📈 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
1 662 644
Spannenmitte · brutto HUF/Monat
1 400 098 – 1 828 454
n = 58
· 7.1% nennt gehalt
täglich ±0
wöchentl. ▼15.8%
monatl. ▼15.8%
jährlich ·
Europa
2 307 375
Spannenmitte · brutto HUF/Monat
1 999 725 – 2 615 025
n = 5 005
· 12.4% nennt gehalt
täglich ±0
wöchentl. ▼2.2%
monatl. ▼0.9%
jährlich ·
Nordamerika
5 289 662
Spannenmitte · brutto HUF/Monat
4 379 730 – 6 072 148
n = 13 861
· 69.7% nennt gehalt
täglich ±0
wöchentl. ▲2.7%
monatl. ▲5.2%
jährlich ·
Gesamt
4 659 288
Spannenmitte · brutto HUF/Monat
3 837 061 – 5 404 623
n = 19 805
· 26.3% nennt gehalt
täglich ▲0.6%
wöchentl. ▲2.0%
monatl. ▲5.2%
jährlich ·
Messbeginn: 2026-07-26 · Letzte Messung: 2026-10-05 · 72 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: +3.4%
⏱️ 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
jährlich
365 Tage
messbar ab: 2027-07-26
294 Tage noch
Entwicklung des Medians · Nordamerika · brutto HUF/Monat
5 297 884
07-2608-0408-1308-2208-3109-0909-1809-2710-05
🎯 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
5 289 662
n = 13 861
Letzte 7 Tage
4 875 808
-7.8%
Abweichung vom Bestand · n = 2 269
Letzte 30 Tage
5 051 901
-4.5%
Abweichung vom Bestand · n = 5 005
🪜 Nach Level
Die Karriereleiter: wie viel mehr die nächste Stufe zahlt. Die Balken zeigen das Verhältnis der Mediane.
Praktikant
3 157 353
n=162
Junior
3 700 023
+17%
ggü. Vorstufe
n=85
Medior
3 545 855
-4%
ggü. Vorstufe
n=183
Senior
5 234 847
+48%
ggü. Vorstufe
n=4 431
Lead
5 344 477
+2%
ggü. Vorstufe
n=520
Architect
5 151 254
-4%
ggü. Vorstufe
n=343
Principal
6 344 854
+23%
ggü. Vorstufe
n=2 443
| Level | Spannenmitte | Abweichung | Untergrenzen – Obergrenzen | Spannenbreite | Gesamtfeld (p10–p90) | täglich | wöchentl. | monatl. | jährlich | Stichprobe |
|---|---|---|---|---|---|---|---|---|---|---|
| Principal | 6 344 854 | +20% | 5 234 847 – 7 454 860 | +42% | 4 819 348 – 8 731 231 | ▲0.4% | ▲2.2% | ▲3.9% | · | 2 443 |
| Lead | 5 344 477 | +1% | 4 416 046 – 6 187 260 | +40% | 3 783 706 – 7 742 640 | ±0 | ▲2.2% | ▲6.3% | · | 520 |
| Senior | 5 234 847 | -1% | 4 385 212 – 6 029 667 | +38% | 3 562 985 – 6 962 894 | ±0 | ▲2.4% | ▲5.5% | · | 4 431 |
| Architect | 5 151 254 | -3% | 4 165 951 – 6 029 667 | +45% | 3 405 501 – 7 219 703 | ±0 | ▲2.5% | ▲2.4% | · | 343 |
| Junior | 3 700 023 | -30% | 3 288 909 – 3 974 098 | +21% | 1 902 908 – 4 604 473 | ▲1.7% | ▲5.6% | ▲21.9% | · | 85 |
| Medior | 3 545 855 | -33% | 2 740 758 – 4 288 874 | +56% | 2 411 473 – 5 645 960 | ±0 | ▲2.7% | ▲6.4% | · | 183 |
| Praktikant | 3 157 353 | -40% | 3 086 093 – 3 288 909 | +7% | 1 478 198 – 4 111 136 | ±0 | ▲2.7% | ▲12.2% | · | 162 |
