ABOUT THE SPEAKER
James B. Glattfelder - Complex systems theorist
James B. Glattfelder aims to give us a richer, data-driven understanding of the people and interactions that control our global economy. He does this not to push an ideology -- but with the hopes of making the world a better place.

Why you should listen

First a physicist and then a researcher at a Swiss hedge fund, James B. Glattfelder found himself amazed by the level of understanding we have in regards to the physical world and universe around us. He wondered: how can we move toward a similar understanding of human society?

This question led him to the study of complex systems, a subject he now holds a Ph.D in from the Swiss Federal Institute of Technology. Glattfelder is co-head of quantitative research at Olsen Ltd in Zurich, an FX investment manager focusing on market-stabilizing algorithms. In 2011, he co-authored the study “The Network of Global Corporate Control,” which went viral in the international media and sparked many controversial discussions. The study looked at the architecture of ownership across the globe, and computed a level of control exerted by each international player. The study revealed that less than 1% of all the players in the global economy are part of a highly interconnected and powerful core which, because of the high levels of overlap, leaves the economy vulnerable.

In his free time, Glattfelder enjoys snowboarding, rock climbing, surfing and listening to electronic music. 

More profile about the speaker
James B. Glattfelder | Speaker | TED.com
TEDxZurich 2012

James B. Glattfelder: Who controls the world?

James B. Glattfelder: Wer kontrolliert die Welt?

Filmed:
2,753,507 views

James Glattfelder erforscht Komplexität: Inwiefern ein vernetztes System — etwa ein Vogelschwarm — mehr ist, als die Summe seiner Teile. Und die Komplexitätstheorie kann tatsächlich viel darüber aussagen, wie die Wirtschaft funktioniert. Glattfelder präsentiert eine bahnbrechende Studie darüber, wie sich Kontrolle durch die Weltwirtschaft zieht, und wie Machtkonzentration in den Händen schockierend Weniger uns alle gefährdet. (Auf der TEDxZurich gefilmt.)
- Complex systems theorist
James B. Glattfelder aims to give us a richer, data-driven understanding of the people and interactions that control our global economy. He does this not to push an ideology -- but with the hopes of making the world a better place. Full bio

Double-click the English transcript below to play the video.

