TED2013
Erik Brynjolfsson: The key to growth? Race with the machines
Erik Brynjolfsson: Der Schlüssel zum Wachstum? Teamwork mit den Maschinen.
Filmed:
Readability: 4.6
1,321,770 views
So wie immer mehr Maschinen Aufgaben übernehmen, finden sich viele ohne Arbeit wieder oder mit auf unbestimmte Zeit verschobene Gehaltserhöhungen. Ist das das Ende des Wachstums? Nein, sagt Erik Brynjolfsson -- es sind lediglich die Wachstumsschmerzen einer radikal umstrukturierten Wirtschaft. Ein fesselndes Beispiel dafür, warum große Innovationen vor uns liegen ... Wenn wir Maschinen als Mitspielern ansehen. Schauen Sie unbedingt auch die Gegenmeinung von Robert Gordon an.
Erik Brynjolfsson - Innovation researcher
Erik Brynjolfsson examines the effects of information technologies on business strategy, productivity and employment. Full bio
Erik Brynjolfsson examines the effects of information technologies on business strategy, productivity and employment. Full bio
Double-click the English transcript below to play the video.
00:12
Growth is not dead.
0
605
2272
Wachstum ist nicht tot.
00:14
(Applause)
1
2877
1386
(Applaus)
00:16
Let's start the story 120 years ago,
2
4263
3963
Lassen Sie uns die Geschichte
vor 120 Jahren beginnen,
vor 120 Jahren beginnen,
00:20
when American factories began to electrify their operations,
3
8226
3632
als Amerikas Fabriken begannen,
ihre Arbeiten zu elektrifizieren
ihre Arbeiten zu elektrifizieren
00:23
igniting the Second Industrial Revolution.
4
11858
3344
und sich die zweite
industrielle Revolution entzündete.
industrielle Revolution entzündete.
00:27
The amazing thing is
5
15202
1111
Das Erstaunliche ist,
00:28
that productivity did not increase in those factories
6
16313
2777
dass sich die Produktivität
in diesen Fabriken nicht gesteigert hat --
in diesen Fabriken nicht gesteigert hat --
00:31
for 30 years. Thirty years.
7
19090
3256
in dreißig Jahren. Dreißig Jahre.
00:34
That's long enough for a generation of managers to retire.
8
22346
3474
Das reicht, um eine ganze Generation
Manager in Rente zu schicken.
Manager in Rente zu schicken.
00:37
You see, the first wave of managers
9
25820
2222
Die erste Welle von Managern
00:40
simply replaced their steam engines with electric motors,
10
28042
3417
ersetzte einfach ihre Dampfmaschinen
mit elektrischen Motoren,
mit elektrischen Motoren,
00:43
but they didn't redesign the factories to take advantage
11
31459
3010
aber sie gestalteten keine neuen Fabriken,
00:46
of electricity's flexibility.
12
34469
2341
um die Flexibilität der Elektrizität auszunutzen.
00:48
It fell to the next generation to invent new work processes,
13
36810
3984
Es fiel der nächsten Generation zu,
neue Arbeitsprozesse zu gestalten,
neue Arbeitsprozesse zu gestalten,
00:52
and then productivity soared,
14
40794
2727
dann stieg auch die Produktivität,
00:55
often doubling or even tripling in those factories.
15
43521
3665
häufig verdoppelte oder
verdreifachte diese sich sogar.
verdreifachte diese sich sogar.
00:59
Electricity is an example of a general purpose technology,
16
47186
4723
Elektrizität ist das Beispiel einer
Technologie für den allgemeinen Nutzen,
Technologie für den allgemeinen Nutzen,
01:03
like the steam engine before it.
17
51909
2230
wie die Dampfmaschine davor.
01:06
General purpose technologies drive most economic growth,
18
54139
3416
Technologien für den allgemeinen Nutzen
treiben meistens das ökonomische Wachstum,
treiben meistens das ökonomische Wachstum,
01:09
because they unleash cascades of complementary innovations,
19
57555
3454
weil sie zahlreiche ergänzende
Erfindungen freisetzen,
Erfindungen freisetzen,
01:13
like lightbulbs and, yes, factory redesign.
20
61009
3632
wie Glühbirnen und, ja,
die Umgestaltung von Fabriken.
die Umgestaltung von Fabriken.
01:16
Is there a general purpose technology of our era?
