Wir verwenden technische Cookies und das anonymisierte Besuchsprotokoll von Zorky. Yandex Metrica (Daten werden auf Servern in Russland gespeichert) läuft nur mit Ihrer Einwilligung. Wir verkaufen keine Daten. Mehr zu Cookies und Statistik.
Zorky läuft im Testmodus — alles ist kostenlos. Stellen und Unternehmensseiten sind für alle offen; Links zu den Anzeigen und Ihre persönliche Stellenauswahl gibt es nach der Registrierung. Registrieren →

Dateningenieur: Markt

Stand 19. November 2026: offene Stellen Dateningenieur — 5.563, 31% remote unter den Stellen mit Angabe des Arbeitsmodells; Mediangehalt in Stellenanzeigen $9.083/Monat (aus 727 Anzeigen mit Gehaltsangabe). Quelle: Zorky, täglich aktualisiert.

Data Engineer — Data Engineering: ETL/ELT-Pipelines, DWH-Modellierung, Streaming-Verarbeitung, Orchestrierung von Aufgaben, Data Lakes. Das größte Segment der Datenrichtung, an der Grenze zwischen Backend-Entwicklung und Analytics. Rollenfamilie: Data Engineer (allgemein — Pipelines + DWH), ETL Developer (klassisches Batch — Informatica/SSIS Legacy + Airflow), Analytics Engineer (dbt + DWH, an der Grenze zum Analyst), Pipeline Engineer (Fokus auf Orchestrierung — Airflow/Dagster/Prefect), Data Platform Engineer (Infrastruktur für Datenteams — Kubernetes + Spark-Cluster + Delta Lake/Iceberg). Stack: Python (Pflicht — pandas, PySpark, Cloud-SDKs), SQL (Pflicht, fortgeschritten — Window Functions, CTEs, Optimierung), Airflow/Dagster/Prefect (Orchestrierung), Spark/Flink/Kafka Streams (Big Data + Streaming), dbt (Analytics Engineering — Transformationsschicht), DWH: Snowflake/BigQuery/ClickHouse/Redshift/Greenplum, Kafka+Debezium (CDC), S3/HDFS/Delta Lake/Apache Iceberg, Daten-Stacks von AWS/GCP/Azure, Docker+Kubernetes. Top-Stack: python, cloud, sql, aws, azure. Unter den Stellen mit angegebenem Arbeitsmodell sind 31% vollständig remote.

Datenstand:

Die wichtigsten Zahlen des Dateningenieur-Markts: offene Jobs, Mediangehalt, beobachteter Fachkräftepool und Remote-Anteil.

5.563
offene Stellen — nach Jobtitel, Reposts zusammengeführt
$9.083
Median $/Monat
31%
ortsunabhängig

Der Markt für Dateningenieur hat derzeit 5.563 offene Rollen, davon 4.831 frisch beobachtet. Median salary $9.083/mo.

Unter den Stellen mit angegebenem Arbeitsmodell sind 31% vollständig remote. Die Arbeit ist vollständig cloudbasiert. Sber — wegen Datenresidenz / Compliance häufiger im Büro.

⚠ Gehalt bekannt bei 727 von 5563 Stellen; Remote-Anteil aus 4501 mit angegebenem Arbeitsformat; 4831 als frische Beobachtungen gezählt; Trend und Besetzungsschwierigkeit werden nicht gezeigt

Zeitachse: Ausschreibungen und Quellen

Wie viele Dateningenieur-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
Neue Ausschreibungen pro Woche. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
ZeitraumNeue Ausschreibungen pro Woche
2026-06-01294
2026-06-08213
2026-06-15249
2026-06-22673
2026-06-29541
2026-07-06533
2026-07-13701
2026-07-20857
2026-07-27477
2026-08-03417
2026-08-10253
2026-08-17294
2026-08-24272
2026-08-31297
2026-09-07318
2026-09-14377
2026-09-211.172
2026-09-281.043
2026-10-05923
2026-10-122.237
2026-10-191.265
2026-10-261.352
2026-11-021.262
2026-11-091.420

Aktive Quellen pro Woche

Quellen im Zeitraum: 281. ▲ — Woche, in der viele neue Quellen angebunden wurden.

