-10-19 | 97,6 | 26,2 | 20,9 | 15,3 | 16,4 |
| 2026-10-26 | 98 | 24,5 | 19,8 | 16,7 | 16,4 |
| 2026-11-02 | 96,6 | 21,2 | 16,6 | 19,1 | 19,1 |
| 2026-11-09 | 98,6 | 20,8 | 16,7 | 18,8 | 15,9 |
Länder im Zeitverlauf
Wie sich der Anteil der Python Backend-Stellen in jedem der Top-Länder pro Woche verändert hat.
Ausschreibungen im Land, %
Diagrammdaten
| Zeitraum | Polen | USA | Russland |
|---|---|---|---|
| 2026-06-01 | 34,4 | 12,2 | 4,2 |
| 2026-06-08 | 36,7 | 21 | 1,8 |
| 2026-06-15 | 34,8 | 20,8 | 2,8 |
| 2026-06-22 | 42,4 | 17,1 | 1,9 |
| 2026-06-29 | 27,5 | 12,7 | 19,1 |
| 2026-07-06 | 24,9 | 14,7 | 14,9 |
| 2026-07-13 | 23,7 | 20,2 | 14,5 |
| 2026-07-20 | 26,3 | 13,1 | 16,2 |
| 2026-07-27 | 35,3 | 6,3 | 22,9 |
| 2026-08-03 | 18,2 | 10,1 | 20,2 |
| 2026-08-10 | 14 | 6,7 | 20 |
| 2026-08-17 | 15,9 | 7,9 | 17,8 |
| 2026-08-24 | 13 | 9,3 | 22,3 |
| 2026-08-31 | 9,3 | 11,6 | 14,3 |
| 2026-09-07 | 12,7 | 8,8 | 11,4 |
| 2026-09-14 | 8,3 | 13,6 | 12,6 |
| 2026-09-21 | 15 | 12,8 | 9,4 |
| 2026-09-28 | 25,9 | 9,9 | 11,5 |
| 2026-10-05 | 29,4 | 9,4 | 10,5 |
| 2026-10-12 | 21,9 | 13,6 | 6,1 |
| 2026-10-19 | 22,2 | 13,6 | 14,9 |
| 2026-10-26 | 15,6 | 10 | 7,3 |
| 2026-11-02 | 19,4 | 13,5 | 10,3 |
| 2026-11-09 | 20,9 | 10,2 | 10,9 |
Anteil unter Ausschreibungen mit bekanntem Land; das Diagramm zeigt die fünf Länder mit den meisten Ausschreibungen über sechs Monate. Wochen mit weniger als 20 Ausschreibungen mit bekanntem Land bleiben leer. Ein steigender Anteil kann eine neu angebundene Quelle in diesem Land bedeuten statt Marktwachstum.
Diagrammdaten
| Woche | Polen | USA | Russland | Vereinigtes Königreich | Indien |
|---|---|---|---|---|---|
| 2026-06-01 | 34,4 | 12,2 | 4,2 | 14,7 | 7,5 |
| 2026-06-08 | 36,7 | 21 | 1,8 | 10,7 | 7,7 |
| 2026-06-15 | 34,8 | 20,8 | 2,8 | 9,7 | 8,8 |
| 2026-06-22 | 42,4 | 17,1 | 1,9 | 3,8 | 7,1 |
| 2026-06-29 | 27,5 | 12,7 | 19,1 | 4,4 | 7,6 |
| 2026-07-06 | 24,9 | 14,7 | 14,9 | 4,5 | 7,3 |
| 2026-07-13 | 23,7 | 20,2 | 14,5 | 4,1 | 8,8 |
| 2026-07-20 | 26,3 | 13,1 | 16,2 | 11,5 | 9,5 |
