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 →

KI / ML / Datenwissenschaft: Markt

Stand 19. November 2026: offene Stellen KI / ML / Datenwissenschaft — 12.757, 25% remote unter den Stellen mit Angabe des Arbeitsmodells; Mediangehalt in Stellenanzeigen $12.583/Monat (aus 1.719 Anzeigen mit Gehaltsangabe). Quelle: Zorky, täglich aktualisiert.

AI / ML / Data Science ist eine Familie von Rollen: ML Engineer (Modelle und Pipelines in Produktion), Data Scientist (statistische Analyse, A/B-Tests, ML-Modelle), AI Engineer (LLM-, RAG-, GenAI-Anwendungen), MLOps (ML-Infrastruktur), Computer-Vision- und NLP-Engineers. Der Kern-Stack ist Python, PyTorch, TensorFlow, scikit-learn, pandas, NumPy, Jupyter, MLflow, Kubeflow, HuggingFace Transformers, LangChain, OpenAI API, Vektordatenbanken (Pinecone, Weaviate, Qdrant). Die gefragtesten Technologien — python, cloud, sql, llm, pytorch. Unter den Stellen mit angegebenem Arbeitsmodell sind 25% vollständig remote. Die Daten werden täglich aktualisiert.

Datenstand:

Die wichtigsten Zahlen des KI / ML / Datenwissenschaft-Markts: offene Jobs, Mediangehalt, beobachteter Fachkräftepool und Remote-Anteil.

12.757
offene Stellen — Reposts zusammengeführt
$12.583
Median $/Monat
25%
ortsunabhängig

Der Markt für KI / ML / Datenwissenschaft hat derzeit 12.757 offene Rollen, davon 11.434 frisch beobachtet. Median salary $12.583/mo.

Unter den Stellen mit angegebenem Arbeitsmodell sind 25% vollständig remote. Banken verlangen wegen Compliance häufiger hybrid; in internationalen KI-Teams ist vollständig remote der Standard.

⚠ Gehalt bekannt bei 1719 von 12757 Stellen; Remote-Anteil aus 10474 mit angegebenem Arbeitsformat; 11434 als frische Beobachtungen gezählt; Trend und Besetzungsschwierigkeit werden nicht gezeigt

Zeitachse: Ausschreibungen und Quellen

Wie viele KI / ML / Datenwissenschaft-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
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
2026-06-01226
2026-06-08278
2026-06-15202
2026-06-22547
2026-06-291.015
2026-07-061.323
2026-07-131.425
2026-07-20832
2026-07-27479
2026-08-03818
2026-08-10533
2026-08-17679
2026-08-24572
2026-08-31434
2026-09-07596
2026-09-14749
2026-09-212.658
2026-09-281.853
2026-10-051.680
2026-10-124.729
2026-10-192.620
2026-10-262.809
2026-11-022.452
2026-11-092.770

Aktive Quellen pro Woche

Quellen im Zeitraum: 372. ▲ — 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
2026-06-0133
2026-06-0839
2026-06-1535
2026-06-2264
2026-06-29110
2026-07-0673
2026-07-13103
2026-07-20121
2026-07-27109
2026-08-0396
2026-08-1063
2026-08-1774
2026-08-2472
2026-08-3177
2026-09-0774
2026-09-1477
2026-09-21111
2026-09-28101
2026-10-05108
2026-10-12101
2026-10-19117
2026-10-26104
2026-11-02115
2026-11-09131
Neue Quellen angebunden: 22. Juni +30 · 29. Juni +61 · 6. Juli +30 · 13. Juli +28 · 20. Juli +31 · alle Wochen (23) in der Tabelle
WocheNeue QuellenNeue Ausschreibungen
8. Juni+15278
15. Juni+9202
22. Juni+30547
29. Juni+611.015
6. Juli+301.323
13. Juli+281.425
20. Juli+31832
27. Juli+13479
3. Aug.+9818
10. Aug.+6533
17. Aug.+8679
24. Aug.+8572
31. Aug.+4434
7. Sept.+6596
14. Sept.+4749
21. Sept.+132.658
28. Sept.+91.853
5. Okt.+71.680
12. Okt.+34.729
19. Okt.+152.620
26. Okt.+42.809
2. Nov.+92.452
9. Nov.+172.770