00:16
"When the crisisKrise camekam,
0
420
2316
"Als die Krise kam,
00:18
the seriousernst limitationsEinschränkungen of existingbestehende economicWirtschaftlich
1
2736
3120
wurden ernsthafte Grenzen der bestehenden
00:21
and financialfinanziell modelsModelle immediatelysofort becamewurde apparentscheinbare."
2
5856
5052
Wirtschafts- und Finanzmodelle sogleich sichtbar."
00:26
"There is alsoebenfalls a strongstark beliefGlauben, whichwelche I shareAktie,
3
10908
4982
"Es gibt auch eine feste Überzeugung, die ich teile,
00:31
that badschlecht or oversimplisticoversimplistic and overconfidentübermütig economicsWirtschaft
4
15890
4999
dass schlechte, übertrieben vereinfachte
und vermessene Wirtschaft
00:36
helpedhalf createerstellen the crisisKrise."
5
20889
2401
zur Entstehung der Krise beigetragen hat."
00:39
Now, you've probablywahrscheinlich all heardgehört of similarähnlich criticismKritik
6
23290
2267
Sie haben wahrscheinlich alle
ähnliche Kritik gehört,
00:41
comingKommen from people who are skepticalskeptisch of capitalismKapitalismus.
7
25557
3342
von Personen, die dem
Kapitalismus skeptisch gegenüberstehen.
00:44
But this is differentanders.
8
28899
1677
Aber das hier ist anders.
00:46
This is comingKommen from the heartHerz of financeFinanzen.
9
30576
3868
Das hier kommt aus dem
Zentrum der Finanzwirtschaft.
00:50
The first quoteZitat is from Jean-ClaudeJean-Claude TrichetTrichet
10
34444
2861
Das erste Zitat stammt von Jean-Claude Trichet,
00:53
when he was governorGouverneur of the EuropeanEuropäische CentralZentrale BankBank.
11
37305
3875
als er Präsident der Europäischen Zentralbank war.
00:57
The secondzweite quoteZitat is from the headKopf
12
41180
2239
Das zweite Zitat stammt von dem Vorsitzenden
00:59
of the U.K. FinancialFinanzielle ServicesDienstleistungen AuthorityBehörde.
13
43419
3365
der britischen Finanzmarktaufsichtsbehörde.
01:02
Are these people implyingWas bedeutet
14
46784
1530
Deuten diese Menschen etwa an,
01:04
that we don't understandverstehen the economicWirtschaftlich systemsSysteme
15
48314
2795
dass wir die Wirtschaftssysteme nicht verstehen,
01:07
that driveFahrt our modernmodern societiesGesellschaften?
16
51109
3140
die unsere modernen Gesellschaften steuern?
01:10
It getsbekommt worseschlechter.
17
54249
1922
Es kommt noch schlimmer.
01:12
"We spendverbringen billionsMilliarden of dollarsDollar
18
56171
2155
"Wir verschwenden Milliarden von Dollar
01:14
tryingversuchen to understandverstehen the originsHerkunft of the universeUniversum
19
58326
3224
bei dem Versuch, den Ursprung
des Universums zu verstehen,
01:17
while we still don't understandverstehen the conditionsBedingungen
20
61550
3862
während wir die Bedingungen
für eine stabile Gesellschaft,
01:21
for a stablestabil societyGesellschaft, a functioningFunktion economyWirtschaft, or peaceFrieden."
21
65412
8726
eine funktionierende Wirtschaft oder Frieden
immer noch nicht verstanden haben."
01:30
What's happeningHappening here? How can this be possiblemöglich?
22
74138
2835
Was ist hier los? Wie kann das möglich sein?
01:32
Do we really understandverstehen more about the fabricStoff of realityWirklichkeit
23
76973
2956
Wissen wir wirklich mehr
über die Struktur der Realität
01:35
than we do about the fabricStoff
24
79929
1663
als über die Struktur,
01:37
whichwelche emergesentsteht from our humanMensch interactionsWechselwirkungen?
25
81592
3138
die aus unseren menschlichen Interaktionen entsteht?
01:40
UnfortunatelyLeider, the answerAntworten is yes.
26
84730
2527
Leider lautet die Antwort darauf: Ja.
01:43
But there's an intriguingfaszinierend solutionLösung whichwelche is comingKommen
27
87257
3409
Aber es gibt eine faszinierende Lösung,
01:46
from what is knownbekannt as the scienceWissenschaft of complexityKomplexität.
28
90666
4488
die aus der sogenannten
Komplexitätswissenschaft stammt.
01:51
To explainerklären what this meansmeint and what this thing is,
29
95154
2843
Um zu erklären, was das bedeutet,
01:53
please let me quicklyschnell take a couplePaar of stepsSchritte back.
30
97997
3579
lassen Sie mich ein paar Schritte zurück gehen.
01:57
I endedendete up in physicsPhysik by accidentUnfall.
31
101576
2390
Ich landete durch Zufall bei der Physik.
01:59
It was a randomzufällig encounterBegegnung when I was youngjung,
32
103966
3091
Es war eine Zufallsbegegnung in meiner Jugend,
02:02
and sinceschon seit then, I've oftenhäufig wonderedwunderte sich
33
107057
2105
und seitdem ich habe mich oft
02:05
about the amazingtolle successErfolg of physicsPhysik
34
109162
2079
über den erstaunlichen Erfolg der Physik gewundert,
02:07
in describingbeschreibend the realityWirklichkeit we wakeaufwachen up in everyjeden day.
35
111241
4367
unsere alltägliche Realität zu beschreiben.
02:11
In a nutshellÜberblick, you can think of physicsPhysik as followsfolgt.
36
115608
3296
Kurz gesagt, können Sie sich
die Physik wie folgt vorstellen:
02:14
So you take a chunkStück of realityWirklichkeit you want to understandverstehen
37
118904
3033
Sie nehmen ein Stück der Realität,
