📈 Entwicklung der IT-Gehälter
Was wird gerade ausgeschrieben? Wir erfassen täglich die in Stellenanzeigen GENANNTEN Gehaltsspannen und zeigen, wie sie sich bewegen. Neben jeder Zahl steht die Stichprobengröße.
Ungarn
1 979 167
Spannenmitte · brutto HUF/Monat
1 700 000 – 2 250 000
n = 41
· 5.2% nennt gehalt
täglich ±0
wöchentl. ▼0.5%
monatl. ·
jährlich ·
Europa
2 278 625
Spannenmitte · brutto HUF/Monat
1 974 808 – 2 582 442
n = 4 588
· 13.6% nennt gehalt
täglich ±0
wöchentl. ▲0.8%
monatl. ·
jährlich ·
Nordamerika
5 052 703
Spannenmitte · brutto HUF/Monat
4 188 769 – 5 890 457
n = 11 815
· 71.0% nennt gehalt
täglich ±0
wöchentl. ▼0.3%
monatl. ·
jährlich ·
Gesamt
4 450 567
Spannenmitte · brutto HUF/Monat
3 665 173 – 5 145 946
n = 17 481
· 27.1% nennt gehalt
täglich ±0
wöchentl. ▲0.6%
monatl. ·
jährlich ·
Messbeginn: 2026-07-26 · Letzte Messung: 2026-08-20 · 26 erfasste Tage · 99,8% unserer Gehaltsdaten sind nicht in Forint angegeben, daher bewegt sich der Forint-Wert auch mit dem Kurs. Basiskurs fixiert am: 2026-07-26 · Kurseffekt seit Basis: -1.23%
⏱️ Messbare Zeitfenster
Bewegung zeigen wir nur, wenn es einen Vergleichspunkt gibt. Was noch fehlt, dazu nennen wir das Datum — geschätzt wird nichts.
täglich
1 Tage
✓ messbar
wöchentl.
7 Tage
✓ messbar
monatl.
30 Tage
messbar ab: 2026-08-25
5 Tage noch
jährlich
365 Tage
messbar ab: 2027-07-26
340 Tage noch
Entwicklung des Medians · Gesamt · brutto HUF/Monat
4 887 083
07-2607-2908-0108-0408-0708-1008-1308-1608-1908-20
🎯 Wo stehst du?
Gib dein monatliches Bruttogehalt ein; wir zeigen, über welchem Anteil der ausgeschriebenen Spannen du liegst. Der eingegebene Betrag verlässt deinen Browser nicht — die Berechnung läuft bei dir, wir sehen und speichern nichts.
ℹ️ Näherungswert: Verglichen wird mit der MITTE der ausgeschriebenen Spannen, nicht mit tatsächlich gezahlten Gehältern. Boni, Aktien und Zusatzleistungen sind nicht enthalten.
🌱 Neue Anzeigen vs Gesamtbestand
Das Gehaltsniveau neu ausgeschriebener Stellen bewegt sich früher als das des länger laufenden Bestands — daher ein Frühindikator. Querschnittsvergleich innerhalb des heutigen Bestands.
Gesamter aktiver Bestand
4 450 567
n = 17 481
Letzte 7 Tage
4 272 545
-4.0%
Abweichung vom Bestand · n = 1 864
Letzte 30 Tage
4 044 780
-9.1%
Abweichung vom Bestand · n = 9 014
🪜 Nach Level
Die Karriereleiter: wie viel mehr die nächste Stufe zahlt. Die Balken zeigen das Verhältnis der Mediane.