| 2026-07-27 | 35,3 | 6,3 | 22,9 | 5,5 | 3 |
| 2026-08-03 | 18,2 | 10,1 | 20,2 | 14,8 | 10,3 |
| 2026-08-10 | 14 | 6,7 | 20 | 17,5 | 11,4 |
| 2026-08-17 | 15,9 | 7,9 | 17,8 | 20,6 | 11,1 |
| 2026-08-24 | 13 | 9,3 | 22,3 | 20,9 | 7,9 |
| 2026-08-31 | 9,3 | 11,6 | 14,3 | 19,7 | 9,7 |
| 2026-09-07 | 12,7 | 8,8 | 11,4 | 16,8 | 14 |
| 2026-09-14 | 8,3 | 13,6 | 12,6 | 17,8 | 11,8 |
| 2026-09-21 | 15 | 12,8 | 9,4 | 12 | 8,3 |
| 2026-09-28 | 25,9 | 9,9 | 11,5 | 9,3 | 7,6 |
| 2026-10-05 | 29,4 | 9,4 | 10,5 | 7,9 | 8,9 |
| 2026-10-12 | 21,9 | 13,6 | 6,1 | 5,9 | 10,8 |
| 2026-10-19 | 22,2 | 13,6 | 14,9 | 7,2 | 6,3 |
| 2026-10-26 | 15,6 | 10 | 7,3 | 7,4 | 11,1 |
| 2026-11-02 | 19,4 | 13,5 | 10,3 | 10 | 9,2 |
| 2026-11-09 | 20,9 | 10,2 | 10,9 | 11,6 | 8 |
Bereinigter Markt: Einstellungsindex
Dieselben 7.505 Karriereseiten von Arbeitgebern; die Zahl der Ausschreibungen stammt direkt von der Seite. Neue Quellen bewegen diesen Index nicht — er zeigt den Markt, nicht unsere Abdeckung. Das ist der gesamte Panelmarkt, nicht nur Python Backend.
Einstellungsindex, 16. Okt. = 100
Diagrammdaten
| Zeitraum | Einstellungsindex |
|---|---|
| 2026-10-16 | 100 |
| 2026-10-17 | 100,03 |
| 2026-10-18 | 99,76 |
| 2026-10-19 | 99,68 |
| 2026-10-20 | 99,27 |
| 2026-10-21 | 98,6 |
| 2026-10-22 | 99,07 |
| 2026-10-23 | 97,4 |
| 2026-10-24 | 97,41 |
| 2026-10-26 | 97,33 |
| 2026-10-27 | 96,76 |
| 2026-10-28 | 96,21 |
| 2026-10-29 | 95,17 |
| 2026-10-30 | 95,13 |
| 2026-10-31 | 93,65 |
| 2026-11-01 | 93,33 |
| 2026-11-02 | 92,67 |
| 2026-11-03 | 92,65 |
| 2026-11-04 | 92,41 |
| 2026-11-05 | 92,13 |
| 2026-11-06 | 90,44 |
| 2026-11-07 | 90,48 |
| 2026-11-08 | 90,45 |
| 2026-11-10 | 90,29 |
| 2026-11-11 | 90,22 |
| 2026-11-13 | 90,12 |
| 2026-11-14 | 89,7 |
| 2026-11-15 | 89,68 |
| 2026-11-16 | 89,62 |
| 2026-11-18 | 88,91 |
| 2026-11-19 | 88,02 |
Kettenindex: Jeder Tag vergleicht nur Seiten, die an diesem und am vorherigen Tag abgefragt wurden; Ausreißer und plattformweite Abfrageausfälle sind ausgeschlossen. Tage ohne vergleichbare Paare bleiben leer.