das Sie verstehen möchten,
02:17
and you translateÜbersetzen it into mathematicsMathematik.
38
121937
3769
und übersetzen es in Mathematik.
02:21
You encodeCodieren it into equationsGleichungen.
39
125706
3436
Sie kodieren es zu Gleichungen.
02:25
Then predictionsVorhersagen can be madegemacht and testedgeprüft.
40
129142
3827
Dann können Vorhersagen
gemacht und getestet werden.
02:28
We're actuallytatsächlich really luckyglücklich that this worksWerke,
41
132969
2564
Wir haben wirklich Glück, dass das funktioniert,
02:31
because no one really knowsweiß why the thoughtsGedanken in our headsKöpfe
42
135533
3015
weil niemand wirklich weiß,
warum die Gedanken in unseren Köpfen
02:34
should actuallytatsächlich relatesich beziehen to the fundamentalgrundlegend workingsArbeiten of the universeUniversum.
43
138548
5577
überhaupt auf die grundlegenden Mechanismen
des Universums bezogen sein sollten.
02:40
DespiteTrotz the successErfolg, physicsPhysik has its limitsGrenzen.
44
144125
3562
Trotz des Erfolgs hat die Physik ihre Grenzen.
02:43
As DirkDirk HelbingHelbing pointedspitz out in the last quoteZitat,
45
147687
2722
Wie Dirk Helbing im letzten Zitat betonte,
02:46
we don't really understandverstehen the complexityKomplexität
46
150409
2494
verstehen wir die Komplexität nicht,
02:48
that relatesbezieht sich to us, that surroundsumgibt us.
47
152903
3178
die sich auf uns bezieht, die uns umgibt.
02:51
This paradoxParadox is what got me interestedinteressiert in complexKomplex systemsSysteme.
48
156081
4648
Dieses Paradoxon hat mich
zu den komplexen Systemen geführt.
02:56
So these are systemsSysteme whichwelche are madegemacht up
49
160729
1904
Diese Systeme bestehen also
02:58
of manyviele interconnectedverbunden or interactinginteragierend partsTeile:
50
162633
3480
aus vielen vernetzten oder wechselwirkenden Teilen:
03:02
swarmsSchwärme of birdsVögel or fishFisch, antAmeise coloniesKolonien,
51
166113
3814
Fisch- oder Vogelschwärme, Ameisenkolonien,
03:05
ecosystemsÖkosysteme, brainsGehirne, financialfinanziell marketsMärkte.
52
169927
3434
Ökosysteme, Gehirne, Finanzmärkte.
03:09
These are just a fewwenige examplesBeispiele.
53
173361
4326
Dies sind nur ein paar Beispiele.
03:13
InterestinglyInteressanterweise, complexKomplex systemsSysteme are very hardhart to mapKarte
54
177687
5243
Interessanterweise sind
komplexe Systeme sehr schwer
03:18
into mathematicalmathematisch equationsGleichungen,
55
182930
1860
in mathematischen Gleichungen darzustellen,
03:20
so the usualgewöhnlich physicsPhysik approachAnsatz doesn't really work here.
56
184790
4493
sodass der normale Ansatz der Physik
hier nicht wirklich funktioniert.
03:25
So what do we know about complexKomplex systemsSysteme?
57
189283
2193
Was wissen wir über komplexe Systeme?
03:27
Well, it turnswendet sich out that what lookssieht aus like complexKomplex behaviorVerhalten
58
191476
3942
Es stellt sich heraus, dass was von außen
wie komplexes Verhalten aussieht,
03:31
from the outsidedraußen is actuallytatsächlich the resultErgebnis
59
195418
3019
eigentlich das Ergebnis
03:34
of a fewwenige simpleeinfach rulesRegeln of interactionInteraktion.
60
198437
4197
einiger einfacher Regeln der Wechselwirkung ist.
03:38
This meansmeint you can forgetvergessen about the equationsGleichungen
61
202634
4225
Das heisst, Sie können die Gleichungen vergessen,
03:42
and just startAnfang to understandverstehen the systemSystem
62
206859
1863
und das System einfach durch Betrachtung
03:44
by looking at the interactionsWechselwirkungen,
63
208722
2704
der Interaktionen verstehen.
03:47
so you can actuallytatsächlich forgetvergessen about the equationsGleichungen
64
211426
2320
Sie können die Gleichungen wirklich vergessen,
03:49
and you just startAnfang to look at the interactionsWechselwirkungen.
65
213746
2473
und anfangen, die Interaktionen zu betrachten.
03:52
And it getsbekommt even better, because mostdie meisten complexKomplex systemsSysteme
66
216219
3237
Und es wird noch besser,
weil die meisten komplexen Systeme
03:55
have this amazingtolle propertyEigentum callednamens emergenceEntstehung.
67
219456
3068
diese erstaunliche Eigenschaft
namens Emergenz haben.
03:58
So this meansmeint that the systemSystem as a wholeganze
68
222524
2406
Das heißt, dass das System als Ganzes
04:00
suddenlyplötzlich startsbeginnt to showShow a behaviorVerhalten
69
224930
1735
plötzlich beginnt, ein Verhalten zu zeigen,
04:02
whichwelche cannotnicht können be understoodverstanden or predictedvorhergesagt
70
226665
3144
das nicht verstanden oder vorhergesagt werden kann,
04:05
by looking at the componentsKomponenten of the systemSystem.
71
229809
2577
wenn man sich die Teile des Systems ansieht.
04:08
So the wholeganze is literallybuchstäblich more than the sumSumme of its partsTeile.
72
232386
3919
Also ist das Ganze tatsächlich mehr
als die Summe seiner Teile.
04:12
And all of this alsoebenfalls meansmeint that you can forgetvergessen about
73
236305
2346
Und all dies bedeutet auch, dass
