Berufsprofil

Datenanalytiker/Datenanalytikerin

Schnappschuss

Datenanalytiker importieren, kontrollieren, bereinigen, konvertieren, validieren, modellieren oder interpretieren Daten im Hinblick auf die Geschäftsziele des Unternehmens. Sie stellen sicher, dass die Datenquellen und Datenspeicher kohärente und zuverlässige Daten enthalten. Je nach Ausgangslage oder vorliegenden Daten verwenden Datenanalytiker unterschiedliche Algorithmen und IT-Tools. Bisweilen erstellen sie auch Berichte in Form von Visualisierungen wie Grafiken, Schaubildern und Dashboards.

Arbeitsmarkt
Fachkräftemangel in Österreich und 8 weitere Länder
ELA/EURES 2025
Industrie
Digitale Technologie
Bildung
Bachelor oder gleichwertig
24%
Belastbarkeit Punktzahl · 2026 (Höher ist besser)
Bachelor oder gleichwertig 70% KI-Exposition · 2026
Arbeitsmarkt

Wo dieser Beruf gefragt ist

Gemeldeter Arbeitskräftemangel und -überschuss, nach Jahr. Veröffentlicht für Berufsgruppen, nicht für einzelne Stellenbezeichnungen.

Die Zahlen gelten für Akademische und vergleichbare Fachkräfte in der Informations- und Kommunikationstechnologie — 75 Berufe einschließlich dieses.

10 von 14 mit Mangel2025Alle 30 wachsend3.7MStellen bis 2035

Mangel: Belgien, Bulgarien, Irland, Niederlande und 6 weitere.

Längster anhaltender Mangel: Österreich, 3 Jahre.

Wählen Sie ein Gebiet auf der Karte, um dessen Zahlen zu sehen.

Über diese Quelle›

Quelle: ELA/EURES, Arbeitskräftemangel und -überschuss. Die Angaben werden auf Ebene der Berufsgruppe veröffentlicht und decken Europa ab. Die Ausgaben unterscheiden sich im Aufbau des Anhangs und in der Länderabdeckung, sodass eine Veränderung zwischen zwei Jahren nicht immer eine Veränderung des Arbeitsmarkts bedeutet. Grau dargestellte Länder wurden nicht gemeldet — das ist nicht dasselbe wie ein ausgeglichener Markt.

Was diese Begriffe bedeuten

Die vier Dinge, über die dieser Abschnitt berichtet

Gemeldete Nachfrage
Ob Arbeitgeber melden, dass sie für diesen Beruf Arbeitskräfte benötigen – eine Einschätzung, die von einer nationalen oder einer EU-Stelle veröffentlicht wird, keine Anzahl.
Wohin es sich entwickelt
In welche Richtung sich die Beschäftigung in diesem Beruf in den kommenden Jahren voraussichtlich entwickelt, ausgehend von einer amtlichen Prognose.
Offene Stellen
Wie viele Offene Stellen ungefähr entstehen – durch Wachstum und dadurch, dass Menschen den Beruf verlassen.
Übliche Vergütung
Was Menschen in diesem Beruf normalerweise verdienen, sofern die Quelle dies veröffentlicht. Eine fehlende Angabe bedeutet nicht, dass die Arbeit unbezahlt ist, sondern dass niemand diesen Wert für den betreffenden Ort veröffentlicht.

Ein Maß wird weggelassen, wenn niemand es für den betreffenden Ort veröffentlicht, statt es als null anzuzeigen.

Welche Tendenz der Markt für Sie zeigt

Zu Ihren Gunsten
Mehr offene Stellen als Suchende — Arbeitgeber konkurrieren um Bewerberinnen und Bewerber.
Ausgeglichen
Offene Stellen und Suchende halten sich in etwa die Waage.
Umkämpft
Mehr Suchende als offene Stellen — rechnen Sie mit Konkurrenz.
Widersprüchliche Hinweise
Die Quellen widersprechen sich, oder dieselbe Berufsgruppe ist in einer Region knapp und in einer anderen im Überangebot.

Jede Quelle ordnet die Ergebnisse einem dieser vier Begriffe zu, damit es eine einheitliche Begrifflichkeit gibt. Was sich unterscheidet, sind die zugrunde liegenden Nachweise. Diese stehen unter jeder Einschätzung: ein gemessenes Verhältnis von Offenen Stellen zu Arbeitssuchenden oder eine von einer nationalen Stelle veröffentlichte Bewertung.