Diagrammdaten
Aktive Quellen pro Woche. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
ZeitraumAktive Quellen
2026-06-0127
2026-06-0826
2026-06-1528
2026-06-2245
2026-06-2987
2026-07-0672
2026-07-1382
2026-07-2092
2026-07-2779
2026-08-0379
2026-08-1052
2026-08-1754
2026-08-2448
2026-08-3156
2026-09-0759
2026-09-1458
2026-09-2171
2026-09-2875
2026-10-0579
2026-10-1280
2026-10-1990
2026-10-2697
2026-11-0295
2026-11-09101
Neue Quellen angebunden: 22. Juni +21 · 29. Juni +48 · 6. Juli +29 · 13. Juli +21 · 20. Juli +19 · alle Wochen (23) in der Tabelle
WocheNeue QuellenNeue Ausschreibungen
8. Juni+6213
15. Juni+7249
22. Juni+21673
29. Juni+48541
6. Juli+29533
13. Juli+21701
20. Juli+19857
27. Juli+8477
3. Aug.+10417
10. Aug.+5253
17. Aug.+3294
24. Aug.+2272
31. Aug.+8297
7. Sept.+4318
14. Sept.+4377
21. Sept.+61.172
28. Sept.+71.043
5. Okt.+4923
12. Okt.+62.237
19. Okt.+111.265
26. Okt.+71.352
2. Nov.+91.262
9. Nov.+91.420

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
Zeitachse: Ausschreibungen und Quellen — Dateningenieur. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
WocheNeue Ausschreibungen pro WocheAktive Quellen
2026-06-0129427
2026-06-0821326
2026-06-1524928
2026-06-2267345
2026-06-2954187
2026-07-0653372
2026-07-1370182
2026-07-2085792
2026-07-2747779
2026-08-0341779
2026-08-1025352
2026-08-1729454
2026-08-2427248
2026-08-3129756
2026-09-0731859
2026-09-1437758
2026-09-211.17271
2026-09-281.04375
2026-10-0592379
2026-10-122.23780
2026-10-191.26590
2026-10-261.35297
2026-11-021.26295
2026-11-091.420101

Gehälter im Zeitverlauf

Mediangehalt Dateningenieur pro Woche, USD pro Monat.

Mediangehalt, USD pro Monat

Diagrammdaten
Mediangehalt, USD pro Monat. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
ZeitraumMedianStellen mit Gehalt pro Woche (n)
2026-07-205.75024
2026-07-27—6
2026-08-03—0
2026-08-10—0
2026-08-17—0
2026-08-24—0
2026-08-31—9
2026-09-078.35312
2026-09-14—8
2026-09-2110.30338
2026-09-288.12573
2026-10-057.09287
2026-10-127.355147
2026-10-197.500227
2026-10-267.699259
2026-11-029.457214
2026-11-099.167235

Die Reihe beginnt am 20. Juli: davor gibt es keine Daten.

Stellen mit Gehalt pro Woche (n)

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
Gehälter im Zeitverlauf — Dateningenieur. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
WocheMedian
2026-06-01—
2026-06-08—
2026-06-15—
2026-06-22—
2026-06-29—
2026-07-06—
2026-07-13—
2026-07-205.750
2026-07-27—
2026-08-03—
2026-08-10—
2026-08-17—
2026-08-24—
2026-08-31—
2026-09-078.353
2026-09-14—
2026-09-2110.303
2026-09-288.125
2026-10-057.092
2026-10-127.355
2026-10-197.500
2026-10-267.699
2026-11-029.457
2026-11-099.167

Remote-Arbeit im Zeitverlauf

Anteil der Dateningenieur-Ausschreibungen mit vollständig remoter Arbeit, pro Woche.