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
Zeitachse: Ausschreibungen und Quellen — KI / ML / Datenwissenschaft. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
WocheNeue Ausschreibungen pro WocheAktive Quellen
2026-06-0122633
2026-06-0827839
2026-06-1520235
2026-06-2254764
2026-06-291.015110
2026-07-061.32373
2026-07-131.425103
2026-07-20832121
2026-07-27479109
2026-08-0381896
2026-08-1053363
2026-08-1767974
2026-08-2457272
2026-08-3143477
2026-09-0759674
2026-09-1474977
2026-09-212.658111
2026-09-281.853101
2026-10-051.680108
2026-10-124.729101
2026-10-192.620117
2026-10-262.809104
2026-11-022.452115
2026-11-092.770131

Gehälter im Zeitverlauf

Mediangehalt KI / ML / Datenwissenschaft 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)
2026-08-318.38012
2026-09-078.51115
2026-09-14—8
2026-09-2114.29258
2026-09-288.82664
2026-10-058.70891
2026-10-1211.637207
2026-10-1912.083513
2026-10-2611.958474
2026-11-0212.500477
2026-11-0912.500535

Die Reihe beginnt am 31. Aug.: 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 — KI / ML / Datenwissenschaft. 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—
2026-07-20—
2026-07-27—
2026-08-03—
2026-08-10—
2026-08-17—
2026-08-24—
2026-08-318.380
2026-09-078.511
2026-09-14—
2026-09-2114.292
2026-09-288.826
2026-10-058.708
2026-10-1211.637
2026-10-1912.083
2026-10-2611.958
2026-11-0212.500
2026-11-0912.500

Remote-Arbeit im Zeitverlauf

Anteil der KI / ML / Datenwissenschaft-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
2026-06-0143,1
2026-06-0827,3
2026-06-1531
2026-06-2235,6
2026-06-2934,1
2026-07-0628,6
2026-07-1326,8
2026-07-2032,3
2026-07-2735,7
2026-08-0324,8
2026-08-1034,3
2026-08-1731,5
2026-08-2431,8
2026-08-3129,1
2026-09-0721,3
2026-09-1420,9
2026-09-2122,5
2026-09-2835,2
2026-10-0532
2026-10-1231,9
2026-10-1929,1
2026-10-2634,4
2026-11-0228,4
2026-11-0929,8

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 — KI / ML / Datenwissenschaft. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
WocheOrtsunabhängig
2026-06-0143,1
2026-06-0827,3
2026-06-1531
2026-06-2235,6
2026-06-2934,1
2026-07-0628,6
2026-07-1326,8
2026-07-2032,3
2026-07-2735,7
2026-08-0324,8
2026-08-1034,3
2026-08-1731,5
2026-08-2431,8
2026-08-3129,1
2026-09-0721,3
2026-09-1420,9
2026-09-2122,5
2026-09-2835,2
2026-10-0532
2026-10-1231,9
2026-10-1929,1
2026-10-2634,4
2026-11-0228,4
2026-11-0929,8