Praktikant
2 187 480
n=89
Junior
1 974 808
-10%
ggü. Vorstufe
n=104
Medior
3 082 830
+56%
ggü. Vorstufe
n=185
Senior
4 450 567
+44%
ggü. Vorstufe
n=5 829
Lead
4 516 017
+1%
ggü. Vorstufe
n=682
Architect
4 712 366
+4%
ggü. Vorstufe
n=415
Principal
6 008 266
+27%
ggü. Vorstufe
n=2 381
| Level | Spannenmitte | Abweichung | Untergrenzen – Obergrenzen | Spannenbreite | Gesamtfeld (p10–p90) | täglich | wöchentl. | monatl. | jährlich | Stichprobe |
|---|---|---|---|---|---|---|---|---|---|---|
| Principal | 6 008 266 | +35% | 5 000 343 – 6 962 049 | +39% | 4 019 910 – 8 181 190 | ▼0.4% | ▼0.3% | · | · | 2 381 |
| director | 5 375 055 | +21% | 4 417 843 – 6 202 271 | +40% | 2 723 593 – 7 277 987 | ±0 | ▲3.7% | · | · | 32 |
| Architect | 4 712 366 | +6% | 3 796 072 – 5 497 760 | +45% | 2 430 533 – 6 246 502 | ±0 | ▲0.3% | · | · | 415 |
| Lead | 4 516 017 | +1% | 3 726 375 – 5 235 962 | +41% | 2 371 800 – 7 068 548 | ±0 | ▼0.5% | · | · | 682 |
| Senior | 4 450 567 | 0% | 3 691 353 – 5 125 981 | +39% | 2 153 378 – 6 327 660 | ±0 | ▼0.3% | · | · | 5 829 |
| manager | 3 272 476 | -26% | 2 617 981 – 3 515 159 | +34% | 1 215 267 – 5 323 393 | ±0 | ▲12.5% | · | · | 61 |
| Medior | 3 082 830 | -31% | 2 399 615 – 3 499 455 | +46% | 1 622 381 – 5 340 681 | ▲1.3% | ▼0.3% | · | · | 185 |
| Praktikant | 2 187 480 | -51% | 1 853 530 – 2 434 722 | +31% | 506 766 – 3 298 656 | ▲7.3% | ▲18.2% | · | · | 89 |
| mid-level | 2 128 037 | -52% | 1 822 900 – 2 363 607 | +30% | 1 054 696 – 4 272 545 | ±0 | ▲8.7% | · | · | 296 |
| Junior | 1 974 808 | -56% | 1 815 608 – 2 250 131 | +24% | 960 770 – 3 926 971 | ±0 | ▲6.4% | · | · | 104 |
| entry-level | 1 605 699 | -64% | 1 433 030 – 1 640 610 | +14% | 546 870 – 3 521 184 | ▼2.1% | ±0 | · | · | 60 |
⚙️ Nach Technologie
Median je Technologie, verglichen mit dem Gesamtmedian — wofür ein Aufschlag gezahlt wird.
| Technologie | Spannenmitte | Abweichung | Untergrenzen – Obergrenzen | Spannenbreite | Gesamtfeld (p10–p90) | täglich | wöchentl. | monatl. | jährlich | Stichprobe |
|---|---|---|---|---|---|---|---|---|---|---|
| Spark | 5 420 654 | +22% | 4 345 848 – 6 267 446 | +44% | 2 658 726 – 7 186 357 | ▼0.4% | ▲0.7% | · | · | 1 002 |
| Rust | 5 406 130 | +21% | 4 450 567 – 6 429 761 | +44% | 2 612 472 – 8 181 190 | ▼0.9% | ▼1.7% | · | · | 940 |
| AI/ML | 5 228 762 | +17% | 4 345 848 – 6 021 356 | +39% | 2 628 014 – 7 853 943 | ▼0.3% | ▼0.4% | · | · | 3 743 |