Sie die einzelnen Teile des Systems,
04:14
the individualPerson partsTeile of the systemSystem, how complexKomplex they are.
74
238651
5349
und wie komplex sie sind, vergessen können.
04:19
So if it's a cellZelle or a termiteTermite or a birdVogel,
75
244000
4913
Ob es eine Zelle, eine Termite oder ein Vogel ist,
04:24
you just focusFokus on the rulesRegeln of interactionInteraktion.
76
248913
4349
konzentrieren Sie sich nur auf
die Regeln der Wechselwirkung.
04:29
As a resultErgebnis, networksNetzwerke are idealIdeal representationsVertretungen
77
253262
4446
Demzufolge sind Netzwerke ideale Darstellungen
04:33
of complexKomplex systemsSysteme.
78
257708
2654
komplexer Systeme.
04:36
The nodesKnoten in the networkNetzwerk
79
260362
2771
Die Knoten des Netzwerks
04:39
are the system'sdes Systems componentsKomponenten
80
263133
2759
sind die Teile des Systems,
04:41
and the linksLinks are givengegeben by the interactionsWechselwirkungen.
81
265892
4200
und die Verbindungen sind
durch Wechselwirkungen bestimmt.
04:45
So what equationsGleichungen are for physicsPhysik,
82
270092
2825
Was also Gleichungen für die Physik sind,
04:48
complexKomplex networksNetzwerke are for the studyStudie of complexKomplex systemsSysteme.
83
272917
4615
sind komplexe Netzwerke für die
Untersuchung von komplexen Systemen.
04:53
This approachAnsatz has been very successfullyerfolgreich appliedangewendet
84
277532
3224
Dieser Ansatz wurde erfolgreich auf
04:56
to manyviele complexKomplex systemsSysteme in physicsPhysik, biologyBiologie,
85
280756
3263
viele komplexe Systeme in der Physik, Biologie,
04:59
computerComputer scienceWissenschaft, the socialSozial sciencesWissenschaften,
86
284019
3241
Informatik, und den Sozialwissenschaften angewandt,
05:03
but what about economicsWirtschaft?
87
287260
2297
aber was ist mit der Wirtschaft?
05:05
Where are economicWirtschaftlich networksNetzwerke?
88
289557
2418
Wo sind die wirtschaftlichen Netzwerke?
05:07
This is a surprisingüberraschend and prominentProminente gapSpalt in the literatureLiteratur.
89
291975
4597
Dies ist eine überraschende und
auffällige Lücke in der Literatur.
05:12
The studyStudie we publishedveröffentlicht last yearJahr callednamens
90
296572
2554
Unsere im letzten Jahr veröffentlichte Studie namens
05:15
"The NetworkNetzwerk of GlobalGlobale CorporateCorporate ControlKontrolle"
91
299126
3326
"Das Netzwerk der globalen
Kontrolle durch Konzerne"
05:18
was the first extensiveumfangreiche analysisAnalyse of economicWirtschaftlich networksNetzwerke.
92
302452
5930
war die erste umfassende Analyse
wirtschaftlicher Netzwerke.
05:24
The studyStudie wentging viralvirale on the InternetInternet
93
308382
2694
Die Studie hat sich im Internet schnell verbreitet
05:26
and it attractedangezogen a lot of attentionAufmerksamkeit from the internationalInternational mediaMedien.
94
311076
5072
und sie erregte eine Menge Aufmerksamkeit
bei den internationalen Medien.
05:32
This is quiteganz remarkablebemerkenswert, because, again,
95
316148
2711
Das ist schon bemerkenswert, denn, nochmals,
05:34
why did no one look at this before?
96
318859
1421
warum hat sich das bisher noch niemand angesehen?
05:36
SimilarÄhnliche dataDaten has been around for quiteganz some time.
97
320280
3292
Ähnliche Daten gibt es schon seit einiger Zeit.
05:39
What we lookedsah at in detailDetail was ownershipEigentum networksNetzwerke.
98
323572
3640
Was wir eingehend betrachtet haben,
sind Eigentumsnetzwerke.
05:43
So here the nodesKnoten are companiesFirmen, people, governmentsRegierungen,
99
327212
5440
Hier stehen die Knoten für
Unternehmen, Personen, Regierungen,
05:48
foundationsGrundlagen, etcetc.
100
332652
3552
Stiftungen etc.
05:52
And the linksLinks representvertreten the shareholdingBeteiligung relationsBeziehungen,
101
336204
2828
Und die Verbindungen stellen
die Beziehungen der Anteile dar.
05:54
so ShareholderAktionär A has x percentProzent of the sharesAnteile in CompanyUnternehmen B.
102
339032
5188
So hat Aktionär A x Prozent
der Anteile an Unternehmen B.
06:00
And we alsoebenfalls assignzuordnen a valueWert to the companyUnternehmen
103
344220
2272
Und wir weisen dem Unternehmen einen Wert zu,
06:02
givengegeben by the operatingBetriebs revenueEinnahmen.
104
346492
3037
der von den Betriebseinnahmen abhängt.
06:05
So ownershipEigentum networksNetzwerke revealverraten the patternsMuster
105
349529
3099
Eigentumsnetzwerke zeigen so die Muster
06:08
of shareholdingBeteiligung relationsBeziehungen.
106
352628
2521
der Verbindungen der Anteile.
06:11
In this little exampleBeispiel, you can see
107
355149
2183
In diesem kleinen Beispiel sehen Sie
06:13
a fewwenige financialfinanziell institutionsInstitutionen
108
357332
2120
einige Finanzinstitute,
06:15
with some of the manyviele linksLinks highlightedhervorgehoben.
109
359452
4393
wobei einige der vielen Verbindungen
hervorgehoben sind.
06:19
Now you maykann think that no one'sEinsen lookedsah at this before
110
363845
2680
Jetzt denken Sie vielleicht, dass sich
das noch niemand angesehen hat,