Technologien im Zeitverlauf

Wie sich der Anteil der KI / ML / Datenwissenschaft-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
2026-08-1041,312,921,9
2026-08-1735,821,213,8
2026-08-2441,115,713,1
2026-08-3152,518,121,5
2026-09-0739,320,618,7
2026-09-1445,718,423,9
2026-09-2147,73419,3
2026-09-2856,726,827,2
2026-10-0554,430,530,2
2026-10-125229,924
2026-10-1962,233,230,6
2026-10-2662,930,133,2
2026-11-0262,83132,9
2026-11-0965,13134,1
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 — KI / ML / Datenwissenschaft. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
WochePythoncloudSQLllmpytorch
2026-08-1041,312,921,918,410,9
2026-08-1735,821,213,816,712,1
2026-08-2441,115,713,121,619,1
2026-08-3152,518,121,513,619,8
2026-09-0739,320,618,714,416,7
2026-09-1445,718,423,918,113,3
2026-09-2147,73419,318,817,1
2026-09-2856,726,827,220,619,4
2026-10-0554,430,530,22218,9
2026-10-125229,92420,316,4
2026-10-1962,233,230,62420,4
2026-10-2662,930,133,228,319,4
2026-11-0262,83132,922,318,3
2026-11-0965,13134,12419

Länder im Zeitverlauf

Wie sich der Anteil der KI / ML / Datenwissenschaft-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.
ZeitraumUSAVereinigtes KönigreichSingapur
2026-06-0143,850,5
2026-06-0845,883,6
2026-06-15436,51,6
2026-06-2224,94,712,8
2026-06-2923,44,335,1
2026-07-0650,26,111,3
2026-07-1335,4422,4
2026-07-2032,514,311,7
2026-07-2732,28,512
2026-08-0338,619,53,8
2026-08-1040,411,92,3
2026-08-1742,615,31,3
2026-08-244719,71
2026-08-3131,422,14,2
2026-09-0732,3237,6
2026-09-1438,219,72,8
2026-09-2147,510,75,3
2026-09-2837,312,85,7
2026-10-0535,416,23,6
2026-10-1233,19,72,6
2026-10-1937,214,44,2
2026-10-2636,99,54,3
2026-11-0236,212,94,3
2026-11-0941,811,73,6
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 — KI / ML / Datenwissenschaft. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
WocheUSAVereinigtes KönigreichSingapurIndienDeutschland
2026-06-0143,850,56,55,5
2026-06-0845,883,6103,2
2026-06-15436,51,63,23,2
2026-06-2224,94,712,88,71,4
2026-06-2923,44,335,14,62
2026-07-0650,26,111,37,11,1
2026-07-1335,4422,411,52,4
2026-07-2032,514,311,772
2026-07-2732,28,5128,72,2
2026-08-0338,619,53,85,74,4
2026-08-1040,411,92,383,4
2026-08-1742,615,31,36,54,9
2026-08-244719,716,12,2
2026-08-3131,422,14,29,12
2026-09-0732,3237,67,40,4
2026-09-1438,219,72,86,72,5
2026-09-2147,510,75,353,6
2026-09-2837,312,85,74,44,8
2026-10-0535,416,23,65,15,2
2026-10-1233,19,72,66,97,2
2026-10-1937,214,44,23,96,2
2026-10-2636,99,54,36,45,6
2026-11-0236,212,94,35,37,2
2026-11-0941,811,73,64,36,2

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 KI / ML / Datenwissenschaft.

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 — KI / ML / Datenwissenschaft. 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 KI / ML / Datenwissenschaft-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 Nachfrage12.757
Offene Nachfrage12.757
Beobachtetes Angebot— nicht veröffentlicht

In den letzten Wochen ist die Richtung AI/ML nichtlinear gewachsen — der explosive Nachfrageanstieg seit den Releases von ChatGPT, Claude, Gemini in 2023–2025 setzt sich 2026 fort. Schwankungen sind normal; beobachten Sie den Gesamttrend.

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

Wie sich die Gehälter in KI / ML / Datenwissenschaft-Jobs verteilen, in US-Dollar pro Monat.

