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.
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
| Zeitraum | Neue Ausschreibungen pro Woche |
|---|---|
| 2026-06-01 | 294 |
| 2026-06-08 | 213 |
| 2026-06-15 | 249 |
| 2026-06-22 | 673 |
| 2026-06-29 | 541 |
| 2026-07-06 | 533 |
| 2026-07-13 | 701 |
| 2026-07-20 | 857 |
| 2026-07-27 | 477 |
| 2026-08-03 | 417 |
| 2026-08-10 | 253 |
| 2026-08-17 | 294 |
| 2026-08-24 | 272 |
| 2026-08-31 | 297 |
| 2026-09-07 | 318 |
| 2026-09-14 | 377 |
| 2026-09-21 | 1.172 |
| 2026-09-28 | 1.043 |
| 2026-10-05 | 923 |
| 2026-10-12 | 2.237 |
| 2026-10-19 | 1.265 |
| 2026-10-26 | 1.352 |
| 2026-11-02 | 1.262 |
| 2026-11-09 | 1.420 |
Aktive Quellen pro Woche
Quellen im Zeitraum: 281. ▲ — Woche, in der viele neue Quellen angebunden wurden.
Diagrammdaten
| Zeitraum | Aktive Quellen |
|---|---|
| 2026-06-01 | 27 |
| 2026-06-08 | 26 |
| 2026-06-15 | 28 |
| 2026-06-22 | 45 |
| 2026-06-29 | 87 |
| 2026-07-06 | 72 |
| 2026-07-13 | 82 |
| 2026-07-20 | 92 |
| 2026-07-27 | 79 |
| 2026-08-03 | 79 |
| 2026-08-10 | 52 |
| 2026-08-17 | 54 |
| 2026-08-24 | 48 |
| 2026-08-31 | 56 |
| 2026-09-07 | 59 |
| 2026-09-14 | 58 |
| 2026-09-21 | 71 |
| 2026-09-28 | 75 |
| 2026-10-05 | 79 |
| 2026-10-12 | 80 |
| 2026-10-19 | 90 |
| 2026-10-26 | 97 |
| 2026-11-02 | 95 |
| 2026-11-09 | 101 |
Neue Quellen angebunden: 22. Juni +21 · 29. Juni +48 · 6. Juli +29 · 13. Juli +21 · 20. Juli +19 · alle Wochen (23) in der Tabelle
| Woche | Neue Quellen | Neue Ausschreibungen |
|---|---|---|
| 8. Juni | +6 | 213 |
| 15. Juni | +7 | 249 |
| 22. Juni | +21 | 673 |
| 29. Juni | +48 | 541 |
| 6. Juli | +29 | 533 |
| 13. Juli | +21 | 701 |
| 20. Juli | +19 | 857 |
| 27. Juli | +8 | 477 |
| 3. Aug. | +10 | 417 |
| 10. Aug. | +5 | 253 |
| 17. Aug. | +3 | 294 |
| 24. Aug. | +2 | 272 |
| 31. Aug. | +8 | 297 |
| 7. Sept. | +4 | 318 |
| 14. Sept. | +4 | 377 |
| 21. Sept. | +6 | 1.172 |
| 28. Sept. | +7 | 1.043 |
| 5. Okt. | +4 | 923 |
| 12. Okt. | +6 | 2.237 |
| 19. Okt. | +11 | 1.265 |
| 26. Okt. | +7 | 1.352 |
| 2. Nov. | +9 | 1.262 |
| 9. Nov. | +9 | 1.420 |
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
| Woche | Neue Ausschreibungen pro Woche | Aktive Quellen |
|---|---|---|
| 2026-06-01 | 294 | 27 |
| 2026-06-08 | 213 | 26 |
| 2026-06-15 | 249 | 28 |
| 2026-06-22 | 673 | 45 |
| 2026-06-29 | 541 | 87 |
| 2026-07-06 | 533 | 72 |
| 2026-07-13 | 701 | 82 |
| 2026-07-20 | 857 | 92 |
| 2026-07-27 | 477 | 79 |
| 2026-08-03 | 417 | 79 |
| 2026-08-10 | 253 | 52 |
| 2026-08-17 | 294 | 54 |
| 2026-08-24 | 272 | 48 |
| 2026-08-31 | 297 | 56 |
| 2026-09-07 | 318 | 59 |
| 2026-09-14 | 377 | 58 |
| 2026-09-21 | 1.172 | 71 |
| 2026-09-28 | 1.043 | 75 |
| 2026-10-05 | 923 | 79 |
| 2026-10-12 | 2.237 | 80 |
| 2026-10-19 | 1.265 | 90 |
| 2026-10-26 | 1.352 | 97 |
| 2026-11-02 | 1.262 | 95 |
| 2026-11-09 | 1.420 | 101 |
Gehälter im Zeitverlauf
Mediangehalt Dateningenieur pro Woche, USD pro Monat.