| LLM | 5 170 512 | +16% | 4 267 256 – 5 890 457 | +38% | 2 533 831 – 7 853 943 | ▼0.4% | ±0 | · | · | 2 858 |
| C/C++ | 5 026 523 | +13% | 4 057 870 – 5 759 558 | +42% | 2 442 384 – 7 252 200 | ▼0.4% | ▼0.8% | · | · | 1 978 |
| Go | 4 803 995 | +8% | 3 989 934 – 5 514 273 | +38% | 2 227 104 – 6 924 559 | ±0 | ▼1.1% | · | · | 951 |
| data science | 4 777 815 | +7% | 3 926 971 – 5 615 569 | +43% | 2 175 762 – 7 437 684 | ▼0.4% | ▲0.6% | · | · | 1 584 |
| Kubernetes | 4 725 455 | +6% | 3 881 157 – 5 489 984 | +41% | 1 971 604 – 7 133 998 | ±0 | ±0 | · | · | 2 920 |
| TypeScript | 4 712 366 | +6% | 3 926 971 – 5 445 400 | +39% | 1 914 045 – 7 073 784 | ▼0.3% | ±0 | · | · | 2 288 |
| GCP | 4 634 454 | +4% | 3 748 430 – 5 340 681 | +42% | 2 005 190 – 6 842 878 | ±0 | ▼0.5% | · | · | 2 374 |
| React | 4 607 646 | +4% | 3 837 960 – 5 296 175 | +38% | 2 095 165 – 6 806 813 | ▼1.4% | ±0 | · | · | 1 917 |
| Python | 4 581 466 | +3% | 3 796 072 – 5 309 265 | +40% | 2 005 190 – 7 068 548 | ▼0.7% | ▼0.3% | · | · | 6 606 |
| AWS | 4 555 287 | +2% | 3 728 005 – 5 235 962 | +40% | 2 050 763 – 6 806 750 | ▼0.7% | ▲0.5% | · | · | 3 923 |
| Terraform | 4 450 567 | 0% | 3 669 166 – 5 160 040 | +41% | 1 929 357 – 6 751 184 | ▼0.4% | ▼0.3% | · | · | 1 548 |
| PostgreSQL | 4 405 342 | -1% | 3 534 274 – 5 157 422 | +46% | 1 777 328 – 6 544 952 | ▼1.2% | ▼0.7% | · | · | 1 127 |
| Java | 4 346 948 | -2% | 3 534 274 – 5 084 119 | +44% | 1 822 882 – 6 652 349 | ▼0.4% | ▲0.4% | · | · | 2 171 |
| Azure | 4 188 769 | -6% | 3 408 611 – 4 974 164 | +46% | 1 768 105 – 6 544 952 | ±0 | ▼0.3% | · | · | 2 603 |
| SQL | 4 061 378 | -9% | 3 403 375 – 4 712 366 | +38% | 1 691 255 – 6 584 418 | ▼0.4% | ▲0.3% | · | · | 2 720 |
| JavaScript | 4 046 089 | -9% | 3 377 195 – 4 712 366 | +40% | 1 640 610 – 6 152 255 | ▼0.5% | ±0 | · | · | 1 607 |
| C# | 4 031 690 | -9% | 3 377 195 – 4 712 366 | +40% | 1 850 851 – 6 399 608 | ▼0.8% | ▼13.6% | · | · | 1 397 |
| GitHub | 4 008 129 | -10% | 3 377 195 – 4 608 693 | +36% | 1 759 283 – 6 185 782 | ▼0.7% | ▲0.8% | · | · | 1 312 |
| Docker | 3 974 095 | -11% | 3 272 476 – 4 607 751 | +41% | 1 701 373 – 6 215 839 | ±0 | ▼0.3% | · | · | 1 484 |
| Linux | 3 926 971 | -12% | 3 272 476 – 4 581 466 | +40% | 1 696 364 – 6 359 075 | ±0 | ▼1.3% | · | · | 1 623 |
| Git | 3 125 869 | -30% | 2 591 801 – 3 659 566 | +41% | 1 457 409 – 5 335 445 | ▼0.7% | ▲1.2% | · | · | 1 056 |
🧩 Nach Rolle
Median je Rolle, verglichen mit dem Gesamtmedian.
