Datenengineering: Markt
Stand 19. November 2026: offene Stellen Datenengineering — 16.945, 30% remote unter den Stellen mit Angabe des Arbeitsmodells; Mediangehalt in Stellenanzeigen $9.226/Monat (aus 2.227 Anzeigen mit Gehaltsangabe). Quelle: Zorky, täglich aktualisiert.
Ein Data Engineer ist ein Ingenieur, der die Infrastruktur zum Sammeln, Speichern, Transformieren und Bereitstellen von Daten entwirft: ETL- und ELT-Pipelines, Data Warehouses, Streaming, Orchestrierung. Der Kern-Stack sind Python und SQL, die Orchestratoren Apache Airflow oder Dagster, verteilte Verarbeitung über Apache Spark, Datenströme über Apache Kafka, die Warehouses ClickHouse, Snowflake, BigQuery, Redshift, Transformationen über dbt. Die gefragtesten Technologien — sql, python, cloud, aws, azure. Unter den Stellen mit angegebenem Arbeitsmodell sind 30% vollständig remote. Die Daten werden täglich aus 102 Jobbörsen und 1.855 Karriereseiten von Unternehmen aktualisiert.
Datenstand:
Die wichtigsten Zahlen des Datenengineering-Markts: offene Jobs, Mediangehalt, beobachteter Fachkräftepool und Remote-Anteil.
Der Markt für Datenengineering hat derzeit 16.945 offene Rollen, davon 14.939 frisch beobachtet. Median salary $9.226/mo.
Unter den Stellen mit angegebenem Arbeitsmodell sind 30% vollständig remote. Banken verlangen wegen Compliance häufiger hybrid; Startups und internationale Teams — vollständig remote.
⚠ Gehalt bekannt bei 2227 von 16945 Stellen; Remote-Anteil aus 13775 mit angegebenem Arbeitsformat; 14939 als frische Beobachtungen gezählt; Trend und Besetzungsschwierigkeit werden nicht gezeigt
Zeitachse: Ausschreibungen und Quellen
Wie viele Datenengineering-Ausschreibungen jede Woche in den letzten 180 Tagen 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 | 490 |
| 2026-06-08 | 398 |
| 2026-06-15 | 454 |
| 2026-06-22 | 1.103 |
| 2026-06-29 | 1.342 |
| 2026-07-06 | 1.244 |
| 2026-07-13 | 1.411 |
| 2026-07-20 | 1.468 |
| 2026-07-27 | 799 |
| 2026-08-03 | 949 |
| 2026-08-10 | 783 |
| 2026-08-17 | 715 |
| 2026-08-24 | 666 |
| 2026-08-31 | 652 |
| 2026-09-07 | 758 |
| 2026-09-14 | 900 |
| 2026-09-21 | 3.002 |
| 2026-09-28 | 2.465 |
| 2026-10-05 | 2.478 |
| 2026-10-12 | 7.526 |
| 2026-10-19 | 3.689 |
| 2026-10-26 | 3.965 |
| 2026-11-02 | 3.754 |
| 2026-11-09 | 4.002 |
Aktive Quellen pro Woche
Quellen im Zeitraum: 450. ▲ — Woche, in der viele neue Quellen angebunden wurden.