Gehaltsverteilung

P25 $8.625 · P50 $12.583 · P75 $16.479
Diagrammdaten
Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
KennzahlWert
<$1k15
$1–2k18
$2–3k27
$3–4k39
$4–5k46
$5–6k71
$6–7k70
$7–8k91
$8–9k85
$9–10k98
$10–12k209
$12–15k361
$15–20k414
$20k+175
Gehalt in Stellenanzeigen: Basis 12.757
  • für die Berechnung nutzbar: 1.719 (13,5%)
  • angegeben, aber nicht in USD/Monat umgerechnet: 2.072 (16,2%)
  • nicht angegeben: 8.966 (70,3%)

Jede zehnte Stellenanzeige bietet unter $5.434, jede zehnte über $20.000. Die Hälfte der Anzeigen bietet zwischen $8.625 und $16.479. Stichprobe: 1.719.

Diagrammdaten
Gehaltsverteilung — KI / ML / Datenwissenschaft. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
KennzahlUntergrenzeObergrenzeAnzahl
<$1k01.00015
$1–2k1.0002.00018
$2–3k2.0003.00027
$3–4k3.0004.00039
$4–5k4.0005.00046
$5–6k5.0006.00071
$6–7k6.0007.00070
$7–8k7.0008.00091
$8–9k8.0009.00085
$9–10k9.00010.00098
$10–12k10.00012.000209
$12–15k12.00015.000361
$15–20k15.00020.000414
$20k+20.000—175

In welchen Ländern es die meisten offenen KI / ML / Datenwissenschaft-Jobs gibt.

Geografie der Nachfrage

LandStellenAnteil
Vereinigte Staaten5.01445,3%
Vereinigtes Königreich1.0139,2%
Deutschland6215,6%
Indien5565%
Singapur4594,1%
Polen3833,5%
Kanada3623,3%
Frankreich3162,9%
Niederlande1511,4%
Russland1361,2%
Übrige Länder2.05318,6%

Führend bei der Zahl der AI/ML-Stellen sind die USA (5014 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
Geografie der Nachfrage — KI / ML / Datenwissenschaft. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
LandStellen
US5.014
GB1.013
DE621
IN556
SG459
PL383
CA362
FR316
NL151
RU136

Welche Technologien am häufigsten im selben Job wie KI / ML / Datenwissenschaft verlangt werden.

Wird zusammen verwendet mit

python
4.72537%
cloud
2.53319,9%
sql
2.29018%
llm
1.75913,8%
pytorch
1.44911,4%
aws
1.35610,6%
azure
8927%
mlops
8226,4%
tensorflow
7846,1%
c++
6955,4%

Anteil — wie viele der 12.757 Stellen im Markt KI / ML / Datenwissenschaft diese Technologie nennen. Sortiert nach Stellenzahl, nicht nach „Stärke des Zusammenhangs“. Oberbegriffe wie cloud sind keine bestimmte Cloud (AWS, Azure).

Der wichtigste Stack für ML/AI-Engineers in 2026 sind Python, PyTorch, TensorFlow, scikit-learn, pandas. PyTorch dominiert in Forschung und KI-Startups; TensorFlow ist eine solide Wahl im Enterprise. HuggingFace Transformers und LangChain sind für AI Engineers Pflicht.

Die häufigsten Technologiepaare in AI/ML-Stellenanzeigen: Python+PyTorch, Python+TensorFlow, scikit-learn+pandas, HuggingFace+LangChain, MLflow+Airflow. Wenn Sie eine Lern-Roadmap planen, bieten diese Kombinationen die maximale Marktabdeckung.

Diagrammdaten
Wird zusammen verwendet mit — KI / ML / Datenwissenschaft. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
NameAnzahl
python4.725
cloud2.533
sql2.290
llm1.759
pytorch1.449
aws1.356
azure892
mlops822
tensorflow784
c++695
docker634
gcp608

Wie viele KI / ML / Datenwissenschaft-Jobs es auf jeder Stufe gibt — von Junior bis Principal.

Nachfrage nach Level

LevelStellen
senior3.420
lead1.241
Principal1.162
junior1.072
middle376

Das stärkste Gehaltswachstum liegt zwischen Middle und Senior (Aneignung von Production-ML und MLOps).