| Rolle | Spannenmitte | Abweichung | Untergrenzen – Obergrenzen | Spannenbreite | Gesamtfeld (p10–p90) | täglich | wöchentl. | monatl. | jährlich | Stichprobe |
|---|---|---|---|---|---|---|---|---|---|---|
| Engineering Manager | 6 275 300 | +41% | 5 314 501 – 7 330 346 | +38% | 3 799 265 – 8 717 876 | ±0 | ▼0.3% | · | · | 445 |
| AI / ML Engineer | 5 301 411 | +19% | 4 450 567 – 6 152 255 | +38% | 2 364 244 – 7 592 144 | ▲1.1% | ▼0.5% | · | · | 625 |
| Product Manager | 5 055 321 | +14% | 4 315 676 – 5 864 277 | +36% | 2 536 983 – 7 133 998 | ±0 | ±0 | · | · | 436 |
| Data Scientist | 4 975 473 | +12% | 3 940 061 – 5 707 198 | +45% | 2 037 395 – 7 805 510 | ▲0.3% | ▲5.3% | · | · | 354 |
| Softwareentwickler | 4 974 164 | +12% | 4 008 652 – 5 759 558 | +44% | 2 050 763 – 7 461 245 | ±0 | ▼0.3% | · | · | 4 279 |
| Solution / Enterprise Architect | 4 936 203 | +11% | 3 929 485 – 5 788 356 | +47% | 2 752 579 – 6 811 986 | ±0 | ▼0.4% | · | · | 385 |
| Project Manager | 4 722 837 | +6% | 3 926 971 – 5 497 760 | +40% | 2 037 329 – 6 557 772 | ▼1.6% | ▼2.0% | · | · | 418 |
| Architect | 4 582 775 | +3% | 3 760 468 – 5 497 760 | +46% | 2 430 533 – 6 524 008 | ±0 | ▼0.7% | · | · | 355 |
| Security Engineer | 4 385 118 | -1% | 3 450 499 – 5 106 319 | +48% | 2 081 144 – 6 997 863 | ±0 | ▼1.7% | · | · | 675 |
| IT Consultant | 4 254 219 | -4% | 3 534 274 – 4 974 164 | +41% | 1 968 015 – 6 300 433 | ▲0.6% | ▲0.6% | · | · | 905 |
| Sonstige | 4 172 276 | -6% | 3 419 083 – 4 843 265 | +42% | 1 731 755 – 6 846 909 | ±0 | ▲3.9% | · | · | 4 877 |
| Data Engineer | 3 861 522 | -13% | 3 089 217 – 4 332 758 | +40% | 1 480 559 – 6 060 626 | ±0 | ▲1.3% | · | · | 361 |
| Fullstack Developer | 3 542 502 | -20% | 2 916 640 – 4 057 870 | +39% | 1 670 992 – 6 007 847 | ±0 | ▲3.0% | · | · | 355 |
| DevOps / SRE | 3 272 476 | -26% | 2 623 217 – 3 774 588 | +44% | 1 701 373 – 5 565 827 | ±0 | ±0 | · | · | 370 |
🏠 Nach Arbeitsort
Remote oder vor Ort — der Unterschied in den ausgeschriebenen Spannen.
| Nach Arbeitsort | Spannenmitte | Abweichung | Untergrenzen – Obergrenzen | Spannenbreite | Gesamtfeld (p10–p90) | täglich | wöchentl. | monatl. | jährlich | Stichprobe |
|---|---|---|---|---|---|---|---|---|---|---|
| Hybrid | 4 730 691 | +6% | 3 903 821 – 5 340 681 | +37% | 1 822 900 – 7 199 447 | ±0 | ▲1.3% | · | · | 1 977 |
| Vor Ort | 4 450 567 | 0% | 3 665 173 – 5 235 962 | +43% | 1 822 900 – 7 160 178 | ±0 | ▼0.3% | · | · | 10 358 |
| Remote | 4 195 262 | -6% | 3 557 502 – 4 790 905 | +35% | 1 876 068 – 6 806 750 | ▼0.6% | ▼1.7% | · | · | 5 146 |
🔓 Gehaltstransparenz
Wie viel Prozent der Anzeigen überhaupt eine Gehaltsspanne nennen. Unser verlässlichster Trendindikator: eine Quote, die weder Wechselkurs noch Stichprobenmix bewegt.
