TEDxBoston 2012
Andrew McAfee: Are droids taking our jobs?
Andrew McAfee: Nehmen Droiden unsere Arbeit weg?
Filmed:
Readability: 4.4
1,061,603 views
Roboter und Algorithmen verbessern sich von Tag zu Tag für Aufgaben in der Autoherstellung, beim Artikel schreiben und übersetzen – Arbeiten, die früher eines Menschen bedurften. Welche Arbeit bleibt also für den Menschen übrig? Andrew McAfee redet über die neueste Arbeitsdaten, um zu sagen: Wir haben bis jetzt noch nichts gesehen. Aber dann geht er einen Schritt zurück, um die große Menschensgeschichte zu analysieren und entwirft einen überraschenden und sogar spannenden Blick auf das, was vor uns liegt. (Gefilmt bei TEDxBoston)
Andrew McAfee - Management theorist
Andrew McAfee studies how information technology affects businesses and society. Full bio
Andrew McAfee studies how information technology affects businesses and society. Full bio
Double-click the English transcript below to play the video.
00:16
As it turns out, when tens of millions of people
0
519
2752
Wie sich herausstellt, gibt es,
wenn dutzende Millionen Menschen
wenn dutzende Millionen Menschen
00:19
are unemployed or underemployed,
1
3271
2328
arbeitslos oder unterbeschäftigt sind,
00:21
there's a fair amount of interest in what technology might be doing to the labor force.
2
5599
4127
ein beträchtliches Interesse daran,
wie Technologie die Arbeitskräfte beeinflusst.
wie Technologie die Arbeitskräfte beeinflusst.
00:25
And as I look at the conversation, it strikes me
3
9726
2719
Und wenn ich die Diskussion betrachte, fällt mir auf,
00:28
that it's focused on exactly the right topic,
4
12445
2952
dass es sich auf genau das richtige Thema konzentriert
00:31
and at the same time, it's missing the point entirely.
5
15397
2978
und gleichzeitig völlig am Kern der Sache vorbeigeht.
00:34
The topic that it's focused on, the question is whether or not
6
18375
3008
Das Thema, das im Fokus steht, ist die Frage,
00:37
all these digital technologies are affecting people's ability
7
21383
3655
ob all diese digitalen Technologien
die Fähigkeit des Einzelnen,
die Fähigkeit des Einzelnen,
00:40
to earn a living, or, to say it a little bit different way,
8
25038
3020
einen Lebensunterhalt zu verdienen,
beeinflusst oder, um es anders zu sagen,
beeinflusst oder, um es anders zu sagen,
00:43
are the droids taking our jobs?
9
28058
2278
nehmen die Droiden unsere Arbeitsplätze weg?
00:46
And there's some evidence that they are.
10
30336
1968
Und es gibt einige Hinweise, dass es so ist.
00:48
The Great Recession ended when American GDP resumed
11
32304
4353
Die große Rezession endete,
als das amerikanische BIP wieder
als das amerikanische BIP wieder
00:52
its kind of slow, steady march upward, and some other
12
36657
3429
seinen langsamen, stetigen Marsch
nach oben fortsetzte und einige andere
nach oben fortsetzte und einige andere
00:56
economic indicators also started to rebound, and they got
13
40101
2934
Wirtschaftsindikatoren fingen auch wieder an
zu steigen und sie wurden
zu steigen und sie wurden
00:58
kind of healthy kind of quickly. Corporate profits
14
43035
2862
sehr schnell wieder gesund.
Unternehmensgewinne
Unternehmensgewinne
01:01
are quite high. In fact, if you include bank profits,
15
45897
3276
sind ziemlich hoch. In der Tat,
wenn man die Bankgewinne zählt
wenn man die Bankgewinne zählt
01:05
they're higher than they've ever been.
16
49173
2112
sind sie höher als je zuvor.
01:07
And business investment in gear, in equipment
17
51285
3272
Und Unternehmensinvestitionen für Ausrüstung
01:10
and hardware and software is at an all-time high.
18
54557
3107
und Hardware und Software sind auf Rekordhöhe.
01:13
So the businesses are getting out their checkbooks.
19
57664
3381
Also holen die Unternehmen ihre Scheckbücher wieder raus.
01:16
What they're not really doing is hiring.
20
61045
2261
Was sie nicht wirklich tun ist einstellen.
01:19
So this red line is the employment-to-population ratio,
21
63306
3701
Also diese rote Linie ist das Verhältnis
der Beschäftigung zur Bevölkerungzahl,
der Beschäftigung zur Bevölkerungzahl,
01:22
in other words, the percentage of working age people
22
67007
3381
anders gesagt, der Anteil der erwerbsfähigen Leute
01:26
in America who have work.
23
70388
1891
in Amerika, die Arbeit haben.
01:28
And we see that it cratered during the Great Recession,
24
72279
3700
Und wir können sehen, dass es sich
während der großen Rezession verschlimmerte.
während der großen Rezession verschlimmerte.
01:31
and it hasn't started to bounce back at all.
25
75979
2864
und dass es sich seitdem nicht wieder erholt hat.
01:34
But the story is not just a recession story.
26
78843
2507
Aber die Geschichte ist nicht nur eine Rezessionsgeschichte.
01:37
The decade that we've just been through had relatively
27
81350
2997
Das Jahrzehnt, das wir gerade durchgemacht haben, hatte
01:40
anemic job growth all throughout, especially when we
28
84347
3393
insgesamt kaum Jobwachstum, besonders wenn wir es
01:43
compare it to other decades, and the 2000s
29
87740
2935
mit anderen Jahrzehnten vergleichen, und die 2000er Jahre
01:46
are the only time we have on record where there were
30
90675
2290
sind die einzige Zeit,
wo weniger Menschen
wo weniger Menschen
01:48
fewer people working at the end of the decade
31
92965
3203
zum Ende des Jahrzehnts arbeiteten,
01:52
than at the beginning. This is not what you want to see.
