Tony Wang11 Min. LesezeitEngineering führt die Labels — Store Hourly treibt den echten Markt
Engineering ist das größte Department (~11.800), Store Hourly allein ~5.000. Wir rankten ATS-Department- und Employment-Type-Labels.
Ist der Online-Jobmarkt „größtenteils Engineering-Rollen“? Schaust du nur auf das größte benannte Department-Label, gewinnt Engineering — 11.786 offene Postings im Jobs-Facet von Crawlora Mitte Juli 2026. Liest du dasselbe Ranking weiter, dreht sich die Geschichte. Store Hourly Positions postet 5.047 unter einem einzigen Label. Clinical, Behavior Technician, Nursing, Retail und ein Stapel Gym-Department-Labels sitzen in derselben Liste. Die Labels, die wie eine Tech-Karriereseite aussehen, teilen die Tabelle mit den Labels, die Apotheken, Fitnessketten und Ladenflächen besetzen.
Dieser Split ist der Punkt dieses Posts: welche Arten von Arbeit auf öffentlichen Karriereboards gelabelt werden, und wie chaotisch das Employment-Type-Feld ist, wenn du Full-time gegen Part-time zählen willst.
Benannte Departments: Engineering zuerst, Store Hourly nicht weit dahinter
Sortiere die Top-Department-Labels nach Count und die erste Zeile ist, was Tech-Twitter erwartet. Die vierte nicht.
Store Hourly Positions (5.047) ist 43 % von Engineering (11.786) unter einem einzigen Retail/Hourly-Taxonomie-String. Addiere Clinical (1.643), Behavior Technician (1.088), Retail (1.064), Customer Service (1.027), Nursing (650) und den Gym-Stack (Operations 755 + Fitness 608 + Sales 588 + Childcare 338) und du schaust auf die Staffing-Sprache von Healthcare-Systemen, Franchises und Fitnessketten — dieselben Arbeitgeber, die das Open-Roles-Power-Law dominieren.
Der Long Tail ist auch ehrlich über Datenqualität. Das Facet enthält MAX AHP (967), Stroll (269), Canada (231), Global (672) und HSS (470) — firmenspezifisches oder Geografie-als-Department-Rauschen. Diese Zeilen sind keine „Befunde über den Arbeitsmarkt“; sie sind Beleg, dass ATS-Department ein free-text-artiges Feld ist, kein kontrolliertes Vokabular.
| # | Department-Label | Offene Postings | Lesen als |
|---|---|---|---|
| 1 | Engineering | 11.786 | Breiter Eng-Bucket (nicht nur Software) |
| 2 | Sales | 9.556 | Quota / GTM Sales |
| 3 | Operations | 5.245 | Ops gemischt mit Field Ops |
| 4 | Store Hourly Positions | 5.047 | Retail / Store Hourly |
| 5 | Marketing | 3.563 | Marketing-Funktionen |
| 6 | Finance | 2.343 | Finance / Accounting-nah |
| 7 | Product | 2.285 | Product (oft Tech-Firmen) |
| 8 | Government Services | 1.906 | Gov / Public-Sector Services |
| 9 | Clinical | 1.643 | Klinische Healthcare |
| 10 | Technology | 1.617 | Tech-Label parallel zu Engineering |
| 11 | Commercial | 1.294 | Commercial / Sales-nah |
| 12 | Software Engineering | 1.219 | Expliziter SWE-Split |
| 13 | Inspection and Field Testing | 1.213 | Field Testing / Inspection |
| 14 | Manufacturing | 1.143 | Werk / Manufacturing |
| 15 | Customer Success | 1.123 | Post-Sale CS |
| 16 | Behavior Technician | 1.088 | ABA / Care-Tech-Rollen |
| 17 | Laboratory & Testing | 1.066 | Lab / Testing |
| 18 | Retail | 1.064 | Retail-Department-Label |
| 19 | Customer Service | 1.027 | Service / Support |
| 20 | MAX AHP | 967 | Firmenspezifisches Rauschen |
| 21 | Consultant Services | 946 | Consulting Services |
| 22 | Reconditioning | 913 | Auto / Reconditioning (z. B. Carvana-Klasse) |
| 23 | Product Management | 888 | PM-Split von Product |
| 24 | Salon Professionals | 879 | Salon / Beauty Services |
| 25 | Stores | 850 | Store Ops parallel zu Hourly |
Selbst ein großzügiger Tech-Merge löscht Hourly- und Care-Arbeit nicht aus
ATS-Boards splitten „Tech“ über viele Strings. Mergen wir die offensichtlichen tech-nahen Labels aus dem Methodik-Callout, erreicht der Cluster etwa 19.958 getaggte Postings. Mergen wir Hourly, Retail, Clinical, Behavior, Nursing, Gym und verwandte Care-Labels, kommen wir auf etwa 17.027.
