📈 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.
Messbeginn: 2026-07-26 · Letzte Messung: 2026-11-19 · 117 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: +4.4%
⏱️ Messbare Zeitfenster
Bewegung zeigen wir nur, wenn es einen Vergleichspunkt gibt. Was noch fehlt, dazu nennen wir das Datum — geschätzt wird nichts.
Entwicklung des Medians · Nordamerika · brutto HUF/Monat
🎯 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.
🪜 Nach Level
Die Karriereleiter: wie viel mehr die nächste Stufe zahlt. Die Balken zeigen das Verhältnis der Mediane.
| Level | Spannenmitte | Abweichung | Untergrenzen – Obergrenzen | Spannenbreite | Gesamtfeld (p10–p90) | täglich | wöchentl. | monatl. | jährlich | Stichprobe |
|---|---|---|---|---|---|---|---|---|---|---|
| Principal | 6 162 806 | +16% | 5 285 712 – 7 572 958 | +43% | 4 704 560 – 8 816 069 | ±0 | ±0 | ±0 | · | 2 667 |
| Lead | 5 036 271 | -5% | 4 386 311 – 6 088 254 | +39% | 3 557 478 – 7 873 220 | ±0 | ±0 | ▼1.6% | · | 568 |
| Senior | 4 985 909 | -6% | 4 373 719 – 6 057 813 | +39% | 3 537 207 – 6 918 487 | ±0 | ±0 | ▼1.8% | · | 4 198 |
| Architect | 4 877 231 | -8% | 4 116 490 – 6 048 127 | +47% | 3 473 681 – 7 282 106 | ▲0.5% | ▼0.4% | ▼4.7% | · | 380 |
| Medior | 3 857 784 | -28% | 3 105 010 – 4 798 651 | +55% | 2 418 520 – 5 779 386 | ▼0.3% | ▼1.0% | ▲3.6% | · | 128 |
| Junior | 3 591 657 | -33% | 2 828 271 – 4 151 083 | +47% | 1 862 879 – 4 704 560 | ±0 | ▲0.4% | ▲1.2% | · | 109 |
| Praktikant | 2 862 723 | -46% | 2 905 758 – 3 320 866 | +14% | 1 726 850 – 4 151 083 | ▼0.7% | ▼6.2% | ▼10.0% | · | 189 |
⚙️ 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 | 5 815 197 | +9% | 4 981 299 – 7 001 492 | +41% | 4 257 890 – 8 952 501 | ▲0.5% | ▲0.9% | ▼0.5% | · | 852 |
| LLM | 5 701 589 | +7% | 4 981 299 – 6 918 471 | +39% | 3 785 787 – 8 417 012 | ±0 | ±0 | ▲1.2% | · | 2 383 |
| Spark | 5 690 987 | +7% | 4 953 625 – 6 849 286 | +38% | 3 815 022 – 7 762 524 | ±0 | ▲0.4% | ▲0.4% | · | 815 |
| AI/ML | 5 593 442 | +5% | 4 842 930 – 6 849 286 | +41% | 3 843 305 – 8 454 371 | ±0 | ▲0.5% | ±0 | · | 3 095 |
| Snowflake | 5 433 872 | +2% | 4 776 512 – 6 566 182 | +37% | 3 651 267 – 7 959 009 | ±0 | ▲1.0% | ▲1.0% | · | 695 |
| Databricks | 5 433 872 | +2% | 4 768 210 – 6 724 754 | +41% | 3 597 605 – 7 200 744 | ▲0.5% | ▲1.0% | ▼1.7% | · | 695 |
| Go | 5 427 775 | +2% | 4 593 865 – 6 641 732 | +45% | 4 012 713 – 7 610 318 | ±0 | ±0 | ±0 | · | 687 |