⚙️ 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 |
|---|---|---|---|---|---|---|---|---|---|---|
| Rust | 6 057 074 | +15% | 4 933 364 – 6 934 116 | +41% | 4 251 737 – 9 181 538 | ±0 | ▲2.2% | ▲4.7% | · | 834 |
| Spark | 5 892 629 | +11% | 4 933 364 – 6 857 595 | +39% | 4 039 877 – 7 687 825 | ±0 | ▲2.7% | ▲5.2% | · | 839 |
| Databricks | 5 819 313 | +10% | 4 933 364 – 6 777 893 | +37% | 3 694 541 – 7 201 395 | ±0 | ▲3.3% | ▲6.3% | · | 694 |
| LLM | 5 810 406 | +10% | 4 811 844 – 6 851 894 | +42% | 3 713 726 – 8 427 829 | ±0 | ▲1.4% | ▲4.4% | · | 2 326 |
| AI/ML | 5 782 998 | +9% | 4 796 326 – 6 769 671 | +41% | 3 768 542 – 8 336 014 | ▲0.5% | ▲1.9% | ▲4.0% | · | 3 150 |
| TypeScript | 5 618 553 | +6% | 4 659 288 – 6 577 818 | +41% | 3 658 418 – 7 770 048 | ±0 | ▲1.5% | ▲4.7% | · | 1 638 |
| Kubernetes | 5 577 442 | +5% | 4 582 547 – 6 577 818 | +44% | 3 817 848 – 7 824 863 | ±0 | ▲2.7% | ▲5.2% | · | 2 167 |
| Snowflake | 5 550 034 | +5% | 4 635 991 – 6 303 742 | +36% | 3 696 734 – 7 707 010 | ±0 | ▲2.7% | ▲7.9% | · | 665 |
| GCP | 5 481 515 | +4% | 4 522 250 – 6 443 521 | +42% | 3 562 985 – 7 645 275 | ±0 | ▲2.7% | ▲6.0% | · | 1 748 |
| data science | 5 481 515 | +4% | 4 522 250 – 6 303 742 | +39% | 3 288 909 – 8 296 355 | ▲0.4% | ▲1.4% | ▲4.4% | · | 1 240 |
| React | 5 440 404 | +3% | 4 522 250 – 6 303 742 | +39% | 3 528 670 – 7 586 417 | ▲0.5% | ▲2.2% | ▲4.4% | · | 1 345 |
| Terraform | 5 429 098 | +3% | 4 385 212 – 6 331 150 | +44% | 3 768 542 – 7 583 676 | ±0 | ▲2.3% | ▲6.9% | · | 1 117 |
| C/C++ | 5 412 996 | +2% | 4 549 657 – 6 440 780 | +42% | 3 562 985 – 7 687 825 | ±0 | ▲4.0% | ▲6.6% | · | 1 944 |
| AWS | 5 403 102 | +2% | 4 385 212 – 6 303 742 | +44% | 3 562 985 – 7 400 045 | ▲0.5% | ▲2.5% | ▲6.4% | · | 2 916 |
| Python | 5 306 107 | 0% | 4 385 212 – 6 166 704 | +41% | 3 409 502 – 7 674 066 | ±0 | ▲1.9% | ▲5.3% | · | 5 676 |
| Java | 5 289 662 | 0% | 4 330 397 – 6 088 593 | +41% | 3 342 307 – 7 217 237 | ±0 | ▲2.7% | ▲5.5% | · | 1 640 |
| Azure | 5 248 551 | -1% | 4 248 174 – 6 057 074 | +43% | 3 342 307 – 7 271 230 | ±0 | ▲2.7% | ▲6.0% | · | 1 795 |
| Docker | 5 138 920 | -3% | 4 119 359 – 5 935 439 | +44% | 3 506 613 – 7 035 525 | ±0 | ▲2.3% | ▲6.4% | · | 989 |
| C# | 5 125 217 | -3% | 4 165 951 – 6 029 667 | +45% | 3 262 269 – 7 527 490 | ±0 | ▲2.3% | ▲6.1% | · | 698 |
| SQL | 4 988 727 | -6% | 4 111 136 – 5 754 316 | +40% | 2 963 581 – 7 144 131 | ±0 | ▲1.0% | ▲3.7% | · | 2 040 |
| Linux | 4 960 771 | -6% | 3 959 024 – 5 755 591 | +45% | 3 131 076 – 7 091 710 | ▲0.6% | ▲1.9% | ▲5.9% | · | 1 476 |
| JavaScript | 4 933 364 | -7% | 4 105 655 – 5 591 145 | +36% | 3 083 352 – 6 783 375 | ±0 | ▲0.5% | ▲4.6% | · | 1 156 |