32
96168
3060
als zu Beginn. Das ist nicht etwas,
was man gerne sieht.
was man gerne sieht.
01:55
When you graph the number of potential employees
33
99228
3639
Wenn man die Anzahl der
potenziellen Mitarbeiter grafisch darstellt
potenziellen Mitarbeiter grafisch darstellt
01:58
versus the number of jobs in the country, you see the gap
34
102867
3604
im Vergleich zur Anzahl der Arbeitsplätze
im Land, sehen Sie, dass die Lücke
im Land, sehen Sie, dass die Lücke
02:02
gets bigger and bigger over time, and then,
35
106471
3578
im Laufe der Zeit immer größer wird, und dann,
02:05
during the Great Recession, it opened up in a huge way.
36
110049
2400
während der großen Rezession, wurde sie ganz breit.
02:08
I did some quick calculations. I took the last 20 years of GDP growth
37
112449
4410
Ich habe ein paar schnelle Berechnungen gemacht.
Ich nahm die letzten 20 Jahren des BIP-Wachstums
Ich nahm die letzten 20 Jahren des BIP-Wachstums
02:12
and the last 20 years of labor productivity growth
38
116859
3296
und die letzten 20 Jahre
des Wachstums der Arbeitsproduktivität
des Wachstums der Arbeitsproduktivität
02:16
and used those in a fairly straightforward way
39
120155
2742
und benutzte sie auf relativ einfache Weise
02:18
to try to project how many jobs the economy was going
40
122897
2626
um vorherzusagen, wie viele Arbeitsplätze
die Wirtschaft brauchen würde
die Wirtschaft brauchen würde
02:21
to need to keep growing, and this is the line that I came up with.
41
125523
3659
um weiterhin zu wachsen,
und dies ist die Linie, die ich erhielt.
und dies ist die Linie, die ich erhielt.
02:25
Is that good or bad? This is the government's projection
42
129182
3446
Ist das gut oder schlecht?
Dies ist die Voraussage vom Staat
Dies ist die Voraussage vom Staat
02:28
for the working age population going forward.
43
132628
3853
für die erwerbsfähige Bevölkerung in der Zukunft.
02:32
So if these predictions are accurate, that gap is not going to close.
44
136481
4771
Also wenn diese Vorhersagen korrekt sind,
wird diese Lücke sich nicht schließen.
wird diese Lücke sich nicht schließen.
02:37
The problem is, I don't think these projections are accurate.
45
141252
3401
Das Problem ist, ich glaube nicht,
dass diese Prognosen richtig sind.
dass diese Prognosen richtig sind.
02:40
In particular, I think my projection is way too optimistic,
46
144653
3356
Insbesondere halte ich meine Projektion
für viel zu optimistisch,
für viel zu optimistisch,
02:43
because when I did it, I was assuming that the future
47
148009
3356
weil ich dabei annahm,
dass die Zukunft
dass die Zukunft
02:47
was kind of going to look like the past
48
151365
2448
ungefähr so wie die Vergangenheit aussehen würde
02:49
with labor productivity growth, and that's actually not what I believe,
49
153813
3439
mit Arbeitsproduktivitätswachstum
und das glaube ich eigentlich nicht,
und das glaube ich eigentlich nicht,
02:53
because when I look around, I think that we ain't seen nothing yet
50
157252
3759
denn wenn ich mich umsehe, denke ich,
dass wir bis jetzt noch gar nicht gesehen haben,
dass wir bis jetzt noch gar nicht gesehen haben,
02:56
when it comes to technology's impact on the labor force.
51
161011
3285
was die Auswirkungen der Technologie
auf den Arbeitsplatz sein werden.
auf den Arbeitsplatz sein werden.
03:00
Just in the past couple years, we've seen digital tools
52
164296
3998
Allen in den letzten paar Jahren
haben wir digitale Werkzeuge gesehen
haben wir digitale Werkzeuge gesehen
03:04
display skills and abilities that they never, ever had before,
53
168294
4406
mit Fähigkeiten und Fertigkeiten,
die sie nie zuvor hatten
die sie nie zuvor hatten
03:08
and that, kind of, eat deeply into what we human beings
54
172700
3788
und die irgendwie das, was wir Menschen als
Lebensunterhalt machen, angreifen.
Lebensunterhalt machen, angreifen.
03:12
do for a living. Let me give you a couple examples.
55
176488
3256
Ich gebe Ihnen ein paar Beispiele.
03:15
Throughout all of history, if you wanted something
56
179744
2011
Im Laufe der Geschichte, wenn man etwas
03:17
translated from one language into another,
57
181755
2924
übersetzt haben wollte von einer Sprache in eine andere,
03:20
you had to involve a human being.
58
184679
1664
musste man einen Menschen einbeziehen.
03:22
Now we have multi-language, instantaneous,
59
186343
3416
Jetzt gibt es mehrsprachige, sofortige,
03:25
automatic translation services available for free
60
189759
4218
automatische Übersetzungsdienste kostenlos verfügbar
03:29
via many of our devices all the way down to smartphones.
61
193977
3389
über viele unserer Geräte, sogar auf den Smartphones.
03:33
And if any of us have used these, we know that
62
197366
2384
Und wenn einige von Ihnen sie benutzt haben, wissen Sie,
03:35
they're not perfect, but they're decent.
63
199750
3321
dass sie nicht perfekt sind,
aber sie sind brauchbar.
aber sie sind brauchbar.