| TypeScript | 5 402 064 | +1% | 4 704 560 – 6 508 897 | +38% | 3 559 776 – 7 729 316 | ±0 | ±0 | ▼0.6% | · | 1 635 |
| Kubernetes | 5 367 605 | +1% | 4 640 910 – 6 614 058 | +43% | 3 855 304 – 7 845 546 | ±0 | ±0 | ±0 | · | 2 229 |
| data science | 5 301 444 | 0% | 4 676 886 – 6 392 667 | +37% | 3 322 859 – 8 268 956 | ±0 | ±0 | ▲1.4% | · | 1 207 |
| React | 5 221 818 | -2% | 4 510 843 – 6 315 180 | +40% | 3 464 748 – 7 545 976 | ±0 | ▲1.0% | ▼1.3% | · | 1 353 |
| C/C++ | 5 182 058 | -3% | 4 538 517 – 6 364 993 | +40% | 3 617 530 – 7 877 302 | ±0 | ±0 | ▼1.3% | · | 2 025 |
| GCP | 5 182 058 | -3% | 4 528 831 – 6 364 993 | +41% | 3 459 235 – 7 611 425 | ±0 | ▲0.3% | ▼2.2% | · | 1 740 |
| Terraform | 5 168 805 | -3% | 4 427 821 – 6 364 993 | +44% | 3 736 860 – 7 610 318 | ±0 | ▲0.8% | ±0 | · | 1 177 |
| Python | 5 115 791 | -4% | 4 427 821 – 6 226 624 | +41% | 3 390 051 – 7 679 503 | ±0 | ±0 | ▼0.6% | · | 5 949 |
| AWS | 5 102 538 | -4% | 4 425 054 – 6 226 624 | +41% | 3 409 422 – 7 318 082 | ±0 | ±0 | ▼1.3% | · | 3 013 |
| Java | 5 036 271 | -5% | 4 234 104 – 6 088 254 | +44% | 3 216 531 – 7 266 055 | ±0 | ▲1.0% | ▼1.3% | · | 1 575 |
| Docker | 4 970 005 | -7% | 4 151 083 – 6 088 254 | +47% | 3 390 051 – 7 004 813 | ±0 | ▲0.3% | ▲1.4% | · | 994 |
| Azure | 4 903 738 | -8% | 4 151 083 – 5 922 211 | +43% | 3 219 435 – 7 264 394 | ±0 | ▲0.4% | ▼2.6% | · | 1 809 |
| SQL | 4 706 263 | -12% | 4 114 415 – 5 649 623 | +37% | 2 912 261 – 7 185 524 | ±0 | ▲0.3% | ▼1.4% | · | 2 088 |
| GitHub | 4 691 684 | -12% | 4 140 013 – 5 623 333 | +36% | 3 252 650 – 7 013 946 | ▼0.3% | ±0 | ±0 | · | 862 |
| Linux | 4 681 082 | -12% | 3 985 039 – 5 811 516 | +46% | 3 168 175 – 7 084 514 | ±0 | ▲0.3% | ▼2.0% | · | 1 621 |
| JavaScript | 4 609 514 | -13% | 4 012 713 – 5 534 777 | +38% | 2 905 758 – 6 780 101 | ±0 | ▼0.6% | ▼3.4% | · | 1 103 |
| Git | 4 453 124 | -16% | 3 735 974 – 5 534 777 | +48% | 3 110 522 – 6 169 062 | ▲0.6% | ▲1.4% | ▼0.3% | · | 804 |
🧩 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 | 6 626 673 | +24% | 5 963 722 – 7 887 057 | +32% | 5 241 226 – 9 755 044 | ±0 | ±0 | ±0 | · | 422 |
| AI / ML Engineer | 5 964 006 | +12% | 5 047 716 – 7 292 068 | +44% | 4 109 018 – 8 325 134 | ±0 | ±0 | ±0 | · | 569 |
| Product Manager | 5 582 309 | +5% | 4 842 930 – 6 735 823 | +39% | 3 933 317 – 7 748 687 | ±0 | ±0 | ±0 | · | 353 |
| Softwareentwickler | 5 433 872 | +2% | 4 676 886 – 6 697 080 | +43% | 3 639 267 – 8 417 012 | ±0 | ▲0.5% | ▼0.6% | · | 3 502 |