| GitHub | 4 851 141 | -8% | 4 001 506 – 5 740 599 | +43% | 3 357 428 – 6 869 265 | ▲0.7% | ▲2.7% | ▲5.2% | · | 874 |
| Git | 4 617 902 | -13% | 3 694 541 – 5 426 700 | +47% | 3 101 167 – 6 084 482 | ±0 | ▲2.7% | · | · | 714 |
🧩 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 | 6 851 894 | +30% | 5 920 036 – 7 885 159 | +33% | 5 429 989 – 9 715 985 | ±0 | ▲2.0% | ▲4.9% | · | 383 |
| AI / ML Engineer | 6 166 704 | +17% | 5 207 439 – 7 184 896 | +38% | 4 078 247 – 8 554 199 | ±0 | ▲2.7% | ▲6.2% | · | 530 |
| Data Scientist | 5 755 591 | +9% | 4 796 326 – 6 662 781 | +39% | 3 594 503 – 8 331 903 | ▼1.1% | ▲1.5% | ▲5.2% | · | 281 |
| Product Manager | 5 690 498 | +8% | 4 705 881 – 6 577 818 | +40% | 3 495 315 – 7 523 379 | ▲0.4% | ▼1.2% | ▲1.6% | · | 360 |
| Softwareentwickler | 5 618 553 | +6% | 4 604 473 – 6 632 633 | +44% | 3 700 023 – 8 336 014 | ±0 | ▲2.2% | ▲4.0% | · | 3 516 |
| Solution / Enterprise Architect | 5 549 486 | +5% | 4 604 473 – 6 632 633 | +44% | 3 768 542 – 7 131 451 | ±0 | ▲2.7% | ▲4.8% | · | 287 |
| Project Manager | 5 289 662 | 0% | 4 522 250 – 6 084 482 | +35% | 3 541 867 – 7 802 937 | ±0 | ▲2.7% | ▲5.2% | · | 393 |
| Security Engineer | 5 262 254 | -1% | 4 308 841 – 6 052 949 | +40% | 3 562 985 – 7 537 083 | ▲1.1% | ▲2.7% | ▲4.7% | · | 456 |
| Data Engineer | 5 193 735 | -2% | 4 111 136 – 6 029 667 | +47% | 3 335 010 – 7 617 935 | ▲1.2% | ▲3.9% | ▲9.3% | · | 238 |
| Architect | 5 097 809 | -4% | 4 072 766 – 6 059 815 | +49% | 3 562 541 – 7 268 489 | ▲0.3% | ▲1.6% | ▲3.0% | · | 279 |
| DevOps / SRE | 5 042 994 | -5% | 3 837 061 – 6 029 667 | +57% | 3 521 873 – 7 380 038 | ▲1.5% | ▲3.4% | ▲10.8% | · | 209 |
| Sonstige | 4 796 326 | -9% | 4 001 506 – 5 506 182 | +38% | 2 740 758 – 7 400 045 | ±0 | ▲2.7% | ▲5.2% | · | 4 303 |
| IT Consultant | 4 700 399 | -11% | 3 837 061 – 5 481 515 | +43% | 2 877 795 – 6 666 893 | ▲0.9% | ▼2.2% | ±0 | · | 685 |
| QA / Test Engineer | 4 034 395 | -24% | 3 472 540 – 4 686 695 | +35% | 2 787 350 – 5 553 871 | ±0 | ▲2.9% | ▲7.2% | · | 323 |
🏠 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 | 5 626 775 | +6% | 4 659 288 – 6 629 892 | +42% | 3 531 630 – 8 222 273 | ±0 | ▲1.6% | ▲5.4% | · | 1 757 |
| Remote | 5 330 773 | +1% | 4 467 435 – 6 029 667 | +35% | 3 192 982 – 7 537 083 | ▲0.5% | ▲3.5% | ▲6.3% | · | 2 734 |
| Vor Ort | 5 241 699 | -1% | 4 193 359 – 6 029 667 | +44% | 3 151 871 – 7 739 187 | ±0 | ▲1.7% | ▲4.3% | · | 9 370 |
🔓 Gehaltstransparenz
Wie viel Prozent der Anzeigen überhaupt eine Gehaltsspanne nennen. Unser verlässlichster Trendindikator: eine Quote, die weder Wechselkurs noch Stichprobenmix bewegt.
