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.
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
| Zeitraum | Neue Ausschreibungen pro Woche |
|---|---|
| 2026-06-01 | 226 |
| 2026-06-08 | 278 |
| 2026-06-15 | 202 |
| 2026-06-22 | 547 |
| 2026-06-29 | 1.015 |
| 2026-07-06 | 1.323 |
| 2026-07-13 | 1.425 |
| 2026-07-20 | 832 |
| 2026-07-27 | 479 |
| 2026-08-03 | 818 |
| 2026-08-10 | 533 |
| 2026-08-17 | 679 |
| 2026-08-24 | 572 |
| 2026-08-31 | 434 |
| 2026-09-07 | 596 |
| 2026-09-14 | 749 |
| 2026-09-21 | 2.658 |
| 2026-09-28 | 1.853 |
| 2026-10-05 | 1.680 |
| 2026-10-12 | 4.729 |
| 2026-10-19 | 2.620 |
| 2026-10-26 | 2.809 |
| 2026-11-02 | 2.452 |
| 2026-11-09 | 2.770 |
Aktive Quellen pro Woche
Quellen im Zeitraum: 372. ▲ — Woche, in der viele neue Quellen angebunden wurden.
Diagrammdaten
| Zeitraum | Aktive Quellen |
|---|---|
| 2026-06-01 | 33 |
| 2026-06-08 | 39 |
| 2026-06-15 | 35 |
| 2026-06-22 | 64 |
| 2026-06-29 | 110 |
| 2026-07-06 | 73 |
| 2026-07-13 | 103 |
| 2026-07-20 | 121 |
| 2026-07-27 | 109 |
| 2026-08-03 | 96 |
| 2026-08-10 | 63 |
| 2026-08-17 | 74 |
| 2026-08-24 | 72 |
| 2026-08-31 | 77 |
| 2026-09-07 | 74 |
| 2026-09-14 | 77 |
| 2026-09-21 | 111 |
| 2026-09-28 | 101 |
| 2026-10-05 | 108 |
| 2026-10-12 | 101 |
| 2026-10-19 | 117 |
| 2026-10-26 | 104 |
| 2026-11-02 | 115 |
| 2026-11-09 | 131 |
Neue Quellen angebunden: 22. Juni +30 · 29. Juni +61 · 6. Juli +30 · 13. Juli +28 · 20. Juli +31 · alle Wochen (23) in der Tabelle
| Woche | Neue Quellen | Neue Ausschreibungen |
|---|---|---|
| 8. Juni | +15 | 278 |
| 15. Juni | +9 | 202 |
| 22. Juni | +30 | 547 |
| 29. Juni | +61 | 1.015 |
| 6. Juli | +30 | 1.323 |
| 13. Juli | +28 | 1.425 |
| 20. Juli | +31 | 832 |
| 27. Juli | +13 | 479 |
| 3. Aug. | +9 | 818 |
| 10. Aug. | +6 | 533 |
| 17. Aug. | +8 | 679 |
| 24. Aug. | +8 | 572 |
| 31. Aug. | +4 | 434 |
| 7. Sept. | +6 | 596 |
| 14. Sept. | +4 | 749 |
| 21. Sept. | +13 | 2.658 |
| 28. Sept. | +9 | 1.853 |
| 5. Okt. | +7 | 1.680 |
| 12. Okt. | +3 | 4.729 |
| 19. Okt. | +15 | 2.620 |
| 26. Okt. | +4 | 2.809 |
| 2. Nov. | +9 | 2.452 |
| 9. Nov. | +17 | 2.770 |
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
| Woche | Neue Ausschreibungen pro Woche | Aktive Quellen |
|---|---|---|
| 2026-06-01 | 226 | 33 |
| 2026-06-08 | 278 | 39 |
| 2026-06-15 | 202 | 35 |
| 2026-06-22 | 547 | 64 |
| 2026-06-29 | 1.015 | 110 |
| 2026-07-06 | 1.323 | 73 |
| 2026-07-13 | 1.425 | 103 |
| 2026-07-20 | 832 | 121 |
| 2026-07-27 | 479 | 109 |
| 2026-08-03 | 818 | 96 |
| 2026-08-10 | 533 | 63 |
| 2026-08-17 | 679 | 74 |
| 2026-08-24 | 572 | 72 |
| 2026-08-31 | 434 | 77 |
| 2026-09-07 | 596 | 74 |
| 2026-09-14 | 749 | 77 |
| 2026-09-21 | 2.658 | 111 |
| 2026-09-28 | 1.853 | 101 |
| 2026-10-05 | 1.680 | 108 |
| 2026-10-12 | 4.729 | 101 |
| 2026-10-19 | 2.620 | 117 |
| 2026-10-26 | 2.809 | 104 |
| 2026-11-02 | 2.452 | 115 |
| 2026-11-09 | 2.770 | 131 |
Gehälter im Zeitverlauf
Mediangehalt KI / ML / Datenwissenschaft pro Woche, USD pro Monat.