21
64641
3610
Gibt es eine Allzweck-Technologie unserer Ära?
01:20
Sure. It's the computer.
22
68251
2508
Klar. Es ist der Computer.
01:22
But technology alone is not enough.
23
70759
2659
Aber die Technologie allein ist nicht genug.
01:25
Technology is not destiny.
24
73418
2766
Technologie ist nicht gleich Schicksal.
01:28
We shape our destiny,
25
76184
1580
Wir gestalten unsere Schicksale.
01:29
and just as the earlier generations of managers
26
77764
2516
Und so wie die früheren
Generationen von Managern
Generationen von Managern
01:32
needed to redesign their factories,
27
80280
2298
ihre Fabriken umgestalten mussten,
01:34
we're going to need to reinvent our organizations
28
82578
2229
werden wir unsere Organisationen
neu erfinden müssen
neu erfinden müssen
01:36
and even our whole economic system.
29
84807
2555
und sogar unser gesamtes Wirtschaftssystem.
01:39
We're not doing as well at that job as we should be.
30
87362
3602
Wir sind nicht so gut in dieser Aufgabe,
wie wir es sein sollten.
wie wir es sein sollten.
01:42
As we'll see in a moment,
31
90964
1230
Wie wir in einem Moment sehen werden,
01:44
productivity is actually doing all right,
32
92194
2722
ist mit unserer Produktivität alles in Ordnung,
01:46
but it has become decoupled from jobs,
33
94916
3862
aber sie hat sich losgelöst
von den Arbeitsplätzen,
von den Arbeitsplätzen,
01:50
and the income of the typical worker is stagnating.
34
98778
4419
und das Einkommen des
normalen Arbeitnehmers stagniert.
normalen Arbeitnehmers stagniert.
01:55
These troubles are sometimes misdiagnosed
35
103197
2519
Diese Probleme werden
manchmal fehldiagnostiziert
manchmal fehldiagnostiziert
01:57
as the end of innovation,
36
105716
3712
als das Ende der Innovation,
02:01
but they are actually the growing pains
37
109428
2129
aber sie sind tatsächlich die Wachstumsschmerzen
02:03
of what Andrew McAfee and I call the new machine age.
38
111557
5590
von dem, was Andrew McAfee und ich
"Das neue Zeitalter der Maschinen" nennen.
"Das neue Zeitalter der Maschinen" nennen.
02:09
Let's look at some data.
39
117147
1882
Schauen wir uns einige Daten an.
02:11
So here's GDP per person in America.
40
119029
2902
Hier ist also das Bruttoinlandsprodukt (BIP)
eines Menschen in Amerika.
eines Menschen in Amerika.
02:13
There's some bumps along the way, but the big story
41
121931
2766
Da sind ein paar Beulen im Verlauf,
aber im großen und ganzen
aber im großen und ganzen
02:16
is you could practically fit a ruler to it.
42
124697
2715
könnte man an diese Linie ein Lineal anlegen.
02:19
This is a log scale, so what looks like steady growth
43
127412
3276
Dies ist eine Log-Skala.
Das, was so aussieht wie stetiges Wachstum,
Das, was so aussieht wie stetiges Wachstum,
02:22
is actually an acceleration in real terms.
44
130688
3043
ist tatsächlich eine Beschleunigung
in realen Werten.
in realen Werten.
02:25
And here's productivity.
45
133731
2160
Und hier ist die Produktivität.
02:27
You can see a little bit of a slowdown there in the mid-'70s,
46
135891
2671
Sie sehen hier eine kleine Verlangsamung
in der Mitte der 70er Jahre,
in der Mitte der 70er Jahre,
02:30
but it matches up pretty well with the Second Industrial Revolution,
47
138562
3738
aber die Produktivität entspricht ziemlich genau
der der zweiten industriellen Revolution,
der der zweiten industriellen Revolution,
02:34
when factories were learning how to electrify their operations.
48
142300
2691
als Fabriken lernten,
ihre Arbeitsgänge zu elektrifizieren.
ihre Arbeitsgänge zu elektrifizieren.
02:36
After a lag, productivity accelerated again.
49
144991
4129
Nach einiger Verzögerung
beschleunigte sich die Produktivität wieder.
beschleunigte sich die Produktivität wieder.