Diagrammdaten
| Tag | Einstellungsindex |
|---|---|
| 2026-10-16 | 100 |
| 2026-10-17 | 100,03 |
| 2026-10-18 | 99,76 |
| 2026-10-19 | 99,68 |
| 2026-10-20 | 99,27 |
| 2026-10-21 | 98,6 |
| 2026-10-22 | 99,07 |
| 2026-10-23 | 97,4 |
| 2026-10-24 | 97,41 |
| 2026-10-26 | 97,33 |
| 2026-10-27 | 96,76 |
| 2026-10-28 | 96,21 |
| 2026-10-29 | 95,17 |
| 2026-10-30 | 95,13 |
| 2026-10-31 | 93,65 |
| 2026-11-01 | 93,33 |
| 2026-11-02 | 92,67 |
| 2026-11-03 | 92,65 |
| 2026-11-04 | 92,41 |
| 2026-11-05 | 92,13 |
| 2026-11-06 | 90,44 |
| 2026-11-07 | 90,48 |
| 2026-11-08 | 90,45 |
| 2026-11-10 | 90,29 |
| 2026-11-11 | 90,22 |
| 2026-11-13 | 90,12 |
| 2026-11-14 | 89,7 |
| 2026-11-15 | 89,68 |
| 2026-11-16 | 89,62 |
| 2026-11-18 | 88,91 |
| 2026-11-19 | 88,02 |
Wie viele offene Python Backend-Jobs es gibt und wie viele passende Fachkräfte Zorky sieht.
Nachfrage und beobachtetes Angebot
Diagrammdaten
| Kennzahl | Wert |
|---|---|
| Offene Nachfrage | 3.371 |
| Offene Nachfrage | 3.371 |
| Beobachtetes Angebot | — nicht veröffentlicht |
Python Backend liefert dank der ML/AI-Welle und eines ausgereiften Produktstacks einen stetigen Strom neuer Stellen. Die Nachfrage wächst besonders im FastAPI-Segment (neue Services) und bei ML-Unternehmen, die Backend für Inference-APIs suchen.
⚠ zu einer Stelle passende Kandidaten werden noch nicht gezählt: gezeigt werden Nachfrage und der beobachtete Pool
Wie sich die Gehälter in Python Backend-Jobs verteilen, in US-Dollar pro Monat.
Gehaltsverteilung
Diagrammdaten
| Kennzahl | Wert |
|---|---|
| <$1k | 14 |
| $1–2k | 31 |
| $2–3k | 33 |
| $3–4k | 38 |
| $4–5k | 58 |
| $5–6k | 65 |
| $6–7k | 58 |
| $7–8k | 49 |
| $8–9k | 30 |
| $9–10k | 25 |
| $10–12k | 49 |
| $12–15k | 28 |
| $15–20k | 65 |
| $20k+ | 7 |
- für die Berechnung nutzbar: 550 (16,3%)
- angegeben, aber nicht in USD/Monat umgerechnet: 473 (14%)
- nicht angegeben: 2.348 (69,7%)
Jede zehnte Stellenanzeige bietet unter $2.092, jede zehnte über $16.666. Die Hälfte der Anzeigen bietet zwischen $4.528 und $10.210. Stichprobe: 550.
Diagrammdaten
| Kennzahl | Untergrenze | Obergrenze | Anzahl |
|---|---|---|---|
| <$1k | 0 | 1.000 | 14 |
| $1–2k | 1.000 | 2.000 | 31 |
| $2–3k | 2.000 | 3.000 | 33 |
| $3–4k | 3.000 | 4.000 | 38 |
| $4–5k | 4.000 | 5.000 | 58 |
| $5–6k | 5.000 | 6.000 | 65 |
| $6–7k | 6.000 | 7.000 | 58 |
| $7–8k | 7.000 | 8.000 | 49 |
| $8–9k | 8.000 | 9.000 | 30 |
| $9–10k | 9.000 | 10.000 | 25 |
| $10–12k | 10.000 | 12.000 | 49 |
| $12–15k | 12.000 | 15.000 | 28 |
| $15–20k | 15.000 | 20.000 | 65 |
| $20k+ | 20.000 | — | 7 |
In welchen Ländern es die meisten offenen Python Backend-Jobs gibt.