Mediangehalt, USD pro Monat
Diagrammdaten
| Zeitraum | Median | Stellen mit Gehalt pro Woche (n) |
|---|---|---|
| 2026-08-31 | 8.380 | 12 |
| 2026-09-07 | 8.511 | 15 |
| 2026-09-14 | — | 8 |
| 2026-09-21 | 14.292 | 58 |
| 2026-09-28 | 8.826 | 64 |
| 2026-10-05 | 8.708 | 91 |
| 2026-10-12 | 11.637 | 207 |
| 2026-10-19 | 12.083 | 513 |
| 2026-10-26 | 11.958 | 474 |
| 2026-11-02 | 12.500 | 477 |
| 2026-11-09 | 12.500 | 535 |
Die Reihe beginnt am 31. Aug.: davor gibt es keine Daten.
Nur Ausschreibungen mit Gehalt in USD und bekanntem Zeitraum (Monat oder Jahr), 500–50.000 $ pro Monat. Wochen mit weniger als 10 solchen Ausschreibungen bleiben leer — das heißt keine Daten, nicht null.
Diagrammdaten
| Woche | Median |
|---|---|
| 2026-06-01 | — |
| 2026-06-08 | — |
| 2026-06-15 | — |
| 2026-06-22 | — |
| 2026-06-29 | — |
| 2026-07-06 | — |
| 2026-07-13 | — |
| 2026-07-20 | — |
| 2026-07-27 | — |
| 2026-08-03 | — |
| 2026-08-10 | — |
| 2026-08-17 | — |
| 2026-08-24 | — |
| 2026-08-31 | 8.380 |
| 2026-09-07 | 8.511 |
| 2026-09-14 | — |
| 2026-09-21 | 14.292 |
| 2026-09-28 | 8.826 |
| 2026-10-05 | 8.708 |
| 2026-10-12 | 11.637 |
| 2026-10-19 | 12.083 |
| 2026-10-26 | 11.958 |
| 2026-11-02 | 12.500 |
| 2026-11-09 | 12.500 |
Remote-Arbeit im Zeitverlauf
Anteil der KI / ML / Datenwissenschaft-Ausschreibungen mit vollständig remoter Arbeit, pro Woche.
Remote-Ausschreibungen, %
Diagrammdaten
| Zeitraum | Ortsunabhängig |
|---|---|
| 2026-06-01 | 43,1 |
| 2026-06-08 | 27,3 |
| 2026-06-15 | 31 |
| 2026-06-22 | 35,6 |
| 2026-06-29 | 34,1 |
| 2026-07-06 | 28,6 |
| 2026-07-13 | 26,8 |
| 2026-07-20 | 32,3 |
| 2026-07-27 | 35,7 |
| 2026-08-03 | 24,8 |
| 2026-08-10 | 34,3 |
| 2026-08-17 | 31,5 |
| 2026-08-24 | 31,8 |
| 2026-08-31 | 29,1 |
| 2026-09-07 | 21,3 |
| 2026-09-14 | 20,9 |
| 2026-09-21 | 22,5 |
| 2026-09-28 | 35,2 |
| 2026-10-05 | 32 |
| 2026-10-12 | 31,9 |
| 2026-10-19 | 29,1 |
| 2026-10-26 | 34,4 |
| 2026-11-02 | 28,4 |
| 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 | 43,1 |
| 2026-06-08 | 27,3 |
| 2026-06-15 | 31 |
| 2026-06-22 | 35,6 |
| 2026-06-29 | 34,1 |