02:41
So maybe "history doesn't repeat itself,
50
149120
2571
Vielleicht wiederholt sich Geschichte nicht,
02:43
but sometimes it rhymes."
51
151691
2568
aber manchmal reimt sie sich.
02:46
Today, productivity is at an all-time high,
52
154259
3136
Heute ist die Produktivität
auf einem Allzeithoch,
auf einem Allzeithoch,
02:49
and despite the Great Recession,
53
157395
1977
und trotz der großen Rezession
02:51
it grew faster in the 2000s than it did in the 1990s,
54
159372
4252
wuchs sie in den 2000ern schneller
als noch in den 90er Jahren,
als noch in den 90er Jahren,
02:55
the roaring 1990s, and that was faster than the '70s or '80s.
55
163624
4136
den tosenden 90ern, die
schneller als die 70er oder 80er waren.
schneller als die 70er oder 80er waren.
02:59
It's growing faster than it did during the Second Industrial Revolution.
56
167760
3674
Sie wächst schneller als noch während
der zweiten industriellen Revolution.
der zweiten industriellen Revolution.
03:03
And that's just the United States.
57
171434
1743
Und das hier sind nur die Vereinigten Staaten.
03:05
The global news is even better.
58
173177
3248
Global gesehen ist alles noch besser.
03:08
Worldwide incomes have grown at a faster rate
59
176425
2360
Weltweit sind Einkommen schneller gewachsen
in den letzten zehn Jahren
in den letzten zehn Jahren
03:10
in the past decade than ever in history.
60
178785
2496
als jemals zuvor in der Geschichte.
03:13
If anything, all these numbers actually understate our progress,
61
181281
5051
Wenn überhaupt, untertreiben diese Zahlen
tatsächlich unseren Fortschritt,
tatsächlich unseren Fortschritt,
03:18
because the new machine age
62
186332
1912
denn im neuen Maschinen-Zeitalter
03:20
is more about knowledge creation
63
188244
1664
geht es mehr um die Schaffung neuen Wissens,
03:21
than just physical production.
64
189908
2331
als nur der körperlichen Produktion.
03:24
It's mind not matter, brain not brawn,
65
192239
2938
Es geht um Geist, nicht Substanz,
Gehirn, nicht Muskeln,
Gehirn, nicht Muskeln,
03:27
ideas not things.
66
195177
2062
Ideen, nicht Dinge.
03:29
That creates a problem for standard metrics,
67
197239
2570
Das schafft ein Problem
für Standard-Metriken,
für Standard-Metriken,
03:31
because we're getting more and more stuff for free,
68
199809
3502
da wir immer mehr Sachen
kostenlos bekommen,
kostenlos bekommen,
03:35
like Wikipedia, Google, Skype,
69
203311
2641
wie Wikipedia, Google, Skype.
03:37
and if they post it on the web, even this TED Talk.
70
205952
3063
Und wenn sie ihn im Web veröffentlichen,
sogar diesen TED-Talk.
sogar diesen TED-Talk.
03:41
Now getting stuff for free is a good thing, right?
71
209015
3303
Aber Zeugs kostenlos zu bekommen,
ist eine gute Sache, richtig?
ist eine gute Sache, richtig?
03:44
Sure, of course it is.
72
212318
1765
Natürlich ist es das.
03:46
But that's not how economists measure GDP.
73
214083
3868
Aber so messen Ökonomen nicht das BIP.
03:49
Zero price means zero weight in the GDP statistics.
74
217951
5592
Null Preis heißt
null Bedeutung in den BIP-Statistiken.
null Bedeutung in den BIP-Statistiken.
03:55
According to the numbers, the music industry
75
223543
2112
Den Zahlen nach ist die Musikindustrie
03:57
is half the size that it was 10 years ago,
76
225655
3000
nur noch halb so groß wie vor 10 Jahren.
04:00
but I'm listening to more and better music than ever.
77
228655
3656
aber ich höre mehr und
bessere Musik als je zuvor.
bessere Musik als je zuvor.
04:04
You know, I bet you are too.
78
232311
2192
Ich wette, dass auch Sie das tun.
04:06
In total, my research estimates
79
234503
2723
Insgesamt schätzt meine Forschung,
04:09
that the GDP numbers miss over 300 billion dollars per year
80
237226
4754
dass den BIP-Zahlen über
300 Milliarden Dollar pro Jahr fehlen,
300 Milliarden Dollar pro Jahr fehlen,
04:13
in free goods and services on the Internet.