Geografie der Nachfrage
| Land | Stellen | Anteil |
|---|---|---|
| Polen | 667 | 22,4% |
| Vereinigte Staaten | 377 | 12,7% |
| Indien | 285 | 9,6% |
| Vereinigtes Königreich | 249 | 8,4% |
| Russland | 227 | 7,6% |
| Spanien | 123 | 4,1% |
| Kanada | 112 | 3,8% |
| Frankreich | 109 | 3,7% |
| Singapur | 94 | 3,2% |
| Südafrika | 87 | 2,9% |
| Übrige Länder | 646 | 21,7% |
Führend bei der Zahl der Stellen für Python Backend: Polen (667 Stellen). Moskau dominiert dank großer Produktunternehmen und Banken. Dubai, Zypern, Lissabon — die wichtigsten Hubs für umgesiedelte russischsprachige Python-Entwickler.
⚠ nur Stellenzahlen: Gehalt nach Land wird nicht veröffentlicht
Diagrammdaten
| Land | Stellen |
|---|---|
| PL | 667 |
| US | 377 |
| IN | 285 |
| GB | 249 |
| RU | 227 |
| ES | 123 |
| CA | 112 |
| FR | 109 |
| SG | 94 |
| ZA | 87 |
Welche Technologien am häufigsten im selben Job wie Python Backend verlangt werden.
Wird zusammen verwendet mit
Anteil — wie viele der 3.371 Stellen im Markt Python Backend diese Technologie nennen. Sortiert nach Stellenzahl, nicht nach „Stärke des Zusammenhangs“. Oberbegriffe wie cloud sind keine bestimmte Cloud (AWS, Azure).
Top-Python-Backend-Stack 2026: Python 3.11+ (Pflicht), Django/FastAPI/Flask (Pflicht — eines davon), SQLAlchemy/Django ORM, PostgreSQL, Redis, Celery/Arq, Kafka/RabbitMQ, Docker+Kubernetes, pytest+mypy+poetry, asyncio für Senior. Kenntnis von 2+ Frameworks — ein Plus für Senior.
Die häufigsten Paare in Python-Backend-Stellen: Django + PostgreSQL, FastAPI + SQLAlchemy, Django + Celery + Redis, FastAPI + asyncio + Pydantic, Python + Docker + Kubernetes. Lern-Roadmap: Django+PostgreSQL → FastAPI+SQLAlchemy → Celery/Arq → Docker/k8s.
Diagrammdaten
| Name | Anzahl |
|---|---|
| python | 3.238 |
| cloud | 838 |
| aws | 660 |
| fastapi | 609 |
| docker | 586 |
| django | 525 |
| sql | 458 |
| postgresql | 419 |
| react | 393 |
| azure | 376 |
| kubernetes | 328 |
| java | 327 |
Wie viele Python Backend-Jobs es auf jeder Stufe gibt — von Junior bis Principal.
Nachfrage nach Level
| Level | Stellen |
|---|---|
| senior | 1.244 |
| middle | 269 |
| lead | 157 |
| junior | 142 |
| Principal | 63 |
Der größte Sprung liegt zwischen Junior und Middle. Das ist ein Senior-lastiges Segment: 60-80% der offenen Stellen sind Senior+, Juniors werden selten eingestellt.
⚠ nur die Nachfrageseite: das Level des beobachteten Pools ist größtenteils unbekannt
Diagrammdaten
| Stufe | Anzahl |
|---|---|
| senior | 1.244 |
| middle | 269 |
| lead | 157 |
| junior | 142 |
| Principal | 63 |
Wer im Bereich Python Backend am meisten einstellt und wie stark sich die Nachfrage auf die größten Unternehmen konzentriert.
Arbeitgeber
Die Nachfrage verteilt sich auf 1.775 Arbeitgeber. Der größte steht für 1.1 %, die Top Ten für 7.2 %; die übrigen 92.8 % sind Long Tail.
| Anteil | Wert |
|---|---|
| Top-1 | 1.1% |
| Top-3 | 2.9% |
| Top-10 | 7.2% |
| Long Tail | 92.8% |
⚠ Namen werden nicht angezeigt: Personalvermittler und Endarbeitgeber werden vom Klassifikator noch nicht unterschieden
Von welchen Unternehmensseiten und Jobbörsen Zorky Python Backend-Jobs sammelt.
Wo Zorky diesen Markt sieht
Beobachtet in 154 Quellen; die größte steht für 8.9 % — dieser Markt hängt nicht an einem einzigen Kanal.