Diagrammdaten
| Zeitraum | Aktive Quellen |
|---|---|
| 2026-06-01 | 46 |
| 2026-06-08 | 43 |
| 2026-06-15 | 49 |
| 2026-06-22 | 65 |
| 2026-06-29 | 146 |
| 2026-07-06 | 127 |
| 2026-07-13 | 126 |
| 2026-07-20 | 156 |
| 2026-07-27 | 135 |
| 2026-08-03 | 122 |
| 2026-08-10 | 103 |
| 2026-08-17 | 96 |
| 2026-08-24 | 105 |
| 2026-08-31 | 109 |
| 2026-09-07 | 119 |
| 2026-09-14 | 110 |
| 2026-09-21 | 121 |
| 2026-09-28 | 125 |
| 2026-10-05 | 138 |
| 2026-10-12 | 131 |
| 2026-10-19 | 138 |
| 2026-10-26 | 139 |
| 2026-11-02 | 152 |
| 2026-11-09 | 152 |
Neue Quellen angebunden: 22. Juni +31 · 29. Juni +78 · 6. Juli +46 · 13. Juli +25 · 20. Juli +29 · alle Wochen (23) in der Tabelle
| Woche | Neue Quellen | Neue Ausschreibungen |
|---|---|---|
| 8. Juni | +13 | 398 |
| 15. Juni | +14 | 454 |
| 22. Juni | +31 | 1.103 |
| 29. Juni | +78 | 1.342 |
| 6. Juli | +46 | 1.244 |
| 13. Juli | +25 | 1.411 |
| 20. Juli | +29 | 1.468 |
| 27. Juli | +12 | 799 |
| 3. Aug. | +12 | 949 |
| 10. Aug. | +7 | 783 |
| 17. Aug. | +10 | 715 |
| 24. Aug. | +8 | 666 |
| 31. Aug. | +12 | 652 |
| 7. Sept. | +9 | 758 |
| 14. Sept. | +8 | 900 |
| 21. Sept. | +6 | 3.002 |
| 28. Sept. | +9 | 2.465 |
| 5. Okt. | +7 | 2.478 |
| 12. Okt. | +7 | 7.526 |
| 19. Okt. | +18 | 3.689 |
| 26. Okt. | +9 | 3.965 |
| 2. Nov. | +18 | 3.754 |
| 9. Nov. | +16 | 4.002 |
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, 180 Tage; Quellen = unterschiedliche Erfassungskanäle, die in der Woche Ausschreibungen für die Richtung geliefert haben; neue Quellen = Kanäle, die in dieser Woche ihre erste Ausschreibung für die Richtung geliefert haben.
Diagrammdaten
| Woche | Neue Ausschreibungen pro Woche | Aktive Quellen |
|---|---|---|
| 2026-06-01 | 490 | 46 |
| 2026-06-08 | 398 | 43 |
| 2026-06-15 | 454 | 49 |
| 2026-06-22 | 1.103 | 65 |
| 2026-06-29 | 1.342 | 146 |
| 2026-07-06 | 1.244 | 127 |
| 2026-07-13 | 1.411 | 126 |
| 2026-07-20 | 1.468 | 156 |
| 2026-07-27 | 799 | 135 |
| 2026-08-03 | 949 | 122 |
| 2026-08-10 | 783 | 103 |
| 2026-08-17 | 715 | 96 |
| 2026-08-24 | 666 | 105 |
| 2026-08-31 | 652 | 109 |
| 2026-09-07 | 758 | 119 |
| 2026-09-14 | 900 | 110 |
| 2026-09-21 | 3.002 | 121 |
| 2026-09-28 | 2.465 | 125 |
| 2026-10-05 | 2.478 | 138 |
| 2026-10-12 | 7.526 | 131 |
| 2026-10-19 | 3.689 | 138 |
| 2026-10-26 | 3.965 | 139 |
| 2026-11-02 | 3.754 | 152 |
| 2026-11-09 | 4.002 | 152 |
Gehälter im Zeitverlauf
Mediangehalt Datenengineering pro Woche, USD pro Monat.
Mediangehalt, USD pro Monat
Diagrammdaten
| Zeitraum | Median | Stellen mit Gehalt pro Woche (n) |
|---|---|---|
| 2026-07-20 | 5.750 | 25 |
| 2026-07-27 | — | 8 |
| 2026-08-03 | — | 0 |
| 2026-08-10 | — | 0 |
| 2026-08-17 | — | 0 |
| 2026-08-24 | — | 0 |
| 2026-08-31 | 8.616 | 23 |
| 2026-09-07 | 8.563 | 22 |
| 2026-09-14 | — | 8 |
| 2026-09-21 | 8.668 | 86 |
| 2026-09-28 | 8.125 | 156 |
| 2026-10-05 | 7.355 | 166 |
| 2026-10-12 | 8.697 | 331 |
| 2026-10-19 | 8.333 | 670 |
| 2026-10-26 | 8.333 | 758 |
| 2026-11-02 | 9.167 | 615 |
| 2026-11-09 | 9.583 | 647 |
Die Reihe beginnt am 20. Juli: 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 | 5.750 |
| 2026-07-27 | — |
| 2026-08-03 | — |
| 2026-08-10 | — |
| 2026-08-17 | — |
| 2026-08-24 | — |
| 2026-08-31 | 8.616 |
| 2026-09-07 | 8.563 |
| 2026-09-14 | — |
| 2026-09-21 | 8.668 |
| 2026-09-28 | 8.125 |
| 2026-10-05 | 7.355 |
| 2026-10-12 | 8.697 |
| 2026-10-19 | 8.333 |
| 2026-10-26 | 8.333 |
| 2026-11-02 | 9.167 |
| 2026-11-09 | 9.583 |
Remote-Arbeit im Zeitverlauf
Anteil der Datenengineering-Ausschreibungen mit vollständig remoter Arbeit, pro Woche.