US
71.1%
13 137 / 18 464
SK
66.1%
119 / 180
LT
64.0%
105 / 164
CA
51.3%
724 / 1 410
EE
47.2%
51 / 108
AT
29.3%
228 / 779
EU
25.3%
1 140 / 4 499
IT
25.0%
143 / 572
PL
16.2%
441 / 2 728
IE
16.0%
153 / 959
CZ
13.9%
45 / 323
GB
13.5%
598 / 4 419
DE
11.3%
1 608 / 14 281
NL
11.3%
144 / 1 279
PT
11.1%
139 / 1 254
ES
10.0%
210 / 2 099
CH
9.7%
39 / 403
FR
7.5%
218 / 2 906
HU
7.1%
58 / 821
SE
0.8%
44 / 5 247
| Land | Nennt Gehalt | Mit Gehalt | Anzeigen gesamt | Spannenmitte | täglich | wöchentl. | monatl. | jährlich |
|---|---|---|---|---|---|---|---|---|
| US | 71.1% | 13 137 | 18 464 | 5 129 045 | ▲2.39pp | ▼0.46pp | ▲2.24pp | · |
| SK | 66.1% | 119 | 180 | 1 338 956 | ±0 | ▲0.79pp | ▲3.38pp | · |
| LT | 64.0% | 105 | 164 | 2 026 528 | ▲1.83pp | ▼5.36pp | ▲4.71pp | · |
| CA | 51.3% | 724 | 1 410 | 3 991 908 | ▲0.67pp | ▲1.62pp | ▲6.12pp | · |
| EE | 47.2% | 51 | 108 | 2 098 904 | ±0 | ▼5.84pp | · | · |
| AT | 29.3% | 228 | 779 | 1 702 495 | ▲0.27pp | ▼1.06pp | ▼7.1pp | · |
| EU | 25.3% | 1 140 | 4 499 | 4 506 138 | ▲1.13pp | ▲0.57pp | ▲2.29pp | · |
| IT | 25.0% | 143 | 572 | 1 389 891 | ▲1.23pp | ▼1.86pp | ▼0.82pp | · |
| PL | 16.2% | 441 | 2 728 | 2 012 542 | ▲0.26pp | ▼0.42pp | ▼0.5pp | · |
| IE | 16.0% | 153 | 959 | 3 271 998 | ▲0.29pp | ▼2.46pp | ▼1.66pp | · |
| CZ | 13.9% | 45 | 323 | 1 998 415 | ▲0.41pp | ▲0.72pp | ▲0.82pp | · |
| GB | 13.5% | 598 | 4 419 | 3 598 913 | ▼1.27pp | ▼0.82pp | ▼1.38pp | · |
| DE | 11.3% | 1 608 | 14 281 | 2 110 967 | ±0 | ▼0.91pp | ▼2.0pp | · |
| NL | 11.3% | 144 | 1 279 | 2 110 967 | ▲0.31pp | ▼1.0pp | ▼0.1pp | · |
| PT | 11.1% | 139 | 1 254 | 1 884 792 | ▲0.33pp | ▼1.19pp | ▼1.25pp | · |
| ES | 10.0% | 210 | 2 099 | 2 412 533 | ▲0.06pp | ▼2.21pp | ▼3.39pp | · |
| CH | 9.7% | 39 | 403 | 3 050 680 | ±0 | ▼1.26pp | ▼2.35pp | · |
| FR | 7.5% | 218 | 2 906 | 1 839 557 | ▲0.17pp | ▼0.95pp | ▼0.62pp | · |
| HU | 7.1% | 58 | 821 | 1 662 644 | ±0 | ▲0.41pp | ▲1.39pp | · |
| SE | 0.8% | 44 | 5 247 | 2 555 166 | · | ▲0.06pp | ±0 | · |
⚖️ 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 | |
|---|---|---|---|---|
| Polymarket | 10 258 613 | 27 | 31 | Öffnen → |
| Anthropic | 9 916 659 | 261 | 329 | Öffnen → |