03:38
Throughout all of history, if you wanted something written,
64
203071
3151
Im Laufe der Geschichte, wenn man
etwas geschrieben haben wollte,
etwas geschrieben haben wollte,
03:42
a report or an article, you had to involve a person.
65
206222
3415
einen Bericht oder einen Artikel,
musste man eine Person beteiligen.
musste man eine Person beteiligen.
03:45
Not anymore. This is an article that appeared
66
209637
2252
Jetzt nicht mehr. Dies ist ein Artikel, der vor kurzem
03:47
in Forbes online a while back about Apple's earnings.
67
211889
3230
auf der Forbes Internetseite erschien, über Apples Gewinne.
03:51
It was written by an algorithm.
68
215119
2527
Es wurde von einem Algorithmus geschrieben.
03:53
And it's not decent, it's perfect.
69
217646
3255
Und es ist nicht nur brauchbar, sondern perfekt.
03:56
A lot of people look at this and they say, "Okay,
70
220901
2962
Viele Menschen betrachten dies und sagen: "Okay,
03:59
but those are very specific, narrow tasks,
71
223863
2349
aber das sind sehr präzise, begrenzte Aufgaben
04:02
and most knowledge workers are actually generalists,
72
226212
2633
und die meisten Wissensarbeiter
sind eigentlich Generallisten
sind eigentlich Generallisten
04:04
and what they do is sit on top of a very large body
73
228845
2529
und sie sitzen ganz oben
auf einem sehr großen
auf einem sehr großen
04:07
of expertise and knowledge and they use that
74
231374
2656
Wissensbestand und Know-how
und sie verwenden dies,
und sie verwenden dies,
04:09
to react on the fly to kind of unpredictable demands,
75
234030
3073
um dynamisch auf unvorhersehbare
Anforderungen zu reagieren,
Anforderungen zu reagieren,
04:13
and that's very, very hard to automate."
76
237103
2488
und das ist sehr schwer zu automatisieren."
04:15
One of the most impressive knowledge workers
77
239591
1977
Einer der beeindruckendsten Wissensarbeiter
04:17
in recent memory is a guy named Ken Jennings.
78
241568
2409
in jüngster Zeit ist ein Kerl namens Ken Jennings.
04:19
He won the quiz show "Jeopardy!" 74 times in a row,
79
243977
5058
Er gewann die Quiz-Show "Jeopardy!"
74 mal hintereinander,
74 mal hintereinander,
04:24
took home three million dollars.
80
249035
2628
nahm sich 3 Millionen Dollar mit nach Hause.
04:27
That's Ken on the right getting beat three to one by
81
251663
3850
Das ist Ken auf der rechten Seite,
der hier drei zu eins verliert
der hier drei zu eins verliert
04:31
Watson, the "Jeopardy!"-playing supercomputer from IBM.
82
255513
4804
gegen Watson, den "Jeopardy!"-spielenden
Supercomputer von IBM.
Supercomputer von IBM.
04:36
So when we look at what technology can do
83
260317
1864
Also wenn wir uns anschauen,
wie die Technologie
wie die Technologie
04:38
to general knowledge workers, I start to think
84
262181
2873
den Wissensarbeiter betrifft,
denke ich langsam,
denke ich langsam,
04:40
there might not be something so special about this idea
85
265054
2599
dass diese Idee eines Generallisten gar nicht
04:43
of a generalist, particularly when we start doing things
86
267653
2888
so besonderes ist, vor allem
wenn wir anfangen Dinge zu tun
wenn wir anfangen Dinge zu tun
04:46
like hooking Siri up to Watson and having technologies
87
270541
3988
wie Siri an Watson anzuschließen und Technologien
04:50
that can understand what we're saying
88
274529
1896
zu benutzen, die verstehen können, was wir sagen
04:52
and repeat speech back to us.
89
276425
2081
und die uns antworten.
04:54
Now, Siri is far from perfect, and we can make fun
90
278506
2838
Nun ist Siri bei weitem nicht perfekt
und wir können uns lustig machen
und wir können uns lustig machen
04:57
of her flaws, but we should also keep in mind that
91
281344
3019
über ihre Schwachstellen, aber wir sollten
auch im Hinterkopf behalten,
auch im Hinterkopf behalten,
05:00
if technologies like Siri and Watson improve
92
284363
2676
dass, wenn Technologien wie Siri
und Watson sich verbessern,
und Watson sich verbessern,
05:02
along a Moore's Law trajectory, which they will,
93
287039
3781
entlang einer Moores-Gesetz-Entwicklungskurve,
was sie auch tun werden,
was sie auch tun werden,
05:06
in six years, they're not going to be two times better
94
290820
2584
werden sie in sechs Jahren nicht zweimal besser
05:09
or four times better, they'll be 16 times better than they are right now.
95
293404
4818
oder viermal besser, sie werden 16-mal besser sein als jetzt.
05:14
So I start to think that a lot of knowledge work is going to be affected by this.
96
298222
3683
Also glaube ich langsam, dass eine Menge
Wissensarbeit betroffen sein wird.
Wissensarbeit betroffen sein wird.
05:17
And digital technologies are not just impacting knowledge work.
97
301905
3554
Und die digitale Technologien beeinträchtigen
nicht nur die Wissensarbeit.
nicht nur die Wissensarbeit.
05:21
They're starting to flex their muscles in the physical world as well.
98
305459
3992
Sie fangen an auch in der physischen Welt
ihre Muskeln spielen zu lassen.
ihre Muskeln spielen zu lassen.