Remote-Ausschreibungen, %
Diagrammdaten
| Zeitraum | Ortsunabhängig |
|---|---|
| 2026-06-01 | 64,4 |
| 2026-06-08 | 49,8 |
| 2026-06-15 | 54,7 |
| 2026-06-22 | 43,5 |
| 2026-06-29 | 34,9 |
| 2026-07-06 | 36,7 |
| 2026-07-13 | 38,7 |
| 2026-07-20 | 48,1 |
| 2026-07-27 | 56,4 |
| 2026-08-03 | 25,7 |
| 2026-08-10 | 28,9 |
| 2026-08-17 | 30,8 |
| 2026-08-24 | 31,7 |
| 2026-08-31 | 26,4 |
| 2026-09-07 | 23,2 |
| 2026-09-14 | 26,3 |
| 2026-09-21 | 29,1 |
| 2026-09-28 | 37,8 |
| 2026-10-05 | 41,9 |
| 2026-10-12 | 34,4 |
| 2026-10-19 | 32,7 |
| 2026-10-26 | 34,9 |
| 2026-11-02 | 32,8 |
| 2026-11-09 | 29,8 |
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 | 64,4 |
| 2026-06-08 | 49,8 |
| 2026-06-15 | 54,7 |
| 2026-06-22 | 43,5 |
| 2026-06-29 | 34,9 |
| 2026-07-06 | 36,7 |
| 2026-07-13 | 38,7 |
| 2026-07-20 | 48,1 |
| 2026-07-27 | 56,4 |
| 2026-08-03 | 25,7 |
| 2026-08-10 | 28,9 |
| 2026-08-17 | 30,8 |
| 2026-08-24 | 31,7 |
| 2026-08-31 | 26,4 |
| 2026-09-07 | 23,2 |
| 2026-09-14 | 26,3 |
| 2026-09-21 | 29,1 |
| 2026-09-28 | 37,8 |
| 2026-10-05 | 41,9 |
| 2026-10-12 | 34,4 |
| 2026-10-19 | 32,7 |
| 2026-10-26 | 34,9 |
| 2026-11-02 | 32,8 |
| 2026-11-09 | 29,8 |
Technologien im Zeitverlauf
Wie sich der Anteil der Datenengineering-Stellen verändert hat, die jede der Top-Technologien nennen.