| 2026-07-06 | 28,6 |
| 2026-07-13 | 26,8 |
| 2026-07-20 | 32,3 |
| 2026-07-27 | 35,7 |
| 2026-08-03 | 24,8 |
| 2026-08-10 | 34,3 |
| 2026-08-17 | 31,5 |
| 2026-08-24 | 31,8 |
| 2026-08-31 | 29,1 |
| 2026-09-07 | 21,3 |
| 2026-09-14 | 20,9 |
| 2026-09-21 | 22,5 |
| 2026-09-28 | 35,2 |
| 2026-10-05 | 32 |
| 2026-10-12 | 31,9 |
| 2026-10-19 | 29,1 |
| 2026-10-26 | 34,4 |
| 2026-11-02 | 28,4 |
| 2026-11-09 | 29,8 |
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
| Zeitraum | Python | cloud | SQL |
|---|---|---|---|
| 2026-08-10 | 41,3 | 12,9 | 21,9 |
| 2026-08-17 | 35,8 | 21,2 | 13,8 |
| 2026-08-24 | 41,1 | 15,7 | 13,1 |
| 2026-08-31 | 52,5 | 18,1 | 21,5 |
| 2026-09-07 | 39,3 | 20,6 | 18,7 |
| 2026-09-14 | 45,7 | 18,4 | 23,9 |
| 2026-09-21 | 47,7 | 34 | 19,3 |
| 2026-09-28 | 56,7 | 26,8 | 27,2 |
| 2026-10-05 | 54,4 | 30,5 | 30,2 |
| 2026-10-12 | 52 | 29,9 | 24 |
| 2026-10-19 | 62,2 | 33,2 | 30,6 |
| 2026-10-26 | 62,9 | 30,1 | 33,2 |
| 2026-11-02 | 62,8 | 31 | 32,9 |
| 2026-11-09 | 65,1 | 31 | 34,1 |
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 | Python | cloud | SQL | llm | pytorch |
|---|---|---|---|---|---|
| 2026-08-10 | 41,3 | 12,9 | 21,9 | 18,4 | 10,9 |
| 2026-08-17 | 35,8 | 21,2 | 13,8 | 16,7 | 12,1 |
| 2026-08-24 | 41,1 | 15,7 | 13,1 | 21,6 | 19,1 |
| 2026-08-31 | 52,5 | 18,1 | 21,5 | 13,6 | 19,8 |
| 2026-09-07 | 39,3 | 20,6 | 18,7 | 14,4 | 16,7 |
| 2026-09-14 | 45,7 | 18,4 | 23,9 | 18,1 | 13,3 |
| 2026-09-21 | 47,7 | 34 | 19,3 | 18,8 | 17,1 |
| 2026-09-28 | 56,7 | 26,8 | 27,2 | 20,6 | 19,4 |
| 2026-10-05 | 54,4 | 30,5 | 30,2 | 22 | 18,9 |
| 2026-10-12 | 52 | 29,9 | 24 | 20,3 | 16,4 |
| 2026-10-19 | 62,2 | 33,2 | 30,6 | 24 | 20,4 |
| 2026-10-26 | 62,9 | 30,1 | 33,2 | 28,3 | 19,4 |
| 2026-11-02 | 62,8 | 31 | 32,9 | 22,3 | 18,3 |
| 2026-11-09 | 65,1 | 31 | 34,1 | 24 | 19 |
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
| Zeitraum | USA | Vereinigtes Königreich | Singapur |
|---|---|---|---|
| 2026-06-01 | 43,8 | 5 | 0,5 |
| 2026-06-08 | 45,8 | 8 | 3,6 |
| 2026-06-15 | 43 | 6,5 | 1,6 |
| 2026-06-22 | 24,9 | 4,7 | 12,8 |
| 2026-06-29 | 23,4 | 4,3 | 35,1 |