05:25
I had the chance a little while back to ride in the Google
99
309451
2449
Ich hatte vor kurzem die Gelegenheit
im Autonomen Auto von Google
im Autonomen Auto von Google
05:27
autonomous car, which is as cool as it sounds. (Laughter)
100
311900
5526
zu fahren, das so cool ist, wie es sich anhört.
(Gelächter)
(Gelächter)
05:33
And I will vouch that it handled the stop-and-go traffic
101
317426
3027
Und ich kann bezeugen,
dass es den Verkehr
dass es den Verkehr
05:36
on U.S. 101 very smoothly.
102
320453
2905
auf der US-101-Straße reibungslos bewältigt hat
05:39
There are about three and a half million people
103
323358
1965
Es gibt ungefähr dreieinhalb Million Menschen,
05:41
who drive trucks for a living in the United States.
104
325323
2209
die Lkws für ihren Lebensunterhalt fahren
in den Vereinigten Staaten.
in den Vereinigten Staaten.
05:43
I think some of them are going to be affected by this
105
327532
2429
Ich denke, dass einige von ihnen von dieser Technologie
05:45
technology. And right now, humanoid robots are still
106
329961
3252
betroffen sein werden. Im Moment sind
menschenähnliche Roboter noch
menschenähnliche Roboter noch
05:49
incredibly primitive. They can't do very much.
107
333213
3258
unglaublich primitiv. Sie können nicht sehr viel.
05:52
But they're getting better quite quickly, and DARPA,
108
336471
2581
Aber sie verbessern sich sehr schnell und DARPA,
05:54
which is the investment arm of the Defense Department,
109
339052
3151
der Investitionszweig des Verteidigungsministeriums,
05:58
is trying to accelerate their trajectory.
110
342203
1665
versucht ihre Entwicklungskurve zu beschleunigen.
05:59
So, in short, yeah, the droids are coming for our jobs.
111
343868
4683
Also, kurz gesagt, ja, die Droiden wollen unsere Arbeit.
06:04
In the short term, we can stimulate job growth
112
348551
3880
Auf kurze Sicht können wir
den Beschäftigungswachstum ankurbeln
den Beschäftigungswachstum ankurbeln
06:08
by encouraging entrepreneurship and by investing
113
352431
2944
durch die Förderung des Unternehmertums
und durch Investitionen
und durch Investitionen
06:11
in infrastructure, because the robots today still aren't
114
355375
3048
in Infrastruktur, da die Roboter heute noch nicht
06:14
very good at fixing bridges.
115
358423
1740
sehr gut sind in der Brückenreparation.
06:16
But in the not-too-long-term, I think within the lifetimes
116
360163
3365
Aber langfristig, ich glaube noch
innerhalb der Lebenszeit
innerhalb der Lebenszeit
06:19
of most of the people in this room, we're going to transition
117
363528
3569
der meisten Menschen in diesem Raum,
wird sich unsere Wirtschaft in eine wandeln,
wird sich unsere Wirtschaft in eine wandeln,
06:22
into an economy that is very productive but that
118
367097
2936
die sehr produktiv ist, aber die
06:25
just doesn't need a lot of human workers,
119
370033
2804
ganz einfach gesagt wenig
menschlicher Arbeitskraft bedarf,
menschlicher Arbeitskraft bedarf,
06:28
and managing that transition is going to be
120
372837
1555
und die Bewältigung dieses Überganges wird
06:30
the greatest challenge that our society faces.
121
374392
2739
die größte Herausforderung sein,
der unsere Gesellschaft gegenübersteht.
der unsere Gesellschaft gegenübersteht.
06:33
Voltaire summarized why. He said, "Work saves us
122
377131
2762
Voltaire hat es zusammengefasst,
indem er sagte: "die Arbeit rettet uns
indem er sagte: "die Arbeit rettet uns
06:35
from three great evils: boredom, vice and need."
123
379893
5277
von drei großen Übeln: Langeweile, Laster und Not".
06:41
But despite this challenge, I'm personally,
124
385170
2571
Doch trotz dieser Herausforderung, bin ich eigentlich
06:43
I'm still a huge digital optimist, and I am
125
387741
3049
immer noch ein riesiger digitaler Optimist und ich bin
06:46
supremely confident that the digital technologies that we're
126
390790
3187
mir sicher, dass die digitalen Technologien, die wir
06:49
developing now are going to take us into a utopian future,
127
393977
3556
im Moment entwickeln, uns in
eine utopische Zukunft überführen werden
eine utopische Zukunft überführen werden
06:53
not a dystopian future. And to explain why,
128
397533
3033
und keine dystopische Zukunft.
Und um zu erklären wieso,
Und um zu erklären wieso,
06:56
I want to pose kind of a ridiculously broad question.
129
400566
2522
möchte ich eine ein wenig lächerliche
allgemeine Frage stellen.
allgemeine Frage stellen.
06:58
I want to ask what have been the most important
130
403088
2350
Ich möchte fragen: "Was waren die wichtigsten
07:01
developments in human history?
131
405438
2323
Entwicklungen in der Geschichte der Menschheit?"
07:03
Now, I want to share some of the answers that I've gotten
132
407761
2733
Nun, ich möchte einige der Antworten,
die ich als Reaktion auf
die ich als Reaktion auf
07:06
in response to this question. It's a wonderful question
133
410494
2177
diese Frage bekommen habe, teilen.
Es ist eine wunderbare Frage,
Es ist eine wunderbare Frage,
07:08
to ask and to start an endless debate about,
134
412671
2167
die man stellen kann,
um eine endlose Debatte zu starten,
um eine endlose Debatte zu starten,
07:10
because some people are going to bring up
135
414838
2321
denn einige Leute kramen dann
07:13
systems of philosophy in both the West and the East that
136
417159
3460
Systeme der Philosophie sowohl
im Westen wie im Osten aus,
im Westen wie im Osten aus,
07:16
have changed how a lot of people think about the world.