Mediangehalt, USD pro Monat
Diagrammdaten
| Zeitraum | Median | Stellen mit Gehalt pro Woche (n) |
|---|---|---|
| 2026-07-20 | 5.750 | 24 |
| 2026-07-27 | — | 6 |
| 2026-08-03 | — | 0 |
| 2026-08-10 | — | 0 |
| 2026-08-17 | — | 0 |
| 2026-08-24 | — | 0 |
| 2026-08-31 | — | 9 |
| 2026-09-07 | 8.353 | 12 |
| 2026-09-14 | — | 8 |
| 2026-09-21 | 10.303 | 38 |
| 2026-09-28 | 8.125 | 73 |
| 2026-10-05 | 7.092 | 87 |
| 2026-10-12 | 7.355 | 147 |
| 2026-10-19 | 7.500 | 227 |
| 2026-10-26 | 7.699 | 259 |
| 2026-11-02 | 9.457 | 214 |
| 2026-11-09 | 9.167 | 235 |
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 | — |
| 2026-09-07 | 8.353 |
| 2026-09-14 | — |
| 2026-09-21 | 10.303 |
| 2026-09-28 | 8.125 |
| 2026-10-05 | 7.092 |
| 2026-10-12 | 7.355 |
| 2026-10-19 | 7.500 |
| 2026-10-26 | 7.699 |
| 2026-11-02 | 9.457 |
| 2026-11-09 | 9.167 |
Remote-Arbeit im Zeitverlauf
Anteil der Dateningenieur-Ausschreibungen mit vollständig remoter Arbeit, pro Woche.
Remote-Ausschreibungen, %
Diagrammdaten
| Zeitraum | Ortsunabhängig |
|---|---|
| 2026-06-01 | 67,4 |
| 2026-06-08 | 51,2 |
| 2026-06-15 | 53,2 |
| 2026-06-22 | 44,1 |
| 2026-06-29 | 38,5 |
| 2026-07-06 | 33,5 |
| 2026-07-13 | 39,3 |
| 2026-07-20 | 47,9 |
| 2026-07-27 | 61,8 |
| 2026-08-03 | 25,1 |
| 2026-08-10 | 29,9 |
| 2026-08-17 | 28,7 |
| 2026-08-24 | 31,7 |
| 2026-08-31 | 28,4 |
| 2026-09-07 | 23,3 |
| 2026-09-14 | 28,4 |
| 2026-09-21 | 28,2 |
| 2026-09-28 | 31,2 |
| 2026-10-05 | 34,3 |
| 2026-10-12 | 32,2 |
| 2026-10-19 | 30,7 |
| 2026-10-26 | 37,3 |
| 2026-11-02 | 34,5 |
| 2026-11-09 | 28,5 |
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 | 67,4 |
| 2026-06-08 | 51,2 |
| 2026-06-15 | 53,2 |
| 2026-06-22 | 44,1 |
| 2026-06-29 | 38,5 |
| 2026-07-06 | 33,5 |
| 2026-07-13 | 39,3 |
| 2026-07-20 | 47,9 |
| 2026-07-27 | 61,8 |
| 2026-08-03 | 25,1 |
| 2026-08-10 | 29,9 |
| 2026-08-17 | 28,7 |
| 2026-08-24 | 31,7 |
| 2026-08-31 | 28,4 |
| 2026-09-07 | 23,3 |
| 2026-09-14 | 28,4 |
| 2026-09-21 | 28,2 |
| 2026-09-28 | 31,2 |
| 2026-10-05 | 34,3 |
| 2026-10-12 | 32,2 |
| 2026-10-19 | 30,7 |
| 2026-10-26 | 37,3 |
| 2026-11-02 | 34,5 |
| 2026-11-09 | 28,5 |
Technologien im Zeitverlauf
Wie sich der Anteil der Dateningenieur-Stellen verändert hat, die jede der Top-Technologien nennen.