US
72.3%
11 241 / 15 553
LT
70.4%
88 / 125
SK
60.6%
97 / 160
CA
53.3%
574 / 1 077
AT
41.0%
277 / 675
IT
24.7%
137 / 554
EU
23.4%
1 188 / 5 078
PL
17.9%
414 / 2 310
IE
16.9%
151 / 892
GB
15.5%
726 / 4 676
ES
13.7%
246 / 1 791
PT
13.3%
133 / 1 002
DE
12.0%
1 199 / 10 004
CH
11.5%
46 / 400
CZ
11.4%
36 / 315
NL
10.1%
118 / 1 173
BR
8.9%
37 / 416
FR
8.9%
223 / 2 516
HU
5.2%
41 / 783
SE
1.4%
56 / 4 116
| Land | Nennt Gehalt | Mit Gehalt | Anzeigen gesamt | Spannenmitte | täglich | wöchentl. | monatl. | jährlich |
|---|---|---|---|---|---|---|---|---|
| US | 72.3% | 11 241 | 15 553 | 5 168 805 | ±0 | ▲0.12pp | · | · |
| LT | 70.4% | 88 | 125 | 1 917 964 | ▲0.87pp | ▲1.05pp | · | · |
| SK | 60.6% | 97 | 160 | 1 230 392 | ▲1.0pp | ▼0.27pp | · | · |
| CA | 53.3% | 574 | 1 077 | 3 727 391 | ▲0.65pp | ▲1.38pp | · | · |
| AT | 41.0% | 277 | 675 | 1 664 648 | ▼0.4pp | ▼2.6pp | · | · |
| IT | 24.7% | 137 | 554 | 1 628 460 | ▼0.18pp | ▼4.27pp | · | · |
| EU | 23.4% | 1 188 | 5 078 | 4 194 385 | ▲0.17pp | ▲0.52pp | · | · |
| PL | 17.9% | 414 | 2 310 | 2 035 253 | ▲0.1pp | ▼2.01pp | · | · |
| IE | 16.9% | 151 | 892 | 2 849 805 | ▲0.39pp | ▲1.96pp | · | · |
| GB | 15.5% | 726 | 4 676 | 3 505 234 | ▼0.31pp | ±0 | · | · |
| ES | 13.7% | 246 | 1 791 | 2 245 164 | ▲0.11pp | ▲0.11pp | · | · |
| PT | 13.3% | 133 | 1 002 | 1 884 792 | ▲0.08pp | ▼0.17pp | · | · |
| DE | 12.0% | 1 199 | 10 004 | 2 110 967 | ±0 | ▼0.19pp | · | · |
| CH | 11.5% | 46 | 400 | 2 601 863 | ▲0.78pp | ▲0.48pp | · | · |
| CZ | 11.4% | 36 | 315 | 1 981 619 | ▼0.15pp | ▼0.69pp | · | · |
| NL | 10.1% | 118 | 1 173 | 2 095 888 | ▲0.39pp | ▼1.28pp | · | · |
| BR | 8.9% | 37 | 416 | 2 385 602 | ▲0.08pp | · | · | · |
| FR | 8.9% | 223 | 2 516 | 1 809 400 | ±0 | ▼0.32pp | · | · |
| HU | 5.2% | 41 | 783 | 1 979 167 | ±0 | ▲0.72pp | · | · |
| SE | 1.4% | 56 | 4 116 | 2 635 722 | ±0 | ▼0.16pp | · | · |
⚖️ Die EU-Entgelttransparenzrichtlinie ist bis Mitte 2026 umzusetzen; sie verpflichtet dazu, die Gehaltsspanne im Bewerbungsverfahren vorab zu nennen. Diese Tabelle zeigt Tag für Tag, wo das in der Praxis steht.
Derzeit nennen kaum mehr als 5% der ungarischen Anzeigen eine Gehaltsspanne — einer der niedrigsten Werte unter den gemessenen Ländern.