Wie dieser Beruf im Vergleich zu anderen Berufen im selben Land abschneidet

Stark
Zu den stärksten in that country
Gut
Stärker als die meisten Berufe in that country
Gemischt
Etwa typisch für that country
Schwach
Schwächer als die meisten Berufe in that country

Dies ist ein Rang innerhalb eines Landes, keine Bewertung, die Sie über Grenzen hinweg vergleichen können – die Register hinter zwei Ländern erfassen unterschiedliche Menschen, daher bedeutet dieselbe Zahl in jedem Land etwas anderes. Das erklärt auch, warum ein Beruf in einem Land die Einstufung Stark erhalten und dennoch als Umkämpft angezeigt werden kann: Er führt in einem insgesamt stark umkämpften Arbeitsmarkt.

Woher diese Angaben stammen

Jede Zahl wird von einem nationalen Statistikamt, einer öffentlichen Arbeitsverwaltung oder einer EU-Stelle veröffentlicht. Jede Karte nennt außerdem ihre Quelle und den Zeitraum, auf den sie sich bezieht. Manche Orte werden monatlich erfasst, andere ein- oder zweimal jährlich bewertet. Deshalb können zwei Orte auf derselben Karte unterschiedliche Zeitpunkte beschreiben – das Datum wird immer angezeigt.

Nichts davon sagt die Chancen einer einzelnen Person voraus. Es beschreibt einen Arbeitsmarkt.

Gemeldete Nachfrage · Übliche Vergütung · Wohin es sich entwickelt (Deutschland, Österreich, Schweiz, Niederlande, Belgien, Dänemark)
Gemeldete Nachfrage · Übliche Vergütung · Wohin es sich entwickelt
Gemeldete Nachfrage Übliche Vergütung Wohin es sich entwickelt
Deutschland Mangel gemeldet ELA/EURES 2024 * — +15,6% 2023–2035 · Cedefop 2026 *
Österreich Mangel gemeldet ELA/EURES 2025 * — +48,8% 2023–2035 · Cedefop 2026 *
Schweiz Mangel gemeldet ELA/EURES 2024 * — +28,7% 2023–2035 · Cedefop 2026 *
Niederlande Mangel gemeldet ELA/EURES 2025 * — +32% 2023–2035 · Cedefop 2026 *
Belgien Mangel und Überangebot gemeldet ELA/EURES 2025 * — +37,5% 2023–2035 · Cedefop 2026 *
Dänemark Überangebot gemeldet ELA/EURES 2022 * — +51,8% 2023–2035 · Cedefop 2026 *

* Veröffentlicht für Berufsgruppen, nicht für einzelne Stellenbezeichnungen.

Bieten Sie Studierenden, Klienten oder Mitarbeitenden Berufsberatung an? Nutzen Sie diese Berufsdaten in Ihrer Organisation.

NexFuture™

Zukunftsaussichten für Datenanalytiker/Datenanalytikerin

The outlook for Datenanalytiker/Datenanalytikerin reflects a balanced mix of automation exposure and durable, human-led work.

Wie werden diese Ergebnisse berechnet?

Der Resilienzwert (0–100) schätzt, wie strukturell geschützt dieser Beruf vor Automatisierung und KI-Störungen ist, basierend auf der Aufgabenanalyse. Höhere Werte bedeuten mehr Aufgaben, die menschliches Urteilsvermögen erfordern. KI-Exposition zeigt den geschätzten Prozentsatz der Arbeitsstunden, die aktuelle KI-Fähigkeiten betreffen könnten. Dies sind modellbasierte strukturelle Indikatoren, keine Vorhersagen zur individuellen Jobsicherheit.

Spielen Sie die Zukunft
Wie könnte sich Datenanalytiker/Datenanalytikerin ändern, wenn die KI-Einführung zunimmt?

Mehrere Aufgabenbereiche könnten sich in Richtung KI-gestützter Arbeitsabläufe verlagern, sodass Umschulungen immer wichtiger werden.

Eine signifikante Transformation auf Aufgabenebene wird in 9 Jahren (um 2035) im Rahmen des ausgewählten Szenarios „Erwartet“ erwartet.
~20%
Belastbarkeit
Automatisierungsrisiko
EXP~75%
Menschlicher Rand
MOAT~20%

Illustratives Szenario auf Basis der Automatisierbarkeit von Aufgaben — keine Prognose. Werte werden gerundet, je weiter Sie in die Zukunft blicken.