Remote-Ausschreibungen, %

Diagrammdaten
Remote-Ausschreibungen, %. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
ZeitraumOrtsunabhängig
2026-06-0167,4
2026-06-0851,2
2026-06-1553,2
2026-06-2244,1
2026-06-2938,5
2026-07-0633,5
2026-07-1339,3
2026-07-2047,9
2026-07-2761,8
2026-08-0325,1
2026-08-1029,9
2026-08-1728,7
2026-08-2431,7
2026-08-3128,4
2026-09-0723,3
2026-09-1428,4
2026-09-2128,2
2026-09-2831,2
2026-10-0534,3
2026-10-1232,2
2026-10-1930,7
2026-10-2637,3
2026-11-0234,5
2026-11-0928,5

Der Anteil bezieht sich auf Ausschreibungen mit Angabe des Arbeitsmodells (remote, hybrid, Büro). Wochen mit weniger als 10 solchen Ausschreibungen bleiben leer.

Diagrammdaten
Remote-Arbeit im Zeitverlauf — Dateningenieur. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
WocheOrtsunabhängig
2026-06-0167,4
2026-06-0851,2
2026-06-1553,2
2026-06-2244,1
2026-06-2938,5
2026-07-0633,5
2026-07-1339,3
2026-07-2047,9
2026-07-2761,8
2026-08-0325,1
2026-08-1029,9
2026-08-1728,7
2026-08-2431,7
2026-08-3128,4
2026-09-0723,3
2026-09-1428,4
2026-09-2128,2
2026-09-2831,2
2026-10-0534,3
2026-10-1232,2
2026-10-1930,7
2026-10-2637,3
2026-11-0234,5
2026-11-0928,5

Technologien im Zeitverlauf

Wie sich der Anteil der Dateningenieur-Stellen verändert hat, die jede der Top-Technologien nennen.

Ausschreibungen mit der Technologie, %

Diagrammdaten
Ausschreibungen mit der Technologie, %. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
ZeitraumPythoncloudSQL
2026-08-1041,529,628,2
2026-08-173933,529,9
2026-08-2437,332,323,6
2026-08-3134,224,227,4
2026-09-0741,731,728,9
2026-09-1435,533,533,5
2026-09-214145,238,2
2026-09-2861,150,855
2026-10-0556,247,554,2
2026-10-1248,65148,4
2026-10-1958,55459,3
2026-10-2660,752,161,3
2026-11-0261,952,760,7
2026-11-0962,347,759,9
Bis zu 5 im Diagramm:

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
Technologien im Zeitverlauf — Dateningenieur. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
WochePythoncloudSQLAWSAzure
2026-08-1041,529,628,221,122,5
2026-08-173933,529,923,819,5
2026-08-2437,332,323,615,517,4
2026-08-3134,224,227,415,818,9
2026-09-0741,731,728,919,715,6
2026-09-1435,533,533,521,722,7
2026-09-214145,238,229,725
2026-09-2861,150,85534,434,1
2026-10-0556,247,554,230,932,5
2026-10-1248,65148,429,930
2026-10-1958,55459,330,432,4
2026-10-2660,752,161,334,932,7
2026-11-0261,952,760,735,830,1
2026-11-0962,347,759,931,628,1

Länder im Zeitverlauf

Wie sich der Anteil der Dateningenieur-Stellen in jedem der Top-Länder pro Woche verändert hat.

Ausschreibungen im Land, %

Diagrammdaten
Ausschreibungen im Land, %. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
ZeitraumUSAPolenVereinigtes Königreich
2026-06-0127,649,13,6
2026-06-0832,433,32
2026-06-1526,538,53,8
2026-06-2213,552,91,4
2026-06-291818,81,7
2026-07-0631,111,46,6
2026-07-1323,516,94,8
2026-07-2017,628,810,7
2026-07-2715,431,86,4
2026-08-0320,59,718,8
2026-08-1016,15,723,7
2026-08-1715,66,626,2
2026-08-2414,76,533,6
2026-08-319,63,333,8
2026-09-0712,63,332,3
2026-09-1422,33,628,9
2026-09-2125,85,515,5
2026-09-2819,314,613,7
2026-10-0516,221,513
2026-10-1216,6169,8
2026-10-1916,716,710,5
2026-10-261917,38,9
2026-11-0221,112,510,6
2026-11-0920,29,113,2
Bis zu 5 im Diagramm:

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
Länder im Zeitverlauf — Dateningenieur. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
WocheUSAPolenVereinigtes KönigreichIndienSingapur
2026-06-0127,649,13,63,30
2026-06-0832,433,3210,80
2026-06-1526,538,53,88,10
2026-06-2213,552,91,411,33,3
2026-06-291818,81,78,726
2026-07-0631,111,46,611,76,2
2026-07-1323,516,94,818,312,3
2026-07-2017,628,810,78,67,8
2026-07-2715,431,86,48,216,9
2026-08-0320,59,718,816,16,2
2026-08-1016,15,723,712,31,9
2026-08-1715,66,626,213,12,5
2026-08-2414,76,533,610,13,7
2026-08-319,63,333,817,92,1
2026-09-0712,63,332,312,63,7
2026-09-1422,33,628,913,82
2026-09-2125,85,515,59,37
2026-09-2819,314,613,7612,9
2026-10-0516,221,5137,27,8
2026-10-1216,6169,89,93,6
2026-10-1916,716,710,587
2026-10-261917,38,99,66,2
2026-11-0221,112,510,69,25,6
2026-11-0920,29,113,2104,6

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 Dateningenieur.

Einstellungsindex, 16. Okt. = 100

Diagrammdaten
Einstellungsindex, 16. Okt. = 100. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
ZeitraumEinstellungsindex
2026-10-16100
2026-10-17100,03
2026-10-1899,76
2026-10-1999,68
2026-10-2099,27
2026-10-2198,6
2026-10-2299,07
2026-10-2397,4
2026-10-2497,41
2026-10-2697,33
2026-10-2796,76
2026-10-2896,21
2026-10-2995,17
2026-10-3095,13
2026-10-3193,65
2026-11-0193,33
2026-11-0292,67
2026-11-0392,65
2026-11-0492,41
2026-11-0592,13
2026-11-0690,44
2026-11-0790,48
2026-11-0890,45
2026-11-1090,29
2026-11-1190,22
2026-11-1390,12
2026-11-1489,7
2026-11-1589,68
2026-11-1689,62
2026-11-1888,91
2026-11-1988,02

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
Bereinigter Markt: Einstellungsindex — Dateningenieur. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
TagEinstellungsindex
2026-10-16100
2026-10-17100,03
2026-10-1899,76
2026-10-1999,68
2026-10-2099,27
2026-10-2198,6
2026-10-2299,07
2026-10-2397,4
2026-10-2497,41
2026-10-2697,33
2026-10-2796,76
2026-10-2896,21
2026-10-2995,17
2026-10-3095,13
2026-10-3193,65
2026-11-0193,33
2026-11-0292,67
2026-11-0392,65
2026-11-0492,41
2026-11-0592,13
2026-11-0690,44
2026-11-0790,48
2026-11-0890,45
2026-11-1090,29
2026-11-1190,22
2026-11-1390,12
2026-11-1489,7
2026-11-1589,68
2026-11-1689,62
2026-11-1888,91
2026-11-1988,02

Wie viele offene Dateningenieur-Jobs es gibt und wie viele passende Fachkräfte Zorky sieht.

Nachfrage und beobachtetes Angebot

Diagrammdaten
Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
KennzahlWert
Offene Nachfrage5.563
Offene Nachfrage5.563
Beobachtetes Angebot— nicht veröffentlicht

Data Engineer liefert unter den Datensegmenten den größten und stabilsten Strom an Stellen. Die Nachfrage wächst besonders bei Produktunternehmen in der GUS (Migration von Legacy-DWH auf den modernen Data Stack — Snowflake/dbt/Airflow) und im FinTech.