81
241980
3346
auf Grund freier Waren und
Dienstleistungen im Internet.
Dienstleistungen im Internet.
04:17
Now let's look to the future.
82
245326
1789
Schauen wir in die Zukunft.
04:19
There are some super smart people
83
247115
2263
Es gibt einige superschlaue Menschen,
04:21
who are arguing that we've reached the end of growth,
84
249378
5019
die behaupten, wir hätten das
Ende des Wachstums erreicht.
Ende des Wachstums erreicht.
04:26
but to understand the future of growth,
85
254397
3558
Aber um die Zukunft
des Wachstums zu verstehen,
des Wachstums zu verstehen,
04:29
we need to make predictions
86
257955
2683
müssen wir Vorhersagen über die zugrunde
liegenden Antreiber des Wachstums machen.
liegenden Antreiber des Wachstums machen.
04:32
about the underlying drivers of growth.
87
260638
3290
04:35
I'm optimistic, because the new machine age
88
263928
3806
Ich bin optimistisch,
denn das neue Maschinen-Zeitalter
denn das neue Maschinen-Zeitalter
04:39
is digital, exponential and combinatorial.
89
267734
5030
ist digital, exponentiell und kombinatorisch.
04:44
When goods are digital, they can be replicated
90
272764
2264
Wenn Güter digital sind, können sie
in perfekter Qualität kopiert werden.
in perfekter Qualität kopiert werden.
04:47
with perfect quality at nearly zero cost,
91
275028
4509
Fast ohne jegliche Kosten.
04:51
and they can be delivered almost instantaneously.
92
279537
4018
Und sie können praktisch sofort geliefert werden.
04:55
Welcome to the economics of abundance.
93
283555
2800
Willkommen in der Wirtschaft des Überflusses.
04:58
But there's a subtler benefit to the digitization of the world.
94
286355
3690
Aber die Digitalisierung der Welt
hat noch einen dezenteren Nutzen.
hat noch einen dezenteren Nutzen.
05:02
Measurement is the lifeblood of science and progress.
95
290045
4600
Messungen sind das Lebenselixier
der Wissenschaft und des Fortschritts.
der Wissenschaft und des Fortschritts.
05:06
In the age of big data,
96
294645
2148
Im Zeitalter der großen Daten
05:08
we can measure the world in ways we never could before.
97
296793
4286
können wir die Welt auf Weisen messen,
wie es uns vorher nicht möglich war.
wie es uns vorher nicht möglich war.
05:13
Secondly, the new machine age is exponential.
98
301079
4095
Zweitens ist das neue
Computer-Zeitalter exponentiell.
Computer-Zeitalter exponentiell.
05:17
Computers get better faster than anything else ever.
99
305174
5935
Computer werden schneller besser
als alles jemals zu vor.
als alles jemals zu vor.
05:23
A child's Playstation today is more powerful
100
311109
3568
Die Playstation eines Kindes
hat heutzutage mehr Power
hat heutzutage mehr Power
05:26
than a military supercomputer from 1996.
101
314677
4056
als ein militärischer
Supercomputer von 1996.
Supercomputer von 1996.
05:30
But our brains are wired for a linear world.
102
318733
3207
Aber unsere Gehirne sind für eine
lineare Welt ausgelegt.
lineare Welt ausgelegt.
05:33
As a result, exponential trends take us by surprise.
103
321940
3888
Infolgedessen überrumpeln uns
exponentielle Trends.
exponentielle Trends.
Ich habe meine Studenten gelehrt, dass
Computer nicht in allem gut sind,
Computer nicht in allem gut sind,
05:37
I used to teach my students that there are some things,
104
325828
2602
05:40
you know, computers just aren't good at,
105
328430
1934
wie ein Auto durch den Verkehr zu bringen.
05:42
like driving a car through traffic.
106
330364
2385
05:44
(Laughter)
107
332749
2013
(Gelächter)
05:46
That's right, here's Andy and me grinning like madmen
108
334762
3491
So ist es. Das sind Andy und ich,
grinsend wie Verrückte,
grinsend wie Verrückte,
05:50
because we just rode down Route 101
109
338253
2384
weil wir gerade die Route 101 in einem,
05:52
in, yes, a driverless car.
110
340637
3669
ja, fahrerlosen Auto
entlanggefahren sind.
entlanggefahren sind.