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

Diagrammdaten
Nachfrage nach Level — KI / ML / Datenwissenschaft. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
StufeAnzahl
senior3.420
lead1.241
Principal1.162
junior1.072
middle376

Wer im Bereich KI / ML / Datenwissenschaft am meisten einstellt und wie stark sich die Nachfrage auf die größten Unternehmen konzentriert.

Arbeitgeber

Die Nachfrage verteilt sich auf 4.931 Arbeitgeber. Der größte steht für 1.4 %, die Top Ten für 7.5 %; die übrigen 92.5 % sind Long Tail.

größter 1,4%2.–3. 2,1%4.–10. 4,1%übrige 92,5%
AnteilWert
Top-11.4%
Top-33.5%
Top-107.5%
Long Tail92.5%

Die Unternehmen, die derzeit am aktivsten ML/AI-Engineers einstellen, sind große Banken, Marktplätze, Suchmaschinen und internationale KI-Startups.

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

Von welchen Unternehmensseiten und Jobbörsen Zorky KI / ML / Datenwissenschaft-Jobs sammelt.

Wo Zorky diesen Markt sieht

Beobachtet in 182 Quellen; die größte steht für 20.1 % — dieser Markt hängt nicht an einem einzigen Kanal.

KI/ML-Stellen tauchen in den meisten großen Quellen auf: Web-Parser (HH, Habr Career, Djinni, DOU, NoFluffJobs, JustJoin.it) liefern den Großteil des Volumens.

Diagrammdaten
Wo Zorky diesen Markt sieht — KI / ML / Datenwissenschaft. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
KlasseNameEnglischer NameAnzahlAnteil
atsATS и карьерные сайтыATS & Karriereseiten9.5770,7507
boardджоб-борды и агрегаторыJobbörsen & Aggregatoren2.7700,2171
telegramTelegramTelegram3660,0287
Communityсообщества и публичные профилиCommunity & öffentliche Profile440,0034

Die neuesten KI / ML / Datenwissenschaft-Jobs von Karriereseiten der Unternehmen.

Neueste Ausschreibungen

Alle Stellen →

Die neuesten offenen Stellen in AI/ML/DS — 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.

Spezialisierungen

KI/ML/DS gliedert sich in 7 Unterspezialisierungen: ML Engineer (produktive Modelle), AI/LLM Engineer (generative KI), MLOps (ML-Infrastruktur), Computer Vision (Bilder und Video), NLP Engineer (Text und Sprache), Research Engineer (F&E), Data Scientist (Statistik und A/B-Tests). Jede Nische hat ihre eigene Gehaltsspanne — klicken Sie auf eine Karte für Details.

KI- / LLM-IngenieurComputervisionDatenwissenschaftlerML-IngenieurMLOpsNLP-IngenieurForschungsingenieur

Häufig gestellte Fragen

Die häufigsten Fragen zum AI/ML/DS-Markt: Gehälter nach Level, Stack (PyTorch vs. TensorFlow), ML Engineer vs. Data Scientist vs. AI Engineer, Remote, wo man die Karriere beginnt, Senior-Fähigkeiten. Die Antworten werden automatisch aus aktuellen Daten neu berechnet.

Welcher Stack wird von einem ML-Engineer am häufigsten verlangt?

Top-5-Technologien in AI/ML/DS-Stellenanzeigen: python, cloud, sql, llm, pytorch. Erforderliche Grundfähigkeiten: Python (fortgeschritten), Statistik und lineare Algebra, klassisches ML über scikit-learn. Deep Learning — eines von PyTorch (dominiert in der Forschung) oder TensorFlow (produktionsfreundlicher). Arbeit mit Daten — pandas, NumPy, Jupyter. SQL ist Pflicht. Für MLOps: MLflow, Kubeflow, Airflow, Docker, Kubernetes. Eine Cloud (AWS SageMaker, GCP Vertex AI) ist auf Senior-Niveau erforderlich.