Tech-nah führt weiterhin nach einem günstigen Merge. Die Lücke ist keine Niederlage: Hourly/Care/Retail ist 85 % des tech-nahen Totals, und Store Hourly allein bleibt ein first-class rohes Label. Ist dein mentales Modell von „dem Job Market“ nur Engineering + Product + Software Engineering, samplest du die Taxonomie, die Startups nutzen — nicht die Taxonomie, die offene Reqs bei CVS, Domino's, BAYADA oder EōS Fitness füllt.
Beschäftigungsform: Full-time gewinnt, Part-time ist groß, Schreibweise ist Chaos
Department beantwortet „welche Arbeitsfamilie“. Employment Type beantwortet „welche Art Vertrag“, und das rohe Feld ist ein Durcheinander aus Near-Duplicates.
Über 40 verschiedene employment_type-Strings im Facet (Summe etwa 235.000 getaggte Postings — immer noch nur eine Teilmenge aller offenen Rollen):
| Familie (hand-gemergt) | Ca. offene Postings |
|---|---|
| Full-time | 199.669 |
| Part-time | 24.284 |
| Contract | 5.170 |
| Flexible / other (variable, PRN, moonlighter, freelance, hybrid strings, other…) | 3.880 |
| Temporary | 923 |
| Intern / apprenticeship | 671 |
Full-time ist der Default, wenn das Feld gesetzt ist. Part-time ist kein Rundungsfehler: ~24.000 getaggte Part-time-Postings sind die Größe eines Mid-Tier-ATS-Ökosystems. Contract, PRN, Per Diem, Moonlighter und Variable-Time-Strings sind der Fingerabdruck von Healthcare und Hourly Operations, die nie wie ein Greenhouse-„FullTime“-Enum aussehen.
Und Full-time allein einigt sich nicht, wie es sich schreibt:
| Roher employment_type | Offene Postings |
|---|---|
| Full time | 123.225 |
| Full-time | 43.845 |
| FullTime | 16.939 |
| full-time | 7.259 |
| fulltime_permanent | 6.131 |
| fulltime_fixed_term | 1.611 |
| Full Time | 345 |
| fulltime | 211 |
| Permanent | 103 |
Neun gängige Schreibweisen von Full-time; vierzig employment_type-Keys insgesamt in diesem Facet-Pull. Scrapst du ein ATS nach dem anderen und GROUP BY employment_type, erfindest du einen Fake-Long-Tail von „Job Types“, der wirklich String-Varianz ist.
Long-Tail-Formen, die man nennen und nicht vergraben sollte:
| Roher Wert | Offene Postings |
|---|---|
| Part time | 17.567 |
| Part-time | 3.712 |
| Contract | 4.650 |
| full-or-part-time | 1.767 |
| Temporary | 838 |
| Moonlighter | 400 |
| Intern | 333 |
| internship | 265 |
| freelance | 205 |
| PRN | 79 |
| Time as Reported / Per Diem | 79 |
| apprenticeship | 73 |
Derselbe Markt wie die Mega-Boards
Department- und Employment-Type-Struktur deckt sich mit wer die meisten offenen Rollen postet. Domino's, CVS Health, Albertsons, JCPenney, Accor, BAYADA, Pulse Healthcare und EōS Fitness sind keine Engineering/Product-Taxonomien mit etwas Hourly daneben — sie sind Hourly-, Clinical-, Retail- und Hospitality-Maschinen, die zufällig im selben Jobs-Crawl wie OpenAI und Notion erscheinen. Der Hiring-Power-Law-Post rankt diese Boards nach Open-Req-Count; dieser Post zeigt die Labels, die diese Märkte nutzen.
Filterst du das Free-Tool nur auf department=Engineering, findest du korrekt Eng-Reqs — und undersamplest systematisch die Volumen-Seite öffentlichen Hirings.