Python-Backend-Stellen verteilen sich auf klassische Jobbörsen (hh.ru, Habr Career, Djinni, NoFluffJobs) und Telegram-Kanäle. Interne HRMS großer Produktunternehmen — eine große unsichtbare Quelle.
Diagrammdaten
| Klasse | Name | Englischer Name | Anzahl | Anteil |
|---|---|---|---|---|
| board | джоб-борды и агрегаторы | Jobbörsen & Aggregatoren | 2.019 | 0,5989 |
| ats | ATS и карьерные сайты | ATS & Karriereseiten | 1.090 | 0,3233 |
| telegram | Telegram | Telegram | 234 | 0,0694 |
| Community | сообщества и публичные профили | Community & öffentliche Profile | 28 | 0,0083 |
Die neuesten Python Backend-Jobs von Karriereseiten der Unternehmen.
Neueste Ausschreibungen
- Senior Fullstack Engineer (Python + TypeScript) · INT
- Some Python jobs I came across this week
- Frontend Developer (React / Django) · RU
- Founding Staff Software Engineer • Python/FastAPI · US
- AI-разработчик (Python) · KZ
- Full-stack Developer (TypeScript / Python) · NL
- Process Automation Developer Python/AWS (Hybrid) · ES · $4.982
- Backend Java/Python Developer · ES · $4.846
Die neuesten offenen Stellen für Python Backend — die 10 jüngsten Positionen mit ausreichender Beschreibungsqualität. Die vollständige Liste finden Sie in unserem CRM oder über den Link „Alle ansehen“ unten.
Benachbarte Märkte
Python Backend ist nach Stellenzahl eines der größten Segmente des Backend-Markts. Nach Mediangehalt etwas unter Java/Go wegen des größeren Entwicklerangebots. Vergleich mit anderen Backend-Stacks — im SiblingSubnichesChart oben.
⚠ angrenzende Märkte zum Vergleich sind noch nicht definiert
So wird gemessen
- Stelle
- eine offene Stelle, die das Qualitäts-Gate passiert hat und mindestens zwei Technologien nennt
- Beobachteter Kandidat
- ein Kandidat, dessen Stack diese Technologie enthält; ein Aggregat — kein einziger Datensatz verlässt den Perimeter
- Matchbarer Kandidat
- noch nicht gezählt
- Fenster
- Stellen, die zum Zeitpunkt der Erstellung des Snapshots offen waren
Über die Daten
- Einige Aufschlüsselungen sind ausgeblendet: Die Datenabdeckung reicht noch nicht aus.
- Statistiken erscheinen nur, wo die Stichprobe eine Qualitätsschwelle passiert.
- Ein fehlender Block bedeutet nicht den Wert null.
Derzeit ausgeblendete Aufschlüsselungen: 8.
Richtung: Backend
Verwandte Spezialisierungen
Innerhalb von Python Backend teilen sich die Spezialisierungen nach Framework auf: Django Developer (eher Fullstack, Monolithen), FastAPI Developer (async-first, Microservices), Flask Developer (leichtgewichtig, Legacy), Python Backend Engineer (allgemein). Vergleich mit anderen Backend-Stacks (Java, Go, .NET, Node.js) — im Balken unten.
Häufig gestellte Fragen
Die häufigsten Fragen zum Python-Backend-Markt: Bezahlung nach Level und Geografie, Unterschiede zwischen Django/FastAPI/Flask, Python vs. Java vs. Go, Remote, wie sich Python Backend von Data Engineer und ML Engineer unterscheidet, Einstieg, Senior-Fähigkeiten. Die Antworten werden automatisch aus aktuellen Daten neu berechnet.
Was verdient ein Python Backend als Junior, Middle, Senior oder Lead?