06:22
because ownershipEigentum networksNetzwerke are
111
366525
2336
weil die Untersuchung von Eigentumsnetzwerken
06:24
really, really boringlangweilig to studyStudie.
112
368861
3127
wirklich, wirklich langweilig ist.
06:27
Well, as ownershipEigentum is relatedverwandte to controlsteuern,
113
371988
3864
Da Eigentum mit Kontrolle verbunden ist,
06:31
as I shallsoll explainerklären laterspäter,
114
375852
1596
wie ich später erläutern werde,
06:33
looking at ownershipEigentum networksNetzwerke
115
377448
1358
kann ein Blick auf Eigentumsnetzwerke
06:34
actuallytatsächlich can give you answersAntworten to questionsFragen like,
116
378806
2558
tatsächlich Antworten liefern auf Fragen wie,
06:37
who are the keySchlüssel playersSpieler?
117
381364
1840
wer sind die Hauptakteure?
06:39
How are they organizedorganisiert? Are they isolatedisoliert?
118
383204
2192
Wie sind sie organisiert? Sind sie isoliert?
06:41
Are they interconnectedverbunden?
119
385396
1488
Sind sie miteinander verbunden?
06:42
And what is the overallinsgesamt distributionVerteilung of controlsteuern?
120
386884
3875
Und wie ist die Kontrolle insgesamt verteilt?
06:46
In other wordsWörter, who controlsKontrollen the worldWelt?
121
390759
3476
Mit anderen Worten, wer kontrolliert die Welt?
06:50
I think this is an interestinginteressant questionFrage.
122
394235
2369
Ich halte dies für eine interessante Frage.
06:52
And it has implicationsImplikationen for systemicsystemisch riskRisiko.
123
396604
4088
Und es hat auch Auswirkungen
auf das systemische Risiko.
06:56
This is a measuremessen of how vulnerableverwundbar a systemSystem is overallinsgesamt.
124
400692
5010
Das ist ein Maßstab dafür,
wie verletzlich ein System insgesamt ist.
07:01
A highhoch degreeGrad of interconnectivityInterkonnektivität
125
405702
2863
Ein hoher Grad an Vernetzung
07:04
can be badschlecht for stabilityStabilität,
126
408565
2867
kann schlecht für die Stabilität sein,
07:07
because then the stressStress can spreadVerbreitung throughdurch the systemSystem
127
411432
3444
weil sich dann der Druck
durch das System ausbreiten kann,
07:10
like an epidemicEpidemie.
128
414876
2952
wie eine Epidemie.
07:13
ScientistsWissenschaftler have sometimesmanchmal criticizedkritisiert economistsÖkonomen
129
417828
2816
Wissenschaftler haben manchmal
die Ökonomen kritisiert,
07:16
who believe ideasIdeen and conceptsKonzepte
130
420644
2328
die glauben, dass Ideen und Konzepte
07:18
are more importantwichtig than empiricalempirischen dataDaten,
131
422972
3011
wichtiger sind als empirische Daten,
07:21
because a foundationalgrundlegende guidelineLeitlinie in scienceWissenschaft is:
132
425983
3149
da eine grundlegende Richtlinie
in der Wissenschaft lautet:
07:25
Let the dataDaten speaksprechen. Okay. Let's do that.
133
429132
3336
Lasst die Daten sprechen. Okay. Tun wir das.
07:28
So we startedhat angefangen with a databaseDatenbank containingenthält
134
432468
2594
Wir begannen mit einer Datenbank mit
07:30
13 millionMillion ownershipEigentum relationsBeziehungen from 2007.
135
435062
4143
13 Millionen Eigentumsverhältnissen aus 2007.
07:35
This is a lot of dataDaten, and because we wanted to find out
136
439205
2857
Das sind eine Menge Daten,
und weil wir herausfinden wollten,
07:37
who rulesRegeln the worldWelt,
137
442062
2558
wer die Welt regiert,
07:40
we decidedbeschlossen to focusFokus on transnationaltransnationale corporationsKonzerne,
138
444620
3832
beschlossen wir, uns auf transnationale
Konzerne zu konzentrieren,
07:44
or TNCsTNCs for shortkurz.
139
448452
1348
abgekürzt als TNCs.
07:45
These are companiesFirmen that operatearbeiten in more than one countryLand,
140
449800
3596
Dies sind Unternehmen, die in mehr
als einem Land tätig sind,
07:49
and we foundgefunden 43,000.
141
453396
2608
und wir fanden 43.000.
07:51
In the nextNächster stepSchritt, we builtgebaut the networkNetzwerk around these companiesFirmen,
142
456004
3952
Im nächsten Schritt bauten wir
das Netzwerk um diese Firmen
07:55
so we tookdauerte all the TNCs'TNCs shareholdersAktionäre,
143
459956
2448
und nahmen alle Aktionäre der TNCs,
07:58
and the shareholders'der Siemens AG shareholdersAktionäre, etcetc.,
144
462404
2092
und die Aktionäre der Aktionäre etc.,
08:00
all the way upstreamvorgelagerten, and we did the samegleich downstreamstromab,
145
464496
2876
aufwärts, und das Gleiche auch abwärts,
08:03
and endedendete up with a networkNetzwerk containingenthält 600,000 nodesKnoten
146
467372
4041
und wir bekamen ein Netzwerk mit 600.000 Knoten
08:07
and one millionMillion linksLinks.
147
471413
1429
und 1 Million Verbindungen.
08:08
This is the TNCTNC networkNetzwerk whichwelche we analyzedanalysiert.
148
472842
3850
Dies ist das TNC Netzwerk, das wir analysiert haben.
08:12
And it turnswendet sich out to be structuredstrukturiert as followsfolgt.
149
476692
2528
Es ist folgendermaßen aufgebaut:
08:15
So you have a peripheryPeripherie and a centerCenter
150
479220
2715
Man hat eine Peripherie und ein Zentrum,
08:17