| 2026-07-06 | 50,2 | 6,1 | 11,3 |
| 2026-07-13 | 35,4 | 4 | 22,4 |
| 2026-07-20 | 32,5 | 14,3 | 11,7 |
| 2026-07-27 | 32,2 | 8,5 | 12 |
| 2026-08-03 | 38,6 | 19,5 | 3,8 |
| 2026-08-10 | 40,4 | 11,9 | 2,3 |
| 2026-08-17 | 42,6 | 15,3 | 1,3 |
| 2026-08-24 | 47 | 19,7 | 1 |
| 2026-08-31 | 31,4 | 22,1 | 4,2 |
| 2026-09-07 | 32,3 | 23 | 7,6 |
| 2026-09-14 | 38,2 | 19,7 | 2,8 |
| 2026-09-21 | 47,5 | 10,7 | 5,3 |
| 2026-09-28 | 37,3 | 12,8 | 5,7 |
| 2026-10-05 | 35,4 | 16,2 | 3,6 |
| 2026-10-12 | 33,1 | 9,7 | 2,6 |
| 2026-10-19 | 37,2 | 14,4 | 4,2 |
| 2026-10-26 | 36,9 | 9,5 | 4,3 |
| 2026-11-02 | 36,2 | 12,9 | 4,3 |
| 2026-11-09 | 41,8 | 11,7 | 3,6 |
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 | Vereinigtes Königreich | Singapur | Indien | Deutschland |
|---|---|---|---|---|---|
| 2026-06-01 | 43,8 | 5 | 0,5 | 6,5 | 5,5 |
| 2026-06-08 | 45,8 | 8 | 3,6 | 10 | 3,2 |
| 2026-06-15 | 43 | 6,5 | 1,6 | 3,2 | 3,2 |
| 2026-06-22 | 24,9 | 4,7 | 12,8 | 8,7 | 1,4 |
| 2026-06-29 | 23,4 | 4,3 | 35,1 | 4,6 | 2 |
| 2026-07-06 | 50,2 | 6,1 | 11,3 | 7,1 | 1,1 |
| 2026-07-13 | 35,4 | 4 | 22,4 | 11,5 | 2,4 |
| 2026-07-20 | 32,5 | 14,3 | 11,7 | 7 | 2 |
| 2026-07-27 | 32,2 | 8,5 | 12 | 8,7 | 2,2 |
| 2026-08-03 | 38,6 | 19,5 | 3,8 | 5,7 | 4,4 |
| 2026-08-10 | 40,4 | 11,9 | 2,3 | 8 | 3,4 |
| 2026-08-17 | 42,6 | 15,3 | 1,3 | 6,5 | 4,9 |
| 2026-08-24 | 47 | 19,7 | 1 | 6,1 | 2,2 |
| 2026-08-31 | 31,4 | 22,1 | 4,2 | 9,1 | 2 |
| 2026-09-07 | 32,3 | 23 | 7,6 | 7,4 | 0,4 |
| 2026-09-14 | 38,2 | 19,7 | 2,8 | 6,7 | 2,5 |
| 2026-09-21 | 47,5 | 10,7 | 5,3 | 5 | 3,6 |
| 2026-09-28 | 37,3 | 12,8 | 5,7 | 4,4 | 4,8 |
| 2026-10-05 | 35,4 | 16,2 | 3,6 | 5,1 | 5,2 |
| 2026-10-12 | 33,1 | 9,7 | 2,6 | 6,9 | 7,2 |
| 2026-10-19 | 37,2 | 14,4 | 4,2 | 3,9 | 6,2 |
| 2026-10-26 | 36,9 | 9,5 | 4,3 | 6,4 | 5,6 |
| 2026-11-02 | 36,2 | 12,9 | 4,3 | 5,3 | 7,2 |
| 2026-11-09 | 41,8 | 11,7 | 3,6 | 4,3 | 6,2 |
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
| 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 KI / ML / Datenwissenschaft-Jobs es gibt und wie viele passende Fachkräfte Zorky sieht.