⚠ zu einer Stelle passende Kandidaten werden noch nicht gezählt: gezeigt werden Nachfrage und der beobachtete Pool

Wie sich die Gehälter in Dateningenieur-Jobs verteilen, in US-Dollar pro Monat.

Gehaltsverteilung

P25 $6.250 · P50 $9.083 · P75 $12.541
Diagrammdaten
Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
KennzahlWert
<$1k7
$1–2k8
$2–3k11
$3–4k26
$4–5k56
$5–6k59
$6–7k80
$7–8k65
$8–9k48
$9–10k52
$10–12k90
$12–15k121
$15–20k91
$20k+13
Gehalt in Stellenanzeigen: Basis 5.563
  • für die Berechnung nutzbar: 727 (13,1%)
  • angegeben, aber nicht in USD/Monat umgerechnet: 817 (14,7%)
  • nicht angegeben: 4.019 (72,2%)

Jede zehnte Stellenanzeige bietet unter $4.437, jede zehnte über $15.833. Die Hälfte der Anzeigen bietet zwischen $6.250 und $12.541. Stichprobe: 727.

Diagrammdaten
Gehaltsverteilung — Dateningenieur. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
KennzahlUntergrenzeObergrenzeAnzahl
<$1k01.0007
$1–2k1.0002.0008
$2–3k2.0003.00011
$3–4k3.0004.00026
$4–5k4.0005.00056
$5–6k5.0006.00059
$6–7k6.0007.00080
$7–8k7.0008.00065
$8–9k8.0009.00048
$9–10k9.00010.00052
$10–12k10.00012.00090
$12–15k12.00015.000121
$15–20k15.00020.00091
$20k+20.000—13

In welchen Ländern es die meisten offenen Dateningenieur-Jobs gibt.

Geografie der Nachfrage

LandStellenAnteil
Vereinigte Staaten1.13423,9%
Polen68614,5%
Indien4479,4%
Vereinigtes Königreich4208,9%
Singapur2565,4%
Deutschland2365%
Frankreich1513,2%
Kanada1503,2%
Russland831,8%
Südafrika681,4%
Übrige Länder1.10723,4%

Führend bei der Zahl der Stellen für Data Engineer: die USA (1134 Stellen). Polen — Zweiter bei der Zahl der Remote-Stellen für Russischsprachige.

⚠ nur Stellenzahlen: Gehalt nach Land wird nicht veröffentlicht

Diagrammdaten
Geografie der Nachfrage — Dateningenieur. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
LandStellen
US1.134
PL686
IN447
GB420
SG256
DE236
FR151
CA150
RU83
ZA68

Welche Technologien am häufigsten im selben Job wie Dateningenieur verlangt werden.

Wird zusammen verwendet mit

python
2.36942,6%
cloud
2.31641,6%
sql
2.05536,9%
aws
1.51327,2%
azure
1.40925,3%
databricks
1.39925,1%
airflow
1.04518,8%
dbt
91116,4%
spark
79914,4%
snowflake
78814,2%

Anteil — wie viele der 5.563 Stellen im Markt Dateningenieur diese Technologie nennen. Sortiert nach Stellenzahl, nicht nach „Stärke des Zusammenhangs“. Oberbegriffe wie cloud sind keine bestimmte Cloud (AWS, Azure).

Top-Data-Engineer-Stack 2026: Python + fortgeschrittenes SQL (Pflicht), Airflow / Dagster / Prefect (Orchestrierung), Spark / Flink / Kafka Streams (Big Data + Streaming), dbt (Transformationsschicht), Snowflake / BigQuery / ClickHouse / Redshift (DWH), Kafka + Debezium (CDC), Delta Lake / Iceberg (Lakehouse), Docker + Kubernetes. Senior — Observability + Datenqualität.

Häufige Paare: Python + SQL, Python + Airflow, Spark + Hadoop, dbt + Snowflake, Kafka + Spark Streaming, Airflow + BigQuery. Lern-Roadmap: Python + SQL → Airflow → ein DWH → dbt → PySpark → Kafka-Grundlagen.