whichwelche containsenthält about 75 percentProzent of all the playersSpieler,
151
481935
4477
das rund 75 % aller Akteure enthält,
08:22
and in the centerCenter there's this tinysehr klein but dominantDominant coreAder
152
486412
3528
und im Zentrum gibt es diesen kleinen,
aber dominanten, Kern,
08:25
whichwelche is madegemacht up of highlyhöchst interconnectedverbunden companiesFirmen.
153
489940
4824
der aus stark vernetzten Unternehmen besteht.
08:30
To give you a better pictureBild,
154
494764
2435
Um Ihnen einen besseren Eindruck zu vermitteln,
08:33
think about a metropolitanMetropolitan- areaBereich.
155
497199
1611
denken Sie an einen Ballungsraum.
08:34
So you have the suburbsVororte and the peripheryPeripherie,
156
498810
2291
Da haben Sie die Vororte und die Peripherie,
08:37
you have a centerCenter like a financialfinanziell districtKreis,
157
501101
2697
Sie haben ein Zentrum, wie ein Bankenviertel,
08:39
then the coreAder will be something like
158
503798
1743
dann wird der Kern so etwas sein,
08:41
the tallesthöchste highhoch riseerhebt euch buildingGebäude in the centerCenter.
159
505541
3439
wie das größte Hochhaus im Zentrum.
08:44
And we alreadybereits see signsSchilder of organizationOrganisation going on here.
160
508980
4875
Und wir sehen hier bereits Anzeichen von Organisation.
08:49
Thirty-sixSechsunddreißig percentProzent of the TNCsTNCs are in the coreAder only,
161
513855
5733
36 % der TNCs sind nur im Kern,
08:55
but they make up 95 percentProzent of the totalgesamt operatingBetriebs revenueEinnahmen
162
519588
4371
aber sie bilden 95 % der gesamten Einnahmen
08:59
of all TNCsTNCs.
163
523959
2581
aller TNCs.
09:02
Okay, so now we analyzedanalysiert the structureStruktur,
164
526540
2840
Okay, jetzt haben wir die Struktur analysiert.
09:05
so how does this relatesich beziehen to the controlsteuern?
165
529380
3562
Wie hängt das mit der Kontrolle zusammen?
09:08
Well, ownershipEigentum givesgibt votingWählen rightsRechte to shareholdersAktionäre.
166
532942
3927
Eigentum verleiht Stimmrechte an die Aktionäre.
09:12
This is the normalnormal notionBegriff of controlsteuern.
167
536869
2719
Das ist die normale Auffassung von Kontrolle.
09:15
And there are differentanders modelsModelle whichwelche allowzulassen you to computeberechnen
168
539588
3207
Und es gibt verschiedene Modelle, die Ihnen erlauben,
09:18
the controlsteuern you get from ownershipEigentum.
169
542795
2781
die Kontrolle zu berechnen,
die aus dem Eigentum resultiert.
09:21
If you have more than 50 percentProzent of the sharesAnteile in a companyUnternehmen,
170
545576
2780
Wenn Sie mehr als 50 % der Anteile
an einer Gesellschaft halten,
09:24
you get controlsteuern,
171
548356
1624
haben Sie die Kontrolle,
09:25
but usuallygewöhnlich it dependshängt davon ab on the relativerelativ distributionVerteilung of sharesAnteile.
172
549980
5176
aber in der Regel kommt es auf
die relative Verteilung der Aktien an.
09:31
And the networkNetzwerk really mattersAngelegenheiten.
173
555156
2889
Und das Netzwerk ist wirklich wichtig.
09:33
About 10 yearsJahre agovor, MrHerr. TronchettiTronchetti ProveraProvera
174
558045
2631
Vor etwa 10 Jahren hatte Tronchetti Provera
09:36
had ownershipEigentum and controlsteuern in a smallklein companyUnternehmen,
175
560676
3404
Eigentum und Kontrolle in einem kleinen Unternehmen,
09:39
whichwelche had ownershipEigentum and controlsteuern in a biggergrößer companyUnternehmen.
176
564080
3452
das Eigentum und Kontrolle
in einer größeren Firma hatte.
09:43
You get the ideaIdee.
177
567532
1479
Sie verstehen, worauf ich hinaus will.
09:44
This endedendete up givinggeben him controlsteuern in TelecomTelecom ItaliaItalia
178
569011
3263
Am Ende hatte er die Kontrolle bei Telecom Italia
09:48
with a leverageHebelwirkung of 26.
179
572274
3633
mit einem Fremdfinanzierungsgrad von 26.
09:51
So this meansmeint that, with eachjede einzelne euroEuro he investedinvestiert,
180
575907
3943
Das heißt also, dass er mit
jedem Euro, den er investierte,
09:55
he was ablefähig to moveBewegung 26 eurosEuro of marketMarkt valueWert
181
579850
3685
26 Euro Marktwert bewegen konnte,
09:59
throughdurch the chainKette of ownershipEigentum relationsBeziehungen.
182
583535
3376
aufgrund dieser Kette von Eigentumsverhältnissen.
10:02
Now what we actuallytatsächlich computedberechnet in our studyStudie
183
586911
3080
Was wir in unserer Studie eigentlich berechnet haben,
10:05
was the controlsteuern over the TNCs'TNCs valueWert.
184
589991
3699
war die Kontrolle über den Wert der TNCs.
10:09
This alloweddürfen us to assignzuordnen a degreeGrad of influenceEinfluss
185
593690
2852
So konnten wir jedem Aktionär
10:12
to eachjede einzelne shareholderAktionär.
186
596542
2307
einen Einflussgrad zuweisen.
10:14
This is very much in the senseSinn of
187
598849
2582
Dies ist gerade im Sinne von
10:17
MaxMax Weber'sWebers ideaIdee of potentialPotenzial powerLeistung,
188
601431
3112
Max Webers Idee der potentiellen Macht,
10:20
whichwelche is the probabilityWahrscheinlichkeit of imposingimposant one'sEinsen ownbesitzen will