137
420619
3133
die die Einstellungen vieler Menschen
über die Welt geändert haben.
über die Welt geändert haben.
07:19
And then other people will say, "No, actually, the big stories,
138
423752
2836
Und andere Leute werden sagen:
"Nein, eigentlich die größten Geschichten,
"Nein, eigentlich die größten Geschichten,
07:22
the big developments are the founding of the world's
139
426588
2423
die größten Entwicklungen,
das sind die Gründungen der größten
das sind die Gründungen der größten
07:24
major religions, which have changed civilizations
140
429011
3282
Weltreligionen, die Kulturen verändert
07:28
and have changed and influenced how countless people
141
432293
2639
und beeinflusst haben,
wie unzählige Menschen
wie unzählige Menschen
07:30
are living their lives." And then some other folk will say,
142
434932
3004
ihr Leben leben."
Und andere Leute sagen:
Und andere Leute sagen:
07:33
"Actually, what changes civilizations, what modifies them
143
437936
3527
"Was die Zivilisationen wirklich ändert
07:37
and what changes people's lives
144
441463
2163
und das Leben der Menschheit ändert,
07:39
are empires, so the great developments in human history
145
443626
3912
das sind die Reiche, also die größten Entwicklungen
in der Geschichte der Menschheit
in der Geschichte der Menschheit
07:43
are stories of conquest and of war."
146
447538
2835
sind Geschichten der Eroberung und des Krieges."
07:46
And then some cheery soul usually always pipes up
147
450373
2590
Und dann meldet sich normalerweise immer
irgendeine Frohnatur zu Wort
irgendeine Frohnatur zu Wort
07:48
and says, "Hey, don't forget about plagues." (Laughter)
148
452963
5688
und sagt: "He, vergesst die Seuchen nicht."
(Gelächter)
(Gelächter)
07:54
There are some optimistic answers to this question,
149
458651
2903
Es gibt einige optimistische Antworten auf diese Frage,
07:57
so some people will bring up the Age of Exploration
150
461554
1897
also werden einige Leute das Zeitalter
der Entdeckungen vorbringen
der Entdeckungen vorbringen
07:59
and the opening up of the world.
151
463451
1948
und die Öffnung der Welt.
08:01
Others will talk about intellectual achievements
152
465399
2102
Andere werden über intellektuelle Errungenschaften reden
08:03
in disciplines like math that have helped us get
153
467501
2275
in Disziplinen wie der Mathematik,
die uns geholfen haben,
die uns geholfen haben,
08:05
a better handle on the world, and other folk will talk about
154
469776
3310
die Welt besser zu verstehen,
und andere Leute werden
und andere Leute werden
08:08
periods when there was a deep flourishing
155
473086
1697
über die Zeiten reden,
in denen es eine Blüte
in denen es eine Blüte
08:10
of the arts and sciences. So this debate will go on and on.
156
474783
3802
der Künste und der Wissenschaften gab.
Also wird diese Debatte immer weiter gehen.
Also wird diese Debatte immer weiter gehen.
08:14
It's an endless debate, and there's no conclusive,
157
478585
2839
Es ist eine endlose Debatte und es gibt keine Schlüsse,
08:17
no single answer to it. But if you're a geek like me,
158
481424
3252
keine einzige Antwort darauf. Aber
wenn Sie ein Computerfreak wie ich sind,
wenn Sie ein Computerfreak wie ich sind,
08:20
you say, "Well, what do the data say?"
159
484676
2898
dann sagen Sie: "Nun, was sagen uns die Daten?"
08:23
And you start to do things like graph things that we might
160
487574
2811
Und Sie beginnen grafisch Dinge darzustellen,
die uns vielleicht interessieren,
die uns vielleicht interessieren,
08:26
be interested in, the total worldwide population, for example,
161
490385
4103
die gesamte Weltbevölkerung, zum Beispiel,
08:30
or some measure of social development,
162
494488
2641
oder irgendein Maß der sozialen Entwicklung
08:33
or the state of advancement of a society,
163
497129
2511
oder den Zustand des Fortschritts einer Gesellschaft
08:35
and you start to plot the data, because, by this approach,
164
499640
3833
und Sie beginnen, diese Daten
einzutragen, denn dadurch
einzutragen, denn dadurch
08:39
the big stories, the big developments in human history,
165
503473
2617
werden die großen Geschichten, die großen
Entwicklungen der menschlichen Geschichte,
Entwicklungen der menschlichen Geschichte,
08:41
are the ones that will bend these curves a lot.
166
506090
2861
diese Kurven ziemlich verbiegen.
08:44
So when you do this, and when you plot the data,
167
508951
1912
Also, wenn Sie dies tun
und wenn Sie die Daten eintragen,
und wenn Sie die Daten eintragen,
08:46
you pretty quickly come to some weird conclusions.
168
510863
2798
gelangen sie schnell zu einigen
merkwürdigen Rückschlüssen.
merkwürdigen Rückschlüssen.
08:49
You conclude, actually, that none of these things
169
513661
2923
Sie folgern sogar, dass keines dieser Dinge
08:52
have mattered very much. (Laughter)
170
516584
4952
sehr viel ausgemacht haben.
(Gelächter)
(Gelächter)
08:57
They haven't done a darn thing to the curves. (Laughter)
171
521536
4026
Sie haben keine einzige verflixte Sache
mit den Kurven gemacht.
(Gelächter)
mit den Kurven gemacht.
