📈 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
2 261 750
Spannenmitte · brutto HUF/Monat
1 974 808 – 2 582 442
n = 4 588
· 13.6% nennt gehalt
täglich ±0
wöchentl. ▲0.6%
monatl. ·
jährlich ·
Nordamerika
5 115 791
Spannenmitte · brutto HUF/Monat
4 188 769 – 5 890 457
n = 11 815
· 71.0% nennt gehalt
täglich ±0
wöchentl. ±0
monatl. ·
jährlich ·
Gesamt
4 506 138
Spannenmitte · brutto HUF/Monat
3 665 173 – 5 145 946
n = 17 481
· 27.1% nennt gehalt
täglich ▲0.5%
wöchentl. ▲1.2%
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 · Nordamerika · brutto HUF/Monat
5 265 951
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
5 052 703
n = 11 815
Letzte 7 Tage
4 937 512
-2.3%
Abweichung vom Bestand · n = 1 193
Letzte 30 Tage
4 812 503
-4.8%
Abweichung vom Bestand · n = 5 667
🪜 Nach Level
Die Karriereleiter: wie viel mehr die nächste Stufe zahlt. Die Balken zeigen das Verhältnis der Mediane.
Praktikant
3 116 444
n=48
Junior
3 665 173
+18%
ggü. Vorstufe
n=57
Medior
3 201 136
-13%
ggü. Vorstufe
n=162
Senior
5 000 291
+56%
ggü. Vorstufe
n=3 887
Lead
5 046 158
+1%
ggü. Vorstufe
n=474
Architect
5 054 012
0%
ggü. Vorstufe
n=292
Principal
6 178 435
+22%
ggü. Vorstufe
n=2 021
| Level | Spannenmitte | Abweichung | Untergrenzen – Obergrenzen | Spannenbreite | Gesamtfeld (p10–p90) | täglich | wöchentl. | monatl. | jährlich | Stichprobe |
|---|---|---|---|---|---|---|---|---|---|---|
| Principal | 6 255 579 | +24% | 5 105 063 – 7 147 088 | +40% | 4 555 287 – 8 338 269 | ±0 | ▲0.5% | · | · | 2 021 |
| Architect | 5 117 117 | +1% | 4 017 292 – 6 186 289 | +54% | 3 600 660 – 6 713 812 | ±0 | ▲0.3% | · | · | 292 |
| Lead | 5 109 165 | +1% | 4 110 230 – 5 890 457 | +43% | 3 538 543 – 7 343 436 | ±0 | ▲0.7% | · | · | 474 |
| Senior | 5 062 725 | 0% | 4 188 769 – 5 759 558 | +38% | 3 434 791 – 6 675 851 | ±0 | ▲0.6% | · | · | 3 887 |
| Junior | 3 710 937 | -27% | 3 010 678 – 3 796 072 | +26% | 1 740 957 – 4 112 848 | ▲5.5% | ▲1.8% | · | · | 57 |
| Medior | 3 241 106 | -36% | 2 452 394 – 3 926 971 | +60% | 2 067 488 – 5 366 756 | ±0 | ±0 | · | · | 162 |
| Praktikant | 3 155 357 | -38% | 3 116 444 – 3 141 577 | +1% | 1 709 819 – 3 298 656 | ▲1.6% | ▼0.8% | · | · | 48 |
⚙️ 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 | 5 884 486 | +16% | 4 712 366 – 6 623 492 | +41% | 4 028 012 – 8 240 095 | ±0 | ±0 | · | · | 722 |
| Spark | 5 690 987 | +13% | 4 712 366 – 6 544 952 | +39% | 3 926 971 – 7 284 663 | ±0 | ▲0.5% | · | · | 818 |
| AI/ML | 5 665 805 | +12% | 4 691 422 – 6 544 952 | +40% | 3 670 573 – 8 089 561 | ±0 | ±0 | · | · | 2 938 |
| LLM | 5 619 419 | +11% | 4 636 248 – 6 544 952 | +41% | 3 661 492 – 8 050 291 | ±0 | ▲0.8% | · | · | 2 134 |