2026
2031
2040
KI-Einführungsgeschwindigkeit:

Modellbasierte Schätzung. Nutzen Sie es als Planungssignal, nicht als Garantie.

Wie KI diese Rolle verändern kann

Deterministische, modellbasierte Interpretation aktueller Rollensignale – keine Garantie für Ersatz.

24% Im Besitz von Menschen

Was noch immer von den Menschen abhängt

  • Datenqualitätskriterien festlegen
Der menschliche Vorteil Um in dieser Rolle voraus zu bleiben, konzentrieren Sie sich auf Abfragesprachen und Bewertung der Datenqualität. Diese menschenzentrierten Fähigkeiten sind für KI in den nächsten 20 Jahren am schwierigsten zu replizieren.
36% Helfen

Wo KI zum Co-Piloten werden kann

  • statistische Analysetechniken anwenden
  • Massendaten analysieren
  • aktuelle Daten interpretieren
70% Automatisieren

Aufgaben, die am stärksten der Automatisierung ausgesetzt sind

  • Datenproben gewinnen
  • IKT-Daten sammeln
  • analytisch-mathematische Berechnungen durchführen
Detaillierte Analyse

Vitale Signale & KI-Vektoren

KI-Belichtungsvektoren

0-100%
KI / Maschinelles Lernen 36%

Exposition gegenüber KI-gestützter Analyse, Mustererkennung und Aufgaben der prädiktiven Modellierung

Generative KI 4%

Exposition gegenüber Inhaltsgenerierung, kreativer Augmentierung und Tools für große Sprachmodelle

Kognitive Software 3%

Exposition gegenüber Workflow-Automatisierung, Entscheidungsunterstützungssoftware und Prozessdigitalisierung

Roboter- und physische Automatisierung 0%

Exposition gegenüber physischer Automatisierung, Robotik und sensorgesteuerter Aufgabenverlagerung

Technische Details
Methodik: NexFuture v3.0 Quellen: O*NET® 30.3, ESCO v1.2.1 Aktualisiert: Okt. 2026

NexFuture v3.0 schätzt die Automatisierungsexposition direkt aus den wesentlichen ESCO-Kompetenzgruppen, gewichtet nach Kompetenzmasse und kalibriert anhand von Experten-Ankern. Werte sind probabilistische Schätzungen, keine Garantien. Vollständige Details finden Sie im NexFuture-Methodik-Whitepaper.

Misst die Automatisierungsexposition. Sie misst weder Gehalt noch Nachfrage noch die Zahl der Stellen in Ihrer Nähe.

Ein Tag im Leben

Was Menschen in dieser Rolle normalerweise tun

Digitale Technologie

Tag im Leben

Ein typischer Tag als Datenanalytiker/Datenanalytikerin

09
09:00 · Morgen
Data-Mining durchführen
Exploration großer Datenmengen zur Ermittlung von Mustern mithilfe von Statistiken, Datenbanksystemen oder künstlicher Intelligenz, verständlich Darstellung der Informationen.
10
10:30 · Vormittags
Daten normalisieren
Reduzieren von Daten auf ihre genaue Stammform (Normalform), um Ergebnisse wie Minimierung der Abhängigkeit, Beseitigung von Redundanzen, Erhöhung der Konsistenz zu erzielen.
12
12:00 · Mittag
Daten verwalten
Verwalten aller Arten von Datenressourcen über ihren gesamten Lebenszyklus hinweg durch Erstellung von Datenprofilen, Parsing, Standardisierung, Identitätsauflösung, Bereinigung, Erweiterung und Prüfung von Daten. Sicherstellen, dass die Daten für den jeweiligen Zweck geeignet sind, mithilfe spezieller IKT-Instrumente zur Erfüllung der Kriterien für die Datenqualität.
14
14:00 · Nachmittag
Datenprozesse etablieren
Verwendung von IKT-Werkzeugen, um mathematische, algorithmische oder andere Datenmanipulationsprozesse anzuwenden, um Informationen zu erstellen.
15
15:30 · Am späten Nachmittag
Datenqualitätskriterien festlegen
Angabe der Kriterien, nach denen Datenqualität für unternehmerische Zwecke gemessen wird, z. B. Inkonsistenzen, Unvollständigkeit, Zweckdienlichkeit und Genauigkeit.
17
17:00 · Zusammenfassung
IKT-Daten integrieren
Zusammenführung von Daten aus unterschiedlichen Quellen, um einen einheitlichen Überblick über die Daten in diesem Bereich zu erhalten.