Diagrammdaten
Wird zusammen verwendet mit — Dateningenieur. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
NameAnzahl
python2.369
cloud2.316
sql2.055
aws1.513
azure1.409
databricks1.399
airflow1.045
dbt911
spark799
snowflake788
gcp711
pyspark593

Wie viele Dateningenieur-Jobs es auf jeder Stufe gibt — von Junior bis Principal.

Nachfrage nach Level

LevelStellen
senior2.079
middle357
lead350
Principal248
junior220

Juniors sind selten — der Markt stellt nach Python Middle oder Analyst Senior mit fortgeschrittenem SQL ein. Karriereweg: Junior → Middle → Senior → Analytics Engineer / Data Platform / Head of Data.

⚠ nur die Nachfrageseite: das Level des beobachteten Pools ist größtenteils unbekannt

Diagrammdaten
Nachfrage nach Level — Dateningenieur. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
StufeAnzahl
senior2.079
middle357
lead350
Principal248
junior220

Wer im Bereich Dateningenieur am meisten einstellt und wie stark sich die Nachfrage auf die größten Unternehmen konzentriert.

Arbeitgeber

Die Nachfrage verteilt sich auf 3.218 Arbeitgeber. Der größte steht für 1.1 %, die Top Ten für 4.7 %; die übrigen 95.3 % sind Long Tail.

größter 1,1%2.–3. 1,1%4.–10. 2,5%übrige 95,3%
AnteilWert
Top-11.1%
Top-32.2%
Top-104.7%
Long Tail95.3%

⚠ Namen werden nicht angezeigt: Personalvermittler und Endarbeitgeber werden vom Klassifikator noch nicht unterschieden

Von welchen Unternehmensseiten und Jobbörsen Zorky Dateningenieur-Jobs sammelt.

Wo Zorky diesen Markt sieht

Beobachtet in 139 Quellen; die größte steht für 11.5 % — dieser Markt hängt nicht an einem einzigen Kanal.

Diagrammdaten
Wo Zorky diesen Markt sieht — Dateningenieur. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
KlasseNameEnglischer NameAnzahlAnteil
atsATS и карьерные сайтыATS & Karriereseiten3.2240,5795
boardджоб-борды и агрегаторыJobbörsen & Aggregatoren2.0780,3735
telegramTelegramTelegram2510,0451
Communityсообщества и публичные профилиCommunity & öffentliche Profile100,0018

Die neuesten Dateningenieur-Jobs von Karriereseiten der Unternehmen.

Neueste Ausschreibungen

Alle Stellen →

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.

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: Datenengineering

Verwandte Spezialisierungen

Innerhalb von Data Engineer: Data Engineer (allgemein — Pipelines + DWH), ETL Developer (klassisches Batch), Analytics Engineer (dbt + DWH), Pipeline Engineer (Orchestrierung), Data Platform Engineer (Infrastruktur für Datenteams). Vergleich mit anderen Data-/Big-Data-Spezialisierungen — im Balken unten.

Big DataDBADatenstromverarbeitungData Warehouse

Häufig gestellte Fragen

Die häufigsten Fragen zu Data Engineer: Bezahlung, Spark vs. Flink vs. Kafka Streams, Airflow vs. Dagster, Unterschiede zu Backend und ML Engineer, Remote, Einstieg (12-18 Monate nach Python Middle), Senior-Fähigkeiten. Die Antworten werden automatisch neu berechnet.

Was verdient ein Data Engineer als Junior, Middle, Senior oder Lead?

Junior-Stellen sind rar — der Markt erwartet Python Middle + fortgeschrittenes SQL oder einen Wechsel aus Backend/Analyse. Der Sprung Junior → Middle — Airflow + ein DWH + Spark-Grundlagen. Ein Senior verantwortet eine ganze Datendomäne (z. B. eine Event-Pipeline). Lead Data Engineer / Head of Data Platform — führt 3-8 Engineers, verantwortet Architekturentscheidungen + DWH-Modell + Data Governance. Karriereweg: Backend Middle/Analyst Senior → Data Engineer Middle → Senior → entweder Analytics Engineering (dbt-Fokus), Platform Engineering (Infrastrukturfokus) oder Head of Data.