Nachfrage und beobachtetes Angebot
Diagrammdaten
| Kennzahl | Wert |
|---|---|
| Offene Nachfrage | 12.757 |
| Offene Nachfrage | 12.757 |
| 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
Diagrammdaten
| Kennzahl | Wert |
|---|---|
| <$1k | 15 |
| $1–2k | 18 |
| $2–3k | 27 |
| $3–4k | 39 |
| $4–5k | 46 |
| $5–6k | 71 |
| $6–7k | 70 |
| $7–8k | 91 |
| $8–9k | 85 |
| $9–10k | 98 |
| $10–12k | 209 |
| $12–15k | 361 |
| $15–20k | 414 |
| $20k+ | 175 |
- 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
| Kennzahl | Untergrenze | Obergrenze | Anzahl |
|---|---|---|---|
| <$1k | 0 | 1.000 | 15 |
| $1–2k | 1.000 | 2.000 | 18 |
| $2–3k | 2.000 | 3.000 | 27 |
| $3–4k | 3.000 | 4.000 | 39 |
| $4–5k | 4.000 | 5.000 | 46 |
| $5–6k | 5.000 | 6.000 | 71 |
| $6–7k | 6.000 | 7.000 | 70 |
| $7–8k | 7.000 | 8.000 | 91 |
| $8–9k | 8.000 | 9.000 | 85 |
| $9–10k | 9.000 | 10.000 | 98 |
| $10–12k | 10.000 | 12.000 | 209 |
| $12–15k | 12.000 | 15.000 | 361 |
| $15–20k | 15.000 | 20.000 | 414 |
| $20k+ | 20.000 | — | 175 |
In welchen Ländern es die meisten offenen KI / ML / Datenwissenschaft-Jobs gibt.
Geografie der Nachfrage
| Land | Stellen | Anteil |
|---|---|---|
| Vereinigte Staaten | 5.014 | 45,3% |
| Vereinigtes Königreich | 1.013 | 9,2% |
| Deutschland | 621 | 5,6% |
| Indien | 556 | 5% |
| Singapur | 459 | 4,1% |
| Polen | 383 | 3,5% |
| Kanada | 362 | 3,3% |
| Frankreich | 316 | 2,9% |
| Niederlande | 151 | 1,4% |
| Russland | 136 | 1,2% |
| Übrige Länder | 2.053 | 18,6% |
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
| Land | Stellen |
|---|---|
| US | 5.014 |
| GB | 1.013 |
| DE | 621 |
| IN | 556 |
| SG | 459 |
| PL | 383 |
| CA | 362 |
| FR | 316 |
| NL | 151 |
| RU | 136 |
Welche Technologien am häufigsten im selben Job wie KI / ML / Datenwissenschaft verlangt werden.
Wird zusammen verwendet mit
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
| Name | Anzahl |
|---|---|
| python | 4.725 |
| cloud | 2.533 |
| sql | 2.290 |
| llm | 1.759 |
| pytorch | 1.449 |
| aws | 1.356 |
| azure | 892 |
| mlops | 822 |
| tensorflow | 784 |
| c++ | 695 |
| docker | 634 |
| gcp | 608 |
Wie viele KI / ML / Datenwissenschaft-Jobs es auf jeder Stufe gibt — von Junior bis Principal.
Nachfrage nach Level
| Level | Stellen |
|---|---|
| senior | 3.420 |
| lead | 1.241 |
| Principal | 1.162 |
| junior | 1.072 |
| middle | 376 |
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
| Stufe | Anzahl |
|---|---|
| senior | 3.420 |
| lead | 1.241 |
| Principal | 1.162 |
| junior | 1.072 |
| middle | 376 |
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.
| Anteil | Wert |
|---|---|
| Top-1 | 1.4% |
| Top-3 | 3.5% |
| Top-10 | 7.5% |
| Long Tail | 92.5% |
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
| Klasse | Name | Englischer Name | Anzahl | Anteil |
|---|---|---|---|---|
| ats | ATS и карьерные сайты | ATS & Karriereseiten | 9.577 | 0,7507 |
| board | джоб-борды и агрегаторы | Jobbörsen & Aggregatoren | 2.770 | 0,2171 |
| telegram | Telegram | Telegram | 366 | 0,0287 |
| Community | сообщества и публичные профили | Community & öffentliche Profile | 44 | 0,0034 |
Die neuesten KI / ML / Datenwissenschaft-Jobs von Karriereseiten der Unternehmen.
Neueste Ausschreibungen
- Вакансия Senior Data Scientist · BY
- Data Scientist / Monetization Analyst (OLX KZ) · KZ
- Data Scientist (Рекомендательные системы) · RU
- Applied Scientist Intern · US
- Junior LLM / ML Engineer в Москве · RU
- Аналитик данных | Data scientist в JDE · RU
- Manager, Data Science | 8 year(s) | Senior | Lead
- AI-разработчик (Python) · KZ
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.
Benachbarte Märkte
KI/ML/DS ist nach Median die am besten bezahlte IT-Spezialisierung 2026. 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
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.
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.