05:56
Thirdly, the new machine age is combinatorial.
111
344306
2583
Drittens ist das neue Maschinenzeitalter
kombinatorisch.
kombinatorisch.
05:58
The stagnationist view is that ideas get used up,
112
346889
4048
Aus Sicht von Stagnationisten
brauchen Ideen sich auf.
brauchen Ideen sich auf.
06:02
like low-hanging fruit,
113
350937
1856
So wie niedrig hängende Früchte.
06:04
but the reality is that each innovation
114
352793
3163
Aber in Wahrheit schafft jede Innovation
06:07
creates building blocks for even more innovations.
115
355956
3256
Bausteine für noch weitere Innovationen.
06:11
Here's an example. In just a matter of a few weeks,
116
359212
3345
Hier ist ein Beispiel.
In nur wenigen Wochen
In nur wenigen Wochen
06:14
an undergraduate student of mine
117
362557
2072
hat ein Student in seinen ersten Semestern
06:16
built an app that ultimately reached 1.3 million users.
118
364629
4111
eine App geschrieben, die letztlich
1,3 Millionen Nutzer erreicht hat.
1,3 Millionen Nutzer erreicht hat.
06:20
He was able to do that so easily
119
368740
1699
Er konnte das so einfach tun,
06:22
because he built it on top of Facebook,
120
370439
1827
weil er sie auf Facebook aufgebaut hat,
06:24
and Facebook was built on top of the web,
121
372266
1933
und Facebook wurde auf das Web gebaut,
und dieses wurde auf das Internet gebaut,
und dieses wurde auf das Internet gebaut,
06:26
and that was built on top of the Internet,
122
374199
1698
06:27
and so on and so forth.
123
375897
2418
und so weiter und so fort.
06:30
Now individually, digital, exponential and combinatorial
124
378315
4765
Einzeln betrachtet, wären
digital, exponentiell und kombinatorisch
digital, exponentiell und kombinatorisch
06:35
would each be game-changers.
125
383080
2350
an sich bereits Richtungswechsler.
Setzt man sie zusammen,
sehen wir eine Welle
sehen wir eine Welle
06:37
Put them together, and we're seeing a wave
126
385430
2190
06:39
of astonishing breakthroughs,
127
387620
1393
erstaunlicher Durchbrüche, wie
06:41
like robots that do factory work or run as fast as a cheetah
128
389013
3060
Roboter, die Fabrikarbeiten verrichten
oder so schnell wie Geparden rennen
oder so schnell wie Geparden rennen
06:44
or leap tall buildings in a single bound.
129
392073
2796
oder in einem einzigen Satz
so hoch wie ein Hochhaus springen.
so hoch wie ein Hochhaus springen.
Wussten Sie, dass Roboter sogar
Katzentransporte verändert haben?
Katzentransporte verändert haben?
06:46
You know, robots are even revolutionizing
130
394869
2232
06:49
cat transportation.
131
397101
1829
06:50
(Laughter)
132
398930
2270
(Gelächter)
06:53
But perhaps the most important invention,
133
401200
2732
Aber die vielleicht wichtigste Erfindung
ist das maschinelle Lernen.
ist das maschinelle Lernen.
06:55
the most important invention is machine learning.
134
403932
5065
07:00
Consider one project: IBM's Watson.
135
408997
3376
Schauen Sie sich IBMs Projekt "Watson" an.
07:04
These little dots here,
136
412373
1589
Diese kleinen Punkte hier,
07:05
those are all the champions on the quiz show "Jeopardy."
137
413962
4860
das sind alle Gewinner
aus der Quiz-Show "Jeopardy".
aus der Quiz-Show "Jeopardy".
07:10
At first, Watson wasn't very good,
138
418822
2544
Anfangs war Watson nicht sehr gut,
07:13
but it improved at a rate faster than any human could,
139
421366
5622
aber er verbesserte sich mit einem Tempo
schneller als jeder Mensch.
schneller als jeder Mensch.
Und kurz nachdem Dave Ferrucci meiner
Klasse am MIT dieses Diagramm zeigte,
Klasse am MIT dieses Diagramm zeigte,
07:18
and shortly after Dave Ferrucci showed this chart
140
426988
2687
07:21
to my class at MIT,
141
429675
1652
07:23
Watson beat the world "Jeopardy" champion.