| Databricks | 5 539 899 | +10% | 4 686 186 – 6 466 413 | +38% | 3 707 061 – 6 904 139 | ±0 | ▼1.3% | · | · | 635 |
| TypeScript | 5 451 101 | +8% | 4 517 980 – 6 283 154 | +39% | 3 642 783 – 7 421 976 | ±0 | ▲0.3% | · | · | 1 486 |
| PostgreSQL | 5 433 872 | +8% | 4 398 208 – 6 217 809 | +41% | 3 599 724 – 7 068 548 | ±0 | ±0 | · | · | 641 |
| Kubernetes | 5 394 112 | +7% | 4 450 567 – 6 283 154 | +41% | 3 524 326 – 7 526 695 | ±0 | ▲0.5% | · | · | 1 925 |
| data science | 5 380 249 | +6% | 4 403 444 – 6 163 630 | +40% | 3 403 375 – 7 962 589 | ±0 | ▲1.5% | · | · | 1 170 |
| React | 5 301 338 | +5% | 4 345 848 – 5 995 176 | +38% | 3 318 291 – 7 199 447 | ±0 | ±0 | · | · | 1 256 |
| GCP | 5 261 949 | +4% | 4 319 668 – 6 073 716 | +41% | 3 481 915 – 7 199 447 | ▲0.4% | ▲0.5% | · | · | 1 622 |
| C/C++ | 5 195 312 | +3% | 4 345 848 – 6 220 322 | +43% | 3 403 375 – 7 369 616 | ▼0.5% | ▼0.7% | · | · | 1 606 |
| Snowflake | 5 191 190 | +3% | 4 345 848 – 6 016 630 | +38% | 3 529 562 – 7 264 897 | ±0 | ▼2.1% | · | · | 652 |
| AWS | 5 168 805 | +2% | 4 188 769 – 6 015 321 | +44% | 3 415 680 – 7 135 673 | ±0 | ±0 | · | · | 2 620 |
| Python | 5 136 997 | +2% | 4 267 204 – 5 890 457 | +38% | 3 298 656 – 7 343 436 | ▼0.3% | ±0 | · | · | 4 692 |
| Terraform | 5 115 791 | +1% | 4 188 769 – 5 890 457 | +41% | 3 510 450 – 7 140 543 | ±0 | ±0 | · | · | 1 000 |
| Java | 5 100 179 | +1% | 4 188 665 – 5 759 558 | +38% | 3 210 287 – 6 942 885 | ±0 | ±0 | · | · | 1 397 |
| Azure | 4 983 258 | -1% | 4 004 202 – 5 759 558 | +44% | 3 246 146 – 6 931 795 | ▲0.4% | ±0 | · | · | 1 704 |
| SQL | 4 923 618 | -3% | 3 987 185 – 5 607 715 | +41% | 2 980 981 – 6 937 555 | ±0 | ±0 | · | · | 1 750 |
| Docker | 4 903 738 | -3% | 4 067 557 – 5 597 243 | +38% | 3 277 286 – 6 702 031 | ±0 | ▲0.4% | · | · | 827 |
| C# | 4 903 738 | -3% | 3 926 971 – 5 759 558 | +47% | 3 140 787 – 6 926 130 | ±0 | ▼5.1% | · | · | 919 |
| JavaScript | 4 897 111 | -3% | 4 004 202 – 5 572 372 | +39% | 3 010 678 – 6 544 952 | ▲0.4% | ±0 | · | · | 1 020 |
| GitHub | 4 665 178 | -8% | 3 832 017 – 5 314 501 | +39% | 3 141 577 – 6 580 483 | ±0 | ▼1.2% | · | · | 780 |
| Linux | 4 638 671 | -8% | 3 796 072 – 5 301 411 | +40% | 2 913 813 – 6 702 031 | ±0 | ▲0.9% | · | · | 1 096 |
🧩 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 | 6 643 902 | +31% | 5 641 749 – 7 539 785 | +34% | 5 105 063 – 9 169 478 | ±0 | ±0 | · | · | 360 |
| AI / ML Engineer | 5 923 106 | +17% | 4 890 388 – 6 819 840 | +39% | 4 018 601 – 8 244 283 | ▲0.3% | ±0 | · | · | 440 |
| Data Scientist | 5 632 672 | +11% | 4 631 313 – 6 390 491 | +38% | 3 486 522 – 8 050 291 | ±0 | ▲3.7% | · | · | 251 |
| Product Manager | 5 582 309 | +10% | 4 594 556 – 6 283 154 | +37% | 4 014 805 – 7 310 711 | ±0 | ▲0.3% | · | · | 324 |