(Gelächter)
09:01
There has been one story, one development
172
525562
3584
Es hat eine Geschichte, eine Entwicklung
09:05
in human history that bent the curve, bent it just about
173
529146
2606
in der menschlichen Geschichte gegeben,
die die Kurve um ungefähr 90 Grad
die die Kurve um ungefähr 90 Grad
09:07
90 degrees, and it is a technology story.
174
531752
4046
gebogen hat, und es ist
die Geschichte der Technik.
die Geschichte der Technik.
09:11
The steam engine, and the other associated technologies
175
535798
2959
Die Dampfmaschine und die anderen
verwandten Technologien
verwandten Technologien
09:14
of the Industrial Revolution changed the world
176
538757
2931
der industriellen Revolution
veränderten die Welt
veränderten die Welt
09:17
and influenced human history so much,
177
541688
2424
und hatten soviel Einfluss
auf die menschliche Geschichte,
auf die menschliche Geschichte,
09:20
that in the words of the historian Ian Morris,
178
544112
2083
dass, sie sich, in den Worten
des Historikers Ian Morris,
des Historikers Ian Morris,
09:22
they made mockery out of all that had come before.
179
546195
4077
über alles, was es zuvor gab, lustig machten.
09:26
And they did this by infinitely multiplying the power
180
550272
2913
Und sie taten dies, indem sie
unsere Muskelkraft unendlich
unsere Muskelkraft unendlich
09:29
of our muscles, overcoming the limitations of our muscles.
181
553185
3137
multiplizierten, die Grenzen
unserer Muskeln überschritten.
unserer Muskeln überschritten.
09:32
Now, what we're in the middle of now
182
556322
2522
Nun, im Moment sind wir mitten im Versuch,
09:34
is overcoming the limitations of our individual brains
183
558844
2919
die Grenzen unserer individuellen
Gehirne zu überwinden
Gehirne zu überwinden
09:37
and infinitely multiplying our mental power.
184
561763
3073
und unsere Geisteskraft
unbegrenzt zu vermehren.
unbegrenzt zu vermehren.
09:40
How can this not be as big a deal as overcoming
185
564836
3700
Wie kann das nicht genauso
bedeutsam sein wie die Überwindung
bedeutsam sein wie die Überwindung
09:44
the limitations of our muscles?
186
568536
2528
der Grenzen unserer Muskeln?
09:46
So at the risk of repeating myself a little bit, when I look
187
571064
3378
Also, egal ob ich mich hier ein wenig
wiederhole, wenn ich mir ansehe,
wiederhole, wenn ich mir ansehe,
09:50
at what's going on with digital technology these days,
188
574442
2829
was mit der digitalen Technologie
heutzutage passiert,
heutzutage passiert,
09:53
we are not anywhere near through with this journey,
189
577271
2826
erkenne ich, dass wir bei weitem
noch nicht am Ende dieser Reise sind,
noch nicht am Ende dieser Reise sind,
09:55
and when I look at what is happening to our economies
190
580097
2674
und wenn ich mir ansehe,
was mit unseren Volkswirtschaften geschieht,
was mit unseren Volkswirtschaften geschieht,
09:58
and our societies, my single conclusion is that
191
582771
2653
und mit unseren Gesellschaften,
ist mein einziger Schluss,
ist mein einziger Schluss,
10:01
we ain't seen nothing yet. The best days are really ahead.
192
585424
3528
dass das noch gar nichts war.
Die besten Tage liegen wirklich vor uns.
Die besten Tage liegen wirklich vor uns.
10:04
Let me give you a couple examples.
193
588952
1756
Lassen Sie mich Ihnen ein paar Beispiele geben.
10:06
Economies don't run on energy. They don't run on capital,
194
590708
4228
Volkswirtschaften werden nicht mit Energie betrieben.
Sie werden nicht mit Kapital betrieben.
Sie werden nicht mit Kapital betrieben.
10:10
they don't run on labor. Economies run on ideas.
195
594936
3780
Sie werden nicht mit Arbeitskraft betrieben.
Sie werden von den Ideen betrieben.
Sie werden von den Ideen betrieben.
10:14
So the work of innovation, the work of coming up with
196
598716
2520
Das heißt, die Arbeit der Innovation,
die Arbeit neue Ideen zu entwickeln,
die Arbeit neue Ideen zu entwickeln,
10:17
new ideas, is some of the most powerful,
197
601236
2426
ist eine der mächtigsten,
10:19
some of the most fundamental work that we can do
198
603662
1815
eine der grundlegendsten Arbeiten,
10:21
in an economy. And this is kind of how we used to do innovation.
199
605477
4016
die wir in einer Volkswirtschaft tun können.
Und so hat man früher Innovationen betrieben.
Und so hat man früher Innovationen betrieben.
10:25
We'd find a bunch of fairly similar-looking people
200
609493
3778
Man hat einige ziemlich
gleichaussehende Menschen gefunden.
gleichaussehende Menschen gefunden.
10:29
— (Laughter) —
201
613271
3411
(Gelächter)
10:32
we'd take them out of elite institutions, we'd put them into
202
616682
2529
Man nahm sie aus Elite-Institutionen, setzte sie dann
10:35
other elite institutions, and we'd wait for the innovation.
203
619211
2946
in andere Elite-Institutionen
und wir warteten auf die Innovation.
und wir warteten auf die Innovation.
10:38
Now — (Laughter) —
204
622157
4010
Nun – (Gelächter) –
10:42
as a white guy who spent his whole career at MIT
205
626167
2581
als ein weißer Typ, der seine ganze Karriere
am MIT und in Harvard verbracht hat,
am MIT und in Harvard verbracht hat,
10:44
and Harvard, I got no problem with this. (Laughter)
206
628748
6366
habe ich kein Problem damit.