142
431327
3542
schlug Watson den "Jeopardy"-Weltmeister.
07:26
At age seven, Watson is still kind of in its childhood.
143
434869
3989
Mit sieben Jahren ist Watson immer noch
irgendwie in seiner Kindheit.
irgendwie in seiner Kindheit.
07:30
Recently, its teachers let it surf the Internet unsupervised.
144
438858
5318
Vor kurzem ließen die Lehrer ihn
unbeaufsichtigt im Internet surfen.
unbeaufsichtigt im Internet surfen.
07:36
The next day, it started answering questions with profanities.
145
444176
5946
Am nächsten Tag begann er, Fragen
mit Obszönitäten zu beantworten.
mit Obszönitäten zu beantworten.
07:42
Damn. (Laughter)
146
450122
2274
Verdammt. (Gelächter)
07:44
But you know, Watson is growing up fast.
147
452396
2280
Aber Watson reift schnell.
07:46
It's being tested for jobs in call centers, and it's getting them.
148
454676
4212
Er wird für Aufgaben in Call-Centern
getestet und er versteht sie.
getestet und er versteht sie.
07:50
It's applying for legal, banking and medical jobs,
149
458888
3724
Er bewirbt sich um finanzwirtschaftliche,
juristische und medizinische Arbeiten
juristische und medizinische Arbeiten
07:54
and getting some of them.
150
462612
1950
und bekommt einige von ihnen.
07:56
Isn't it ironic that at the very moment
151
464562
1889
Ist es nicht ironisch,
dass genau in dem Moment,
dass genau in dem Moment,
07:58
we are building intelligent machines,
152
466451
2234
in dem wir intelligente Maschinen bauen --
08:00
perhaps the most important invention in human history,
153
468685
3449
vielleicht die wichtigste Erfindung
in der Geschichte der Menschheit --
in der Geschichte der Menschheit --
08:04
some people are arguing that innovation is stagnating?
154
472134
3975
manche Leute behaupten,
Innovation würde stagnieren?
Innovation würde stagnieren?
08:08
Like the first two industrial revolutions,
155
476109
2419
Wie bei den ersten beiden
industriellen Revolutionen
industriellen Revolutionen
08:10
the full implications of the new machine age
156
478528
3134
werden sich die Auswirkungen
des neuen Maschinen-Zeitalters
des neuen Maschinen-Zeitalters
08:13
are going to take at least a century to fully play out,
157
481662
2682
frühestens in einem Jahrhundert
gänzlich zeigen.
gänzlich zeigen.
08:16
but they are staggering.
158
484344
3032
Aber sie sind atemberaubend.
08:19
So does that mean we have nothing to worry about?
159
487376
3336
Bedeutet das, dass wir nichts
zu befürchten haben?
zu befürchten haben?
08:22
No. Technology is not destiny.
160
490712
3680
Nein. Technologie ist nicht gleich Schicksal.
08:26
Productivity is at an all time high,
161
494392
2569
Produktivität ist auf
einem historischen Höchststand,
einem historischen Höchststand,
08:28
but fewer people now have jobs.
162
496961
2983
aber jetzt haben
weniger Menschen Arbeitsplätze.
weniger Menschen Arbeitsplätze.
08:31
We have created more wealth in the past decade than ever,
163
499944
3120
Wir haben in den letzten zehn Jahren
mehr Reichtum als je zuvor geschaffen,
mehr Reichtum als je zuvor geschaffen,
08:35
but for a majority of Americans, their income has fallen.
164
503064
3904
und dennoch ist das Einkommen
der meisten Amerikaner gefallen.
der meisten Amerikaner gefallen.
08:38
This is the great decoupling
165
506968
2312
Dies ist die große Entkopplung
08:41
of productivity from employment,
166
509280
2976
der Produktivität durch Beschäftigung,
08:44
of wealth from work.
167
512256
3104
des Wohlstands durch Arbeit.
08:47
You know, it's not surprising that millions of people
168
515360
2346
Es ist nicht verwunderlich,
dass Millionen von Menschen
dass Millionen von Menschen
08:49
have become disillusioned by the great decoupling,
169
517706
2846
durch die große Entkopplung
desillusioniert worden sind?
desillusioniert worden sind?
08:52
but like too many others,
170
520552
1747
Aber wie zu viele andere auch
08:54
they misunderstand its basic causes.