| Data Scientist | 5 343 749 | 0% | 4 704 560 – 6 586 384 | +40% | 3 428 794 – 8 261 955 | ±0 | ▲0.8% | ▼3.4% | · | 257 |
| Solution / Enterprise Architect | 5 129 045 | -4% | 4 289 452 – 6 461 907 | +51% | 3 743 679 – 6 806 115 | ±0 | ±0 | ▼5.6% | · | 294 |
| Project Manager | 5 115 791 | -4% | 4 593 865 – 6 143 602 | +34% | 3 719 625 – 7 845 546 | ±0 | ±0 | ±0 | · | 394 |
| Security Engineer | 5 036 271 | -5% | 4 427 821 – 6 143 602 | +39% | 3 465 656 – 7 748 687 | ▼0.5% | ▲1.3% | ▲2.1% | · | 565 |
| Data Engineer | 4 956 751 | -7% | 4 151 083 – 6 088 254 | +47% | 3 590 963 – 8 004 388 | ±0 | ▲1.4% | ▲2.5% | · | 265 |
| Architect | 4 751 987 | -11% | 4 034 852 – 6 038 441 | +50% | 3 572 968 – 7 266 055 | ▼0.4% | ▼1.6% | ▼4.0% | · | 290 |
| IT Consultant | 4 638 671 | -13% | 3 951 831 – 5 628 868 | +42% | 2 974 942 – 6 820 229 | ▲1.4% | ▼0.8% | ▲1.4% | · | 684 |
| Sonstige | 4 638 671 | -13% | 4 040 387 – 5 595 659 | +38% | 2 767 388 – 7 341 328 | ±0 | ±0 | ±0 | · | 4 595 |
| DevOps / SRE | 4 545 898 | -15% | 3 854 972 – 5 673 146 | +47% | 3 326 817 – 6 970 498 | ▼0.3% | ▼2.0% | ▼6.0% | · | 237 |
| QA / Test Engineer | 3 883 230 | -27% | 3 486 909 – 4 621 539 | +33% | 2 485 115 – 5 463 101 | ▲1.0% | ±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 | 5 665 805 | +6% | 4 842 930 – 6 918 471 | +43% | 3 592 070 – 8 551 230 | ±0 | ▲0.6% | ▲2.4% | · | 2 056 |
| Remote | 5 062 778 | -5% | 4 510 843 – 6 039 825 | +34% | 3 185 956 – 7 347 416 | ±0 | ±0 | ▼0.9% | · | 2 626 |
| Vor Ort | 4 969 985 | -7% | 4 151 083 – 6 088 254 | +47% | 3 113 312 – 7 721 013 | ±0 | ▲0.3% | ▼1.3% | · | 9 819 |
🔓 Gehaltstransparenz
Wie viel Prozent der Anzeigen überhaupt eine Gehaltsspanne nennen. Unser verlässlichster Trendindikator: eine Quote, die weder Wechselkurs noch Stichprobenmix bewegt.
| Land | Nennt Gehalt | Mit Gehalt | Anzeigen gesamt | Spannenmitte | täglich | wöchentl. | monatl. | jährlich |
|---|---|---|---|---|---|---|---|---|
| US | 70.0% | 13 740 | 19 623 | 5 150 250 | ▼0.58pp | ▼0.81pp | ±0 | · |
| SK | 63.8% | 143 | 224 | 1 176 110 | ▼1.34pp | ▼3.41pp | ▼4.72pp | · |
| CA | 49.9% | 761 | 1 524 | 3 334 436 | ▲0.13pp | ▲0.07pp | ▲1.02pp | · |
| LT | 48.4% | 107 | 221 | 1 881 776 | ±0 | ▲1.57pp | ▼15.56pp | · |
| EE | 48.2% | 55 | 114 | 2 322 003 | ±0 | ±0 | ▲2.28pp | · |
| AT | 32.6% | 135 | 414 | 2 237 625 | ±0 | ▲2.52pp | ▲5.47pp | · |
| IT | 29.8% | 182 | 611 | 1 507 833 | ▼0.26pp | ▲0.84pp | ▲4.91pp | · |
| EU | 23.2% | 853 | 3 675 | 4 439 871 | ±0 | ▼0.28pp | ▼1.39pp | · |