(Gelächter)
(Gelächter)
10:51
But some other people do, and they've kind of crashed
207
635114
2616
Aber einige andere Menschen haben es
und sie sind so ungefähr in die Party
und sie sind so ungefähr in die Party
10:53
the party and loosened up the dress code of innovation.
208
637730
2536
reingeplatzt und haben die Kleiderordnung
der Innovation geändert.
der Innovation geändert.
10:56
(Laughter)
209
640266
924
(Gelächter)
10:57
So here are the winners of a Top Coder programming challenge,
210
641190
3644
Also hier sind die Gewinner eines
Top-Codierer-Programmierwettbewerbs
Top-Codierer-Programmierwettbewerbs
11:00
and I assure you that nobody cares
211
644834
2902
und ich garantiere Ihnen,
dass es niemanden interessiert,
dass es niemanden interessiert,
11:03
where these kids grew up, where they went to school,
212
647736
3594
wo diese Kinder aufgewachsen sind,
wo sie zur Schule gegangen sind
wo sie zur Schule gegangen sind
11:07
or what they look like. All anyone cares about
213
651330
2488
oder wie sie aussehen. Das Einzige,
um was man sich kümmert,
um was man sich kümmert,
11:09
is the quality of the work, the quality of the ideas.
214
653818
2821
ist die Qualität der Arbeit,
die Qualität der Ideen.
die Qualität der Ideen.
11:12
And over and over again, we see this happening
215
656639
2166
Und immer wieder sehen wir, dass dies passiert
11:14
in the technology-facilitated world.
216
658805
2346
in der Technologie-unterstützten Welt.
11:17
The work of innovation is becoming more open,
217
661151
2456
Die Arbeit der Innovation wird immer offener,
11:19
more inclusive, more transparent, and more merit-based,
218
663607
3778
umfassender, transparenter und leistungsorientierter
11:23
and that's going to continue no matter what MIT and Harvard
219
667385
2969
und das geht so weiter,
egal was MIT und Harvard
egal was MIT und Harvard
11:26
think of it, and I couldn't be happier about that development.
220
670354
3680
darüber denken, und ich könnte nicht
glücklicher sein über diese Entwicklung.
glücklicher sein über diese Entwicklung.
11:29
I hear once in a while, "Okay, I'll grant you that,
221
674034
2450
Ich höre manchmal:
"Okay, das gebe ich zu,
"Okay, das gebe ich zu,
11:32
but technology is still a tool for the rich world,
222
676484
3387
aber die Technik ist immer noch
ein Werkzeug der reichen Welt
ein Werkzeug der reichen Welt
11:35
and what's not happening, these digital tools are not
223
679871
2714
und was nicht geschieht ist,
dass die digitalen Werkzeuge
dass die digitalen Werkzeuge
11:38
improving the lives of people at the bottom of the pyramid."
224
682585
3355
die Lebensqualität der Menschen am
unteren Ende der Pyramide verbessern."
unteren Ende der Pyramide verbessern."
11:41
And I want to say to that very clearly: nonsense.
225
685940
2664
Und dazu möchte ich ganz klar sagen: Unsinn.
11:44
The bottom of the pyramid is benefiting hugely from technology.
226
688604
3438
Das untere Ende der Pyramide profitiert
enorm von der Technologie.
enorm von der Technologie.
11:47
The economist Robert Jensen did this wonderful study
227
692042
2640
Der Ökonom Robert Jensen hat vor einer Weile
diese wunderbare Studie gemacht,
diese wunderbare Studie gemacht,
11:50
a while back where he watched, in great detail,
228
694682
3168
in der er sehr sorgfältig beobachtete,
11:53
what happened to the fishing villages of Kerala, India,
229
697850
3381
was mit den Fischerdörfern
von Kerala, Indien, passierte,
von Kerala, Indien, passierte,
11:57
when they got mobile phones for the very first time,
230
701231
3013
als sie zum ersten Mal Handys bekamen,
12:00
and when you write for the Quarterly Journal of Economics,
231
704244
2731
und wenn man für den Quarterly Journal of Economics schreibt,
12:02
you have to use very dry and very circumspect language,
232
706975
2897
muss man eine sehr trockene und
sehr umsichtige Sprache verwenden,
sehr umsichtige Sprache verwenden,
12:05
but when I read his paper, I kind of feel Jensen is trying
233
709872
2472
aber wenn ich seinen Artikel lese, bekomme ich
das Gefühl als ob Jensen versucht
das Gefühl als ob Jensen versucht
12:08
to scream at us, and say, look, this was a big deal.
234
712344
3021
uns anzuschreien und zu sagen,
schaut mal, das war was Bedeutsames.
schaut mal, das war was Bedeutsames.
12:11
Prices stabilized, so people could plan their economic lives.
235
715365
4053
Die Preise stabilisierten sich und daher konnten
die Leute ihr wirtschaftliches Leben planen.
die Leute ihr wirtschaftliches Leben planen.
12:15
Waste was not reduced; it was eliminated.
236
719418
4123
Der Abfall wurde nicht reduziert,
sondern vollkommen beseitigt.
sondern vollkommen beseitigt.
12:19
And the lives of both the buyers and the sellers
237
723541
2471
Und die Leben sowohl der Käufer
wie auch der Verkäufer
wie auch der Verkäufer
12:21
in these villages measurably improved.
238
726012
2498
in diesen Dörfern verbesserten sich.
12:24
Now, what I don't think is that Jensen got extremely lucky
239
728510
3716
Nun, ich glaub nicht, dass Jensen
extrem viel Glück hatte
extrem viel Glück hatte
12:28
and happened to land in the one set of villages
240
732226
2354
und zufällig in einem der Dörfer landete,
12:30
where technology made things better.