171
522299
3097
missverstehen sie die grundlegenden Ursachen.
08:57
Technology is racing ahead,
172
525396
2610
Technologie rast voran,
09:00
but it's leaving more and more people behind.
173
528006
3550
und sie lässt mehr und mehr Menschen zurück.
09:03
Today, we can take a routine job,
174
531556
3519
Heute können wir
eine Routineaufgabe herannehmen,
eine Routineaufgabe herannehmen,
09:07
codify it in a set of machine-readable instructions,
175
535075
3091
sie in eine Reihe maschinenlesbare
Anweisungen kodieren
Anweisungen kodieren
09:10
and then replicate it a million times.
176
538166
2827
und sie dann millionenfach ausführen lassen.
09:12
You know, I recently overheard a conversation
177
540993
2279
Ich habe vor kurzem ein Gespräch gehört,
09:15
that epitomizes these new economics.
178
543272
1952
das diese neue Wirtschaftslehre
widerspiegelte.
widerspiegelte.
09:17
This guy says, "Nah, I don't use H&R Block anymore.
179
545224
4197
So ein Typ sagte: "Nein, ich benutze
den H&R-Block nicht mehr.
den H&R-Block nicht mehr.
09:21
TurboTax does everything that my tax preparer did,
180
549421
2448
TurboTax tut alles, was meine
Steuerberater getan haben,
Steuerberater getan haben,
09:23
but it's faster, cheaper and more accurate."
181
551869
4558
aber es ist schneller, billiger und genauer."
09:28
How can a skilled worker
182
556427
1799
Wie kann ein Facharbeiter
09:30
compete with a $39 piece of software?
183
558226
3009
mit einer $39-Software konkurrieren?
09:33
She can't.
184
561235
1967
Er kann es nicht.
09:35
Today, millions of Americans do have faster,
185
563202
2780
Heute haben Millionen
von Amerikanern eine schnellere,
von Amerikanern eine schnellere,
09:37
cheaper, more accurate tax preparation,
186
565982
2387
billigere und genauere Steuerberatung.
09:40
and the founders of Intuit
187
568369
1486
Und den Gründern von Intuit
09:41
have done very well for themselves.
188
569855
2493
ist es dabei ziemlich gut gegangen.
09:44
But 17 percent of tax preparers no longer have jobs.
189
572348
4214
Aber 17 Prozent der Steuerberater
haben keine Arbeitsplätze mehr.
haben keine Arbeitsplätze mehr.
Das ist ein Mikrokosmos
dessen, was vor sich geht.
dessen, was vor sich geht.
09:48
That is a microcosm of what's happening,
190
576562
2078
09:50
not just in software and services, but in media and music,
191
578640
4677
Nicht nur bei Dienstleistungen und
Software, auch in Medien und Musik,
Software, auch in Medien und Musik,
09:55
in finance and manufacturing, in retailing and trade --
192
583317
3686
den Finanzen und der Fertigung,
im Handel und dem Gewerbe --
im Handel und dem Gewerbe --
09:59
in short, in every industry.
193
587003
3895
Kurzum, in jeder Branche.
10:02
People are racing against the machine,
194
590898
3095
Menschen rennen gegen die Maschine an,
10:05
and many of them are losing that race.
195
593993
3090
und viele von ihnen verlieren das Rennen.
10:09
What can we do to create shared prosperity?
196
597083
3886
Was können wir tun, um
gemeinsamen Wohlstand zu erzeugen?
gemeinsamen Wohlstand zu erzeugen?
10:12
The answer is not to try to slow down technology.
197
600969
3017
Die Antwort ist nicht zu versuchen,
die Technologie verlangsamen.
die Technologie verlangsamen.
10:15
Instead of racing against the machine,
198
603986
2557
Anstatt gegen die Maschinen anzutreten,
10:18
we need to learn to race with the machine.
199
606543
3677
müssen wir lernen, mit der Maschine anzutreten.
10:22
That is our grand challenge.
200
610220
3129
Das ist unsere große Herausforderung.
10:25
The new machine age
201
613349
2324
Das neue Computer-Zeitalter
10:27
can be dated to a day 15 years ago
202
615673
3113
kann auf einen Tag
vor 15 Jahren datiert werden,
vor 15 Jahren datiert werden,
10:30
when Garry Kasparov, the world chess champion,
203
618786
2878
als Gary Kasparov,
der Schach-Weltmeister,
der Schach-Weltmeister,
10:33
played Deep Blue, a supercomputer.