Wer verdient mehr — ML Engineer, Data Scientist oder AI Engineer?

Die Nachfrage wächst explosionsartig seit den Releases von ChatGPT, Claude und Gemini. Research Engineer (F&E, Paper auf NeurIPS/ICML) — eine hohe Obergrenze in internationalen Labs.

Welcher Anteil der Stellen ist vollständig remote?

Unter den Stellen mit angegebenem Arbeitsmodell sind 25% vollständig remote. Stellen ohne Angabe des Arbeitsmodells sind vom Nenner ausgeschlossen; hybride Arbeit wird nicht als vollständig remote gezählt.

Worin unterscheidet sich ML Engineer von Data Scientist und Data Engineer?

ML Engineer — Fokus auf Produktion: Entwerfen, Trainieren, Deployen und Überwachen von ML-Modellen. Stack: Python, PyTorch/TensorFlow, MLflow, Docker, Kubernetes. Nahe an einem Backend Engineer mit ML-Spezialisierung. Data Scientist — Fokus auf Forschung: Statistik, A/B-Tests, Hypothesen, Dashboards, manchmal ML-Modelle. Stack: Python, scikit-learn, Jupyter, pandas, SQL, manchmal R. Data Engineer — Dateninfrastruktur: ETL-Pipelines, Warehouses, Streams. Stack: Spark, Airflow, Kafka, ClickHouse. Beim Gehalt: ML Engineer und AI Engineer werden meist besser bezahlt als Data Scientists (technischer); Data Engineer liegt nahe an ML. Karriereweg: Backend → ML Engineer, Analyst → Data Scientist, Data Engineer ↔ ML Engineer.

Wie wird man 2026 ML-Engineer — wo anfangen?

Der optimale Weg: Python (fortgeschritten), Statistik und lineare Algebra auf Universitätsniveau, SQL, pandas + NumPy für die Datenarbeit beherrschen. Dann scikit-learn (klassisches ML: Regression, Klassifikation, Clustering) und eines von PyTorch (empfohlen für die Forschung) oder TensorFlow. Pet-Projekte, die gut ankommen: ein durchgängiges ML-Projekt mit Deployment in die Produktion (nicht nur ein Jupyter-Notebook), 1–2 Kaggle-Wettbewerbe mit Silbermedaille oder besser, Beiträge zu Open-Source-ML-Bibliotheken. Auf Middle-Level MLOps (MLflow, Airflow) und eine Cloud (AWS SageMaker oder GCP Vertex AI) ergänzen. Auf Senior-Level — tiefes Verständnis von verteiltem Training, Model Serving und A/B-Tests in der Produktion.

Wie viele offene Stellen enthält diese Stichprobe?

Die veröffentlichte Stichprobe enthält 12757 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 ML-Engineers mehr — in Russland oder in Europa?

Der Haupttreiber des Abstands sind Vertragswährung und Unternehmenstyp. Lokale russische Unternehmen mit Rubelverträgen haben den Abstand zum polnischen Markt in 2 Jahren geschlossen. Georgien und Armenien ziehen viele umgesiedelte Remote-Mitarbeiter mit internationaler Bezahlung an.

Welche Fähigkeiten braucht ein Senior-ML-Engineer 2026?

Ein Senior ML/AI Engineer verantwortet den gesamten Stack des produktiven ML. Grundlage: Python (fortgeschritten), Statistik und lineare Algebra, SQL, pandas, NumPy. Deep Learning: PyTorch oder TensorFlow (eines in der Tiefe). Produktion: MLflow oder Weights & Biases (Experimente), Airflow oder Kubeflow (Pipelines), ein Cloud-ML-Dienst (SageMaker, Vertex AI). Architekturmuster: Model Serving (Triton, TorchServe), A/B-Tests in der Produktion, verteiltes Training, Versionierung von Modellen.

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.