KI / ML / Data Science: Markt
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. 27% der Stellen sind Remote. Die Daten werden täglich aktualisiert.
Der Markt für KI / ML / Data Science hat derzeit 11.645 offene Rollen, davon 10.608 frisch beobachtet. Median salary $12.391/mo.
27% der AI/ML-Stellen sind vollständig remote; der Rest ist hybrid oder im Büro. Banken verlangen wegen Compliance häufiger hybrid; in internationalen KI-Teams ist vollständig remote der Standard.
⚠ Gehalt bekannt bei 1219 von 11645 Stellen; Remote-Anteil aus 9720 mit angegebenem Arbeitsformat; 10608 als frische Beobachtungen gezählt; Trend und Besetzungsschwierigkeit werden nicht gezeigt
Zeitachse: Ausschreibungen und Quellen
Wie viele KI / ML / Data Science-Ausschreibungen jede Woche in den letzten 180 Tagen erschienen sind und aus wie vielen Quellen. Die zweite Linie 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 und aktive Quellen pro Woche
Quellen im Zeitraum: 358
Neue Quellen angebunden: 25. Mai +16 · 1. Juni +15 · 8. Juni +8 · 15. Juni +8 · 22. Juni +27 · 29. Juni +55 · 6. Juli +29 · 13. Juli +26 · 20. Juli +31 · 27. Juli +13 · 3. Aug. +9 · 10. Aug. +6 · 17. Aug. +8 · 24. Aug. +7 · 31. Aug. +4 · 7. Sept. +6 · 14. Sept. +4 · 21. Sept. +13 · 28. Sept. +9 · 5. Okt. +7 · 12. Okt. +3 · 19. Okt. +17 · 26. Okt. +5
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.
Gehälter im Zeitverlauf
Mediangehalt KI / ML / Data Science pro Woche, USD pro Monat.
Mediangehalt, USD pro Monat
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.
Remote-Arbeit im Zeitverlauf
Anteil der KI / ML / Data Science-Ausschreibungen mit vollständig remoter Arbeit, pro Woche.
Remote-Ausschreibungen, %
Der Anteil bezieht sich auf Ausschreibungen mit Angabe des Arbeitsmodells (remote, hybrid, Büro). Wochen mit weniger als 10 solchen Ausschreibungen bleiben leer.
Technologien im Zeitverlauf
Wie sich der Anteil der KI / ML / Data Science-Stellen verändert hat, die jede der Top-Technologien nennen.
Ausschreibungen mit der Technologie, %
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.
Länder im Zeitverlauf
Wie sich der Anteil der KI / ML / Data Science-Stellen in jedem der Top-Länder pro Woche verändert hat.
Ausschreibungen im Land, %
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.
Nachfrage und beobachtetes Angebot
| Offene Nachfrage | 11.645 |
| 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
Gehaltsverteilung
Jede zehnte Stellenanzeige bietet unter $5.227, jede zehnte über $20.458. Die Hälfte der Anzeigen bietet zwischen $8.152 und $16.347. Stichprobe: 1.219.
Geografie der Nachfrage
| Land | Stellen |
|---|---|
| US | 4.547 |
| GB | 983 |
| DE | 531 |
| IN | 524 |
| SG | 433 |
| PL | 390 |
| CA | 329 |
| FR | 276 |
| HK | 161 |
| NL | 137 |
Führend bei der Zahl der AI/ML-Stellen sind die USA (4547 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
Wird zusammen verwendet mit
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.
Nachfrage nach Level
| Level | Stellen |
|---|---|
| senior | 3.216 |
| Principal | 1.154 |
| lead | 1.048 |
| junior | 805 |
| middle | 290 |
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
Arbeitgeber
Die Nachfrage verteilt sich auf 4.639 Arbeitgeber. Der größte steht für 1.5 %, die Top Ten für 8.1 %; die übrigen 91.9 % sind Long Tail.
| Anteil | Wert |
|---|---|
| Top-1 | 1.5% |
| Top-3 | 3.6% |
| Top-10 | 8.1% |
| Long Tail | 91.9% |
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
Wo Zorky diesen Markt sieht
Beobachtet in 158 Quellen; die größte steht für 22.7 % — 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.
Neueste Ausschreibungen
- Data Scientist Intern · US
- Data Scientist Stage - Mars 2027 | Paris (H/F) · FR
- Data Scientist Intern - February 2027 | NYC · US
- Cyber Threat Analyst · US · $11.861
- Senior Technical Solutions Engineer · GB
- Backend-инженер (AI-native разработка) · RU
- Aviation Predictive Analytics Co-op Student (Winter 2027 Term) · CA
- Head of Model Risk Management · DE
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.
Datenstand 2026-11-03
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.
Können ML-Engineers remote arbeiten?
Teilweise: 27% der ML/AI-Stellen sind voll remote. Banken und Fintech verlangen wegen Compliance bei der Arbeit mit personenbezogenen und Finanzdaten oft Hybrid. Marktplätze — häufiger hybrid. Internationale KI-Teams — fast immer remote-freundlich oder hybrid mit Büro in SF/NYC/London. KI-Startups — voll remote ist Standard. Die Remote-Bezahlung ist dank des globalen Kandidatenpools und des Premium-Segments GenAI deutlich höher. Junior-Remote-Stellen gibt es wenige — Training in Produktion erfordert Mentoring und Zugang zu Rechenressourcen.
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 gibt es in der GUS und Europa für ML/AI?
Nach der letzten Datenaktualisierung enthält die Zorky-Stichprobe 13970 aktive offene Stellen für AI/ML/DS in der GUS und Osteuropa. Das sind Anzeigen, die in den letzten 90 Tagen veröffentlicht wurden — Unternehmen, die tatsächlich einstellen. Die Geografie ist verteilt; führend sind US, GB, DE. Die Daten stammen aus 89 Jobbörsen und 16.819 Karriereseiten von Unternehmen: Telegram-Kanäle (ein exklusiver Strom für KI-Startups und Nischenpositionen im LLM-Bereich), spezialisierte Jobseiten (HH, Habr Career, Djinni, DOU, NoFluffJobs, JustJoin.it, Pracuj.pl) und Karriereseiten von Fintech- und KI-Teams. Saisonalität: Die Nachfrage nach ML/KI wächst nichtlinear — ein explosiver Anstieg seit 2023 nach ChatGPT, der sich 2026 mit den Releases von Claude, Gemini und Llama fortsetzt.
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.