Ausschreibungen mit der Technologie, %
Diagrammdaten
| Zeitraum | Python | cloud | SQL |
|---|---|---|---|
| 2026-08-10 | 41,5 | 29,6 | 28,2 |
| 2026-08-17 | 39 | 33,5 | 29,9 |
| 2026-08-24 | 37,3 | 32,3 | 23,6 |
| 2026-08-31 | 34,2 | 24,2 | 27,4 |
| 2026-09-07 | 41,7 | 31,7 | 28,9 |
| 2026-09-14 | 35,5 | 33,5 | 33,5 |
| 2026-09-21 | 41 | 45,2 | 38,2 |
| 2026-09-28 | 61,1 | 50,8 | 55 |
| 2026-10-05 | 56,2 | 47,5 | 54,2 |
| 2026-10-12 | 48,6 | 51 | 48,4 |
| 2026-10-19 | 58,5 | 54 | 59,3 |
| 2026-10-26 | 60,7 | 52,1 | 61,3 |
| 2026-11-02 | 61,9 | 52,7 | 60,7 |
| 2026-11-09 | 62,3 | 47,7 | 59,9 |
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 | SQL | AWS | Azure |
|---|---|---|---|---|---|
| 2026-08-10 | 41,5 | 29,6 | 28,2 | 21,1 | 22,5 |
| 2026-08-17 | 39 | 33,5 | 29,9 | 23,8 | 19,5 |
| 2026-08-24 | 37,3 | 32,3 | 23,6 | 15,5 | 17,4 |
| 2026-08-31 | 34,2 | 24,2 | 27,4 | 15,8 | 18,9 |
| 2026-09-07 | 41,7 | 31,7 | 28,9 | 19,7 | 15,6 |
| 2026-09-14 | 35,5 | 33,5 | 33,5 | 21,7 | 22,7 |
| 2026-09-21 | 41 | 45,2 | 38,2 | 29,7 | 25 |
| 2026-09-28 | 61,1 | 50,8 | 55 | 34,4 | 34,1 |
| 2026-10-05 | 56,2 | 47,5 | 54,2 | 30,9 | 32,5 |
| 2026-10-12 | 48,6 | 51 | 48,4 | 29,9 | 30 |
| 2026-10-19 | 58,5 | 54 | 59,3 | 30,4 | 32,4 |
| 2026-10-26 | 60,7 | 52,1 | 61,3 | 34,9 | 32,7 |
| 2026-11-02 | 61,9 | 52,7 | 60,7 | 35,8 | 30,1 |
| 2026-11-09 | 62,3 | 47,7 | 59,9 | 31,6 | 28,1 |
Länder im Zeitverlauf
Wie sich der Anteil der Dateningenieur-Stellen in jedem der Top-Länder pro Woche verändert hat.