Ausschreibungen mit der Technologie, %
Diagrammdaten
| Zeitraum | SQL | Python | cloud |
|---|---|---|---|
| 2026-08-10 | 28,9 | 27,7 | 38,6 |
| 2026-08-17 | 36,6 | 35,6 | 25,9 |
| 2026-08-24 | 34,3 | 35,6 | 27,2 |
| 2026-08-31 | 35,3 | 34,5 | 24,5 |
| 2026-09-07 | 38,5 | 39 | 27,6 |
| 2026-09-14 | 35,1 | 34,7 | 32,5 |
| 2026-09-21 | 37,3 | 37 | 40,7 |
| 2026-09-28 | 51 | 50,3 | 41,8 |
| 2026-10-05 | 51,1 | 46,5 | 42,3 |
| 2026-10-12 | 44,3 | 37,5 | 40,3 |
| 2026-10-19 | 55 | 47,3 | 42,9 |
| 2026-10-26 | 59,8 | 50,4 | 42,9 |
| 2026-11-02 | 56,2 | 49,7 | 42,5 |
| 2026-11-09 | 56,6 | 48,9 | 41,1 |
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 | SQL | Python | cloud | AWS | Azure |
|---|---|---|---|---|---|
| 2026-08-10 | 28,9 | 27,7 | 38,6 | 12,5 | 11,1 |
| 2026-08-17 | 36,6 | 35,6 | 25,9 | 16,3 | 13,6 |
| 2026-08-24 | 34,3 | 35,6 | 27,2 | 12,3 | 14,1 |
| 2026-08-31 | 35,3 | 34,5 | 24,5 | 11,9 | 14,6 |
| 2026-09-07 | 38,5 | 39 | 27,6 | 13,8 | 10,9 |
| 2026-09-14 | 35,1 | 34,7 | 32,5 | 15,2 | 17,8 |
| 2026-09-21 | 37,3 | 37 | 40,7 | 20,3 | 18,3 |
| 2026-09-28 | 51 | 50,3 | 41,8 | 24,3 | 24,9 |
| 2026-10-05 | 51,1 | 46,5 | 42,3 | 22,9 | 23,8 |
| 2026-10-12 | 44,3 | 37,5 | 40,3 | 21 | 20,3 |
| 2026-10-19 | 55 | 47,3 | 42,9 | 21 | 21,6 |
| 2026-10-26 | 59,8 | 50,4 | 42,9 | 23,8 | 22,4 |
| 2026-11-02 | 56,2 | 49,7 | 42,5 | 23,7 | 21,9 |
| 2026-11-09 | 56,6 | 48,9 | 41,1 | 22,4 | 21,8 |
Länder im Zeitverlauf
Wie sich der Anteil der Datenengineering-Stellen in jedem der Top-Länder pro Woche verändert hat.
Ausschreibungen im Land, %
Diagrammdaten
| Zeitraum | USA | Polen | Vereinigtes Königreich |
|---|---|---|---|
| 2026-06-01 | 24,6 | 40,4 | 6,3 |
| 2026-06-08 | 27,5 | 27,5 | 3,4 |
| 2026-06-15 | 23,3 | 33,3 | 3,4 |
| 2026-06-22 | 13,4 | 49,8 | 1,9 |
| 2026-06-29 | 16,3 | 16,2 | 3 |
| 2026-07-06 | 30,1 | 9,4 | 5,6 |
| 2026-07-13 | 25,4 | 11,9 | 5,9 |
| 2026-07-20 | 16,7 | 24,8 | 13,5 |
| 2026-07-27 | 14 | 27,9 | 8,1 |
| 2026-08-03 | 23,1 | 7,4 | 18 |
| 2026-08-10 | 20,5 | 3,8 | 20,2 |
| 2026-08-17 | 20,3 | 3,7 | 24,8 |
| 2026-08-24 | 17 | 4,5 | 31,2 |
| 2026-08-31 | 10,6 | 4,3 | 34,4 |
| 2026-09-07 | 14,3 | 3,4 | 27,3 |
| 2026-09-14 | 24,5 | 2,8 | 24,5 |
| 2026-09-21 | 30 | 4,6 | 12,4 |
| 2026-09-28 | 24,7 | 13,3 | 11,9 |
| 2026-10-05 | 23,3 | 18,4 | 11,8 |
| 2026-10-12 | 27 | 12,1 | 7,8 |
| 2026-10-19 | 26,9 | 11,4 | 8,7 |
| 2026-10-26 | 29,7 | 10,9 | 8,9 |
| 2026-11-02 | 30,3 | 8,3 | 9,2 |
| 2026-11-09 | 29,7 | 7,1 | 11 |
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 | USA | Polen | Vereinigtes Königreich | Indien | Russland |