| HubSpot | 9 466 648 | 15 | 42 | Öffnen → |
| Mercor | 8 617 235 | 51 | 225 | Öffnen → |
| Perplexity | 8 548 844 | 46 | 64 | Öffnen → |
| SpaceXAI | 8 480 453 | 62 | 126 | Öffnen → |
| OpenAI | 8 412 062 | 395 | 476 | Öffnen → |
| Wayve | 8 035 913 | 35 | 199 | Öffnen → |
| Decagon | 8 001 718 | 54 | 66 | Öffnen → |
| Sierra | 7 796 546 | 35 | 58 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| 2026-10-05 | 3 180 375 | 4 111 136 | 5 289 662 | 6 396 928 | 7 764 963 | 4 379 730 | 6 072 148 | 69.7% | 13 861 |
| 2026-10-04 | 3 197 806 | 4 111 136 | 5 289 662 | 6 372 261 | 7 687 825 | 4 379 730 | 6 061 007 | 67.5% | 13 436 |
| 2026-10-03 | 3 272 464 | 4 168 555 | 5 297 884 | 6 476 410 | 7 811 159 | 4 385 212 | 6 166 704 | 63.4% | 12 627 |
| 2026-10-02 | 3 233 706 | 4 119 184 | 5 235 137 | 6 399 705 | 7 732 187 | 4 333 275 | 6 093 668 | 67.9% | 12 335 |
| 2026-10-01 | 3 208 886 | 4 085 014 | 5 188 236 | 6 350 584 | 7 672 839 | 4 300 015 | 6 038 537 | 68.4% | 12 402 |
| 2026-09-30 | 3 210 463 | 4 087 472 | 5 190 786 | 6 353 705 | 7 676 610 | 4 302 128 | 6 049 868 | 68.5% | 12 422 |
| 2026-09-29 | 3 210 270 | 4 081 399 | 5 189 130 | 6 345 257 | 7 676 148 | 4 301 869 | 6 029 339 | 69.0% | 12 525 |
| 2026-09-28 | 3 187 351 | 4 052 261 | 5 152 084 | 6 283 940 | 7 621 346 | 4 271 157 | 5 969 503 | 70.1% | 12 756 |
| 2026-09-27 | 3 187 351 | 4 052 261 | 5 152 084 | 6 273 262 | 7 607 999 | 4 271 157 | 5 968 942 | 68.2% | 12 438 |
| 2026-09-26 | 3 187 351 | 4 052 261 | 5 152 084 | 6 274 177 | 7 607 999 | 4 271 157 | 5 976 897 | 67.6% | 12 324 |
| 2026-09-25 | 3 205 061 | 4 080 145 | 5 180 710 | 6 341 673 | 7 663 693 | 4 294 889 | 6 039 688 | 67.9% | 12 368 |
| 2026-09-24 | 3 176 484 | 4 043 765 | 5 134 517 | 6 285 128 | 7 595 361 | 4 256 595 | 5 985 836 | 68.0% | 12 444 |
| 2026-09-23 | 3 138 551 | 3 990 219 | 5 074 517 | 6 216 645 | 7 504 660 | 4 205 764 | 5 914 356 | 68.3% | 12 491 |
| 2026-09-22 | 3 138 277 | 3 993 812 | 5 085 901 | 6 236 142 | 7 504 003 | 4 205 396 | 5 913 838 | 69.0% | 12 583 |
| 2026-09-21 | 3 162 815 | 4 021 067 | 5 120 370 | 6 272 652 | 7 549 434 | 4 238 279 | 5 960 079 | 70.0% | 12 793 |