🏢 Gehälter nach Unternehmen
Welches Unternehmen was ausschreibt — die Liste der Arbeitgeber mit den meisten veröffentlichten Spannen.
| Gehälter nach Unternehmen | Spannenmitte | Stichprobe | offene Stellen | |
|---|---|---|---|---|
| Anthropic | 10 471 923 | 242 | 266 | Öffnen → |
| Perplexity | 8 181 190 | 43 | 56 | Öffnen → |
| SpaceXAI | 8 115 741 | 63 | 113 | Öffnen → |
| Sierra | 8 103 145 | 55 | 61 | Öffnen → |
| OpenAI | 8 089 561 | 376 | 441 | Öffnen → |
| Roblox | 7 791 504 | 155 | 163 | Öffnen → |
| Lambda | 7 696 864 | 46 | 50 | Öffnen → |
| Wayve | 7 589 526 | 31 | 96 | Öffnen → |
| Decagon | 7 461 245 | 52 | 54 | Öffnen → |
| Pragmatike | 7 199 447 | 31 | 57 | Öffnen → |
📒 Messprotokoll
Die Rohwerte jedes Messtages mit Datum — damit jeder nachprüfen kann, was oben steht.
| Datum | p10 | p25 | Median | p75 | p90 | Untergrenzen | Obergrenzen | Nennt Gehalt | Stichprobe |
|---|---|---|---|---|---|---|---|---|---|
| 2026-08-20 | 1 822 900 | 2 874 106 | 4 450 567 | 5 759 558 | 7 068 548 | 3 665 173 | 5 145 946 | 27.1% | 17 481 |
| 2026-08-19 | 1 821 500 | 2 865 792 | 4 442 223 | 5 769 551 | 7 080 813 | 3 671 533 | 5 140 146 | 27.0% | 17 455 |
| 2026-08-18 | 1 809 650 | 2 861 806 | 4 422 791 | 5 724 132 | 7 024 433 | 3 642 298 | 5 125 234 | 27.3% | 17 395 |
| 2026-08-17 | 1 812 900 | 2 866 648 | 4 440 693 | 5 746 780 | 7 052 866 | 3 657 042 | 5 136 550 | 27.6% | 17 682 |
| 2026-08-16 | 1 812 900 | 2 804 506 | 4 401 511 | 5 730 453 | 7 052 866 | 3 649 205 | 5 093 736 | 26.8% | 17 141 |
| 2026-08-15 | 1 812 900 | 2 795 767 | 4 401 511 | 5 733 823 | 7 052 866 | 3 649 205 | 5 093 736 | 26.7% | 17 081 |
| 2026-08-14 | 1 820 500 | 2 803 518 | 4 428 385 | 5 768 727 | 7 095 929 | 3 658 345 | 5 124 837 | 27.2% | 16 811 |
| 2026-08-13 | 1 820 000 | 2 795 874 | 4 423 125 | 5 767 555 | 7 087 500 | 3 663 455 | 5 118 750 | 27.3% | 16 875 |
| 2026-08-12 | 1 820 000 | 2 799 667 | 4 437 167 | 5 776 875 | 7 110 000 | 3 678 767 | 5 135 000 | 27.4% | 17 069 |
| 2026-08-11 | 1 820 000 | 2 782 500 | 4 415 841 | 5 748 750 | 7 087 500 | 3 654 000 | 5 111 820 | 27.6% | 17 265 |
| 2026-08-10 | 1 792 083 | 2 767 485 | 4 410 833 | 5 765 420 | 7 110 000 | 3 652 433 | 5 108 667 | 27.8% | 17 470 |
| 2026-08-09 | 1 777 500 | 2 760 333 | 4 410 833 | 5 745 933 | 7 110 000 | 3 653 667 | 5 108 667 | 27.2% | 17 089 |
| 2026-08-08 | 1 782 083 | 2 750 906 | 4 410 833 | 5 765 420 | 7 110 000 | 3 660 333 | 5 108 667 | 26.9% | 16 926 |
| 2026-08-07 | 1 774 500 | 2 730 000 | 4 396 875 | 5 744 675 | 7 087 500 | 3 646 256 | 5 092 500 | 27.2% | 16 927 |