Welchen Stack braucht a Data Engineer am häufigsten?

Top 5: python, cloud, sql, aws, azure. Python — Pflicht (pandas, PySpark, boto3, GCP SDK). SQL — fortgeschrittene Pflicht (Fensterfunktionen, CTEs, Abfrageoptimierung, EXPLAIN ANALYZE). Airflow — Branchenstandard für Orchestrierung; Dagster/Prefect wachsen in neuen Projekten. Spark (PySpark/Scala) — Big Data Batch + Streaming. Kafka — Pflicht ab Middle im ereignisgetriebenen Umfeld. Flink — Premiumfähigkeit für echtes Streaming. dbt — Standard der Transformationsschicht im modernen Data Stack. DWH: Snowflake (Cloud-Premium), BigQuery (GCP), ClickHouse (OLAP, dominiert in der GUS), Redshift (AWS-Legacy). Speicher: S3/HDFS, Delta Lake/Apache Iceberg (Lakehouse). Docker+Kubernetes. Terraform/Pulumi für IaC. Senior — Observability (Datadog/Grafana + Great Expectations / Soda für Datenqualität).

Spark vs. Flink vs. Kafka Streams — was in 2026 wählen?

Spark — Branchenstandard für Batch + Micro-Batch-Streaming. PySpark ist der größte Stellenmarkt, Spark Scala — eine Premium-Nische. Nachteil: Latenz durch Micro-Batches (Sekunden bis Minuten), kein echtes Echtzeit. Flink — eine echte Streaming-Engine mit Latenz im Millisekundenbereich, Exactly-once-Semantik von Haus aus. Wachsendes Segment: FinTech/AdTech/IoT/Echtzeit-ML-Inferenz. Kafka Streams (nur Java/Scala) — eine leichtgewichtige Streaming-Bibliothek, kein separater Cluster. Gut für Stream-Verarbeitung auf Microservice-Ebene, schlecht für schwere Joins/Zustand. Strategie: zuerst Spark (Marktgröße), dann Flink zur Diversifizierung und für Premium-Bezahlung. Kafka Streams — eine Nischenergänzung für JVM-Backend-Engineers.

Airflow vs. Dagster vs. Prefect — was für die Orchestrierung lernen?

DAGs in Python, riesiges Ökosystem an Operatoren. Nachteile: zeitplanbasiert, nicht nativ ereignisgesteuert, schwache dynamische DAG-Generierung. Dagster — moderner Herausforderer (Elementl/Astronomer-ähnlich). Asset-zentriert, beste DX, natives Testen, Data Lineage out of the box. Wachsendes Segment: Produkt-Startups, Modern Data Stack. Prefect — philosophisch zwischen Airflow und Dagster. Gut für hybride Workflows (Batch + Streaming). Weniger Stellen als Airflow, aber wachsend. Strategie: zuerst Airflow (Marktnotwendigkeit), dann Dagster als moderne Alternative. Cron + Python-Skripte — veralteter Ansatz, nicht als Hauptwerkzeug lernen.

Welcher Anteil der Stellen ist vollständig remote?

Unter den Stellen mit angegebenem Arbeitsmodell sind 31% vollständig remote. Stellen ohne Angabe des Arbeitsmodells sind vom Nenner ausgeschlossen; hybride Arbeit wird nicht als vollständig remote gezählt.

Worin unterscheidet sich Data Engineer von Backend und ML Engineer?

Backend Engineer — REST/GraphQL-API, Geschäftslogik, transaktionale DBs (PostgreSQL/MySQL). Fokus: Produktanfragen bedienen. OLTP-Systeme. Data Engineer — ETL/ELT-Pipelines, DWH-Modellierung, Streaming, Batch-Verarbeitung von Terabytes. Fokus: große Datenmengen bewegen und transformieren. OLAP-Systeme. ML Engineer — Modelle in Produktion bringen (FastAPI + ONNX/TorchServe), Feature Store, MLOps, Modell-Monitoring. Fokus: produktionsreife Inferenz. Karrierewechsel: Backend Senior → Data Engineer Middle in 4-8 Monaten (Airflow + dbt + ein DWH). Data Engineer → ML Engineer in 6-12 Monaten (PyTorch + MLOps-Stack). Nach Gehalt: Data Engineer ≥ Backend Senior in Moskau; ML Engineer ≈ Data Engineer Senior im Schnitt.