Junior-Stellen sind rar — der Markt erwartet 1-2 Jahre echte Erfahrung oder ein starkes Pet-Projekt (eine deployte Django/FastAPI-App mit PostgreSQL + Redis + Celery auf GitHub). Der größte Sprung liegt zwischen Junior und Middle (Beherrschung von SQLAlchemy/Django ORM, Asynchronität, Tests). Ein Senior verantwortet die Service-Architektur + betreut Middles/Juniors. Lead — verantwortet mehrere Services + den Einstellungsprozess + teamübergreifende Architekturentscheidungen. Karriereweg: Junior Python → Middle → Senior → entweder Tech Lead (Führungspfad) oder Staff Engineer (technischer Pfad).
Welchen Stack braucht Python Backend am häufigsten?
Top 5 Technologien in Python-Backend-Stellen: python, fastapi, django, cloud, ci/cd. Django dominiert in Legacy und großen Produktmonolithen (CMS, E-Commerce, Fintech). FastAPI — die Wahl für neue Dienste und ML-APIs dank async + automatischer OpenAPI-Generierung. Flask hält sich noch in leichtgewichtigen Diensten und Legacy. SQLAlchemy 2.0 (async-fähig) gewinnt im FastAPI-Stack an Boden. PostgreSQL — primäre DB, MySQL in Legacy. Redis — Cache + Celery-Broker. Celery + Arq für Queues. Kafka/RabbitMQ für Messaging zwischen Diensten. Docker + Kubernetes — Standard. pytest — das Test-Framework. poetry/pip-tools für das Abhängigkeitsmanagement. asyncio + Verständnis der GIL — Pflicht für Senior. Kenntnis von Type Hints + mypy ist in großen Teams Pflicht.
Python vs. Java vs. Go — was 2026 fürs Backend wählen?
Python — der breiteste Einstiegsmarkt, das beste Ökosystem für ML/KI/Daten-Backends, schnelles Prototyping. Gehälter im Schnitt etwas unter Java/Go wegen des größeren Angebots an Entwicklern. Java — das Fundament von Enterprise/Banken/Telekommunikation. Spring Boot — Pflicht. Lange Projekte, Stabilität. Go — ein wachsendes Segment für Hochlast-Infrastruktur, DevOps-nahe Dienste und k8s-Tooling. Karrierewahl: Python — wenn Sie Berührung mit ML/Daten haben; Java — für Enterprise/Banken/maximale Stabilität; Go — für Infrastruktur/k8s/Cloud-native. Viele Seniors beherrschen der Flexibilität wegen 2 der 3.
Django vs. FastAPI vs. Flask — was 2026 lernen?
Django — Full-Stack mit „Batteries included“: ORM, Admin-Oberfläche, Auth, Middlewares. Passt zu CMS / E-Commerce / klassischen Produktmonolithen. Primär synchron (async gibt es ab Django 5+, ist aber nicht idiomatisch). Der größte Stellenmarkt für Junior/Middle. FastAPI — primär asynchron, gut für Microservices, automatisches OpenAPI/Swagger, native Validierung mit Pydantic. Die Wahl für ML-APIs, Microservices, Dienste mit hohem Durchsatz. Premiumgehälter für die Beherrschung von async. Flask — minimalistisch, gut zum Lernen, ideal für leichtgewichtige Dienste oder Legacy. Karrierestrategie: Django zuerst als solide Basis (ein Jahr und mehr), dann FastAPI als asynchrone Erweiterung. Flask — 2026 nicht erforderlich, aber das Konzept zu kennen ist nützlich. Junior: Django. Middle+: FastAPI ergänzen. Ein Senior beherrscht beides und wählt je nach Aufgabe.
Welcher Anteil der Stellen ist vollständig remote?
Unter den Stellen mit angegebenem Arbeitsmodell sind 34% vollständig remote. Stellen ohne Angabe des Arbeitsmodells sind vom Nenner ausgeschlossen; hybride Arbeit wird nicht als vollständig remote gezählt.
Worin unterscheidet sich Python Backend von Data Engineer / ML Engineer?