| Softwareentwickler | 5 481 584 | +8% | 4 450 567 – 6 335 514 | +42% | 3 493 434 – 7 853 943 | ±0 | ±0 | · | · | 3 098 |
| Solution / Enterprise Architect | 5 433 872 | +8% | 4 332 758 – 6 416 800 | +48% | 3 813 822 – 6 811 986 | ▲1.1% | ▲0.3% | · | · | 285 |
| Security Engineer | 5 116 454 | +1% | 4 160 626 – 6 152 203 | +48% | 3 533 096 – 7 398 414 | ±0 | ▼1.2% | · | · | 428 |
| Project Manager | 5 115 791 | +1% | 4 188 769 – 5 919 516 | +41% | 3 403 375 – 6 891 835 | ±0 | ±0 | · | · | 328 |
| Architect | 4 977 957 | -1% | 3 926 971 – 5 890 457 | +50% | 3 585 587 – 6 937 544 | ±0 | ▼0.3% | · | · | 239 |
| Data Engineer | 4 751 324 | -6% | 3 874 612 – 5 332 827 | +38% | 3 477 464 – 7 022 570 | ▲0.4% | ▲0.4% | · | · | 190 |
| IT Consultant | 4 681 214 | -7% | 3 769 892 – 5 324 973 | +41% | 2 967 785 – 6 435 767 | ▲0.9% | ▲2.7% | · | · | 625 |
| Sonstige | 4 665 178 | -8% | 3 822 252 – 5 340 681 | +40% | 2 725 318 – 7 103 891 | ±0 | ▲0.6% | · | · | 3 435 |
| DevOps / SRE | 4 508 099 | -11% | 3 514 639 – 5 249 052 | +49% | 3 141 577 – 6 291 008 | ±0 | ±0 | · | · | 186 |
| QA / Test Engineer | 3 826 890 | -24% | 3 239 751 – 4 372 028 | +35% | 2 683 430 – 5 235 962 | ▲0.3% | ▼0.3% | · | · | 226 |
🏠 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 | 5 433 872 | +8% | 4 450 567 – 6 335 514 | +42% | 3 207 027 – 7 611 256 | ±0 | ±0 | · | · | 1 447 |
| Remote | 5 136 997 | +2% | 4 267 309 – 5 890 457 | +38% | 3 134 320 – 7 225 627 | ±0 | ▼0.3% | · | · | 2 705 |
| Vor Ort | 5 115 791 | +1% | 4 162 590 – 5 785 842 | +39% | 3 125 956 – 7 513 605 | ±0 | ▲0.3% | · | · | 7 663 |
🔓 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 | 216 | 266 | Öffnen → |
| Mercor | 8 246 640 | 38 | 165 | Öffnen → |
| Perplexity | 8 181 190 | 40 | 56 | Öffnen → |
| SpaceXAI | 8 115 741 | 56 | 113 | Öffnen → |
| OpenAI | 8 089 561 | 370 | 441 | Öffnen → |
| Decagon | 7 853 943 | 43 | 54 | Öffnen → |
| Roblox | 7 791 504 | 154 | 163 | Öffnen → |
| Lambda | 7 696 864 | 42 | 50 | Öffnen → |
| Wayve | 7 589 526 | 25 | 96 | Öffnen → |
| Sierra | 7 461 245 | 35 | 61 | 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 | 3 136 855 | 3 992 421 | 5 052 703 | 6 211 487 | 7 461 245 | 4 188 769 | 5 890 457 | 71.0% | 11 815 |
| 2026-08-19 | 3 132 867 | 3 986 235 | 5 061 470 | 6 222 264 | 7 474 192 | 4 196 037 | 5 874 452 | 71.0% | 11 777 |
| 2026-08-18 | 3 106 360 | 3 954 495 | 5 021 168 | 6 172 720 | 7 414 679 | 4 162 627 | 5 827 677 | 71.7% | 11 871 |
| 2026-08-17 | 3 118 934 | 3 965 278 | 5 041 493 | 6 190 849 | 7 444 692 | 4 179 476 | 5 812 084 | 72.1% | 12 073 |
| 2026-08-16 | 3 118 934 | 3 965 278 | 5 041 493 | 6 164 727 | 7 444 692 | 4 179 476 | 5 799 023 | 69.4% | 11 608 |