|---|---|---|---|---|---|
| 2026-06-01 | 24,6 | 40,4 | 6,3 | 4,5 | 5 |
| 2026-06-08 | 27,5 | 27,5 | 3,4 | 10,6 | 6,3 |
| 2026-06-15 | 23,3 | 33,3 | 3,4 | 8,2 | 6 |
| 2026-06-22 | 13,4 | 49,8 | 1,9 | 9,6 | 2,5 |
| 2026-06-29 | 16,3 | 16,2 | 3 | 8,4 | 7,9 |
| 2026-07-06 | 30,1 | 9,4 | 5,6 | 10,8 | 8,1 |
| 2026-07-13 | 25,4 | 11,9 | 5,9 | 16,1 | 4,4 |
| 2026-07-20 | 16,7 | 24,8 | 13,5 | 7,7 | 7 |
| 2026-07-27 | 14 | 27,9 | 8,1 | 7,6 | 8,6 |
| 2026-08-03 | 23,1 | 7,4 | 18 | 10,4 | 7,6 |
| 2026-08-10 | 20,5 | 3,8 | 20,2 | 7,2 | 9,7 |
| 2026-08-17 | 20,3 | 3,7 | 24,8 | 9,5 | 11 |
| 2026-08-24 | 17 | 4,5 | 31,2 | 6,6 | 11,6 |
| 2026-08-31 | 10,6 | 4,3 | 34,4 | 13,2 | 9,5 |
| 2026-09-07 | 14,3 | 3,4 | 27,3 | 9,8 | 9,6 |
| 2026-09-14 | 24,5 | 2,8 | 24,5 | 9,4 | 8,2 |
| 2026-09-21 | 30 | 4,6 | 12,4 | 8,4 | 2,2 |
| 2026-09-28 | 24,7 | 13,3 | 11,9 | 6,1 | 4,2 |
| 2026-10-05 | 23,3 | 18,4 | 11,8 | 6,2 | 2,9 |
| 2026-10-12 | 27 | 12,1 | 7,8 | 8,2 | 1,6 |
| 2026-10-19 | 26,9 | 11,4 | 8,7 | 6,6 | 3,6 |
| 2026-10-26 | 29,7 | 10,9 | 8,9 | 8,1 | 3,6 |
| 2026-11-02 | 30,3 | 8,3 | 9,2 | 8,5 | 3,4 |
| 2026-11-09 | 29,7 | 7,1 | 11 | 7,7 | 3 |
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 Datenengineering.
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 Datenengineering-Jobs es gibt und wie viele passende Fachkräfte Zorky sieht.
Nachfrage und beobachtetes Angebot
Diagrammdaten
| Kennzahl | Wert |
|---|---|
| Offene Nachfrage | 16.945 |
| Offene Nachfrage | 16.945 |
| Beobachtetes Angebot | — nicht veröffentlicht |
In den letzten Wochen hat die Richtung Data Engineer einen stetigen Strom neuer Stellen hervorgebracht. Schwankungen sind normal (Anzeigen häufen sich zum Monatsanfang); beobachten Sie den Gesamttrend, nicht einzelne Ausschläge.
⚠ zu einer Stelle passende Kandidaten werden noch nicht gezählt: gezeigt werden Nachfrage und der beobachtete Pool
Wie sich die Gehälter in Datenengineering-Jobs verteilen, in US-Dollar pro Monat.
Gehaltsverteilung
Diagrammdaten
| Kennzahl | Wert |
|---|---|
| <$1k | 27 |
| $1–2k | 26 |
| $2–3k | 35 |
| $3–4k | 80 |
| $4–5k | 141 |
| $5–6k | 195 |
| $6–7k | 201 |
| $7–8k | 195 |
| $8–9k | 169 |
| $9–10k | 158 |
| $10–12k | 290 |
| $12–15k | 371 |
| $15–20k | 273 |
| $20k+ | 66 |
- für die Berechnung nutzbar: 2.227 (13,1%)
- angegeben, aber nicht in USD/Monat umgerechnet: 2.606 (15,4%)
- nicht angegeben: 12.112 (71,5%)
Jede zehnte Stellenanzeige bietet unter $4.375, jede zehnte über $16.333. Die Hälfte der Anzeigen bietet zwischen $6.250 und $12.916. Stichprobe: 2.227.