| 2026-08-06 | 1 760 625 | 2 715 000 | 4 368 958 | 5 712 250 | 7 042 500 | 3 625 583 | 5 060 167 | 27.4% | 16 958 |
| 2026-08-05 | 1 762 218 | 2 715 000 | 4 402 850 | 5 748 750 | 7 087 500 | 3 648 750 | 5 092 500 | 27.7% | 16 850 |
| 2026-08-04 | 2 167 500 | 3 423 333 | 4 740 000 | 5 925 000 | 7 307 500 | 3 931 250 | 5 503 667 | 30.6% | 14 411 |
| 2026-08-03 | 1 974 000 | 3 236 042 | 4 622 970 | 5 917 333 | 7 304 208 | 3 856 833 | 5 373 150 | 28.4% | 14 891 |
| 2026-08-02 | 2 093 000 | 3 483 995 | 4 887 083 | 6 089 042 | 7 489 125 | 4 094 583 | 5 605 600 | 24.0% | 12 531 |
| 2026-08-01 | 2 245 053 | 3 500 208 | 4 768 208 | 5 890 917 | 7 170 175 | 4 015 333 | 5 468 250 | 20.7% | 10 237 |
| 2026-07-31 | 2 209 908 | 3 490 292 | 4 779 666 | 5 888 899 | 7 153 073 | 4 015 305 | 5 460 000 | 21.5% | 9 946 |
| 2026-07-30 | 2 244 400 | 3 551 000 | 4 849 500 | 5 962 500 | 7 226 486 | 4 054 500 | 5 550 425 | 21.5% | 10 005 |
| 2026-07-29 | 2 143 257 | 3 506 813 | 4 842 175 | 5 943 750 | 7 203 165 | 4 041 750 | 5 534 292 | 22.5% | 10 001 |
| 2026-07-28 | 2 080 244 | 3 465 775 | 4 794 839 | 5 897 824 | 7 110 000 | 4 029 000 | 5 477 228 | 23.5% | 9 422 |
| 2026-07-27 | 2 053 750 | 3 471 500 | 4 797 030 | 5 909 500 | 7 155 000 | 4 036 056 | 5 485 500 | 23.8% | 9 563 |
| 2026-07-26 | 2 044 847 | 3 469 046 | 4 796 553 | 5 909 500 | 7 155 000 | 4 035 950 | 5 485 500 | 23.8% | 9 577 |
🔧 Die genaue Berechnung
Jeder Schritt von der Rohanzeige bis zu den Zahlen oben. Wenn du anders rechnen würdest: Die Rohdaten stehen zum Download bereit.
Die Formel
érték = (salary_min + salary_max) / 2 ← sáv-közép × periódus_szorzó ← yearly ÷12 · monthly ×1 · daily ×21 · hourly ×160 × árfolyam[currency] ← EKB középárfolyam, HUF-ra medián = percentile_cont(0.5) WITHIN GROUP (ORDER BY érték) transzp = n / total_n ← bért kiíró / összes aktív hirdetés
Eine Anzeige ergibt einen Wert. Wir nehmen die Spannenmitte, rechnen die Periode auf Monat um, dann in Forint — in dieser Reihenfolge.
Woraus die Stichprobe besteht
Währung
USD 13 163
EUR 2 888
GBP 633
PLN 428
CAD 298
SEK 37
CHF 32
HUF 31
Angegebene Periode
yearly 14 820
monthly 2 490
hourly 327
daily 42
Spannentyp
17 679 beidseitige Spanne (min–max) ·
0 nur Untergrenze („ab”)
Aktualität
Wir prüfen die Anzeigen täglich an der Quelle nach. In den letzten 2 Tagen nachweislich aktiv:
15 888 / 17 679
(89.9%)
Wechselkurse
Heute (EZB-Referenzkurs) · 2026-08-19
EUR 364.6 USD 314.2 GBP 425.9 PLN 84.3
Fixierte Basis · 2026-07-26
EUR 361.9 USD 318.1 GBP 423.8 PLN 83.9
Wann aktualisiert wird
Tägliche Momentaufnahme um 06:55 (nach den Anzeigen-Importen und der Geodaten-Normalisierung).