241
734580
2512
in dem die Technologie
das Leben verbesserte.
das Leben verbesserte.
12:32
What happened instead is he very carefully documented
242
737092
2603
Stattdessen hat er sehr sorgfältig dokumentiert,
12:35
what happens over and over again when technology
243
739695
2692
was immer wieder passiert,
wenn Technologie
wenn Technologie
12:38
comes for the first time to an environment and a community.
244
742387
3264
zum ersten Mal in einer Umgebung und
in einer Gemeinschaft erscheint.
in einer Gemeinschaft erscheint.
12:41
The lives of people, the welfares of people, improve dramatically.
245
745651
3964
Das Leben der Menschen, das Wohlergehen
der Menschen, verbessert sich dramatisch.
der Menschen, verbessert sich dramatisch.
12:45
So as I look around at all the evidence, and I think about
246
749615
2356
Also wenn ich mir all die Beweise anschaue und über
12:47
the room that we have ahead of us, I become a huge
247
751971
2476
den Raum denke, der vor uns liegt,
werde ich ein riesiger
werde ich ein riesiger
12:50
digital optimist, and I start to think that this wonderful
248
754447
2824
digitaler Optimist und ich fange an zu glauben,
dass diese wunderbare
dass diese wunderbare
12:53
statement from the physicist Freeman Dyson
249
757271
3055
Aussage des Physikers Freeman Dyson
12:56
is actually not hyperbole. This is an accurate assessment of what's going on.
250
760326
4578
eigentlich keine Übertreibung ist. Dies ist eine genaue Einschätzung dessen, was im Moment geschieht.
13:00
Our digital -- our technologies are great gifts,
251
764904
2446
Unsere digitalen Technologien sind große Geschenke
13:03
and we, right now, have the great good fortune
252
767350
3161
und wir haben, gerade jetzt, das große Glück
13:06
to be living at a time when digital technology is flourishing,
253
770511
3525
zu einer Zeit zu leben,
in der die digitale Technologie floriert,
in der die digitale Technologie floriert,
13:09
when it is broadening and deepening and
254
774036
1658
in der sie sich verbreitet und vertieft und
13:11
becoming more profound all around the world.
255
775694
3341
weltweit immer mehr tiefgreifender wird.
13:14
So, yeah, the droids are taking our jobs,
256
779035
3218
Also, ja, die Droiden nehmen unsere Arbeitsplätze,
13:18
but focusing on that fact misses the point entirely.
257
782253
3813
aber wenn man sich auf diese Tatsache
konzentriert, verfehlt man das Thema komplett.
konzentriert, verfehlt man das Thema komplett.
13:21
The point is that then we are freed up to do other things,
258
786066
3253
Das Thema ist, dass wir dann
frei sind andere Sachen zu tun.
frei sind andere Sachen zu tun.
13:25
and what we are going to do, I am very confident,
259
789319
2658
Und was wir tun werden,
da bin ich mir sehr sicher,
da bin ich mir sehr sicher,
13:27
what we're going to do is reduce poverty and drudgery
260
791977
3063
was wir tun werden,
ist Armut, Fronarbeit
ist Armut, Fronarbeit
13:30
and misery around the world. I'm very confident
261
795040
2664
und das Elend auf der ganzen Welt
zu verringern. Ich bin mir sehr sicher.
zu verringern. Ich bin mir sehr sicher.
13:33
we're going to learn to live more lightly on the planet,
262
797704
3032
Wir werden lernen, sparsamer zu leben
13:36
and I am extremely confident that what we're going to do
263
800736
3481
und ich bin mir sehr sicher,
dass das, was wir tun werden
dass das, was wir tun werden
13:40
with our new digital tools is going to be so profound
264
804217
2921
mit unseren neuen digitalen Werkzeugen
so bedeutsam sein wird
so bedeutsam sein wird
13:43
and so beneficial that it's going to make a mockery
265
807138
2891
und so nutzbringend, dass es sich
lustig machen wird über
lustig machen wird über
13:45
out of everything that came before.
266
810029
1733
all das was zuvor kam.
13:47
I'm going to leave the last word to a guy who had
267
811762
2738
Ich werde das letzte Wort einem Kerl geben,
13:50
a front row seat for digital progress,
268
814500
1778
der einen Logenplatz
beim digitalen Fortschritt hatte,
beim digitalen Fortschritt hatte,
13:52
our old friend Ken Jennings. I'm with him.
269
816278
2565
unser alter Freund Ken Jennings.
Ich bin seiner Meinung.
Ich bin seiner Meinung.
13:54
I'm going to echo his words:
270
818843
1361
Ich werde seine Worte wiedergeben:
13:56
"I, for one, welcome our new computer overlords." (Laughter)
271
820204
3971
"Ich für meinen Teil begrüße unsere neuen Computerherren." (Gelächter)
14:00
Thanks very much. (Applause)
272
824175
2929
Vielen Dank.
(Beifall)
(Beifall)
ABOUT THE SPEAKER
Andrew McAfee - Management theoristAndrew McAfee studies how information technology affects businesses and society.
Why you should listen
Andrew McAfee studies the ways that information technology (IT) affects businesses, business as a whole, and the larger society. His research investigates how IT changes the way companies perform, organize themselves and compete. At a higher level, his work also investigates how computerization affects competition, society, the economy and the workforce.
He's a principal research scientist at the Center for Digital Business at the MIT Sloan School of Management. His books include Enterprise 2.0 and Race Against the Machine (with Erik Brynjolfsson). Read more on his blog.
Andrew McAfee | Speaker | TED.com