Diagrammdaten
| Kennzahl | Untergrenze | Obergrenze | Anzahl |
|---|---|---|---|
| <$1k | 0 | 1.000 | 27 |
| $1–2k | 1.000 | 2.000 | 26 |
| $2–3k | 2.000 | 3.000 | 35 |
| $3–4k | 3.000 | 4.000 | 80 |
| $4–5k | 4.000 | 5.000 | 141 |
| $5–6k | 5.000 | 6.000 | 195 |
| $6–7k | 6.000 | 7.000 | 201 |
| $7–8k | 7.000 | 8.000 | 195 |
| $8–9k | 8.000 | 9.000 | 169 |
| $9–10k | 9.000 | 10.000 | 158 |
| $10–12k | 10.000 | 12.000 | 290 |
| $12–15k | 12.000 | 15.000 | 371 |
| $15–20k | 15.000 | 20.000 | 273 |
| $20k+ | 20.000 | — | 66 |
In welchen Ländern es die meisten offenen Datenengineering-Jobs gibt.
Geografie der Nachfrage
| Land | Stellen | Anteil |
|---|---|---|
| Vereinigte Staaten | 4.803 | 33,1% |
| Polen | 1.493 | 10,3% |
| Indien | 1.227 | 8,5% |
| Vereinigtes Königreich | 1.144 | 7,9% |
| Deutschland | 668 | 4,6% |
| Kanada | 498 | 3,4% |
| Singapur | 473 | 3,3% |
| Frankreich | 379 | 2,6% |
| Russland | 326 | 2,2% |
| Brasilien | 237 | 1,6% |
| Übrige Länder | 3.270 | 22,5% |
Führend bei der Zahl der Stellen für Data Engineer sind die USA (4803 Stellen), gefolgt von den großen IT-Hubs der GUS und Osteuropas. Wichtig: Das ist die Verteilung über unsere Parsing-Quellen, keine Schätzung des globalen Marktes.
⚠ nur Stellenzahlen: Gehalt nach Land wird nicht veröffentlicht
Diagrammdaten
| Land | Stellen |
|---|---|
| US | 4.803 |
| PL | 1.493 |
| IN | 1.227 |
| GB | 1.144 |
| DE | 668 |
| CA | 498 |
| SG | 473 |
| FR | 379 |
| RU | 326 |
| BR | 237 |
Welche Technologien am häufigsten im selben Job wie Datenengineering verlangt werden.
Wird zusammen verwendet mit
Anteil — wie viele der 16.945 Stellen im Markt Datenengineering diese Technologie nennen. Sortiert nach Stellenzahl, nicht nach „Stärke des Zusammenhangs“. Oberbegriffe wie cloud sind keine bestimmte Cloud (AWS, Azure).
Der wichtigste Stack für Data Engineers in 2026 sind Python, SQL, Apache Spark, Apache Airflow, Apache Kafka. Die Basis Python + SQL ist für alle Pflicht; Spezialisierungen folgen: Spark (Batch), Airflow (Orchestrierung), Kafka (Streaming).
Die häufigsten Technologiepaare in Stellenanzeigen für Data Engineers: Python+SQL, Airflow+Spark, Kafka+ClickHouse, dbt+Snowflake, Spark+S3. Wenn Sie eine Lern-Roadmap planen, bieten diese Kombinationen die maximale Marktabdeckung.
Diagrammdaten
| Name | Anzahl |
|---|---|
| sql | 6.107 |
| python | 5.624 |
| cloud | 5.466 |
| aws | 2.972 |
| azure | 2.812 |
| databricks | 2.797 |
| snowflake | 1.826 |
| airflow | 1.517 |
| spark | 1.468 |
| dbt | 1.370 |
| gcp | 1.339 |
| java | 1.044 |
Wie viele Datenengineering-Jobs es auf jeder Stufe gibt — von Junior bis Principal.
Nachfrage nach Level
| Level | Stellen |
|---|---|
| senior | 5.140 |
| lead | 1.496 |
| Principal | 929 |
| middle | 852 |
| junior | 819 |
Das stärkste Gehaltswachstum liegt zwischen Junior und Middle (Aneignung von Airflow + Spark + einer Cloud-Plattform).