| 2026-08-15 | 3 118 934 | 3 965 278 | 5 041 493 | 6 177 788 | 7 444 692 | 4 179 476 | 5 799 023 | 69.2% | 11 541 |
| 2026-08-14 | 3 138 115 | 3 994 745 | 5 072 275 | 6 211 566 | 7 503 287 | 4 204 995 | 5 842 104 | 70.6% | 11 344 |
| 2026-08-13 | 3 137 663 | 4 003 125 | 5 066 250 | 6 214 031 | 7 494 375 | 4 200 000 | 5 864 801 | 70.8% | 11 360 |
| 2026-08-12 | 3 158 420 | 4 016 834 | 5 082 333 | 6 227 833 | 7 505 000 | 4 213 333 | 5 865 697 | 71.4% | 11 488 |
| 2026-08-11 | 3 134 388 | 4 003 125 | 5 066 250 | 6 202 875 | 7 481 250 | 4 200 000 | 5 827 500 | 72.2% | 11 604 |
| 2026-08-10 | 3 144 200 | 4 015 833 | 5 082 333 | 6 222 567 | 7 505 000 | 4 213 333 | 5 846 000 | 72.7% | 11 696 |
| 2026-08-09 | 3 160 000 | 4 040 850 | 5 082 333 | 6 235 075 | 7 518 167 | 4 218 600 | 5 846 000 | 70.4% | 11 326 |
| 2026-08-08 | 3 160 000 | 4 042 167 | 5 082 333 | 6 247 913 | 7 518 167 | 4 239 667 | 5 889 713 | 69.8% | 11 221 |
| 2026-08-07 | 3 150 000 | 4 035 390 | 5 066 250 | 6 228 141 | 7 497 788 | 4 226 250 | 5 870 603 | 70.0% | 11 208 |
| 2026-08-06 | 3 130 000 | 4 009 224 | 5 034 083 | 6 194 792 | 7 485 917 | 4 199 417 | 5 803 542 | 70.4% | 11 239 |
| 2026-08-05 | 3 140 533 | 4 018 875 | 5 066 250 | 6 234 375 | 7 536 375 | 4 226 250 | 5 827 500 | 70.5% | 11 142 |
| 2026-08-04 | 3 160 000 | 4 076 400 | 5 082 333 | 6 254 167 | 7 573 467 | 4 276 428 | 5 925 000 | 70.5% | 11 022 |
| 2026-08-03 | 3 154 566 | 4 054 958 | 5 098 417 | 6 273 958 | 7 597 433 | 4 279 500 | 5 890 917 | 73.2% | 11 140 |
| 2026-08-02 | 3 354 917 | 4 310 275 | 5 265 951 | 6 406 570 | 7 792 917 | 4 385 167 | 6 075 833 | 63.4% | 9 336 |
| 2026-08-01 | 3 282 535 | 4 205 798 | 5 098 417 | 6 141 875 | 7 366 288 | 4 385 061 | 5 811 667 | 54.8% | 7 901 |
| 2026-07-31 | 3 281 250 | 4 200 000 | 5 066 303 | 6 137 303 | 7 323 750 | 4 357 500 | 5 775 000 | 55.7% | 7 669 |
| 2026-07-30 | 3 312 500 | 4 240 000 | 5 114 553 | 6 187 803 | 7 393 500 | 4 399 000 | 5 830 000 | 56.7% | 7 781 |
| 2026-07-29 | 3 341 814 | 4 259 688 | 5 106 342 | 6 171 673 | 7 370 250 | 4 385 167 | 5 811 667 | 59.9% | 7 151 |
| 2026-07-28 | 3 357 500 | 4 247 514 | 5 083 650 | 6 135 746 | 7 311 482 | 4 371 333 | 5 793 333 | 56.4% | 6 738 |
| 2026-07-27 | 3 378 750 | 4 274 397 | 5 114 553 | 6 174 500 | 7 353 750 | 4 399 000 | 5 830 000 | 57.2% | 6 809 |
| 2026-07-26 | 3 378 750 | 4 274 397 | 5 115 189 | 6 174 500 | 7 354 609 | 4 399 000 | 5 830 000 | 57.3% | 6 812 |
🔧 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 11 712
CAD 248
INR 6
GBP 5
EUR 5
BRL 3
SGD 2
PLN 1
Angegebene Periode
yearly 10 907
monthly 1 011
hourly 64
Spannentyp
11 982 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:
11 549 / 11 982
(96.4%)
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 →