Wie fängt man 2026 mit Data Engineering an?

Roadmap: 1) Python bis Middle — pandas, numpy, Typing, Tests. 2) SQL bis Fortgeschritten — Fensterfunktionen, CTEs, Unterabfragen, Optimierung (EXPLAIN ANALYZE), Indizes. PostgreSQL + eine OLAP-Datenbank (ClickHouse empfohlen). 3) Airflow — offizielles Tutorial, 3-5 DAGs schreiben. 4) Ein DWH: BigQuery (kostenloses Kontingent) oder Snowflake-Testversion. Beherrschen Sie die Modellierung (Stern-/Schneeflockenschema, SCD). 5) dbt — die Schicht des Analytics Engineering. dbt-Tutorial + Pet-Projekt mit dem Datensatz jaffle-shop. 6) PySpark-Grundlagen — DataFrame API + ein Pet-Projekt mit 1-10 GB Daten. 7) Kafka-Grundlagen — Producer/Consumer + ein Streaming-Pet-Projekt. 8) Durchgängiges Pet-Projekt: Pipeline von API/Dateien über Airflow + dbt ins DWH, Dashboard in Metabase/Superset, deployt in der Cloud. Kurse: Karpov.Courses „Data Engineer“, OTUS „Data Engineer“, Yandex.Practicum „Data Engineer“, DataCamp Data Engineer Track. Bücher: „The Data Warehouse Toolkit“ von Kimball, „Fundamentals of Data Engineering“ von Reis. Zeit bis zum Middle (Junior selten) — 12-18 Monate in Vollzeit nach Erfahrung als Python Middle.

Wie viele offene Stellen enthält diese Stichprobe?

Die veröffentlichte Stichprobe enthält 5563 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 Data Engineer?

Ein Senior Data Engineer verantwortet den gesamten Zyklus der Datenpipelines. SQL: Beherrschung (Window Functions, rekursive CTEs, Abfrageoptimierung, Partition Pruning, Materialized Views). Python: Beherrschung von pandas/PySpark, Speicher-Profiling, async für I/O-lastige Datenaufnahme. Verteilte Systeme: Ausführungsmodell von Spark (Shuffle, Broadcast, Partitionierung), Exactly-once in Kafka, Two-Phase Commit, Idempotenz. DWH-Modellierung: Kimball (Star Schema, SCD), Data Vault, Lakehouse-Architektur (Delta Lake/Iceberg). Orchestrierung: Entwurf von Airflow-DAGs (idempotente Tasks, Backfills, Sensoren), dynamische Generierung von DAGs. Streaming: Entwurf mit Kafka (Partitionen, Consumer Groups, Exactly-once), Spark Streaming oder Flink. Cloud: eine von AWS/GCP/Azure auf Architektenniveau (IAM + Kostenoptimierung + Netzwerke + Speicherklassen). Datenqualität: Great Expectations / Soda, Monitoring von Metriken + Alerts. DevOps: Docker, Kubernetes-Operatoren (Spark/Kafka on k8s), Terraform/Pulumi für IaC. Soft Skills: Code Review, Mentoring von Middles, Arbeit mit Analyst/PM an den Anforderungen. Englisch — Pflicht ab Senior+ (der Daten-Stack ist überwiegend EN).

Anfrage hinterlassen

Beschreiben Sie die Aufgabe und hinterlassen Sie einen Kontakt — die Anfrage geht in unser CRM, und wir antworten über den angegebenen Kontakt.

Mit dem Absenden stimmen Sie zu: Datenschutzerklärung.