189
604543
3812
die für die Wahrscheinlichkeit steht, den eigenen Willen
10:24
despiteTrotz the oppositionWiderstand of othersAndere.
190
608355
3995
gegen den Widerstand anderer durchzusetzen.
10:28
If you want to computeberechnen the flowfließen in an ownershipEigentum networkNetzwerk,
191
612350
4643
Wenn Sie den Ablauf in einem
Eigentumsnetzwerk berechnen möchten,
10:32
this is what you have to do.
192
616993
1248
machen Sie das so.
10:34
It's actuallytatsächlich not that hardhart to understandverstehen.
193
618241
2545
Es ist eigentlich gar nicht schwer zu verstehen.
10:36
Let me explainerklären by givinggeben you this analogyAnalogie.
194
620786
2768
Lassen Sie es mich mit dieser Analogie erklären:
10:39
So think about waterWasser flowingfließend in pipesRohre
195
623554
2855
Stellen Sie sich Wasser vor,
das durch Rohre fließt,
10:42
where the pipesRohre have differentanders thicknessDicke.
196
626409
3182
wobei die Rohre unterschiedlich dick sind.
10:45
So similarlyähnlich, the controlsteuern is flowingfließend in the ownershipEigentum networksNetzwerke
197
629591
4744
Ähnlich fließt die Kontrolle in den Eigentumsnetzwerken
10:50
and is accumulatingansammelnd at the nodesKnoten.
198
634335
4419
und sammelt sich an den Knotenpunkten.
10:54
So what did we find after computingComputer all this networkNetzwerk controlsteuern?
199
638754
3948
Was haben wir durch die Berechnung
der Netzwerkkontrolle gefunden?
10:58
Well, it turnswendet sich out that the 737 topoben shareholdersAktionäre
200
642702
5387
Es stellt sich heraus, dass die 737 Topaktionäre
11:03
have the potentialPotenzial to collectivelygemeinsam controlsteuern
201
648089
2792
das Potential haben, gemeinsam
11:06
80 percentProzent of the TNCs'TNCs valueWert.
202
650881
4260
80 % des Wertes der TNCs zu steuern.
11:11
Now remembermerken, we startedhat angefangen out with 600,000 nodesKnoten,
203
655141
3316
Erinneren Sie sich daran, dass wir
mit 600.000 Knoten begonnen haben,
11:14
so these 737 topoben playersSpieler
204
658457
3777
also machen diese 737 Topspieler
11:18
make up a bitBit more than 0.1 percentProzent.
205
662234
3823
nur wenig mehr als 0,1 Prozent aus.
11:21
They're mostlymeist financialfinanziell institutionsInstitutionen in the U.S. and the U.K.
206
666057
4956
Sie sind größtenteils Finanzinstitute
der USA und Großbritannien
11:26
And it getsbekommt even more extremeextrem.
207
671013
2548
Und es wird noch extremer:
11:29
There are 146 topoben playersSpieler in the coreAder,
208
673561
4297
Im Kern gibt es 146 Topspieler,
11:33
and they togetherzusammen have the potentialPotenzial to collectivelygemeinsam controlsteuern
209
677858
4220
und sie haben zusammen das Potential,
11:37
40 percentProzent of the TNCs'TNCs valueWert.
210
682078
5355
gemeinsam 40 % des Wertes der TNCs zu steuern.
11:43
What should you take home from all of this?
211
687433
2796
Was sollten Sie aus all dem mitnehmen?
11:46
Well, the highhoch degreeGrad of controlsteuern you saw
212
690229
3588
Das hohe Maß an Kontrolle, das Sie gesehen haben,
11:49
is very extremeextrem by any standardStandard.
213
693817
4890
ist sehr extrem,
egal welche Maßstäbe man anlegt.
11:54
The highhoch degreeGrad of interconnectivityInterkonnektivität
214
698707
2550
Der hohe Grad an Vernetzung
11:57
of the topoben playersSpieler in the coreAder
215
701257
2312
der Topspieler im Kern
11:59
could posePose a significantsignifikant systemicsystemisch riskRisiko to the globalglobal economyWirtschaft
216
703569
5177
könnte ein erhebliches systemisches Risiko
für die Weltwirtschaft darstellen,
12:04
and we could easilyleicht reproducereproduzieren the TNCTNC networkNetzwerk
217
708746
3720
und wir konnten das TNC-Netzwerk problemlos
12:08
with a fewwenige simpleeinfach rulesRegeln.
218
712466
1951
mit ein paar einfachen Regeln nachbilden.
12:10
This meansmeint that its structureStruktur is probablywahrscheinlich the resultErgebnis
219
714417
2480
Das bedeutet, dass seine Struktur
vermutlich das Ergebnis
12:12
of self-organizationSelbstorganisati on.
220
716897
1640
von Selbstorganisation ist.
12:14
It's an emergentEmergent propertyEigentum whichwelche dependshängt davon ab
221
718537
3316
Es ist eine auftauchende Eigenschaft,
12:17
on the rulesRegeln of interactionInteraktion in the systemSystem,
222
721853
2844
die von den Regeln der Wechselwirkung
im System abhängt.
12:20
so it's probablywahrscheinlich not the resultErgebnis of a top-downvon oben nach unten approachAnsatz
223
724697
3446
Es ist also wahrscheinlich nicht
das Ergebnis eines Top-down-Ansatzes,
12:24
like a globalglobal conspiracyVerschwörung.
224
728143
3426
wie einer globalen Verschwörung.
12:27
Our studyStudie "is an impressionEindruck of the moon'sdes Mondes surfaceOberfläche.
225
731569
2933
Unsere Studie ist "ein Eindruck der Mondoberfläche.
12:30
It's not a streetStraße mapKarte."
226
734502
1329
Es ist keine Straßenkarte."
12:31
So you should take the exactgenau numbersNummern in our studyStudie
227
735831
2639