Ausschreibungen im Land, %
Diagrammdaten
| Zeitraum | USA | Polen | Vereinigtes Königreich |
|---|---|---|---|
| 2026-06-01 | 27,6 | 49,1 | 3,6 |
| 2026-06-08 | 32,4 | 33,3 | 2 |
| 2026-06-15 | 26,5 | 38,5 | 3,8 |
| 2026-06-22 | 13,5 | 52,9 | 1,4 |
| 2026-06-29 | 18 | 18,8 | 1,7 |
| 2026-07-06 | 31,1 | 11,4 | 6,6 |
| 2026-07-13 | 23,5 | 16,9 | 4,8 |
| 2026-07-20 | 17,6 | 28,8 | 10,7 |
| 2026-07-27 | 15,4 | 31,8 | 6,4 |
| 2026-08-03 | 20,5 | 9,7 | 18,8 |
| 2026-08-10 | 16,1 | 5,7 | 23,7 |
| 2026-08-17 | 15,6 | 6,6 | 26,2 |
| 2026-08-24 | 14,7 | 6,5 | 33,6 |
| 2026-08-31 | 9,6 | 3,3 | 33,8 |
| 2026-09-07 | 12,6 | 3,3 | 32,3 |
| 2026-09-14 | 22,3 | 3,6 | 28,9 |
| 2026-09-21 | 25,8 | 5,5 | 15,5 |
| 2026-09-28 | 19,3 | 14,6 | 13,7 |
| 2026-10-05 | 16,2 | 21,5 | 13 |
| 2026-10-12 | 16,6 | 16 | 9,8 |
| 2026-10-19 | 16,7 | 16,7 | 10,5 |
| 2026-10-26 | 19 | 17,3 | 8,9 |
| 2026-11-02 | 21,1 | 12,5 | 10,6 |
| 2026-11-09 | 20,2 | 9,1 | 13,2 |
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 | Singapur |
|---|---|---|---|---|---|
| 2026-06-01 | 27,6 | 49,1 | 3,6 | 3,3 | 0 |
| 2026-06-08 | 32,4 | 33,3 | 2 | 10,8 | 0 |
| 2026-06-15 | 26,5 | 38,5 | 3,8 | 8,1 | 0 |
| 2026-06-22 | 13,5 | 52,9 | 1,4 | 11,3 | 3,3 |
| 2026-06-29 | 18 | 18,8 | 1,7 | 8,7 | 26 |
| 2026-07-06 | 31,1 | 11,4 | 6,6 | 11,7 | 6,2 |
| 2026-07-13 | 23,5 | 16,9 | 4,8 | 18,3 | 12,3 |
| 2026-07-20 | 17,6 | 28,8 | 10,7 | 8,6 | 7,8 |
| 2026-07-27 | 15,4 | 31,8 | 6,4 | 8,2 | 16,9 |
| 2026-08-03 | 20,5 | 9,7 | 18,8 | 16,1 | 6,2 |
| 2026-08-10 | 16,1 | 5,7 | 23,7 | 12,3 | 1,9 |
| 2026-08-17 | 15,6 | 6,6 | 26,2 | 13,1 | 2,5 |
| 2026-08-24 | 14,7 | 6,5 | 33,6 | 10,1 | 3,7 |
| 2026-08-31 | 9,6 | 3,3 | 33,8 | 17,9 | 2,1 |
| 2026-09-07 | 12,6 | 3,3 | 32,3 | 12,6 | 3,7 |
| 2026-09-14 | 22,3 | 3,6 | 28,9 | 13,8 | 2 |
| 2026-09-21 | 25,8 | 5,5 | 15,5 | 9,3 | 7 |
| 2026-09-28 | 19,3 | 14,6 | 13,7 | 6 | 12,9 |
| 2026-10-05 | 16,2 | 21,5 | 13 | 7,2 | 7,8 |
| 2026-10-12 | 16,6 | 16 | 9,8 | 9,9 | 3,6 |
| 2026-10-19 | 16,7 | 16,7 | 10,5 | 8 | 7 |
| 2026-10-26 | 19 | 17,3 | 8,9 | 9,6 | 6,2 |
| 2026-11-02 | 21,1 | 12,5 | 10,6 | 9,2 | 5,6 |
| 2026-11-09 | 20,2 | 9,1 | 13,2 | 10 | 4,6 |
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
| 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 Dateningenieur-Jobs es gibt und wie viele passende Fachkräfte Zorky sieht.