Die Reihenfolge der Aufgaben dient der Veranschaulichung. Einzelne Tage variieren.

Fähigkeiten & Wissen

Was Sie für diese Arbeit brauchen

Die Fähigkeiten, das Wissen und die Tools, die diese Rolle erfordert – sowie die Eigenschaften und Vorteile, die damit einhergehen.

Grundlegende Fähigkeiten
Verwaltung, Sammlung und Speicherung digitaler Daten
  • Daten normalisieren

    Reduzieren von Daten auf ihre genaue Stammform (Normalform), um Ergebnisse wie Minimierung der Abhängigkeit, Beseitigung von Redundanzen, Erhöhung der Konsistenz zu erzielen.

  • Datenverarbeitungstechniken benutzen

    Einschlägige Daten und Informationen sammeln, verarbeiten und analysieren, mithilfe von Diagrammen und statistischen Diagrammen die Zahlen und Daten ordnungsgemäß speichern und aktualisieren.

  • Datenprozesse etablieren

    Verwendung von IKT-Werkzeugen, um mathematische, algorithmische oder andere Datenmanipulationsprozesse anzuwenden, um Informationen zu erstellen.

  • Data-Mining durchführen

    Exploration großer Datenmengen zur Ermittlung von Mustern mithilfe von Statistiken, Datenbanksystemen oder künstlicher Intelligenz, verständlich Darstellung der Informationen.

  • Datenbanken nutzen

    Nutzung von Softwaretools zum Verwalten und Organisieren von Daten in einem strukturierten Umfeld aus Attributen, Tabellen und Relationen, um die gespeicherten Daten abzufragen und zu modifizieren.

  • IKT-Daten integrieren

    Zusammenführung von Daten aus unterschiedlichen Quellen, um einen einheitlichen Überblick über die Daten in diesem Bereich zu erhalten.

  • Datenbereinigung durchführen

    Erkennung und Korrektur beschädigter Daten in Datensätzen, Gewährleistung, dass die Daten gemäß Vorgaben strukturiert werden und diese Struktur beibehalten wird.

  • Datenqualitätsverfahren anwenden

    Anwendung von Qualitätsanalysen, Validierungs- und Verifizierungstechniken auf Daten, um die Integrität der Datenqualität zu überprüfen.

Analyse und Auswertung von Informationen und Daten
  • statistische Analysetechniken anwenden

    Nutzung von Modellen (deskriptive oder Inferenzstatistiken) und Techniken (Data Mining oder maschinelles Lernen) für statistische Analysen und IKT-Werkzeuge zur Analyse von Daten, Feststellung von Korrelationen und Prognose von Trends.

  • Massendaten analysieren

    Erfassung und Auswertung umfangreicher Bestände an numerischen Daten, insbesondere zur Ermittlung von Mustern in den Daten.

Sammeln von Informationen aus physikalischen oder elektronischen Quellen
  • Datenproben gewinnen

    Erfassung und Auswahl einer Datenmenge aus der Grundgesamtheit mittels statistischer oder anderer definierter Verfahren.

  • IKT-Daten sammeln

    Sammeln von Daten durch Entwicklung und Anwendung von Such- und Stichprobenverfahren.

Beobachtung von Entwicklungen in einem Fachgebiet
  • aktuelle Daten interpretieren

    Zur Bewertung von Entwicklung und Innovation in den Fachgebieten Daten wie Marktdaten, wissenschaftliche Unterlagen, Kundenanforderungen und aktuelle Fragebögen analysieren.

Durchführen von Berechnungen
  • analytisch-mathematische Berechnungen durchführen

    Anwendung mathematischer Methoden und Nutzung von Berechnungstechnologien zur Durchführung von Analysen und zur Erarbeitung von Lösungen für spezifische Probleme.

Entwicklung betrieblicher Strategien und Verfahren
  • Datenqualitätskriterien festlegen

    Angabe der Kriterien, nach denen Datenqualität für unternehmerische Zwecke gemessen wird, z. B. Inkonsistenzen, Unvollständigkeit, Zweckdienlichkeit und Genauigkeit.