Rohdaten
Die vollständige Tages-Momentaufnahme — alle Aufteilungen und Segmente samt verwendeter Kurse:
⬇ /salaries/data.jsonFrei nutzbar mit Quellenangabe (CC BY 4.0).
Was wir auslassen und warum
- ✕ Anzeigen ohne Gehalt — wir schätzen nicht. Sie zählen nur im Nenner der Transparenzquote.
- ✕ Gehalt ohne Periode — wir raten nie, ob jährlich oder monatlich. Dann bleibt die Anzeige ohne Gehalt.
- ✕ Plausibilitätsfilter: nicht interpretierbare Gehaltsspannen lassen wir schon beim Import weg, statt sie umzurechnen.
- ✕ Segmente unter 15 Anzeigen zeigen wir nicht — wegen Rauschen und Identifizierbarkeit.
- ✕ Ausreißer werden NICHT gekappt oder geglättet. Was den Filter passiert, bleibt drin — p10–p90 zeigt die Streuung.
Definitionen
- ›Median: PostgreSQL
percentile_cont(0.5)mit linearer Interpolation — nicht das nächstgelegene Element, sondern der echte Zwischenwert. - ›Spannenmitte:
(min + max) / 2. Gibt es nur eine Untergrenze, nutzen wir sie für beide Seiten. - ›median_fix: dasselbe, aber mit dem am Basistag fixierten Kurs — nur dieser Wert eignet sich für Zeitreihen.
- ›Transparenzquote:
n / total_n, Nenner sind alle aktiven Anzeigen des Segments, mit und ohne Gehalt.
⚠️ Was diese Zahl NICHT sagt
- •Gemessen wird nicht das gezahlte, sondern das ausgeschriebene Gehalt. Beides kann in beide Richtungen abweichen.
- •Enthält keine Boni, Aktien, Zusatzleistungen oder 13. Gehalt — Anzeigen beziffern diese selten.
- •Nicht repräsentativ für den gesamten Arbeitsmarkt: Gemessen wird, was über unsere Quellen ausgeschrieben wird.
- •Die Beträge sind brutto, die Steuersysteme unterscheiden sich je Land — für Netto braucht es einen eigenen Rechner.
🔬 Wie wir messen
- • Die Hauptzahl ist die MITTE der Spanne — weder Unter- noch Obergrenze. Beide Enden weisen wir separat aus.
- • Da 99,8% der Daten in Fremdwährung angegeben sind, weisen wir jede Bewegung doppelt aus: zu festem Kurs (echte Marktbewegung) und zum Tageskurs (Forint-Wert). Die Differenz ist der Kurseffekt.
- • Wir rechnen nur mit dem, was der Arbeitgeber selbst in der Anzeige angegeben hat. Wir fragen keine Gehälter von Besuchern ab und schätzen nicht.
- • Gehaltsspannen in verschiedenen Währungen und Perioden (Jahr/Monat/Tag/Stunde) rechnen wir einheitlich in brutto HUF/Monat um, zum täglichen Referenzkurs. Die Periode raten wir nie: Nennt die Quelle sie nicht, bleibt die Anzeige ohne Gehalt.
- • Ein Segment erscheint nur ab mindestens 15 Anzeigen. Regionen weisen wir getrennt aus, denn ein gemeinsamer Durchschnitt würde die Unterschiede verdecken.
- • Die Bewegung berechnen wir aus unseren eigenen Tages-Momentaufnahmen, nicht aus dem Anzeigendatum — so verzerrt der Takt unserer Importe den Trend nicht.
- • p10–p90 markiert das untere und obere Zehntel des Feldes, p25–p75 die mittlere Hälfte. Ausreißer werden weder gekappt noch geglättet — die Verteilung bleibt, wie sie ist.
Orientierendes Marktbild der ausgeschriebenen Gehaltsspannen; keine Beratung und keine Erhebung tatsächlich gezahlter Gehälter.
Detaillierte Gehaltsstatistik →