Was das nicht ist
- Keine O*NET- oder BLS-Berufe. Department ist, was der Arbeitgeber ins ATS tippte.
- Keine Title-Studie. „Software Engineer“ vs „Registered Nurse“ braucht Title-Clustering, das wir hier nicht gefahren haben (Search-Totals capen auch bei 10.000).
- Kein Remote-Share.
remote_openliegt in diesem Crawl bei etwa 27.000 und ist nicht „5 % der Jobs sind remote“ — Workday und Greenhouse unterfüllen das Flag. - Nicht „Tech ist tot.“ Tech-Labels sind groß und real. Sie sind nicht der ganze getaggte Markt, und getagt ist nicht der ganze Markt.
Wen das hilft
Jobseeker und Analysten: nutze Department- und Employment-Type-Filter im Wissen, dass sie unvollständig sind. Kombiniere sie mit Employer- oder Provider-Filtern, wenn dir Volumen wichtig ist.
Researcher: zitiere die getaggte Teilmenge explizit. Engineering-als-#1 ist im Facet wahr und als Claim über alle offenen Reqs falsch.
Jeder, der ATS-JSON normalisiert: behandle employment_type und department als dirty Enums. Collapse Full-time-Schreibweisen; erwarte firmenspezifischen Department-Junk; baue kein 40-Zeilen-„Job-Type“-Kuchendiagramm aus rohen Strings.
Alles oben ist re-queryable vom selben Facets-Endpoint. Bewegt ein Re-Crawl Store Hourly an Operations vorbei, ist das Feature eines Live-Markt-Snapshots — kein Grund, einen einmaligen Export einzufrieren.
Filtere Live-Postings nach Department und Employment Type
Suche offene Rollen über 14 ATS-Provider, facette nach Department und inspiziere employment_type-Strings über eine REST API. 2.000 Free Credits pro Monat, keine Karte.
Häufig gestellte Fragen
Was ist das größte Department-Label auf öffentlichen ATS-Job-Postings?
In Crawloras Jobs-Facets Mitte Juli 2026 ist Engineering das größte einzelne Department-Label mit 11.786 offenen Postings unter den Top-100-Department-Keys. Dieses Ranking läuft nur über Postings, die ein Department tragen — nicht über jede offene Rolle im Crawl.
Ist der Online-Jobmarkt größtenteils Engineering-Jobs?
Nicht nach einer vollständigen Zählung aller offenen Rollen. Engineering führt benannte Department-Labels, aber Store Hourly Positions allein liegt bei 5.047, und Clinical-, Behavior-Technician-, Retail- und Gym-Labels addieren einen großen Non-Tech-getaggten Slice. Die Top-100-Department-Keys summieren sich auf etwa 91.900 Postings versus grob 525.000 offene Postings nach Provider-Summe — Department ist sparse.
Wie groß ist Part-time-Hiring in diesem Datensatz?
Hand-gemergte Part-time employment_type-Werte summieren sich auf etwa 24.284 getaggte offene Postings im Facet-Pull Mitte Juli 2026, versus etwa 199.669 für Full-time-Familien. Nur Postings mit befülltem employment_type sind enthalten.
Warum gibt es so viele employment_type-Strings?
Jedes ATS exportiert sein eigenes Vokabular. Crawloras Facet zeigt 40 verschiedene rohe employment_type-Werte in diesem Pull, inklusive vieler Near-Duplicates von Full-time (Full time, Full-time, FullTime, full-time, fulltime_permanent und mehr). Das ist String-Varianz, nicht 40 verschiedene Arbeitsarten.
Misst dieser Post Remote-Arbeit oder Gehälter?
Nein. Remote ist ein separater Methodik-Post (ats-remote-flag-is-broken-2026): remote_open ist ein Floor nach Free-Text-Inference, kein Marktanteil. Salary-Felder sind außerhalb weniger Provider sparse und out of scope.
Wie unterscheidet sich das vom Domino's-vs-OpenAI-Hiring-Post?
Jener Post rankt Arbeitgeber nach Open-Role-Volumen auf Karriereboards. Dieser Post rankt Department- und Employment-Type-Labels auf Postings. Derselbe Jobs-Datensatz, andere Unit: wer einstellt versus welche Arten von Rollen gelabelt werden.