⚠ nur die Nachfrageseite: das Level des beobachteten Pools ist größtenteils unbekannt
Diagrammdaten
| Stufe | Anzahl |
|---|---|
| senior | 5.140 |
| lead | 1.496 |
| Principal | 929 |
| middle | 852 |
| junior | 819 |
Wer im Bereich Datenengineering am meisten einstellt und wie stark sich die Nachfrage auf die größten Unternehmen konzentriert.
Arbeitgeber
Die Nachfrage verteilt sich auf 6.911 Arbeitgeber. Der größte steht für 0.8 %, die Top Ten für 4.8 %; die übrigen 95.2 % sind Long Tail.
| Anteil | Wert |
|---|---|
| Top-1 | 0.8% |
| Top-3 | 2.1% |
| Top-10 | 4.8% |
| Long Tail | 95.2% |
Die Unternehmen, die derzeit am aktivsten Data Engineers einstellen, sind große Banken, Marktplätze, Suchmaschinen und internationale Daten-Startups.
⚠ Namen werden nicht angezeigt: Personalvermittler und Endarbeitgeber werden vom Klassifikator noch nicht unterschieden
Von welchen Unternehmensseiten und Jobbörsen Zorky Datenengineering-Jobs sammelt.
Wo Zorky diesen Markt sieht
Beobachtet in 220 Quellen; die größte steht für 14.4 % — dieser Markt hängt nicht an einem einzigen Kanal.
Data-Engineer-Stellen tauchen in den meisten großen Quellen auf: Web-Parser (HH, Habr Career, Djinni, DOU, NoFluffJobs, JustJoin.it) liefern den Großteil des Volumens. Telegram-Kanäle ergänzen einen exklusiven Strom — Daten-Startups, auf ClickHouse spezialisierte Positionen, Remote-Angebote aus den USA.
Diagrammdaten
| Klasse | Name | Englischer Name | Anzahl | Anteil |
|---|---|---|---|---|
| ats | ATS и карьерные сайты | ATS & Karriereseiten | 11.619 | 0,6857 |
| board | джоб-борды и агрегаторы | Jobbörsen & Aggregatoren | 4.716 | 0,2783 |
| telegram | Telegram | Telegram | 579 | 0,0342 |
| Community | сообщества и публичные профили | Community & öffentliche Profile | 30 | 0,0018 |
| Sonstiges | прочие источники | andere Quellen | 1 | 0,0001 |
Die neuesten Datenengineering-Jobs von Karriereseiten der Unternehmen.
Neueste Ausschreibungen
- Snowflake Data Engineer (Middle+/Senior)
- Senior Data Engineer · PL
- Looking for your next freelance project?
- Snowflake Data Engineer (Middle+/Senior) | Remote
- Snowflake Data Engineer | German B2+ Required | Fully Remote · RS
- Snowflake Data Engineer | 3 year(s) | Middle | IC
- Mount Sinai | Healthcare
- Аналитик данных · KZ
Die neuesten offenen Stellen für Data Engineer — die 10 jüngsten Positionen mit ausreichender Beschreibungsqualität. Die vollständige Liste finden Sie in unserem CRM oder über den Link „Alle ansehen“ unten.
Benachbarte Märkte
Data Engineer ist nach Median eine der am besten bezahlten IT-Spezialisierungen. Klicken Sie auf den Balken einer Richtung, um Gehälter, Stack und Dynamik im Detail zu vergleichen.
⚠ 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.
Spezialisierungen
Data Engineering gliedert sich in Unterspezialisierungen: klassischer Data Engineer (ETL + Warehouse), Big Data Engineer (Spark/Hadoop), Data Platform Engineer (Infrastruktur), DBA (Datenbankadministration), Data Warehouse Engineer (Snowflake/BigQuery), Streaming Engineer (Kafka). Jede Nische hat ihre eigene Gehaltsspanne und ihre eigenen Werkzeuge — klicken Sie auf eine Karte für Details.
Häufig gestellte Fragen
Die häufigsten Fragen zum Markt für Data Engineers: Gehälter nach Level, Stack (Spark vs. Airflow vs. Kafka), Remote, Vergleich mit Data Scientist und Analyst, wo man die Karriere beginnt. Die Antworten werden automatisch aus aktuellen Daten neu berechnet.
Welcher Stack wird von einem Data Engineer am häufigsten verlangt?