Sie sollten die genauen Zahlen in unserer Studie
12:34
with a grainKorn of saltSalz-,
228
738470
1440
also nicht ganz für bare Münze nehmen,
12:35
yetnoch it "gavegab us a tantalizingverlockende glimpseBlick
229
739910
3392
aber sie "gab uns einen spannenden Einblick
12:39
of a bravemutig newneu worldWelt of financeFinanzen."
230
743302
4344
in eine schöne neue Welt der Finanzen."
12:43
We hopeHoffnung to have openedgeöffnet the doorTür for more sucheine solche researchForschung in this directionRichtung,
231
747646
4440
Wir hoffen, die Tür für weitere Forschungen
in dieser Richtung geöffnet zu haben,
12:47
so the remainingverbleibend unknownunbekannt terrainGelände will be chartedkartiert in the futureZukunft.
232
752086
4737
sodass das verbleibende unbekannte
Terrain in Zukunft ergründet wird.
12:52
And this is slowlylangsam startingbeginnend.
233
756823
1445
Das beginnt langsam.
12:54
We're seeingSehen the emergenceEntstehung of long-termlangfristig
234
758268
2992
Wir sehen die Entstehung langfristiger
12:57
and highly-fundedhoch finanzierte- programsProgramme whichwelche aimZiel at understandingVerstehen
235
761260
3570
und kapitalkräftiger Programme, die darauf abzielen,
13:00
our networkedvernetzt worldWelt from a complexityKomplexität pointPunkt of viewAussicht.
236
764830
4690
unsere vernetzte Welt vom Standpunkt
der Komplexität aus zu verstehen.
13:05
But this journeyReise has only just begunbegonnen,
237
769520
2038
Aber diese Reise hat gerade erst begonnen.
13:07
so we will have to wait before we see the first resultsErgebnisse.
238
771558
5438
Wir müssen also warten,
bis wir die ersten Ergebnisse sehen.
13:12
Now there is still a biggroß problemProblem, in my opinionMeinung.
239
776996
3618
Meiner Meinung nach gibt es noch ein großes Problem.
13:16
IdeasIdeen relatingbezüglich to financeFinanzen, economicsWirtschaft, politicsPolitik,
240
780614
5152
Ideen zu Finanzen, Wirtschaft, Politik,
13:21
societyGesellschaft, are very oftenhäufig taintedbefleckt
241
785766
3280
Gesellschaft, sind sehr oft
13:24
by people'sMenschen personalpersönlich ideologiesIdeologien.
242
789046
3816
mit den persönlichen Ideologien
der Menschen behaftet.
13:28
I really hopeHoffnung that this complexityKomplexität perspectivePerspektive
243
792862
4138
Ich hoffe wirklich, dass
diese Perspektive der Komplexität
13:32
allowserlaubt for some commonverbreitet groundBoden to be foundgefunden.
244
797000
5143
erlaubt, einen gemeinsamen Nenner zu finden.
13:38
It would be really great if it has the powerLeistung
245
802143
2919
Es wäre fantastisch, wenn sie
die Macht hätte, dazu beizutragen,
13:40
to help endEnde the gridlockVerkehrsinfarkt createderstellt by conflictingwidersprüchliche ideasIdeen,
246
805062
5063
den, aus widersprüchlichen Ideen entstehenden,
Stillstand zu beenden,
13:46
whichwelche appearserscheint to be paralyzinglähmende our globalizedglobalisiert worldWelt.
247
810125
5130
der anscheinend unsere globalisierte Welt paralysiert.
13:51
RealityRealität is so complexKomplex, we need to moveBewegung away from dogmaDogma.
248
815255
4666
Die Realität ist so komplex, dass wir uns
von Dogmen wegbewegen müssen.
13:55
But this is just my ownbesitzen personalpersönlich ideologyIdeologie.
249
819921
2886
Aber das ist nur meine persönliche Ideologie.
13:58
Thank you.
250
822807
2035
Vielen Dank.
14:00
(ApplauseApplaus)
251
824842
4677
(Beifall)
Translated by Carolin Kaiser
Reviewed by David Schrögendorfer

▲Back to top

ABOUT THE SPEAKER
James B. Glattfelder - Complex systems theorist
James B. Glattfelder aims to give us a richer, data-driven understanding of the people and interactions that control our global economy. He does this not to push an ideology -- but with the hopes of making the world a better place.

Why you should listen

First a physicist and then a researcher at a Swiss hedge fund, James B. Glattfelder found himself amazed by the level of understanding we have in regards to the physical world and universe around us. He wondered: how can we move toward a similar understanding of human society?

This question led him to the study of complex systems, a subject he now holds a Ph.D in from the Swiss Federal Institute of Technology. Glattfelder is co-head of quantitative research at Olsen Ltd in Zurich, an FX investment manager focusing on market-stabilizing algorithms. In 2011, he co-authored the study “The Network of Global Corporate Control,” which went viral in the international media and sparked many controversial discussions. The study looked at the architecture of ownership across the globe, and computed a level of control exerted by each international player. The study revealed that less than 1% of all the players in the global economy are part of a highly interconnected and powerful core which, because of the high levels of overlap, leaves the economy vulnerable.

In his free time, Glattfelder enjoys snowboarding, rock climbing, surfing and listening to electronic music. 

More profile about the speaker
James B. Glattfelder | Speaker | TED.com