Informationsmanagement
  • Daten verwalten

    Verwalten aller Arten von Datenressourcen über ihren gesamten Lebenszyklus hinweg durch Erstellung von Datenprofilen, Parsing, Standardisierung, Identitätsauflösung, Bereinigung, Erweiterung und Prüfung von Daten. Sicherstellen, dass die Daten für den jeweiligen Zweck geeignet sind, mithilfe spezieller IKT-Instrumente zur Erfüllung der Kriterien für die Datenqualität.

Wissensgebiete & Software & Technologien
Wissensgebiete
  • Abfragesprachen

    Das Feld der standardisierten Computersprachen für das Auffinden von Informationen in einer Datenbank und von Dokumenten, die die benötigten Informationen enthalten.

  • Bewertung der Datenqualität

    Aufdeckung von Datenproblemen mithilfe von Qualitätsindikatoren, Messwerten und Metriken, um unter Berücksichtigung von Datenqualitätskriterien Strategien für die Datenbereinigung und die Datenanreicherung zu planen.

  • Business Analytics

    Disziplinen und Technologien zur Lösung von Unternehmensfragen durch den Einsatz quantitativer Methoden wie Datenanalyse und statistische Modelle.

  • Data-Mining

    Methoden der künstlichen Intelligenz, des maschinellen Lernens und der Statistik sowie Datenbankmethoden, mit denen Inhalte aus einem Datensatz extrahiert werden.

  • Datenmodelle

    Zum Strukturieren der Datenelemente und Aufzeigen der Beziehungen zwischen ihnen verwendete Techniken und vorhandene Systeme sowie Methoden zum Interpretieren von Datenstrukturen und -beziehungen.

  • Dokumentationsarten

    Die Merkmale interner und externer Dokumentationsarten, die an den Produktlebenszyklus angepasst sind, und deren spezifische Arten von Inhalten.

  • Informationsextraktion

    Für das Eruieren und die Extraktion von Informationen aus unstrukturierten oder halbstrukturierten digitalen Dokumenten und Quellen verwendete Techniken und Methoden.

  • Informationskategorisierung

    Der Prozess der Einstufung der Informationen in Kategorien und die Darstellung der Beziehungen zwischen den Daten für einige klar definierte Zwecke.

  • Informationsstruktur

    Art der Infrastruktur, die das Format der Daten definiert: halbstrukturiert, unstrukturiert und strukturiert.

  • Resource-Description-Framework-Abfragesprache

    Die Abfragesprache (z. B. SPARQL ), die zur Abfrage und Manipulation von Daten verwendet werden, die im Format „Resource Description Framework“ (RDF) gespeichert sind.

  • unstrukturierte Daten

    Informationen, die in einer nicht formalisierten Struktur vorliegen oder über kein vorab festgelegtes Datenmodell verfügen. Daher sind sie schwer zu verstehen, und es lassen sich kaum Muster feststellen, ohne dass Techniken wie Data Mining eingesetzt werden.

  • Vertraulichkeit von Informationen

    Die Mechanismen und Regelungen, die eine selektive Zugangskontrolle gewährleisten und gewährleisten, dass nur befugte Personen (Personen, Verfahren, Systeme und Geräte) Zugang zu Daten haben, Wege zum korrekten Umgang mit vertraulichen Informationen und Verstoßrisiken.

Software & Technologien
Structured query language SQLSASPythonRMicrosoft SQL ServerThe MathWorks MATLABIBM SPSS StatisticsC++TableauOracle JavaJavaScriptTeradata DatabaseCAtlassian JIRAPerlAmazon Web Services AWS softwareMicrosoft Azure softwareC#Atlassian ConfluenceApache HadoopGitSplunk EnterpriseApache HiveGitHubApache CassandraRubyNoSQLAmazon RedshiftPostgreSQLElasticsearchMongoDBApache KafkaGoDockerJavaScript Object Notation JSONAmazon Elastic Compute Cloud EC2Microsoft Power BIScalaApache SparkJenkins CI
Schlüsselmerkmale, die Sie brauchen
Analytisches Denken Anerkennung Leistung Vielfalt Zusammenarbeit Zuverlässigkeit Anpassungsfähigkeit/Flexibilität Leistung/Anstrengung Integrität Innovation Stressresistenz Unabhängigkeit Führung Selbstkontrolle Fürsorge für andere Soziale Orientierung
Wichtige Belohnungen, die Sie erwarten können
LeistungArbeitsbedingu…AnerkennungBeziehungenUnterstützungUnabhängigkeit
So qualifizieren Sie sich

Datenanalytiker: Wie Sie sich qualifizieren und wo Sie studieren können

Was normalerweise für die Qualifikation erforderlich ist: Bildungsniveau, wo es sich um einen reglementierten Beruf handelt und wo man studieren kann.