Nachfrage und beobachtetes Angebot
Diagrammdaten
| Kennzahl | Wert |
|---|---|
| Offene Nachfrage | 5.563 |
| Offene Nachfrage | 5.563 |
| 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
Diagrammdaten
| Kennzahl | Wert |
|---|---|
| <$1k | 7 |
| $1–2k | 8 |
| $2–3k | 11 |
| $3–4k | 26 |
| $4–5k | 56 |
| $5–6k | 59 |
| $6–7k | 80 |
| $7–8k | 65 |
| $8–9k | 48 |
| $9–10k | 52 |
| $10–12k | 90 |
| $12–15k | 121 |
| $15–20k | 91 |
| $20k+ | 13 |
- 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
| Kennzahl | Untergrenze | Obergrenze | Anzahl |
|---|---|---|---|
| <$1k | 0 | 1.000 | 7 |
| $1–2k | 1.000 | 2.000 | 8 |
| $2–3k | 2.000 | 3.000 | 11 |
| $3–4k | 3.000 | 4.000 | 26 |
| $4–5k | 4.000 | 5.000 | 56 |
| $5–6k | 5.000 | 6.000 | 59 |
| $6–7k | 6.000 | 7.000 | 80 |
| $7–8k | 7.000 | 8.000 | 65 |
| $8–9k | 8.000 | 9.000 | 48 |
| $9–10k | 9.000 | 10.000 | 52 |
| $10–12k | 10.000 | 12.000 | 90 |
| $12–15k | 12.000 | 15.000 | 121 |
| $15–20k | 15.000 | 20.000 | 91 |
| $20k+ | 20.000 | — | 13 |
In welchen Ländern es die meisten offenen Dateningenieur-Jobs gibt.
Geografie der Nachfrage
| Land | Stellen | Anteil |
|---|---|---|
| Vereinigte Staaten | 1.134 | 23,9% |
| Polen | 686 | 14,5% |
| Indien | 447 | 9,4% |
| Vereinigtes Königreich | 420 | 8,9% |
| Singapur | 256 | 5,4% |
| Deutschland | 236 | 5% |
| Frankreich | 151 | 3,2% |
| Kanada | 150 | 3,2% |
| Russland | 83 | 1,8% |
| Südafrika | 68 | 1,4% |
| Übrige Länder | 1.107 | 23,4% |
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
| Land | Stellen |
|---|---|
| US | 1.134 |
| PL | 686 |
| IN | 447 |
| GB | 420 |
| SG | 256 |
| DE | 236 |
| FR | 151 |
| CA | 150 |
| RU | 83 |
| ZA | 68 |
Welche Technologien am häufigsten im selben Job wie Dateningenieur verlangt werden.
Wird zusammen verwendet mit
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
| Name | Anzahl |
|---|---|
| python | 2.369 |
| cloud | 2.316 |
| sql | 2.055 |
| aws | 1.513 |
| azure | 1.409 |
| databricks | 1.399 |
| airflow | 1.045 |
| dbt | 911 |
| spark | 799 |
| snowflake | 788 |
| gcp | 711 |
| pyspark | 593 |
Wie viele Dateningenieur-Jobs es auf jeder Stufe gibt — von Junior bis Principal.
Nachfrage nach Level
| Level | Stellen |
|---|---|
| senior | 2.079 |
| middle | 357 |
| lead | 350 |
| Principal | 248 |
| junior | 220 |
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
| Stufe | Anzahl |
|---|---|
| senior | 2.079 |
| middle | 357 |
| lead | 350 |
| Principal | 248 |
| junior | 220 |
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.
| Anteil | Wert |
|---|---|
| Top-1 | 1.1% |
| Top-3 | 2.2% |
| Top-10 | 4.7% |
| Long Tail | 95.3% |
⚠ 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
| Klasse | Name | Englischer Name | Anzahl | Anteil |
|---|---|---|---|---|
| ats | ATS и карьерные сайты | ATS & Karriereseiten | 3.224 | 0,5795 |
| board | джоб-борды и агрегаторы | Jobbörsen & Aggregatoren | 2.078 | 0,3735 |
| telegram | Telegram | Telegram | 251 | 0,0451 |
| Community | сообщества и публичные профили | Community & öffentliche Profile | 10 | 0,0018 |
Die neuesten Dateningenieur-Jobs von Karriereseiten der Unternehmen.
Neueste Ausschreibungen
- Snowflake Data Engineer (Middle+/Senior)
- Senior Data Engineer · PL
- Snowflake Data Engineer (Middle+/Senior) | Remote
- Snowflake Data Engineer | German B2+ Required | Fully Remote · RS
- Snowflake Data Engineer | 3 year(s) | Middle | IC
- Data Engineer (Entry) 1724 · ZA
- Senior AI & Data Engineer · ZA
- Senior Data Engineer (Snowflake, AWS, Big Data) · AU
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 — das größte Segment der Richtung Data (60-70% der Datenstellen). Vergleich — 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: 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.
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.