204
621664
3706
gegen Deep Blue spielte,
einen Supercomputer.
einen Supercomputer.
10:37
The machine won that day,
205
625370
2012
Die Maschine hat an diesem Tag gewonnen
10:39
and today, a chess program running on a cell phone
206
627382
2968
und heute kann ein Schachprogramm,
das auf einem Mobiltelefon läuft,
das auf einem Mobiltelefon läuft,
10:42
can beat a human grandmaster.
207
630350
2296
einen menschlichen Großmeister schlagen.
10:44
It got so bad that, when he was asked
208
632646
3365
Es wurde so schlimm, dass,
als man ihn fragte,
als man ihn fragte,
10:48
what strategy he would use against a computer,
209
636011
2563
welche Strategie er gegen einen
Computer anwenden würde,
Computer anwenden würde,
10:50
Jan Donner, the Dutch grandmaster, replied,
210
638574
4016
der niederländische
Großmeister Jan Donner antwortete:
Großmeister Jan Donner antwortete:
10:54
"I'd bring a hammer."
211
642590
1771
"Ich würde einen Hammer mitbringen."
10:56
(Laughter)
212
644361
3680
(Gelächter)
11:00
But today a computer is no longer the world chess champion.
213
648041
4544
Aber heute ist kein Computer mehr
Schach-Weltmeister.
Schach-Weltmeister.
11:04
Neither is a human,
214
652585
2654
Aber auch kein Mensch,
11:07
because Kasparov organized a freestyle tournament
215
655239
3579
denn Kasparow organisierte
ein Freestyle-Turnier
ein Freestyle-Turnier
11:10
where teams of humans and computers
216
658818
1916
bei dem Teams aus Mensch und Computer
11:12
could work together,
217
660734
2099
zusammenarbeiten konnten.
11:14
and the winning team had no grandmaster,
218
662833
3157
Das Siegerteam hatte keinen Großmeister,
11:17
and it had no supercomputer.
219
665990
2465
es hatte auch keinen Supercomputer.
11:20
What they had was better teamwork,
220
668455
4175
Was sie hatten, war eine
bessere Zusammenarbeit.
bessere Zusammenarbeit.
11:24
and they showed that a team of humans and computers,
221
672630
5016
Und sie zeigten, dass ein Team
aus Mensch und Computer
aus Mensch und Computer
11:29
working together, could beat any computer
222
677646
3048
in Zusammenarbeit jeden Computer
11:32
or any human working alone.
223
680694
3520
oder jeden allein arbeitenden
Menschen schlagen kann.
Menschen schlagen kann.
11:36
Racing with the machine
224
684214
1664
Mit der Maschine anzutreten
11:37
beats racing against the machine.
225
685878
2343
schlägt gegen die Maschine anzutreten.
11:40
Technology is not destiny.
226
688221
2564
Technologie ist nicht gleich Schicksal.
11:42
We shape our destiny.
227
690785
1742
Wir gestalten unser Schicksal.
11:44
Thank you.
228
692527
1447
Vielen Dank.
11:45
(Applause)
229
693974
5016
(Applaus)
ABOUT THE SPEAKER
Erik Brynjolfsson - Innovation researcherErik Brynjolfsson examines the effects of information technologies on business strategy, productivity and employment.
Why you should listen
The director of the MIT Center for Digital Business and a research associate at the National Bureau of Economic Research, Erik Brynjolfsson asks how IT affects organizations, markets and the economy. His recent work studies data-driven decision-making, management practices that drive productivity, the pricing implications of Internet commerce and the role of intangible assets.
Brynjolfsson was among the first researchers to measure the productivity contributions of information and community technology (ICT) and the complementary role of organizational capital and other intangibles. His research also provided the first quantification of the value of online product variety, often known as the “Long Tail,” and developed pricing and bundling models for information goods.
His books include Wired for Innovation: How IT Is Reshaping the Economy and Race Against the Machine: How the Digital Revolution Is Accelerating Innovation, Driving Productivity and Irreversibly Transforming Employment and the Economy (with Andrew McAfee); and the recent article "Big Data: The Management Revolution" (with Andrew McAfee).
Erik Brynjolfsson | Speaker | TED.com