Top-5-Technologien in der veröffentlichten Stichprobe: sql, python, cloud, aws, azure. Erforderliche Grundfähigkeiten: Python (fortgeschritten) und SQL (Fensterfunktionen, Optimierung). Der wichtigste Orchestrator ist Apache Airflow (der Branchenstandard) oder Dagster in neueren Teams. Für verteilte Verarbeitung — Apache Spark (PySpark) oder Flink. Streaming — Apache Kafka. Warehouses: ClickHouse (in der RF beliebt), Snowflake, BigQuery, Redshift. Transformationen — dbt (ein wachsender Trend). Eine Cloud-Plattform — eine von AWS, GCP oder Azure ist auf Senior-Niveau erforderlich. Docker, Kubernetes, Git, CI/CD sind übergreifende Fähigkeiten.
Wer verdient mehr — ein Spark-, Airflow- oder Kafka-Spezialist?
Am wahrscheinlichsten ein Spezialist mit Erfahrung in ALLEN drei — meist wählt man nicht nur eines. Die wertvollsten Data Engineers auf dem Markt arbeiten mit Spark (Batch-Verarbeitung großer Volumina), Airflow (Pipeline-Orchestrierung), Kafka (Echtzeit-Streams). ClickHouse-Spezialisten werden in Teams in der RF besonders geschätzt.
Welcher Anteil der Stellen ist vollständig remote?
Unter den Stellen mit angegebenem Arbeitsmodell sind 30% vollständig remote. Stellen ohne Angabe des Arbeitsmodells sind vom Nenner ausgeschlossen; hybride Arbeit wird nicht als vollständig remote gezählt.
Worin unterscheidet sich ein Data Engineer von Data Scientist und Data Analyst?
Ein Data Engineer baut die Infrastruktur: ETL-Pipelines, Warehouses, Datenströme. Ziel ist, dass Daten gesammelt, sauber und im richtigen Moment verfügbar sind. Stack: Python, SQL, Spark, Airflow, Kafka. Ein Data Scientist analysiert Daten und baut Modelle: Statistik, ML, A/B-Tests. Stack: Python, scikit-learn, PyTorch, Jupyter. Ein Data Analyst beantwortet Geschäftsfragen über Dashboards und Berichte. Stack: SQL, Excel, Tableau, Power BI, Looker. Karriereweg: oft Analyst → Data Engineer oder Analyst → Data Scientist über 1–2 Jahre Umschulung.
Wie viele offene Stellen enthält diese Stichprobe?
Die veröffentlichte Stichprobe enthält 16945 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.
Wo verdienen Data Engineers mehr — in Russland oder in Europa?
Der Haupttreiber des Abstands sind Vertragswährung und Unternehmenstyp. Lokale russische Banken mit Rubelverträgen haben den Abstand zum polnischen Markt für Seniors in 2 Jahren geschlossen. Georgien zieht viele umgesiedelte Remote-Mitarbeiter an.
Welche Fähigkeiten braucht ein Senior Data Engineer?
Ein Senior Data Engineer verantwortet den gesamten Stack der Dateninfrastruktur. Grundlage: Python (fortgeschritten, async, Optimierung), SQL (Window Functions, Optimierung, Lesen von Plänen), eine Cloud (AWS S3/EMR, GCP BigQuery/Dataflow, Azure Data Lake). Orchestrierung: Apache Airflow oder Dagster (DAGs, Sensoren, eigene Operatoren). Verteilte Verarbeitung: Apache Spark (PySpark, Optimierung, Catalyst). Streaming: Apache Kafka (Producer, Consumer, Connectoren). Warehouses: eines von Snowflake, BigQuery, ClickHouse, Redshift. Transformationen: dbt. Architekturmuster: Lambda/Kappa, Data Mesh, Data Lakehouse, Slowly Changing Dimensions. Übergreifend: Docker, Kubernetes, Observability (Datadog, Prometheus), CI/CD.
Anfrage hinterlassen
Beschreiben Sie die Aufgabe und hinterlassen Sie einen Kontakt — die Anfrage geht in unser CRM, und wir antworten über den angegebenen Kontakt.