| 2026-09-20 | 3 169 244 | 4 037 258 | 5 125 668 | 6 260 070 | 7 549 434 | 4 238 279 | 5 960 079 | 68.1% | 12 463 |
| 2026-09-19 | 3 164 372 | 4 026 471 | 5 118 384 | 6 259 408 | 7 549 434 | 4 238 279 | 5 960 079 | 67.8% | 12 366 |
| 2026-09-18 | 3 149 188 | 4 005 361 | 5 086 177 | 6 217 756 | 7 508 731 | 4 215 428 | 5 927 946 | 67.9% | 12 418 |
| 2026-09-17 | 3 143 172 | 4 001 358 | 5 080 672 | 6 245 870 | 7 502 547 | 4 211 956 | 5 923 063 | 67.8% | 12 351 |
| 2026-09-16 | 3 156 251 | 4 018 009 | 5 103 135 | 6 246 417 | 7 533 766 | 4 229 483 | 5 947 710 | 68.5% | 12 468 |
| 2026-09-15 | 3 146 942 | 4 006 158 | 5 088 084 | 6 233 265 | 7 511 546 | 4 217 008 | 5 930 168 | 68.9% | 12 559 |
| 2026-09-14 | 3 128 259 | 3 977 133 | 5 056 566 | 6 191 019 | 7 466 950 | 4 191 972 | 5 894 961 | 69.9% | 12 783 |
| 2026-09-13 | 3 131 665 | 3 982 400 | 5 056 566 | 6 192 840 | 7 466 950 | 4 191 972 | 5 894 961 | 68.2% | 12 514 |
| 2026-09-12 | 3 128 259 | 3 982 373 | 5 056 566 | 6 216 236 | 7 466 950 | 4 191 972 | 5 894 961 | 67.2% | 12 338 |
| 2026-09-11 | 3 124 365 | 3 972 182 | 5 050 271 | 6 208 497 | 7 457 654 | 4 186 753 | 5 887 622 | 68.0% | 12 353 |
| 2026-09-10 | 3 107 881 | 3 956 431 | 5 023 626 | 6 175 741 | 7 418 308 | 4 164 664 | 5 856 559 | 68.2% | 12 400 |
| 2026-09-09 | 3 118 049 | 3 964 153 | 5 040 063 | 6 176 966 | 7 442 580 | 4 178 291 | 5 845 066 | 68.9% | 12 506 |
| 2026-09-08 | 3 109 482 | 3 953 262 | 5 026 215 | 6 146 046 | 7 416 011 | 4 166 811 | 5 820 514 | 69.8% | 12 685 |
| 2026-09-07 | 3 110 167 | 3 954 132 | 5 027 322 | 6 135 690 | 7 411 262 | 4 167 728 | 5 808 771 | 69.9% | 12 729 |
| 2026-09-06 | 3 113 084 | 3 954 132 | 5 027 322 | 6 121 351 | 7 400 322 | 4 167 728 | 5 808 771 | 68.1% | 12 405 |
🔧 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 13 582
CAD 259
PLN 10
GBP 9
EUR 6
INR 5
BRL 3
SGD 2
Angegebene Periode
yearly 13 069
monthly 563
hourly 243
daily 1
Spannentyp
13 876 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:
13 256 / 13 876
(95.5%)
Wechselkurse
Heute (EZB-Referenzkurs) · 2026-10-05
EUR 367.8 USD 328.3 GBP 434.1 PLN 84.0
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 →