| GB | 14.8% | 796 | 5 371 | 3 531 722 | ▼0.06pp | ▲0.23pp | ▲2.32pp | · |
| PL | 14.6% | 393 | 2 695 | 2 054 470 | ▼0.06pp | ▲0.16pp | ±0 | · |
| IE | 13.4% | 115 | 860 | 3 187 560 | ▼0.09pp | ▼0.84pp | ▼2.18pp | · |
| PT | 12.5% | 159 | 1 275 | 1 688 773 | ▲0.09pp | ▼0.45pp | ▼0.9pp | · |
| NL | 12.2% | 165 | 1 350 | 2 046 130 | ▲0.16pp | ▼0.15pp | ▼0.13pp | · |
| GR | 11.3% | 41 | 362 | 2 377 853 | ▼0.06pp | ▼0.73pp | · | · |
| ES | 10.5% | 269 | 2 551 | 1 809 400 | ▼0.62pp | ▼0.51pp | ▲0.94pp | · |
| DE | 10.5% | 555 | 5 266 | 2 488 679 | ▼0.18pp | ▼0.76pp | ▼1.07pp | · |
| HU | 10.5% | 73 | 694 | 1 500 000 | ▼0.38pp | ▼0.75pp | ▲3.56pp | · |
| FR | 7.6% | 242 | 3 202 | 1 734 008 | ▼0.21pp | ▼0.34pp | ▼0.15pp | · |
| SG | 7.0% | 42 | 603 | 4 062 332 | · | · | · | · |
| SE | 1.0% | 43 | 4 479 | 2 636 317 | ▲0.07pp | · | · | · |
⚖️ 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 | 10 152 716 | 286 | 355 | Öffnen → |
| Mercor | 8 822 360 | 29 | 280 | Öffnen → |
| Perplexity | 8 752 341 | 48 | 73 | Öffnen → |
| OpenAI | 8 654 315 | 361 | 461 | Öffnen → |
| Decagon | 8 402 248 | 36 | 43 | Öffnen → |
| Replit | 8 122 173 | 15 | 18 | Öffnen → |
| Lambda | 8 066 158 | 55 | 58 | Öffnen → |
| Wayve | 8 052 154 | 50 | 123 | Öffnen → |
| Sierra | 7 982 135 | 37 | 62 | Öffnen → |
| Discord | 7 814 090 | 15 | 20 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| 2026-11-19 | 3 182 497 | 4 151 083 | 5 327 223 | 6 444 431 | 7 776 361 | 4 383 543 | 6 088 254 | 68.6% | 14 501 |
| 2026-11-18 | 3 182 497 | 4 151 083 | 5 327 223 | 6 448 015 | 7 798 500 | 4 389 078 | 6 088 254 | 69.1% | 14 596 |
| 2026-11-17 | 3 170 226 | 4 135 078 | 5 306 683 | 6 419 625 | 7 768 432 | 4 380 425 | 6 064 780 | 69.3% | 14 706 |
| 2026-11-16 | 3 170 166 | 4 134 999 | 5 304 115 | 6 409 441 | 7 740 718 | 4 366 559 | 6 064 665 | 70.0% | 14 978 |
| 2026-11-15 | 3 170 166 | 4 134 999 | 5 291 227 | 6 409 248 | 7 732 448 | 4 355 532 | 6 064 665 | 68.3% | 14 647 |
| 2026-11-14 | 3 170 166 | 4 134 999 | 5 298 312 | 6 409 248 | 7 732 448 | 4 366 559 | 6 064 665 | 67.6% | 14 446 |
| 2026-11-13 | 3 156 507 | 4 117 183 | 5 269 994 | 6 381 633 | 7 699 131 | 4 347 745 | 6 038 534 | 68.7% | 14 499 |
| 2026-11-12 | 3 144 319 | 4 101 285 | 5 249 645 | 6 356 992 | 7 669 403 | 4 335 058 | 6 015 218 | 69.3% | 14 651 |
| 2026-11-11 | 3 101 978 | 4 046 059 | 5 192 024 | 6 271 978 | 7 566 130 | 4 288 822 | 5 934 220 | 69.2% | 14 660 |
| 2026-11-10 | 3 107 884 | 4 053 761 | 5 201 908 | 6 283 519 | 7 580 534 | 4 296 987 | 5 945 517 | 69.5% | 14 772 |