Python Backend — REST/GraphQL-APIs, Geschäftslogik, Zustand, Integrationen, Queues. Fokus: Produktanfragen bedienen und Zustand speichern. Data Engineer — ETL/ELT-Pipelines, DWH-Modellierung (dbt, Snowflake, ClickHouse, BigQuery), Orchestrierung (Airflow, Dagster). Fokus: große Datenmengen bewegen und transformieren. Technisch gibt es teilweise Überschneidungen (Python + SQL + Kafka), aber DE ist viel näher an Spark/pyspark/dbt als an Django/FastAPI. ML Engineer — Deployment von Modellen (FastAPI + ONNX/TorchServe), Feature Store, MLOps. Fokus: produktionsreife Inference. Ein Karrierewechsel Python Backend → DE ist in 3-6 Monaten möglich (Airflow + dbt + DWH erlernen); → ML Engineer in 6-12 Monaten (PyTorch/sklearn + MLOps-Stack erlernen).
Wie wird man 2026 Python-Backend-Entwickler — wo anfangen?
Optimale Roadmap: 1) Python-Kern — Mark Lutz „Learning Python“, LeetCode/Codewars für Algorithmen. 2) SQL auf sicherem Niveau — PostgreSQL-Tutorial + Fensterfunktionen + Indizes. 3) Django-Grundlagen — Django-Tutorial + ein echtes Pet-Projekt (Blog mit Auth + CRUD + REST-API über DRF). 4) FastAPI — offizielles Tutorial + ein asynchroner Service (Echtzeit-WebSockets oder ML-Inference-API). 5) Docker + Kubernetes-Grundlagen. 6) pytest + mypy + poetry. 7) Redis + Celery/Arq für Queues. 8) Pet-Projekt: End-to-End-App (Django+DRF oder FastAPI + PostgreSQL + Redis + Celery + Docker + pytest), deployt auf VPS/Render/Railway, im GitHub-Portfolio mit README. Kurse: RealPython.com, FastAPI-Dokumentation, Karpov.Courses „Hard ML“ (RU). Bücher: „Fluent Python“ von Luciano Ramalho, „Django for Professionals“ von William Vincent. Zeit bis zur Junior-Rolle — 6-12 Monate Vollzeitstudium.
Wie viele offene Stellen enthält diese Stichprobe?
Die veröffentlichte Stichprobe enthält 3371 offene Stellen nach Zusammenführung erneuter Veröffentlichungen. Dies entspricht dem Wert der Hauptkennzahl. Der geografische Abschnitt beschreibt die Abdeckung der Stichprobe; dies ist keine Schätzung des gesamten Marktes.
Welche Fähigkeiten braucht ein Senior Python Backend?
Ein Senior Python Backend verantwortet den gesamten Zyklus: von den Anforderungen bis zum Deployment in die Produktion. Python-Kern: fortgeschrittene Idiome (Deskriptoren, Metaklassen, Context Manager, Dekoratoren), Typisierung (mypy, pyright), asyncio auf Meisterniveau. Framework: Django ORM oder SQLAlchemy 2.0 — Abfrageoptimierung, Erkennung von N+1, Transaktionen, Migrationen (Alembic/Django Migrations). Architektur: Entwurf von REST/GraphQL-APIs, ereignisgesteuert (Kafka, RabbitMQ), Idempotenz, verteilte Locks, Sagas. Testing: pytest-Fixtures + Factories (factory_boy) + risikobasierte Testabdeckung. Ziele für die Testabdeckung richten sich nach den Risiken und der Kritikalität des Systems; Abdeckung allein garantiert keine Qualität. Google Testing. Performance: Profiling (cProfile, py-spy), SQL-Optimierung, Caching (Redis). DevOps: Docker + Kubernetes-Grundlagen, Observability (Prometheus + Grafana + OpenTelemetry), strukturiertes Logging. Soft Skills: Code Review, Mentoring von Middle/Junior, technische Interviews, Entwurf gemeinsam mit PM/Produkt. Englisch ab Senior+ — Pflicht.
Anfrage hinterlassen
Beschreiben Sie die Aufgabe und hinterlassen Sie einen Kontakt — die Anfrage geht in unser CRM, und wir antworten über den angegebenen Kontakt.