Typisches Bildungsniveau

Bachelor oder gleichwertig

Wo man studieren kann

2.039 Studienprogramme in 30 Ländern vermitteln die Kernkompetenzen dieses Berufs. Außerdem gibt es 436 kurze Kurse, die jeweils eine einzelne Fähigkeit vermitteln.

Einige Beispiele, mit Unterricht in der Sprache dieser Seite:

Berufsausbildung Geprüfter Berufsspezialist für Datenanalyse IHK (m/w/d)

manQ Akademie GmbH & Co. KG MANAGEMENT QUALIFIZIERUNG Online-IHK-Fortbildungen · Deutschland

Vom Anbieter ausgewiesener Weg in diesen Beruf Quelle 1
Berufsausbildung AI engineering: Basiskurs

MSIT Master School Institute of Technology · Deutschland

EQF 6 Vom Anbieter ausgewiesener Weg in diesen Beruf Quelle 1
Berufsausbildung Spezialist für Angewandte KI, Machine Learning und Datenanalyse (IHK)

NG Engineering Academy GmbH · Deutschland

Kurzkurs

Data Analyst

IHK-Akademie Koblenz e.V. Campus Koblenz · Deutschland

Vom Anbieter ausgewiesener Weg in diesen Beruf Quelle 1
Quellen
  1. 1. Source: Europass Qualification Dataset Register (European Commission)
Karriereentwicklung

Entwicklungspfade & ähnliche Rollen

Erkunden Sie typische Karrierepfade, angrenzende Fähigkeiten und ähnliche Rollen, um Ihren nächsten Schritt zu planen.

Für Organisationen

Die Daten auf dieser Seite für Ihre Schülerinnen und Schüler, Klientinnen und Klienten sowie Mitarbeitenden nutzen.

Häufige Fragen

Häufig gestellte Fragen

Welche Kenntnisse und Fähigkeiten sind besonders wichtig für einen Datenanalytiker/eine Datenanalytikerin?
Fundierte Kenntnisse in Statistik, Datenmodellierung und Datenbankmanagement sind unerlässlich. Darüber hinaus sind Programmierkenntnisse (z.B. Python, R) und Erfahrung mit Datenvisualisierungstools (z.B. Tableau, Power BI) von Vorteil. Wichtig sind auch analytisches Denkvermögen, Kommunikationsstärke und die Fähigkeit, komplexe Sachverhalte verständlich darzustellen.
Welche Rolle spielt die fachliche Führung in dieser Karrierebande?
In der Karrierebande 4 (Fachliche Führung) übernehmen Sie neben den klassischen Aufgaben eines Datenanalysten/einer Datenanalytikerin auch die Verantwortung für die Anleitung und Unterstützung von Junior-Analysten. Sie koordinieren Projekte, teilen Ihr Wissen und fördern die Entwicklung Ihrer Teammitglieder.
Kann ich als Datenanalytiker/Datenanalytikerin auch freiberuflich arbeiten?
Ja, die Tätigkeit als Datenanalytiker/Datenanalytikerin wird häufig auch freiberuflich ausgeübt. Viele Unternehmen suchen nach externen Experten für spezifische Projekte oder zur Unterstützung ihres internen Teams. Eine Festanstellung ist jedoch die häufigste Arbeitsform.
Datenanalytiker/Datenanalytikerin — wie hoch ist die Vergütung in den USA?
112.590 US-Dollar im Jahr im Median, Stand 2025-05. Die Medianwerte der Bundesstaaten reichen von 69.490 bis 163.350 US-Dollar. Quelle: US Bureau of Labor Statistics. Die Zahl beschreibt die Vereinigten Staaten und ist keine Prognose für Europa.

Quellen: ESCO O*NET ELA/EURES Cedefop BLS Daten aktualisiert: 3. Oktober 2026 Über unsere Daten