| 2026-11-09 | 3 123 488 | 4 074 115 | 5 226 030 | 6 314 878 | 7 618 595 | 4 318 562 | 5 975 369 | 70.3% | 15 008 |
| 2026-11-08 | 3 123 488 | 4 074 115 | 5 228 448 | 6 314 878 | 7 618 595 | 4 321 278 | 5 975 369 | 68.4% | 14 614 |
| 2026-11-07 | 3 123 488 | 4 074 115 | 5 228 448 | 6 321 587 | 7 618 595 | 4 340 291 | 5 975 369 | 67.5% | 14 393 |
| 2026-11-06 | 3 100 922 | 4 044 681 | 5 190 674 | 6 269 256 | 7 563 554 | 4 298 148 | 5 932 199 | 68.0% | 14 468 |
| 2026-11-05 | 3 087 811 | 4 027 580 | 5 168 728 | 6 242 749 | 7 531 575 | 4 290 715 | 5 907 117 | 68.2% | 14 497 |
| 2026-11-04 | 2 988 043 | 3 998 544 | 5 161 165 | 6 247 726 | 7 592 345 | 4 210 424 | 5 976 086 | 68.0% | 15 263 |
| 2026-11-03 | 2 915 805 | 3 967 491 | 5 125 944 | 6 228 826 | 7 555 836 | 4 182 656 | 5 958 007 | 67.8% | 15 689 |
| 2026-11-02 | 2 951 101 | 3 989 451 | 5 137 102 | 6 271 089 | 7 621 628 | 4 186 301 | 6 011 502 | 68.8% | 15 961 |
| 2026-11-01 | 3 005 751 | 4 003 114 | 5 151 447 | 6 277 528 | 7 619 784 | 4 227 179 | 6 011 502 | 67.2% | 15 601 |
| 2026-10-31 | 3 005 751 | 4 010 084 | 5 191 752 | 6 284 752 | 7 651 002 | 4 235 376 | 6 011 502 | 65.3% | 15 118 |
| 2026-10-30 | 3 082 075 | 4 082 550 | 5 233 336 | 6 353 914 | 7 685 607 | 4 329 147 | 6 027 927 | 66.1% | 14 798 |
| 2026-10-29 | 3 130 657 | 4 119 285 | 5 285 990 | 6 384 892 | 7 703 063 | 4 393 904 | 6 041 618 | 66.3% | 14 823 |
| 2026-10-28 | 3 089 798 | 4 119 731 | 5 259 524 | 6 385 583 | 7 703 897 | 4 377 214 | 6 042 273 | 66.8% | 15 019 |
| 2026-10-27 | 3 079 052 | 4 105 403 | 5 241 231 | 6 363 374 | 7 677 103 | 4 373 622 | 6 021 257 | 67.2% | 15 151 |
| 2026-10-26 | 3 071 647 | 4 095 529 | 5 214 973 | 6 348 070 | 7 657 279 | 4 341 260 | 6 006 776 | 68.0% | 15 440 |
| 2026-10-25 | 3 108 097 | 4 095 529 | 5 201 322 | 6 307 114 | 7 644 987 | 4 313 957 | 6 006 776 | 65.0% | 14 780 |
| 2026-10-24 | 3 139 905 | 4 095 529 | 5 255 929 | 6 357 735 | 7 658 639 | 4 368 564 | 6 006 776 | 62.6% | 14 114 |
| 2026-10-23 | 3 176 218 | 4 101 422 | 5 259 631 | 6 390 588 | 7 712 309 | 4 360 316 | 6 025 412 | 67.4% | 13 741 |
| 2026-10-22 | 3 154 257 | 4 061 331 | 5 225 580 | 6 362 752 | 7 675 916 | 4 332 087 | 5 986 402 | 67.6% | 13 817 |
| 2026-10-21 | 3 156 777 | 4 064 645 | 5 229 843 | 6 340 846 | 7 655 081 | 4 335 621 | 5 962 834 | 67.8% | 13 912 |
🔧 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
Wechselkurse
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 →